面向学情诊断的智能学辅模式研究
DOI: https://doi.org/10.64083/STE2610709
作者
孙丽娟，朱亚玲
摘要
在教育数字化背景下，学习行为数据为精准学业评价和个性化辅导提供了新的支撑。针对传统教学中学情判断不够精细、学习支持缺乏差异化等问题，本文以14003条学生学习行为数据和16个特征变量为基础，经过数据清洗、缺失值处理、标准化转换与特征筛选，采用决策树和随机森林构建成绩等级分类模型，并结合K-means聚类、相似个体匹配大模型技术，构建面向不同学习群体的个性化学辅方案设计框架。结果显示，随机森林模型的平均准确率达到88.09%，能够较好完成学生成绩等级判定；聚类结果可识别出主动型、平衡型等不同学习群体，为差异化辅导提供依据。研究构建了数据分析支持下的智能学辅框架，可为教师开展学情诊断、教学干预和辅导方案设计提供参考，也为普通教学场景中的智能化学辅研究提供了一种可行思路。
关键词
数据分析；分类预测；聚类分析；个性化学习
