Kurz gefasst
Fachartikel in der Zeitschrift 科学技术与教育, 2026-07. Verfasst von 丽娟 孙 und 1 weiteren Autor:innen.
Abstract (Originalsprache)
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。
Zitieren
APA
孙, 丽., & 朱, 亚. (2026). 面向学情诊断的智能学辅模式研究. 科学技术与教育, 2(7). https://doi.org/10.64083/ste2610709
Vancouver
孙 丽, 朱 亚. 面向学情诊断的智能学辅模式研究. 科学技术与教育. 2026;2(7). doi:10.64083/ste2610709
BibTeX
@article{2026,
author = {孙, 丽娟 and 朱, 亚玲},
title = {面向学情诊断的智能学辅模式研究},
journal = {科学技术与教育},
year = {2026},
volume = {2},
number = {7},
doi = {10.64083/ste2610709}
}
EUVIMED