基于機器學習的本科學生成績預測與分層教學方法研究

魏善祥 王彬蘭

摘要：機器學習作為人工智能領域的重要研究方向，如何將機器學習模型有效地與實際教育工作結合，以發揮其在教育場景下的實際價值成為一個重要問題。研究通過機器學習模型預測本科學生的學習成績，并根據預測結果對學生進行多層次劃分，進而實施分層教學，以便教育工作者調整課程內容和教學策略，為學生提供個性化指導。該方法不僅為傳統教學方法注入了新的活力，還有助于提高學生的學習成績和學習興趣。

關鍵詞：機器學習；隨機森林；成績預測；分層教學法；教學服務

中圖分類號：G642? ? ? 文獻標識碼：A

文章編號：1009-3044（2024）07-0158-04

開放科學（資源服務）標識碼（OSID）

0 引言

隨著人工智能技術的發展以及國內對本科教育重視程度的提高，先進技術在本科教育中的應用日益廣泛。機器學習作為人工智能領域的一個重要分支，在學生成績預測、行為建模等方面展現出了強有力的優勢，逐漸成為教育數據挖掘領域的有力工具。結合機器學習算法與傳統教學方法開展本科教學研究，對提升本科教學質量具有重要作用[1]。在此背景下，本文旨在研究機器學習在本科學生成績預測方面的應用，具體以本科機械制造專業課程單片機原理及應用教學為例，將學生成績預測結果結合分層教學方法進行實踐教學研究與分析，提出一種基于機器學習與分層教學法的教學框架。該教學框架可以根據機器學習模型的學生成績預測結果，針對不同層次的學生制定相應的教學目標和教學內容，并對實際的教學過程、課后作業、評價過程進行分層設計，進而為學生提供個性化的教學服務。

1 基于隨機森林算法的單片機原理及應用課程成績預測

本文首先通過對機械類專業的課程相關性進行計算，以選取與目標課程關聯度高的課程作為預測模型的輸入變量；然后基于課程相關性分析結果，選取隨機森林回歸算法對該專業學生的單片機原理及應用課程成績進行分類預測；最終根據預測的分類結果采取預防措施，利用分層教學法為學生提供不同層次的指導，實現機器學習算法在教學場景中的應用。

1.1 課程相關性分析

在本科應用型高校的專業課程中，專業課程設置往往具有相似性，過去的成績數據會影響學生新學期的專業課程成績。因此在機器學習方法建模之前，需要對課程之間的相關性進行分析和計算，選取與目標課程相關性強的特征作為輸入變量。本文用于模型訓練的實驗數據為某高校機械類專業100名學生的6門課程成績，涉及課程包括高等數學、英語、C語言程序設計、電工與電子技術、數字電路、模擬電路。圖1為單片機原理及應用課程與該6門課程特征之間的相關系數熱力圖，顏色越深代表課程之間的相關性越高，反之越低。

根據如圖1所示的熱力圖顯示，與單片機原理及應用課程相關性較強的特征課程分別是電工與電子技術、模擬電路、C語言程序、數字電路和高等數學，屬于正向強相關；而大學英語與單片機原理及應用課程幾乎沒有相關性，屬于弱相關?；谝陨戏治鼋Y果，本文選擇高等數學、C語言程序設計、電工與電子技術、數字電路、模擬電路等5門課程成績來對單片機原理及應用課程的最終成績進行預測。

1.2 隨機森林回歸算法

隨機森林算法是一種結合自舉匯聚法和隨機決策森林方法的集成算法，其基本單元是決策樹，它是由多棵決策樹做出預測的多決策樹模型。多棵決策樹共同組成隨機森林，每一棵決策樹對輸入的新樣本分別進行判斷，并通過簡單多數投票機制或取均值確定新樣本的預測結果[2]。隨機森林算法的具體流程如圖2所示，首先利用Bootstart有放回地從原始訓練集中隨機抽取K個樣本，一共進行N次抽樣，形成N個訓練樣本子集。其次假設每棵決策樹共有M個特征屬性，利用信息增益率，從M個特征中選取效果最好的屬性作為該決策樹分裂屬性。最后根據每棵決策樹的結果，投票或取平均數后得到最終預測結果。

1.3 學生成績預測

為了更好地驗證模型的準確性，在保持與隨機森林回歸（Random Forest Regression， RFR） 算法相同的訓練集和測試集的基礎上，本研究還引入了決策樹回歸（Decision Tree Regression， DTR） 、支持向量機回歸（Support Vector Regression， SVR） 、線性回歸（Linear Regression， LR） 算法對某高校機械類專業班級學生的單片機原理及應用課程成績進行最終成績預測，并對其預測結果和基于RFR算法的模型預測結果進行對比分析，4種模型測試樣本的成績預測值和真實值如圖5所示，圖中藍色實線代表學生的真實成績，紅色虛線代表學生的預測成績?？梢娀赗FR算法的學生成績預測模型重合度高于其他3個模型，這說明基于RFR算法的學生成績預測模型的性能最為優越，決策樹算法的性能次之，擬合程度最差的為線性回歸模型。

2 基于預測結果的單片機原理及應用課程分層教學設計

本文根據現有單片機原理及應用課程成績數據及學生成績特征，預測目標課程成績分類結果，并針對分類結果實施分層教學。基于預測結果的分層教學方法在高等教育課程設計流程中的應用如圖4所示，根據分層教學理念，了解分層教學模式的設計思路，對各分層模塊進行模塊化設計。

及應用課程中的設計流程

2.1 分層學習者

通過上一級同專業的學生所取得的課程成績來訓練機器學習模型，并將樣本學生的上一學期與單片機原理及應用相類似的課程成績輸入訓練好的模型中進行成績預測，最終將可能取得80分及以上的學生劃為A層次，可能取得60-80分的學生劃為B層次，可能不及格的學生劃為C層次。此外，針對每個層次的學生還可以將其劃分為若干小組，每個小組由學生自發選出一名組長，承擔組織小組討論、收取組員作業及維持小組紀律等職責。

對學生進行分層不是為了有差別地將學生分為“優”“良”“差”三個級別，而是為了對不同層次的學生進行針對性輔導，在有效提高學生成績的同時，確保學生自尊心不受傷害。

2.2 教學目標分層

教師在做好對班級內學生的分層工作后，便可開始著手解決針對班級內不同層次學生的教學目標問題。在這個過程中，教師應該做到了解不同層次學生的實際需求，以建立不同層次學生的多層次教學目標，使得教學目標明確化[3]。

首先，教師應該分析教學大綱目標，教學目標是教學過程中評價教學效果的主要依據。一般來講，教學目標由教學大綱決定，教師根據教學大綱講授新知，該教學目標缺乏靈活性，無法滿足不同層次本科學生教育的具體需求。本文以單片機原理及應用課程中“二進制數的表示和運算”教學內容為例，該課程教學大綱規定的學習目標可總結為表1所述的幾個方面。

其次，將學習目標進行分層，分層教學法的實施效果取決于具體的目標分層。在全面分析本章節內容的教學大綱后，將不同的教學目標由易入難排列組合，根據不同的學生層次合理劃分，劃分結果如表2所示。針對C層次的學生，可將教學目標定位在基礎性目標的層次上，即以“識記”“領會”水平為準，為該層次的學生設計基礎的教學目標。針對B層次的學生，教學目標應設定在“應用”水平上，要求學生掌握教學大綱的所有知識點。針對A層次的學生，要求在前兩個層次的教學目標基礎上，以“分析”“綜合”“評價”的水平為標準，確定一個發展性目標，培養學生舉一反三的能力。

2.3 分層授課

分層授課是分層教學法實施的中心環節，也是最難操作的環節。分層授課的具體流程圍繞教師活動和學生活動展開，且活動展開方式可以根據不同的教學任務進行調整[4]。授課過程中，教師應提供適當的指導和反饋，學生應該自主學習、互相協作和反思總結，共同推進課堂教學有效開展，具體授課流程圖如圖5所示。

分層授課流程主要分為溫故知新、新課講授、小組探討和總結答疑4個環節。溫故知新環節是由老師提出問題，帶領學生回顧舊知，學生則通過回憶上節課所學內容并舉手回答問題。新課講授環節，由老師確定新課的重、難點，學生自主預習，明確學習目標；導入新課，老師將課前準備好的問題展示在多媒體上，引導學生思考；提出問題，老師講解新知，學生則聆聽教師講解并記錄，同時教師給予積極回答問題的學生正面反饋，鼓勵繼續努力。小組討論環節，由老師提出層次分明的問題，引導學生進行小組討論，各小組就教師提出的問題開始討論；討論結束后老師分別選出一位A、B、C層次的學生進行回答并給予鼓勵?？偨Y答疑環節，由老師總結本節課所學內容的重難點，對各小組進行點評，提問B層次學生本節課學習重點，讓A層次的學生進行補充和總結，同時鼓勵C層次學生進行復述。

2.4 分層作業

對于分層教學這一創新型教學模式而言，除制訂分層教學目標和教學內容以外，設計分層作業是一個必不可少的步驟。對于各層次的學生而言，不同教學目標對應不同教學要求，因此教師應該在課后針對不同層次學生布置不同的作業，從而讓學生有針對性地練習，使得所有學生都學有所獲。

在分層教學模式中，課后作業的布置需符合不同層次學生對新課程內容的掌握情況?？蓪⒆鳂I劃分為基礎性作業、鞏固性作業和綜合性作業三種形式，基礎性作業面向C層次學生，鞏固性作業面向B層次學生，綜合性作業面向A層次學生?；A性題目是所有學生必須掌握的教學重點；在此基礎上，較高層次的學生需完成難度升級的題目，以激發他們的學習動力，獲得更多的成就感。

2.5 分層評價

分層教學在評價過程中注重過程性評價，依據教學目標，采用科學的評價標準，制定評價量表。本文采用自主評價和教師評價兩種評價方式，學生根據其在課堂學習中的真實表現，結合評價標準進行自我評價，并通過這個過程進行學習反思。學生的進步程度取決于其在原有學習層次上的提高，因此教師不能使用統一的標準來評估學生，而應該考察各層次的學生是否已經達到了本層次所設定的目標，并根據學生在課堂上的表現做出評價[5]。在評價過程中，針對基礎較差的C層次學生，主要以表揚為主，增強其自信心；針對B層次的學生，要布置一定的學習任務，鼓勵學生做到更好；針對學習能力較強的A層次學生，要在肯定其表現的同時指出不足的地方，避免驕傲。

3 動態調整

學生在學習過程中的學習表現不是一成不變的，學習是一個持續性的過程，每個學生的專業課程學習進步情況不盡相同。因此在整個教學過程中，需根據不同學生的進步程度給予正面反饋并進行適當的層次調整。動態地調整學生學習層次，有助于提高那些中途學習懶散、成績下滑學生的危機意識，同時這對學習有進步的學生也是一種激勵。對學生層次的調整不宜過于頻繁，一學期不能超過兩次；同時層次變化不宜過大，否則學生將無法適應變化的教學目標和內容。

4 總結

本文提出了一種基于學生成績分類預測結果的分層教學法，該方法根據分類結果將學生分為不同層次，并針對不同層次的學生分別設計分層目標、分層授課、分層作業和分層評價等環節。該方法可以依托學生的預測成績、背景信息等數據，提前制定個性化教學方案，為傳統教學模式提供有價值的參考，這對現代教育的發展具有一定的促進作用。

參考文獻：

[1] 徐勝東.基于大數據技術的中職學生成績分析研究[D].廣州：廣東技術師范大學，2019.

[2] 李春陽.大數據技術在高校統計學教學中的應用思考[J].科技視界，2023（7）：91-93.

[3] 姜雪梅.“互聯網+”背景下高職英語分層教學模式優化探討[J].英語廣場，2023（28）：78-81.

[4] 王國輝.重視多元化教學方法，提高信息技術課堂教學質量[J].甘肅教育研究，2023（9）：88-90.

[5] 陳亞文.基于機器學習的中職學生成績預測與分層教學實踐研究[D].濟南：山東師范大學，2023.

【通聯編輯：王 力】