数智时代的高校学困生智能诊断模型研究.pdfVIP

Vol.33No.112023

数智时代的高校学困生智能诊断模型研究*

晋欣泉1姜强2[通讯作者]马志强1赵蔚2

（1．江南大学江苏“互联网+教育”研究基地，江苏无锡214122；

2．东北师范大学信息科学与技术学院，吉林长春130117）

摘要：高校学困生是制约高等教育人才培养质量提升的客观存在，精准智能诊断是推进教育高质量发展的重要

驱动力。然而，数智时代以学业成绩预测、机器决策主导为牵引的高校学困生诊断研究面临特征指标单维度、

数据建模程序化、机器反馈单向度等现实困境。基于此，文章首先从特征要素识别、建模方法应用两个方面，

梳理了高校学困生诊断的相关研究成果。随后，文章依托全方位特征画像、可识别学困推理、协同式智能诊断

的设计思想，构建了包含特征数据获取、算法建模分析、诊断决策反馈三个环节的高校学困生智能诊断模型。

最后，文章通过案例分析验证了此模型的可行性与有效性。文章的研究可为学业风险预警与干预研究提供理论

参考，并为全面监测与管理高校学困生提供实践指导，有助于精准学业诊断成果的落地与推广。

关键词：高校学困生；智能诊断；数智技术；人才培养

【中图分类号】G40-057【文献标识码】A【论文编号】1009—8097（2023）11—0047—10【DOI】10.3969/j.issn.1009-8097.2023.11.005

在高等教育招生规模逐年稳定增长与本科生培养质量日益严格把控的叠加效应下，高校人

[1]

才培养风险（含挂科、延期、肄业、退学等学困问题）愈加凸显。然而，从实践层面来看，目

前与大规模人才资源总量不相称的高校学困生人数日益增加，极易造成高质量人才培养进程中

[2]

的质量危机，因此如何加强对高校学困生的智能诊断引起了广泛关注。但在由学分绩点驱动的

[3]

大学场域内，功利化评价标准和异质性学习过程为及时、准确地识别高校学困生带来了挑战，

且当前高校存在的单维成绩分析、滞后性结果诊断等问题也亟待解决。随着教育数字化转型的

进程加速，加上数字孪生、生成式人工智能等数字技术的迭代升级及其在教育实践中的常态化

应用，教育评价研究逐渐进入数智发展新阶段，其强调以多源学习数据为关键要素、以智能算

[4]

法建模为主要载体、以转型发展的融合应用为驱动力，推动着高校学困生诊断研究向核心特征

数据监测与透明算法推理规则协同演进的方向发展。基于此，本研究遵循教育教学规律，紧密

围绕阻碍学习者学业进程的关键痛点，利用数智技术，积极探索构建高校学困生智能诊断模型，

以期为识别教育问题、预控学业风险提供参考，并促进数智时代高等教育的高质量发展。

一高校学困生诊断的相关研究

高校的“学困生”也称“学业预警学生”“学习失败学生”等，是指在普通高等教育学校中

[5]

智力正常且接受正常教育、但具有难以顺利完成学业倾向的本科生。已有研究对高校学困生的

诊断主要从特征要素识别、建模方法应用两个方面展开：

1诊断高校学困生的特征要素识别

特征要素识别是对高校学困生核心特征或导致学业困难发生关键因素的分析鉴定。通常在

相关理论的指导下，研究者采用文献调研、质性数据挖掘、相关性分析等方法对高校学困生进

行观察与分析，从教育学、经济学、心理学等多学科视角识别其特征要素：①从教育学视角，

[6][7]

多以Kennedy等提出的二维辍学理论模型、Tinto提出的学生辍学理论等为指导，通过问卷量