基于机器学习的本科学生成绩预测与分层教学方法研究

魏善祥 王彬兰

摘要：机器学习作为人工智能领域的重要研究方向，如何将机器学习模型有效地与实际教育工作结合，以发挥其在教育场景下的实际价值成为一个重要问题。研究通过机器学习模型预测本科学生的学习成绩，并根据预测结果对学生进行多层次划分，进而实施分层教学，以便教育工作者调整课程内容和教学策略，为学生提供个性化指导。该方法不仅为传统教学方法注入了新的活力，还有助于提高学生的学习成绩和学习兴趣。

关键词：机器学习；随机森林；成绩预测；分层教学法；教学服务

中图分类号：G642      文献标识码：A

文章编号：1009-3044（2024）07-0158-04

开放科学（资源服务）标识码（OSID）

0 引言

随着人工智能技术的发展以及国内对本科教育重视程度的提高，先进技术在本科教育中的应用日益广泛。机器学习作为人工智能领域的一个重要分支，在学生成绩预测、行为建模等方面展现出了强有力的优势，逐渐成为教育数据挖掘领域的有力工具。结合机器学习算法与传统教学方法开展本科教学研究，对提升本科教学质量具有重要作用[1]。在此背景下，本文旨在研究机器学习在本科学生成绩预测方面的应用，具体以本科机械制造专业课程单片机原理及应用教学为例，将学生成绩预测结果结合分层教学方法进行实践教学研究与分析，提出一种基于机器学习与分层教学法的教学框架。该教学框架可以根据机器学习模型的学生成绩预测结果，针对不同层次的学生制定相应的教学目标和教学内容，并对实际的教学过程、课后作业、评价过程进行分层设计，进而为学生提供个性化的教学服务。

1 基于随机森林算法的单片机原理及应用课程成绩预测

本文首先通过对机械类专业的课程相关性进行计算，以选取与目标课程关联度高的课程作为预测模型的输入变量；然后基于课程相关性分析结果，选取随机森林回归算法对该专业学生的单片机原理及应用课程成绩进行分类预测；最终根据预测的分类结果采取预防措施，利用分层教学法为学生提供不同层次的指导，实现机器学习算法在教学场景中的应用。

1.1 课程相关性分析

在本科应用型高校的专业课程中，专业课程设置往往具有相似性，过去的成绩数据会影响学生新学期的专业课程成绩。因此在机器学习方法建模之前，需要对课程之间的相关性进行分析和计算，选取与目标课程相关性强的特征作为输入变量。本文用于模型训练的实验数据为某高校机械类专业100名学生的6门课程成绩，涉及课程包括高等数学、英语、C语言程序设计、电工与电子技术、数字电路、模拟电路。图1为单片机原理及应用课程与该6门课程特征之间的相关系数热力图，颜色越深代表课程之间的相关性越高，反之越低。

根据如图1所示的热力图显示，与单片机原理及应用课程相关性较强的特征课程分别是电工与电子技术、模拟电路、C语言程序、数字电路和高等数学，属于正向强相关；而大学英语与单片机原理及应用课程几乎没有相关性，属于弱相关。基于以上分析结果，本文选择高等数学、C语言程序设计、电工与电子技术、数字电路、模拟电路等5门课程成绩来对单片机原理及应用课程的最终成绩进行预测。

1.2 随机森林回归算法

随机森林算法是一种结合自举汇聚法和随机决策森林方法的集成算法，其基本单元是决策树，它是由多棵决策树做出预测的多决策树模型。多棵决策树共同组成随机森林，每一棵决策树对输入的新样本分别进行判断，并通过简单多数投票机制或取均值确定新样本的预测结果[2]。随机森林算法的具体流程如图2所示，首先利用Bootstart有放回地从原始训练集中随机抽取K个样本，一共进行N次抽样，形成N个训练样本子集。其次假设每棵决策树共有M个特征属性，利用信息增益率，从M个特征中选取效果最好的属性作为该决策树分裂属性。最后根据每棵决策树的结果，投票或取平均数后得到最终预测结果。

1.3 学生成绩预测

为了更好地验证模型的准确性，在保持与随机森林回归（Random Forest Regression， RFR） 算法相同的训练集和测试集的基础上，本研究还引入了决策树回归（Decision Tree Regression， DTR） 、支持向量机回归（Support Vector Regression， SVR） 、线性回归（Linear Regression， LR） 算法对某高校机械类专业班级学生的单片机原理及应用课程成绩进行最终成绩预测，并对其预测结果和基于RFR算法的模型预测结果进行对比分析，4种模型测试样本的成绩预测值和真实值如图5所示，图中蓝色实线代表学生的真实成绩，红色虚线代表学生的预测成绩。可见基于RFR算法的学生成绩预测模型重合度高于其他3个模型，这说明基于RFR算法的学生成绩预测模型的性能最为优越，决策树算法的性能次之，拟合程度最差的为线性回归模型。

2 基于预测结果的单片机原理及应用课程分层教学设计

本文根据现有单片机原理及应用课程成绩数据及学生成绩特征，预测目标课程成绩分类结果，并针对分类结果实施分层教学。基于预测结果的分层教学方法在高等教育课程设计流程中的应用如图4所示，根据分层教学理念，了解分层教学模式的设计思路，对各分层模块进行模块化设计。

及应用课程中的设计流程

2.1 分层学习者

通过上一级同专业的学生所取得的课程成绩来训练机器学习模型，并将样本学生的上一学期与单片机原理及应用相类似的课程成绩输入训练好的模型中进行成绩预测，最终将可能取得80分及以上的学生划为A层次，可能取得60-80分的学生划为B层次，可能不及格的学生划为C层次。此外，针对每个层次的学生还可以将其划分为若干小组，每个小组由学生自发选出一名组长，承担组织小组讨论、收取组员作业及维持小组纪律等职责。

对学生进行分层不是为了有差别地将学生分为“优”“良”“差”三个级别，而是为了对不同层次的学生进行针对性辅导，在有效提高学生成绩的同时，确保学生自尊心不受伤害。

2.2 教学目标分层

教师在做好对班级内学生的分层工作后，便可开始着手解决针对班级内不同层次学生的教学目标问题。在这个过程中，教师应该做到了解不同层次学生的实际需求，以建立不同层次学生的多层次教学目标，使得教学目标明确化[3]。

首先，教师应该分析教学大纲目标，教学目标是教学过程中评价教学效果的主要依据。一般来讲，教学目标由教学大纲决定，教师根据教学大纲讲授新知，该教学目标缺乏灵活性，无法满足不同层次本科学生教育的具体需求。本文以单片机原理及应用课程中“二进制数的表示和运算”教学内容为例，该课程教学大纲规定的学习目标可总结为表1所述的几个方面。

其次，将学习目标进行分层，分层教学法的实施效果取决于具体的目标分层。在全面分析本章节内容的教学大纲后，将不同的教学目标由易入难排列组合，根据不同的学生层次合理划分，划分结果如表2所示。针对C层次的学生，可将教学目标定位在基础性目标的层次上，即以“识记”“领会”水平为准，为该层次的学生设计基础的教学目标。针对B层次的学生，教学目标应设定在“应用”水平上，要求学生掌握教学大纲的所有知识点。针对A层次的学生，要求在前两个层次的教学目标基础上，以“分析”“综合”“评价”的水平为标准，确定一个发展性目标，培养学生举一反三的能力。

2.3 分层授课

分层授课是分层教学法实施的中心环节，也是最难操作的环节。分层授课的具体流程围绕教师活动和学生活动展开，且活动展开方式可以根据不同的教学任务进行调整[4]。授课过程中，教师应提供适当的指导和反馈，学生应该自主学习、互相协作和反思总结，共同推进课堂教学有效开展，具体授课流程图如图5所示。

分层授课流程主要分为温故知新、新课讲授、小组探讨和总结答疑4个环节。温故知新环节是由老师提出问题，带领学生回顾旧知，学生则通过回忆上节课所学内容并举手回答问题。新课讲授环节，由老师确定新课的重、难点，学生自主预习，明确学习目标；导入新课，老师将课前准备好的问题展示在多媒体上，引导学生思考；提出问题，老师讲解新知，学生则聆听教师讲解并记录，同时教师给予积极回答问题的学生正面反馈，鼓励继续努力。小组讨论环节，由老师提出层次分明的问题，引导学生进行小组讨论，各小组就教师提出的问题开始讨论；讨论结束后老师分别选出一位A、B、C层次的学生进行回答并给予鼓励。总结答疑环节，由老师总结本节课所学内容的重难点，对各小组进行点评，提问B层次学生本节课学习重点，让A层次的学生进行补充和总结，同时鼓励C层次学生进行复述。

2.4 分层作业

对于分层教学这一创新型教学模式而言，除制订分层教学目标和教学内容以外，设计分层作业是一个必不可少的步骤。对于各层次的学生而言，不同教学目标对应不同教学要求，因此教师应该在课后针对不同层次学生布置不同的作业，从而让学生有针对性地练习，使得所有学生都学有所获。

在分层教学模式中，课后作业的布置需符合不同层次学生对新课程内容的掌握情况。可将作业划分为基础性作业、巩固性作业和综合性作业三种形式，基础性作业面向C层次学生，巩固性作业面向B层次学生，综合性作业面向A层次学生。基础性题目是所有学生必须掌握的教学重点；在此基础上，较高层次的学生需完成难度升级的题目，以激发他们的学习动力，获得更多的成就感。

2.5 分层评价

分层教学在评价过程中注重过程性评价，依据教学目标，采用科学的评价标准，制定评价量表。本文采用自主评价和教师评价两种评价方式，学生根据其在课堂学习中的真实表现，结合评价标准进行自我评价，并通过这个过程进行学习反思。学生的进步程度取决于其在原有学习层次上的提高，因此教师不能使用统一的标准来评估学生，而应该考察各层次的学生是否已经达到了本层次所设定的目标，并根据学生在课堂上的表现做出评价[5]。在评价过程中，针对基础较差的C层次学生，主要以表扬为主，增强其自信心；针对B层次的学生，要布置一定的学习任务，鼓励学生做到更好；针对学习能力较强的A层次学生，要在肯定其表现的同时指出不足的地方，避免骄傲。

3 动态调整

学生在学习过程中的学习表现不是一成不变的，学习是一个持续性的过程，每个学生的专业课程学习进步情况不尽相同。因此在整个教学过程中，需根据不同学生的进步程度给予正面反馈并进行适当的层次调整。动态地调整学生学习层次，有助于提高那些中途学习懒散、成绩下滑学生的危机意识，同时这对学习有进步的学生也是一种激励。对学生层次的调整不宜过于频繁，一学期不能超过两次；同时层次变化不宜过大，否则学生将无法适应变化的教学目标和内容。

4 总结

本文提出了一种基于学生成绩分类预测结果的分层教学法，该方法根据分类结果将学生分为不同层次，并针对不同层次的学生分别设计分层目标、分层授课、分层作业和分层评价等环节。该方法可以依托学生的预测成绩、背景信息等数据，提前制定个性化教学方案，为传统教学模式提供有价值的参考，这对现代教育的发展具有一定的促进作用。

参考文献：

[1] 徐胜东.基于大数据技术的中职学生成绩分析研究[D].广州：广东技术师范大学，2019.

[2] 李春阳.大数据技术在高校统计学教学中的应用思考[J].科技视界，2023（7）：91-93.

[3] 姜雪梅.“互联网+”背景下高职英语分层教学模式优化探讨[J].英语广场，2023（28）：78-81.

[4] 王国辉.重视多元化教学方法，提高信息技术课堂教学质量[J].甘肃教育研究，2023（9）：88-90.

[5] 陈亚文.基于机器学习的中职学生成绩预测与分层教学实践研究[D].济南：山东师范大学，2023.

【通联编辑：王 力】