长期以来,学生学习成绩预测一直是教育数据挖掘领域的重要研究课题。许多文章提出了利用学生行为或心理特征预测学生成绩的模型。然而,课程内容对学生的学习成绩也有很大的影响。本文将从挖掘课程知识之间的关系入手,解决学生成绩预测问题。本文首先对学生和课程的基本属性与考试成绩的关系做了分析,并进一步挖掘了课程间成绩的相关关系。分析结果显示课程的所涉及的知识内容可能影响学生考试成绩。基于这一结论,本文利用学生基础属性和先修课程成绩作为特征对学生的学业表现进行预测,预测结果进一步证明了课程之间成绩的关联性可以提高成绩预测的准确度。在此基础上,本文将课程知识作为预测学生学习成绩的一个重要特征,首先设计了一个获取课程知识特征的知识抽取框架对特征组进行增强。对知识相似度与各专业学生所修课程平均成绩的对比分析表明,各专业中课程的知识相似度与平均成绩之间存在一定的相关性,表明了课程知识特征对学生成绩的预测可能具有一定的作用。此外,本文提出了一个基于深度学习的学生成绩预测模型KIDNet。该模型可以对学生和课程的基本属性与他们所学课程知识特征之间的高阶交互作用进行建模,并引入残差结构加速网络的训练过程和防止梯度消失,从而更好地预测学生的学业表现。本文基于真实数据集在预测学生挂科和考试成绩两组任务上对模型性能进行了验证。实验结果表明了课程知识特征在预测学生成绩中发挥着重要作用,并且本文所提出的模型KIDNet可以有效提升两个预测任务的准确度。