基于隨機森林算法的小學生成績分析與預測研究

張新蕾，張春蕾

(1.天津市和平區勸業場小學，天津，300041；2.河北工業大學經濟管理學院，天津，300401)

在大數據時代的背景之下，教育與信息技術深度融合衍生出以云計算、大數據處理、機器學習等新手段為載體的數據驅動教學模式，引領教育走向“互聯網+”的個性化新時代。在海量的教育大數據中，無論是學習者還是教育者，普遍關注的是學生的學業等級評價。這不僅是評估教育者教學質量的重要指標，而且是評價學習者綜合素養的重要依據。在素質教育理念的引領下，成績雖然不再是衡量學生綜合素質的唯一因素，但它仍然是當下學業等級評價中較為重要的參考依據。因此，挖掘影響學生成績的重要因素顯得尤為迫切。本研究對天津市某地區1000名小學五年級學生閱讀學習的相關數據進行分析，挖掘影響學生學業發展的重要因素。

一、文獻綜述

(一)利用統計學方法分析學生成績影響因素

許多研究者利用多種技術手段，從不同學段、不同學科切入，挖掘影響學生成績的因素并進行相關性分析。例如，易芳等人對中小學生學習成績主要影響因素進行元分析，結果顯示在學生的個人因素中，學習動機、自我效能感與學習成績的關聯度最高。[1]楊建奇等人對影響學生成績的因素進行相關性和方差分析后得出，家庭因素、網絡接觸、早戀均能影響學生成績。[2]

(二)利用機器學習算法挖掘成績影響因素并進行預測分析

隨著機器學習技術的發展，諸多學者開始借助數據處理技術挖掘影響學生成績的因素，并對學生的學習成績進行預測分析。……