文章详情

摘要

在智慧教学背景下，为提升课程质量，文章基于“材料物理”实验课程三届学生数据，开展期末成绩预测与学业风险预警研究。在预测任务中，线性与Ridge回归能较好刻画成绩趋势，Ridge回归稳定性更优；随机森林与梯度提升回归在当前样本中没有明显优势。在预警任务中，逻辑回归召回率较高但误报多，支持向量机准确率较好，平衡随机森林在降低漏报方面表现最优。研究可为教学干预与学业风险预警提供方法与数据参考。

关键词

课程成绩；机器学习；智慧教学

参考文献

1. [1] 李芸嘉，丁琪.基于机器学习的学生成绩预测研究 [J].物流科技，2025，48（7）：178-180.
2. [2] 马朝珉，刘育彤，窦煜涵，等.基于机器学习的学生学习成绩预测研究 [J].科技创新与应用，2025，15（25）：34-37.
3. [3] 新华社.中共中央 国务院印发《深化新时代教育评价改革总体方案》 [R/OL].（2023-10-13）[2026-01-03].https://www.gov.cn/zhengce/2020-10/13/content_5551032.htm.
4. [4] 中华人民共和国教育部.国家教育事业发展“十四五”规划 [R/OL].(2021-05-09)[2026-01-07].https://www.sxie.edu.cn/bkpgw/info/1032/1815.htm.
5. [5] 孙鑫，黎坚，符植煜.利用游戏log-file预测学生推理能力和数学成绩——机器学习的应用 [J].心理学报，2018，50（7）：761-770.
6. [6] Suarez E G，Toro R M. Teaching Performance Evaluation Model: Preparation for Student Learning Within the Framework for Teacher Good Performance [J].Journal of Educational Psychology-Propositosy Representaciones，2018，6（2）：431-452.
7. [7] 邱丹萍.BP神经网络在教学质量评价体系中的应用研究 [J].现代计算机，2020（33）：44-46.
8. [8] 杨世璐.机器学习在《大学物理》教学评价和成绩预测中的应用研究 [D].成都：电子科技大学，2025.
9. [9] Hasanah H，Farida A，Yoga P P. Implementation of Simple Linear Regression for Predicting of Students' Academic Performance in Mathematics [J].Jornal Pendidikan Matematika (Kudus)，2022：39-52.
10. [10] Homaida A，Pekalp M H，Ebegil M. Efficient k Value Computation for Enhanced Fuzzy Ridge Regression [J/OL].Journal of Computational and Applied Mathematics，2026，472：116813.https://doi.org/10.1016/j.cam.2025.116813.
11. [11] 杨文伟，卢俊香，包瑞雪.基于集成学习模型的上证50指数追踪 [J].扬州大学学报（自然科学版），2025，28（6）：71-78.
12. [12] Khaire U M，Dhanalakshmi R. Effects of Random Forest Parameters in the Selection of Biomarkers [J].The Computer Journal，2021，64（12）：1840-1847.
13. [13] Luo C Y，Chen X B，Xu J C，et al. Research on Privacy Protection of Multi-source Data Based on Improved GBDT Federated Ensemble Method with Different Metrics [J/OL].Physical Communication，2021（2）：101347.https://doi.org/10.1016/j.phycom.2021.101347.
14. [14] 谢钊.基于深度学习的在线成绩预测方法研究与应用 [D].广州：广东外语外贸大学，2025.
15. [15] Hemdanou A L，Sefian M L，Achtoun Y，et al. Comparative Analysis of Feature Selection and Extraction Methods for Student Performance Prediction Across Different Machine Learning Models [J/OL].Computers and Education: Artificial Intelligence，2024，7：10030.1https://doi.org/10.1016/j.caeai.2024.100301.
16. [16] Newaz A，Mohosheu M S，Noman M A A，et al. IBRF: Improved Balanced Random Forest Classifier [C]//2024 35th Conference of Open Innovations Association (FRUCT).2024：501-508.

基金项目

国家自然科学基金项目（52472176）；中国石油大学（华东）本科教学改革项目（CM2024086，CM2024020）；中国石油大学（华东）研究生教育教学改革项目（YJG2024024）

作者简介

李小芳（1990—），女，汉族，山东青岛人，副教授，博士研究生，研究方向：材料界面与表面、提高原油采收率。