一种学习质量下降的预测方法和装置

技术领域

本发明涉及数据分析技术领域，特别是指一种学习质量下降的预测方法和装置。

背景技术

当今的大学生正处于一个竞争加剧的环境中，面临来自生活、学习和就业的许多问题，生活习惯深受互联网的影响而发生改变，睡眠状况不容乐观，成为亚健康的高发人群。研究大学生睡眠状况及成因，对了解并针对性地改善当今大学生健康状况有着重要的意义；而良好的健康状况是高质量学习和生活的基础，因此量化评估睡眠和学习质量之间的关系意义重大。但是，目前还没有较好的方法。

发明内容

本发明提供了一种学习质量下降的预测方法和装置，用以预测学生学习质量下降的概率。所述技术方案如下：

一方面，提供了一种学习质量下降的预测方法，所述方法包括：

接收待预测对象的睡眠信息数据；

根据所述睡眠信息数据，计算得到所述待预测对象的睡眠评价参数；

根据所述睡眠评价参数，通过预先构建的学习质量下降预测模型进行预测，得到所述待预测对象的学习质量下降概率。

可选地，所述睡眠信息数据为在构建所述学习质量下降预测模型的过程中确定的特征变量的量化得分，所述特征变量包括：焦虑程度、睡眠环境、个人睡眠质量；所述睡眠评价参数为所述待预测对象的综合睡眠评价指数；

或者，所述睡眠信息数据包括下面至少两种：睡眠质量、入睡时间、睡眠时间、睡眠效率、睡眠障碍、催眠药物、日间功能障碍；所述睡眠评价参数为所述待预测对象的匹兹堡睡眠指数量表PSQI得分。

可选地，所述预先构建所述学习质量下降预测模型具体包括：

根据样本数据确定学习质量评价的特征变量；

对所述特征变量进行量化；

对所述量化后的特征变量使用主成分分析法降维分析，以确定所述综合睡眠评价指数；

对所述综合睡眠评价指数进行分析，并使用编译软件MATLAB的normfit函数计算获得所述学习质量下降预测模型，通过所述学习质量下降预测模型表征所述综合睡眠评价指数及学习质量下降之间的概率关系。

可选地，所述根据样本数据确定学习质量评价的特征变量具体包括：

进行基于睡眠问卷的所述学习质量下降预测模型的假设定义；

基于匹兹堡睡眠指数量表PSQI设计基于睡眠的学习质量调查问卷；

基于多渠道发放问卷并进行样本数据收集；

对所述样本数据进行加权平均数据分析，并基于编译软件MATLAB使用雷达图可视化分析，确定基于睡眠的学习质量评价的特征变量，包括：焦虑程度、睡眠环境、个人睡眠质量。

可选地，所述对所述量化后的特征变量使用主成分分析法降维分析，以确定所述综合睡眠评价指数具体包括：

首先将所收集的样本数据导入SPSS软件，然后打开数据后依次选择分析、描述统计、描述，对睡眠环境X

M＝X

M——综合睡眠评价指数

X

X

X

可选地，所述对所述综合睡眠评价指数进行分析，并使用编译软件MATLAB的normfit函数计算获得所述学习质量下降预测模型具体包括：

基于公式(1)建立综合睡眠评价指数样例库；

将有不及格门次的学生主成分变量值，利用SPSS软件基于单样本科尔莫格洛夫-斯米诺夫检验，经过检验，所述综合睡眠评价指数和所述学习质量服从正态分布；

使用编译软件MATLAB的normfit函数计算获得所述学习质量下降预测模型为：当所述综合睡眠评价指数在[6.6034,7.4587]间，有95％的把握认定所述待预测对象的睡眠质量可能会导致学习质量下降的发生。

可选地，所述基于匹兹堡睡眠指数量表PSQI设计基于睡眠的学习质量调查问卷具体包括：

对PSQI量表的评分成份进行归纳，得出个人睡眠质量等级；

对所述PSQI量表的评分成份进行补充和修正，在所述PSQI量表的基础上引入睡眠姿势、睡眠环境、焦虑程度三个变量；

设计基于睡眠的学习质量调查问卷，所述基于睡眠的学习质量调查问卷包括调查者的学习成绩、个人睡眠质量、睡眠姿势、睡眠环境、焦虑程度。

可选地，所述预先构建所述学习质量下降预测模型具体包括：

进行基于睡眠问卷的所述学习质量下降预测模型的假设定义；

基于匹兹堡睡眠指数量表PSQI设计基于睡眠的学习质量调查问卷；

基于多渠道发放问卷并进行样本数据收集；

对所述样本数据进行清洗，并基于PSQI得分定义计算所述PSQI得分；

基于大数定律量化评估PSQI得分与学习质量下降的关系，计算得到所述学习质量下降预测模型。

可选地，所述基于大数定律量化评估PSQI得分与学习质量下降的关系，计算得到所述学习质量下降预测模型具体包括：

基于大数定律，计算获得各PSQI得分下学习质量不达标人数的频率，用所得频率代替概率，得出学习质量不达标概率与PSQI得分的关系数据，拟合得到所述学习质量下降预测模型为：在PSQI＝5到PSQI＝10阶段的学习质量不达标概率-PSQI得分拟合曲线公式为：

y＝-0.562 ln(x)+1.2677 (2)

式中，x为PSQI得分，y为学习质量下降的概率。

另一方面，提供了一种学习质量下降的预测装置，所述装置包括：

接收模块，用于接收待预测对象的睡眠信息数据；

计算模块，用于根据所述睡眠信息数据，计算得到所述待预测对象的睡眠评价参数；

预测模块，用于根据所述睡眠评价参数，通过预先构建的学习质量下降预测模型进行预测，得到所述待预测对象的学习质量下降概率。

可选地，所述睡眠信息数据为在构建所述学习质量下降预测模型的过程中确定的特征变量的量化得分，所述特征变量包括：焦虑程度、睡眠环境、个人睡眠质量；所述睡眠评价参数为所述待预测对象的综合睡眠评价指数；

或者，所述睡眠信息数据包括下面至少两种：睡眠质量、入睡时间、睡眠时间、睡眠效率、睡眠障碍、催眠药物、日间功能障碍；所述睡眠评价参数为所述待预测对象的匹兹堡睡眠指数量表PSQI得分。

可选地，所述装置还包括第一构建模块，用于预先构建所述学习质量下降预测模型，所述第一构建模块包括：

第一确定子模块，用于根据样本数据确定学习质量评价的特征变量；

量化子模块，用于对所述特征变量进行量化；

第二确定子模块，用于对所述量化后的特征变量使用主成分分析法降维分析，以确定所述综合睡眠评价指数；

获得子模块，用于对所述综合睡眠评价指数进行分析，并使用编译软件MATLAB的normfit函数计算获得所述学习质量下降预测模型，通过所述学习质量下降预测模型表征所述综合睡眠评价指数及学习质量下降之间的概率关系。

可选地，所述第一确定子模块，具体用于：

进行基于睡眠问卷的所述学习质量下降预测模型的假设定义；

基于匹兹堡睡眠指数量表PSQI设计基于睡眠的学习质量调查问卷；

基于多渠道发放问卷并进行样本数据收集；

对所述样本数据进行加权平均数据分析，并基于编译软件MATLAB使用雷达图可视化分析，确定基于睡眠的学习质量评价的特征变量，包括：焦虑程度、睡眠环境、个人睡眠质量。

可选地，第二确定子模块，具体用于：

首先将所收集的样本数据导入SPSS软件，然后打开数据后依次选择分析、描述统计、描述，对睡眠环境X

M＝X

M——综合睡眠评价指数

X

X

X

可选地，所述获得子模块，具体用于：

基于公式(1)建立综合睡眠评价指数样例库；

将有不及格门次的学生主成分变量值，利用SPSS软件基于单样本科尔莫格洛夫-斯米诺夫检验，经过检验，所述综合睡眠评价指数和所述学习质量服从正态分布；

使用编译软件MATLAB的normfit函数计算获得所述学习质量下降预测模型为：当所述综合睡眠评价指数在[6.6034,7.4587]间，有95％的把握认定所述待预测对象的睡眠质量可能会导致学习质量下降的发生。

可选地，所述第一确定子模块，还用于：

对PSQI量表的评分成份进行归纳，得出个人睡眠质量等级；

对所述PSQI量表的评分成份进行补充和修正，在所述PSQI量表的基础上引入睡眠姿势、睡眠环境、焦虑程度三个变量；

设计基于睡眠的学习质量调查问卷，所述基于睡眠的学习质量调查问卷包括调查者的学习成绩、个人睡眠质量、睡眠姿势、睡眠环境、焦虑程度。

可选地，所述装置还包括第二构建模块，用于预先构建所述学习质量下降预测模型，所述第二构建模块具体包括：

假设定义子模块，用于进行基于睡眠问卷的所述学习质量下降预测模型的假设定义；

问卷设计子模块，用于基于匹兹堡睡眠指数量表PSQI设计基于睡眠的学习质量调查问卷；

样本数据收集子模块，用于基于多渠道发放问卷并进行样本数据收集；

数据清洗子模块，用于对所述样本数据进行清洗，并基于PSQI得分定义计算所述PSQI得分；

计算子模块，用于基于大数定律量化评估PSQI得分与学习质量下降的关系，计算得到所述学习质量下降预测模型。

可选地，所述计算子模块，具体用于：

基于大数定律，计算获得各PSQI得分下学习质量不达标人数的频率，用所得频率代替概率，得出学习质量不达标概率与PSQI得分的关系数据，拟合得到所述学习质量下降预测模型为：在PSQI＝5到PSQI＝10阶段的学习质量不达标概率-PSQI得分拟合曲线公式为：

y＝-0.562 ln(x)+1.2677 (2)

式中，x为PSQI得分，y为学习质量下降的概率。

另一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现上述学习质量下降的预测方法。

另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述学习质量下降的预测方法。

本发明提供的技术方案带来的有益效果包括：

可一定程度上量化定义睡眠质量和学习质量之间的关系，预测学生学习质量下降的概率，而且睡眠状况分析预测的参考数据更加全面，预测结果更加准确；有助于睡眠状况的监测，促进健康状况和学习质量的提高，进一步地，睡眠和学习质量的研究，为后续在建筑工地等安全事故多发的领域，研究睡眠和工作质量之间的关系提供了借鉴。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种学习质量下降的预测方法流程图；

图2是本发明实施例提供的调查问卷的示意图；

图3是本发明实施例提供的构建学习质量下降预测模型的详细步骤流程图；

图4是本发明实施例提供的另一种构建学习质量下降预测模型的详细步骤流程图；

图5是本发明实施例提供的一种学习质量下降的预测装置框图；

图6是本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

如图1所示，本发明实施例提供了一种学习质量下降的预测方法，所述方法包括：

S1、接收待预测对象的睡眠信息数据；

S2、根据所述睡眠信息数据，计算得到所述待预测对象的睡眠评价参数；

S3、根据所述睡眠评价参数，通过预先构建的学习质量下降预测模型进行预测，得到所述待预测对象的学习质量下降概率。

下面对本发明实施例的一种学习质量下降的预测方法进行详细的说明，所述方法包括：

S1、接收待预测对象的睡眠信息数据；

所述待预测对象为使用本发明实施例的学习质量下降的预测方法进行预测的人员，可以为大学生、中学生等；

所述睡眠信息数据为在构建所述学习质量下降预测模型的过程中确定的特征变量的量化得分，所述特征变量包括：焦虑程度、睡眠环境、个人睡眠质量；所述睡眠评价参数为所述待预测对象的综合睡眠评价指数；

或者，所述睡眠信息数据包括下面至少两种：睡眠质量、入睡时间、睡眠时间、睡眠效率、睡眠障碍、催眠药物、日间功能障碍；所述睡眠评价参数为所述待预测对象的匹兹堡睡眠指数量表PSQI得分。

假设本发明实施例接收的某个待预测对象的睡眠信息数据为：焦虑程度2分，睡眠环境2分，个人睡眠质量(PSQI得分)4分；

或者假设本发明实施例接收的某个待预测对象的睡眠信息数据为：睡眠质量A＝1分、入睡时间B＝1分、睡眠时间C＝1分、睡眠效率D＝2分、睡眠障碍E＝0分、催眠药物F＝0分、日间功能障碍G＝1分；

S2、根据所述睡眠信息数据，计算得到所述待预测对象的睡眠评价参数；

一种情况下，所述睡眠评价参数为综合睡眠评价指数M，即

M＝X

M——综合睡眠评价指数

X

X

X

则得到所述待预测对象的综合睡眠评价指数M＝6.816；

另一种情况下，所述睡眠评价参数为PSQI得分，基于PSQI得分定义计算所述待预测对象的PSQI得分为PSQI＝A+B+C+D+E+F+G＝1+1+1+2+0+0+1＝6分；

S3、根据所述睡眠评价参数，通过预先构建的学习质量下降预测模型进行预测，得到所述待预测对象的学习质量下降概率。

一种情况下，所述学习质量下降预测模型为：当所述综合睡眠评价指数在[6.6034,7.4587]间，有95％的把握认定所述待预测对象的睡眠质量可能会导致学习质量下降的发生。

所述待预测对象的综合睡眠评价指数6.816在[6.6034,7.4587]，则预测得到所述待预测对象的学习质量下降概率为：有95％的把握认定所述待预测对象的睡眠质量可能会导致学习质量下降的发生。

另一种情况下，所述学习质量下降预测模型为：在PSQ I＝5到PSQI＝10阶段的学习质量不达标概率-PSQI得分拟合曲线公式为：

y＝-0.562 ln(x)+1.2677 (2)

式中，x为PSQI得分，y为学习质量下降的概率。

所述待预测对象的PSQI得分为6分，则预测得到所述待预测对象的学习质量下降概率为：26.8％。

当所述睡眠信息数据为在构建所述学习质量下降预测模型的过程中确定的特征变量的量化得分，所述特征变量包括：焦虑程度、睡眠环境、个人睡眠质量；所述睡眠评价参数为所述待预测对象的综合睡眠评价指数；则所述预先构建所述学习质量下降预测模型具体包括：

根据样本数据确定学习质量评价的特征变量；

对所述特征变量进行量化；

对所述量化后的特征变量使用主成分分析法降维分析，以确定所述综合睡眠评价指数；

对所述综合睡眠评价指数进行分析，并使用MATLAB计算获得所述学习质量下降预测模型，通过所述学习质量下降预测模型表征所述综合睡眠评价指数及学习质量下降之间的概率关系。

可选地，所述根据样本数据确定学习质量评价的特征变量具体包括：

进行基于睡眠问卷的所述学习质量下降预测模型的假设定义；

基于匹兹堡睡眠指数量表PSQI设计基于睡眠的学习质量调查问卷；

基于多渠道发放问卷并进行样本数据收集；

对所述样本数据进行加权平均数据分析，并基于编译软件MATLAB使用雷达图可视化分析，确定基于睡眠的学习质量评价的特征变量，包括：焦虑程度、睡眠环境、个人睡眠质量。

具体的，

1.进行基于睡眠问卷的所述学习质量下降预测模型的假设定义；

基于研究对象特点定义如下两个假设条件：条件一、以调研对象本校保研率20％为依据，学生排名20％则视为学习质量较好，有不及格门次的学生则认为学习质量较差；条件二、基于多数人的睡眠情况，睡眠姿势变量划分为侧卧、仰躺，其余姿势忽略不计。

2.基于匹兹堡睡眠指数量表设计基于睡眠的学习质量调查问卷；

(1)对匹兹堡睡眠指数量表(Pittsburgh S l eep Qua l ity I ndex,PSQ I)的评分成份进行归纳，具体描述为：参考PSQ I量表，该量表共有19个自评和5个他评条目，其中第19个自评条目和5个他评条目不参与评分，将另外18个自评条目归纳为7个评分成份，分别为睡眠质量、入睡时间、睡眠时间、睡眠效率、睡眠障碍、催眠药物、日间功能障碍，每1个成份分别评定1—3分，各成份得分之和为PSQ I总分，总分范围为0～21分，得分越高表明睡眠质量越差，根据得分将睡眠等级划分为很好、较好、一般、很差四个等级；

(2)对匹兹堡睡眠指数量表(PSQ I量表)的评分成份进行补充和修正，具体描述为：基于文献调研和专家建议，在PSQ I量表的基础上引入睡眠姿势、睡眠环境、焦虑程度三个变量；

(3)设计所述基于睡眠的学习质量调查问卷，所述基于睡眠的学习质量调查问卷包括调查者的学习成绩、个人睡眠质量、睡眠姿势、睡眠环境、焦虑程度。

所述的调查问卷可以为如图2所示形式。

3.基于多渠道发放问卷并进行样本数据收集；

即联合线上线下针对大学生群体进行发放收集问卷，并将结果以电子格式汇总留存；

4.对所述样本数据进行加权平均数据分析，并基于编译软件MATLAB使用雷达图可视化分析，确定基于睡眠的学习质量评价的特征变量；

为确定影响学习质量的因素，将"前20％的学生"、"有不及格门次"、"其他"的学生比例进行了统计计算，发现焦虑程度、睡眠环境及个人睡眠质量(PSQ I得分)存在较大差异，进一步的，分别对收集的数据中“前20％的学生"、"有不及格门次"、"其他"对应的量化后的睡眠姿势，睡眠环境，焦虑程度和个人睡眠质量进行加权平均，加权平均数可以作为各睡眠质量阶段人群各项指标的一个平均水平，通过基于编译软件MATLAB使用雷达图可视化分析相同因素在不同睡眠阶段的加权平均数的变化趋势即可定性求得四个因素对于学习质量的大致影响，结果显示学习质量和焦虑程度、睡眠环境、个人睡眠质量强相关，和睡眠姿势弱相关，最终确定基于睡眠的学习质量评价的特征变量为焦虑程度、睡眠环境、个人睡眠质量。

可选地，对所述特征变量进行量化具体包括：

即将睡眠环境量化为1、2、3(1为睡眠环境良好，2为睡眠环境一般，3为睡眠环境较差)，焦虑程度量化为1、2、3(1为不焦虑，2为一般焦虑，3为很焦虑)，并基于PSQI指数得分等级对个人睡眠质量分别赋分为1、2、3(1为很好、较好，2为一般，3为很差)；

可选地，所述对所述量化后的特征变量使用主成分分析法降维分析，以确定所述综合睡眠评价指数具体包括：

首先将所收集的样本数据导入SPSS软件，然后打开数据后依次选择分析、描述统计、描述，对睡眠环境X

M＝X

M——综合睡眠评价指数

X

X

X

可选地，所述对所述综合睡眠评价指数进行分析，并使用编译软件MATLAB的normfit函数计算获得所述学习质量下降预测模型具体包括：

基于公式(1)建立综合睡眠评价指数样例库；

将有不及格门次的学生主成分变量值，利用SPSS软件基于单样本科尔莫格洛夫-斯米诺夫检验，经过检验，所述综合睡眠评价指数和所述学习质量服从正态分布；

使用编译软件MATLAB的normfit函数计算获得所述学习质量下降预测模型为：当所述综合睡眠评价指数在[6.6034,7.4587]间，有95％的把握认定所述待预测对象的睡眠质量可能会导致学习质量下降的发生。

正态分布(Norma l d i str ibut ion)，也称“常态分布”，又名高斯分布(Gaussian d i str ibut ion)，若随机变量X服从一个数学期望为μ、方差为σ2的正态分布，记为N(μ，σ2)，并有数值落在横轴区间(μ-σ,μ+σ)的概率为68.268949％；落在横轴区间(μ-2σ,μ+2σ)内的概率为95.449974％；落在横轴区间(μ-3σ,μ+3σ)内的概率为99.730020％的性质。

normfit()函数是MATLAB自带的计算正态分布置信区间的函数，具体描述为：[muhat,s igmahat,muci,s igmaci]＝normfit(M,a l pha)

其中，muhat，s igmahat分别为正态分布的参数μ和σ的估计值；muci，s igmac i分别为置信区,其置信度为：a l pha，M为收集的样例库综合睡眠评价指数集，故设置[muhat,s igmahat,muci,s igmaci]＝normfit(M，0.95)，即可求取得到所述学习质量下降预测模型为：当综合睡眠评价指数在[6.6034,7.4587]间，有95％的把握认定所述待预测对象的睡眠质量可能会导致学习质量下降的发生。

本发明实施例的构建学习质量下降预测模型的详细步骤流程，也可以如图3所示，本发明实施例的学习质量下降的预测方法，再通过所述学习质量下降预测模型预测待预测对象学习质量下降的概率。

当所述睡眠信息数据包括下面至少两种：睡眠质量、入睡时间、睡眠时间、睡眠效率、睡眠障碍、催眠药物、日间功能障碍；所述睡眠评价参数为所述待预测对象的匹兹堡睡眠指数量表PSQI得分；则所述预先构建所述学习质量下降预测模型具体包括：

进行基于睡眠问卷的所述学习质量下降预测模型的假设定义；

基于匹兹堡睡眠指数量表PSQI设计基于睡眠的学习质量调查问卷；

基于多渠道发放问卷并进行样本数据收集；

对所述样本数据进行清洗，并基于PSQI得分定义计算所述PSQI得分；

基于大数定律量化评估PSQI得分与学习质量下降的关系，计算得到所述学习质量下降预测模型。

可选地，所述基于大数定律量化评估PSQI得分与学习质量下降的关系，计算得到所述学习质量下降预测模型具体包括：

基于大数定律，计算获得各PSQI得分下学习质量不达标人数的频率，用所得频率代替概率，得出学习质量不达标概率与PSQI得分的关系数据，拟合得到所述学习质量下降预测模型为：在PSQI＝5到PSQI＝10阶段的学习质量不达标概率-PSQI得分拟合曲线公式为：

y＝-0.562 ln(x)+1.2677 (2)

式中，x为PSQI得分，y为学习质量下降的概率。

具体的，所述预先构建所述学习质量下降预测模型包括：

1.进行基于睡眠问卷的学习质量下降的预测模型假设定义；

基于研究对象特点定义如下两个假设条件：条件一、以调研对象本校保研率20％为依据，学生排名20％则视为学习质量较好，有不及格门次的学生则认为学习质量较差；条件二、基于多数人的睡眠情况，睡眠姿势变量划分为侧卧、仰躺，其余姿势忽略不计。

2.基于匹兹堡睡眠指数量表设计基于睡眠的事故风险评估方法问卷；

对匹兹堡睡眠指数量表(PSQI量表)的评分成份进行归纳，具体描述为：参考PSQI量表，该量表共有19个自评和5个他评条目，其中第19个自评条目和5个他评条目不参与评分，将另外18个自评条目归纳为7个评分成份，分别为睡眠质量、入睡时间、睡眠时间、睡眠效率、睡眠障碍、催眠药物、日间功能障碍。每1个成份分别评定1—3分，各成份得分之和为PSQ I总分，总分范围为0～21分，得分越高表明睡眠质量越差，根据得分将睡眠等级划分为很好、较好、一般、很差四个等级。

3.基于多渠道发放问卷并进行样本数据收集；

所述基于多渠道发放问卷并进行样本数据收集，即联合线上线下针对大学生群体进行发放收集问卷，并将结果以电子格式汇总留存。

4.对所述样本数据进行清洗，并基于PSQI得分定义计算PSQI得分；

使用python软件对数据进行汇总、拼接、删失(删除缺失值)、排序、补全缺失值，以建立睡眠质量数据库，并根据PSQI得分的计算方法计算获得PSQI得分。

5.基于大数定律量化评估PSQI得分与学习质量下降的关系，计算得到所述学习质量下降预测模型。

基于大数定律(即随试验次数n的增大，在试验不变的条件下，重复试验多次，随机事件的频率近似于它的概率)，计算获得各PSQI得分下学习质量不达标人数的频率，用所得频率代替概率，得出学习质量不达标概率与PSQI得分的关系数据，拟合得到所述学习质量下降预测模型为：在PSQI＝5到PSQI＝10阶段的学习质量不达标概率-PSQI得分拟合曲线公式为：

y＝-0.562 ln(x)+1.2677 (2)

式中，x为PSQI得分，y为学习质量下降的概率。

可选地，所述基于大数定律，计算获得各PSQI得分下学习质量不达标人数的频率具体为：利用Exce l的筛选功能分别确定PSQI为0～21分(PSQ I值为整数)有不及格门次的学生占比概率，可以如表格1所示(表格1仅显示了PSQI为5～10分)。

表格1PSQI与学习质量不达标人数的频率

利用Exce l中的图像拟合功能得出拟合曲线，并显示其具体公式及相关系数的取值结果，可获得其在PSQI＝5到PSQ I＝10阶段的拟合曲线公式为：

y＝-0.562 ln(x)+1.2677 (2)

式中，x为PSQI得分，y为学习质量下降的概率。

相关系数为：R＝0.9723,拟合效果良好；由此可得所述方法下获得PSQI分数在5～10分段的拟合曲线公式可对学习质量推测有较好的效果，但在PSQI<5和PSQI>10的人群中不具有参考价值。

即拟合得到所述学习质量下降预测模型为：在PSQI＝5到PSQI＝10阶段的学习质量不达标概率-PSQI得分拟合曲线公式为：

y＝-0.562 ln(x)+1.2677 (2)

式中，x为PSQI得分，y为学习质量下降的概率。

可选地，可以使用数学统计中的均方误差(MSE)进行检验，以验证所确定关系的准确性，计算所述学习质量下降预测模型的MSE值，验证所述学习质量下降预测模型的精确性。

经检验，所述学习质量下降预测模型的MSE值为0.005015，可见其精确度良好。

本发明实施例的构建学习质量下降预测模型的详细步骤流程，也可以如图4所示，本发明实施例的学习质量下降的预测方法，再通过所述学习质量下降预测模型预测待预测对象学习质量下降的概率。

如图5所示，本发明实施例还提供一种学习质量下降的预测装置，所述装置包括：

接收模块510，用于接收待预测对象的睡眠信息数据；

计算模块520，用于根据所述睡眠信息数据，计算得到所述待预测对象的综合睡眠评价指数；

预测模块530，用于根据所述睡眠评价参数，通过预先构建的学习质量下降预测模型进行预测，得到所述待预测对象的学习质量下降概率。

可选地，所述睡眠信息数据为在构建所述学习质量下降预测模型的过程中确定的特征变量的量化得分，所述特征变量包括：焦虑程度、睡眠环境、个人睡眠质量；所述睡眠评价参数为所述待预测对象的综合睡眠评价指数；

或者，所述睡眠信息数据包括下面至少两种：睡眠质量、入睡时间、睡眠时间、睡眠效率、睡眠障碍、催眠药物、日间功能障碍；所述睡眠评价参数为所述待预测对象的匹兹堡睡眠指数量表PSQ I得分。

可选地，所述装置还包括第一构建模块，用于预先构建所述学习质量下降预测模型，所述第一构建模块包括：

第一确定子模块，用于根据样本数据确定学习质量评价的特征变量；

量化子模块，用于对所述特征变量进行量化；

第二确定子模块，用于对所述量化后的特征变量使用主成分分析法降维分析，以确定所述综合睡眠评价指数；

获得子模块，用于对所述综合睡眠评价指数进行分析，并使用编译软件MATLAB的normf it函数计算获得所述学习质量下降预测模型，通过所述学习质量下降预测模型表征所述综合睡眠评价指数及学习质量下降之间的概率关系。

可选地，所述第一确定子模块，具体用于：

进行基于睡眠问卷的所述学习质量下降预测模型的假设定义；

基于匹兹堡睡眠指数量表PSQ I设计基于睡眠的学习质量调查问卷；

基于多渠道发放问卷并进行样本数据收集；

对所述样本数据进行加权平均数据分析，并基于编译软件MATLAB使用雷达图可视化分析，确定基于睡眠的学习质量评价的特征变量，包括：焦虑程度、睡眠环境、个人睡眠质量。

可选地，第二确定子模块，具体用于：

首先将所收集的样本数据导入SPSS软件，然后打开数据后依次选择分析、描述统计、描述，对睡眠环境X

M＝X

M——综合睡眠评价指数

X

X

X

可选地，所述获得子模块，具体用于：

基于公式(1)建立综合睡眠评价指数样例库；

将有不及格门次的学生主成分变量值，利用SPSS软件基于单样本科尔莫格洛夫-斯米诺夫检验，经过检验，所述综合睡眠评价指数和所述学习质量服从正态分布；

使用编译软件MATLAB的normfit函数计算获得所述学习质量下降预测模型为：当所述综合睡眠评价指数在[6.6034,7.4587]间，有95％的把握认定所述待预测对象的睡眠质量可能会导致学习质量下降的发生。

可选地，所述第一确定子模块，还用于：

对PSQI量表的评分成份进行归纳，得出个人睡眠质量等级；

对所述PSQI量表的评分成份进行补充和修正，在所述PSQI量表的基础上引入睡眠姿势、睡眠环境、焦虑程度三个变量；

设计基于睡眠的学习质量调查问卷，所述基于睡眠的学习质量调查问卷包括调查者的学习成绩、个人睡眠质量、睡眠姿势、睡眠环境、焦虑程度。

可选地，所述装置还包括第二构建模块，用于预先构建所述学习质量下降预测模型，所述第二构建模块具体包括：

假设定义子模块，用于进行基于睡眠问卷的所述学习质量下降预测模型的假设定义；

问卷设计子模块，用于基于匹兹堡睡眠指数量表PSQI设计基于睡眠的学习质量调查问卷；

样本数据收集子模块，用于基于多渠道发放问卷并进行样本数据收集；

数据清洗子模块，用于对所述样本数据进行清洗，并基于PSQI得分定义计算所述PSQI得分；

计算子模块，用于基于大数定律量化评估PSQI得分与学习质量下降的关系，计算得到所述学习质量下降预测模型。

可选地，所述计算子模块，具体用于：

基于大数定律，计算获得各PSQI得分下学习质量不达标人数的频率，用所得频率代替概率，得出学习质量不达标概率与PSQI得分的关系数据，拟合得到所述学习质量下降预测模型为：在PSQI＝5到PSQI＝10阶段的学习质量不达标概率-PSQI得分拟合曲线公式为：

y＝-0.562 ln(x)+1.2677 (2)

式中，x为PSQI得分，y为学习质量下降的概率。

图6是本发明实施例提供的一种电子设备600的结构示意图，该电子设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(centra lprocess i ng units，CPU)601和一个或一个以上的存储器602，其中，所述存储器602中存储有至少一条指令，所述至少一条指令由所述处理器601加载并执行以实现上述学习质量下降的预测方法的步骤。

在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述学习质量下降的预测方法。例如，所述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。