Prever o desempenho acadêmico dos estudantes tornou-se cada vez mais vital no campo da mineração de dados educacionais, à medida que as instituições buscam estratégias baseadas em dados para melhorar os resultados de aprendizagem. No entanto, muitos modelos existentes dependem apenas de indicadores comportamentais ou características estáticas, muitas vezes negligenciando o papel do tempo e do contexto na formação do comportamento de aprendizagem. Essa limitação reduz a precisão preditiva e a adaptabilidade em ambientes acadêmicos. Para enfrentar esse desafio, este estudo introduz o EduFuseNet, uma estrutura híbrida de aprendizado profundo que integra dados comportamentais e espaciotemporais para a classificação precisa do desempenho dos alunos. O fluxo de trabalho começa com a coleta de dados de um conjunto de dados de Desempenho Acadêmico de Estudantes, que compreende tanto métricas comportamentais quanto informações espaciotemporais. Os dados brutos passam por pré-processamento, incluindo imputação de valores ausentes, codificação one-hot de variáveis categóricas e escalonamento min-max de características numéricas. Os dados processados são então passados por dois ramos especializados: um módulo Tabular Neural Structure-Aware (TabNSA) que captura complexas interdependências dentro dos dados comportamentais, e um módulo Spatiotemporal Transformer que modela padrões temporais e sequenciais nas atividades de aprendizagem. As embeddings de características de ambos os ramos são fundidas e passadas por camadas totalmente conectadas para gerar previsões em cinco faixas de desempenho acadêmico, permitindo classificação precisa e identificação precoce de riscos. O EduFuseNet alcançou uma precisão de 99,00%, com uma precisão de 99,04%, recall de 99,00% e F1-score de 99,01%, refletindo um desempenho preditivo forte e confiável. Ao alavancar tanto indicadores comportamentais quanto temporais de aprendizado, o modelo serve como uma ferramenta eficaz para monitoramento e intervenção acadêmica precoce.
Ji Hongzheng (Qua,) estudou essa questão.