摘要：機器學(xué)習(xí)作為人工智能領(lǐng)域的重要研究方向，如何將機器學(xué)習(xí)模型有效地與實際教育工作結(jié)合，以發(fā)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(xué)習(xí)模型預(yù)測本科學(xué)生的學(xué)習(xí)成績，并根據(jù)預(yù)測結(jié)果對學(xué)生進行多層次劃分，進而實施分層教學(xué)，以便教育工作者調(diào)整課程內(nèi)容和教學(xué)策略，為學(xué)生提供個性化指導(dǎo)。該方法不僅為傳統(tǒng)教學(xué)方法注入了新的活力，還有助于提高學(xué)生的學(xué)習(xí)成績和學(xué)習(xí)興趣。

關(guān)鍵詞：機器學(xué)習(xí)；隨機森林；成績預(yù)測；分層教學(xué)法；教學(xué)服務(wù)

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(xué)（資源服務(wù)）標識碼（OSID）

0 引言

隨著人工智能技術(shù)的發(fā)展以及國內(nèi)對本科教育重視程度的提高，先進技術(shù)在本科教育中的應(yīng)用日益廣泛。機器學(xué)習(xí)作為人工智能領(lǐng)域的一個重要分支，在學(xué)生成績預(yù)測、行為建模等方面展現(xiàn)出了強有力的優(yōu)勢，逐漸成為教育數(shù)據(jù)挖掘領(lǐng)域的有力工具。結(jié)合機器學(xué)習(xí)算法與傳統(tǒng)教學(xué)方法開展本科教學(xué)研究，對提升本科教學(xué)質(zhì)量具有重要作用[1]。在此背景下，本文旨在研究機器學(xué)習(xí)在本科學(xué)生成績預(yù)測方面的應(yīng)用，具體以本科機械制造專業(yè)課程單片機原理及應(yīng)用教學(xué)為例，將學(xué)生成績預(yù)測結(jié)果結(jié)合分層教學(xué)方法進行實踐教學(xué)研究與分析，提出一種基于機器學(xué)習(xí)與分層教學(xué)法的教學(xué)框架。該教學(xué)框架可以根據(jù)機器學(xué)習(xí)模型的學(xué)生成績預(yù)測結(jié)果，針對不同層次的學(xué)生制定相應(yīng)的教學(xué)目標和教學(xué)內(nèi)容，并對實際的教學(xué)過程、課后作業(yè)、評價過程進行分層設(shè)計，進而為學(xué)生提供個性化的教學(xué)服務(wù)。

1 基于隨機森林算法的單片機原理及應(yīng)用課程成績預(yù)測

本文首先通過對機械類專業(yè)的課程相關(guān)性進行計算，以選取與目標課程關(guān)聯(lián)度高的課程作為預(yù)測模型的輸入變量；然后基于課程相關(guān)性分析結(jié)果，選取隨機森林回歸算法對該專業(yè)學(xué)生的單片機原理及應(yīng)用課程成績進行分類預(yù)測；最終根據(jù)預(yù)測的分類結(jié)果采取預(yù)防措施，利用分層教學(xué)法為學(xué)生提供不同層次的指導(dǎo)，實現(xiàn)機器學(xué)習(xí)算法在教學(xué)場景中的應(yīng)用。

1.1 課程相關(guān)性分析

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

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

1.2 隨機森林回歸算法

隨機森林算法是一種結(jié)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(yù)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(shù)投票機制或取均值確定新樣本的預(yù)測結(jié)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(xùn)練集中隨機抽取K個樣本，一共進行N次抽樣，形成N個訓(xùn)練樣本子集。其次假設(shè)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(jù)每棵決策樹的結(jié)果，投票或取平均數(shù)后得到最終預(yù)測結(jié)果。

1.3 學(xué)生成績預(yù)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(xùn)練集和測試集的基礎(chǔ)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(yè)班級學(xué)生的單片機原理及應(yīng)用課程成績進行最終成績預(yù)測，并對其預(yù)測結(jié)果和基于RFR算法的模型預(yù)測結(jié)果進行對比分析，4種模型測試樣本的成績預(yù)測值和真實值如圖5所示，圖中藍色實線代表學(xué)生的真實成績，紅色虛線代表學(xué)生的預(yù)測成績?？梢娀赗FR算法的學(xué)生成績預(yù)測模型重合度高于其他3個模型，這說明基于RFR算法的學(xué)生成績預(yù)測模型的性能最為優(yōu)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(yù)測結(jié)果的單片機原理及應(yīng)用課程分層教學(xué)設(shè)計

本文根據(jù)現(xiàn)有單片機原理及應(yīng)用課程成績數(shù)據(jù)及學(xué)生成績特征，預(yù)測目標課程成績分類結(jié)果，并針對分類結(jié)果實施分層教學(xué)?；陬A(yù)測結(jié)果的分層教學(xué)方法在高等教育課程設(shè)計流程中的應(yīng)用如圖4所示，根據(jù)分層教學(xué)理念，了解分層教學(xué)模式的設(shè)計思路，對各分層模塊進行模塊化設(shè)計。

及應(yīng)用課程中的設(shè)計流程

2.1 分層學(xué)習(xí)者

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

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

2.2 教學(xué)目標分層

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

首先，教師應(yīng)該分析教學(xué)大綱目標，教學(xué)目標是教學(xué)過程中評價教學(xué)效果的主要依據(jù)。一般來講，教學(xué)目標由教學(xué)大綱決定，教師根據(jù)教學(xué)大綱講授新知，該教學(xué)目標缺乏靈活性，無法滿足不同層次本科學(xué)生教育的具體需求。本文以單片機原理及應(yīng)用課程中“二進制數(shù)的表示和運算”教學(xué)內(nèi)容為例，該課程教學(xué)大綱規(guī)定的學(xué)習(xí)目標可總結(jié)為表1所述的幾個方面。

其次，將學(xué)習(xí)目標進行分層，分層教學(xué)法的實施效果取決于具體的目標分層。在全面分析本章節(jié)內(nèi)容的教學(xué)大綱后，將不同的教學(xué)目標由易入難排列組合，根據(jù)不同的學(xué)生層次合理劃分，劃分結(jié)果如表2所示。針對C層次的學(xué)生，可將教學(xué)目標定位在基礎(chǔ)性目標的層次上，即以“識記”“領(lǐng)會”水平為準，為該層次的學(xué)生設(shè)計基礎(chǔ)的教學(xué)目標。針對B層次的學(xué)生，教學(xué)目標應(yīng)設(shè)定在“應(yīng)用”水平上，要求學(xué)生掌握教學(xué)大綱的所有知識點。針對A層次的學(xué)生，要求在前兩個層次的教學(xué)目標基礎(chǔ)上，以“分析”“綜合”“評價”的水平為標準，確定一個發(fā)展性目標，培養(yǎng)學(xué)生舉一反三的能力。

2.3 分層授課

分層授課是分層教學(xué)法實施的中心環(huán)節(jié)，也是最難操作的環(huán)節(jié)。分層授課的具體流程圍繞教師活動和學(xué)生活動展開，且活動展開方式可以根據(jù)不同的教學(xué)任務(wù)進行調(diào)整[4]。授課過程中，教師應(yīng)提供適當?shù)闹笇?dǎo)和反饋，學(xué)生應(yīng)該自主學(xué)習(xí)、互相協(xié)作和反思總結(jié)，共同推進課堂教學(xué)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(jié)答疑4個環(huán)節(jié)。溫故知新環(huán)節(jié)是由老師提出問題，帶領(lǐng)學(xué)生回顧舊知，學(xué)生則通過回憶上節(jié)課所學(xué)內(nèi)容并舉手回答問題。新課講授環(huán)節(jié)，由老師確定新課的重、難點，學(xué)生自主預(yù)習(xí)，明確學(xué)習(xí)目標；導(dǎo)入新課，老師將課前準備好的問題展示在多媒體上，引導(dǎo)學(xué)生思考；提出問題，老師講解新知，學(xué)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(xué)生正面反饋，鼓勵繼續(xù)努力。小組討論環(huán)節(jié)，由老師提出層次分明的問題，引導(dǎo)學(xué)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(jié)束后老師分別選出一位A、B、C層次的學(xué)生進行回答并給予鼓勵?？偨Y(jié)答疑環(huán)節(jié)，由老師總結(jié)本節(jié)課所學(xué)內(nèi)容的重難點，對各小組進行點評，提問B層次學(xué)生本節(jié)課學(xué)習(xí)重點，讓A層次的學(xué)生進行補充和總結(jié)，同時鼓勵C層次學(xué)生進行復(fù)述。

2.4 分層作業(yè)

對于分層教學(xué)這一創(chuàng)新型教學(xué)模式而言，除制訂分層教學(xué)目標和教學(xué)內(nèi)容以外，設(shè)計分層作業(yè)是一個必不可少的步驟。對于各層次的學(xué)生而言，不同教學(xué)目標對應(yīng)不同教學(xué)要求，因此教師應(yīng)該在課后針對不同層次學(xué)生布置不同的作業(yè)，從而讓學(xué)生有針對性地練習(xí)，使得所有學(xué)生都學(xué)有所獲。

在分層教學(xué)模式中，課后作業(yè)的布置需符合不同層次學(xué)生對新課程內(nèi)容的掌握情況。可將作業(yè)劃分為基礎(chǔ)性作業(yè)、鞏固性作業(yè)和綜合性作業(yè)三種形式，基礎(chǔ)性作業(yè)面向C層次學(xué)生，鞏固性作業(yè)面向B層次學(xué)生，綜合性作業(yè)面向A層次學(xué)生?；A(chǔ)性題目是所有學(xué)生必須掌握的教學(xué)重點；在此基礎(chǔ)上，較高層次的學(xué)生需完成難度升級的題目，以激發(fā)他們的學(xué)習(xí)動力，獲得更多的成就感。

2.5 分層評價

分層教學(xué)在評價過程中注重過程性評價，依據(jù)教學(xué)目標，采用科學(xué)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(xué)生根據(jù)其在課堂學(xué)習(xí)中的真實表現(xiàn)，結(jié)合評價標準進行自我評價，并通過這個過程進行學(xué)習(xí)反思。學(xué)生的進步程度取決于其在原有學(xué)習(xí)層次上的提高，因此教師不能使用統(tǒng)一的標準來評估學(xué)生，而應(yīng)該考察各層次的學(xué)生是否已經(jīng)達到了本層次所設(shè)定的目標，并根據(jù)學(xué)生在課堂上的表現(xiàn)做出評價[5]。在評價過程中，針對基礎(chǔ)較差的C層次學(xué)生，主要以表揚為主，增強其自信心；針對B層次的學(xué)生，要布置一定的學(xué)習(xí)任務(wù)，鼓勵學(xué)生做到更好；針對學(xué)習(xí)能力較強的A層次學(xué)生，要在肯定其表現(xiàn)的同時指出不足的地方，避免驕傲。

3 動態(tài)調(diào)整

學(xué)生在學(xué)習(xí)過程中的學(xué)習(xí)表現(xiàn)不是一成不變的，學(xué)習(xí)是一個持續(xù)性的過程，每個學(xué)生的專業(yè)課程學(xué)習(xí)進步情況不盡相同。因此在整個教學(xué)過程中，需根據(jù)不同學(xué)生的進步程度給予正面反饋并進行適當?shù)膶哟握{(diào)整。動態(tài)地調(diào)整學(xué)生學(xué)習(xí)層次，有助于提高那些中途學(xué)習(xí)懶散、成績下滑學(xué)生的危機意識，同時這對學(xué)習(xí)有進步的學(xué)生也是一種激勵。對學(xué)生層次的調(diào)整不宜過于頻繁，一學(xué)期不能超過兩次；同時層次變化不宜過大，否則學(xué)生將無法適應(yīng)變化的教學(xué)目標和內(nèi)容。

4 總結(jié)

本文提出了一種基于學(xué)生成績分類預(yù)測結(jié)果的分層教學(xué)法，該方法根據(jù)分類結(jié)果將學(xué)生分為不同層次，并針對不同層次的學(xué)生分別設(shè)計分層目標、分層授課、分層作業(yè)和分層評價等環(huán)節(jié)。該方法可以依托學(xué)生的預(yù)測成績、背景信息等數(shù)據(jù)，提前制定個性化教學(xué)方案，為傳統(tǒng)教學(xué)模式提供有價值的參考，這對現(xiàn)代教育的發(fā)展具有一定的促進作用。

參考文獻：

[1] 徐勝東.基于大數(shù)據(jù)技術(shù)的中職學(xué)生成績分析研究[D].廣州：廣東技術(shù)師范大學(xué)，2019.

[2] 李春陽.大數(shù)據(jù)技術(shù)在高校統(tǒng)計學(xué)教學(xué)中的應(yīng)用思考[J].科技視界，2023（7）：91-93.

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

[4] 王國輝.重視多元化教學(xué)方法，提高信息技術(shù)課堂教學(xué)質(zhì)量[J].甘肅教育研究，2023（9）：88-90.

[5] 陳亞文.基于機器學(xué)習(xí)的中職學(xué)生成績預(yù)測與分層教學(xué)實踐研究[D].濟南：山東師范大學(xué)，2023.

【通聯(lián)編輯：王 力】