摘要：Rui Wang等学者创造性地提出了智能GPA研究,发现了GPA和智能手机传感数据自动推断的一些行为之间有一些显著的关系。提出了一些新的自动检测方法来评估学生的学习和社会行为,包括聚会的情况和时间、学习时间和学习专注度。智能GPA研究深入分析了学习表现,并提出了每个学生数据流时间序列分析,创造性地使用行为斜率和行为断点来捕捉变化行为,以更好地了解成绩高和成绩低的学生之间的个人差异。此外,还提出了一个简单的预测模型,采用线性回归和Lasso正规化来预测成绩。研究发现学生的谈话持续时间的改变、学习的持续时间、责任心、积极的情绪水平和变化、压力的变化是显著的学习成绩预测因子。本研究以一种全新的形式建设精细化的验证预测模型,从多种属性方面捕捉、量化学生的行为变化,进而引发新的提高学习成绩的潜力干预措施,这对高校学业成绩的评估而言具有创新性的意义,开启了应用新的干预措施来提高学业成绩的新时代。

关键词：智能gpa 行为斜率 行为断点 线性回归 lasso正规化 

单位：得克萨斯大学奥斯汀分校达特茅斯学院; 清华大学教育研究院素质教育研究中心; 北京100084; 北京理工大学; 北京100084