NobleBlocks

Research indexJournal article

基于深度学习的新工科学生学业质量评价模型研究

唐, 涂, 郑

教育发展论坛17 Sep 2026

DOI10.65976/3080-0374.2026.10.022

Paywalled

The full text is at the publisher

You can read the abstract here, or open it at the publisher.

Read at the publisher

Abstract

针对传统学生学业质量评价存在的评价维度单一、反馈滞后、主观性强及缺乏个性化服务等问题,提出一种基于深度学习的学生学业质量智能评价模型(AI-AQEM)。该模型采用三模块系统架构,围绕"评价模型建设—评价数据训练—学业质量评价"的完整闭环展开。核心算法设计了"CNN+Transformer"混合神经网络,融合结构化成绩数据、非结构化文本特征与多媒体过程数据,构建五维评价指标体系(知识掌握、技能应用、创新能力、团队协作、学习过程),实现对学生学业质量的自动化、多维度与个性化评价。以某高校新工科专业为实验对象,对近3届共323名学生进行实证验证。实验结果表明:模型评价得分与专家评分的皮尔逊相关系数达到0.913,等级分类准确率为86.4%,单样本推理延迟仅为0.23秒,优于同类基准方法。

Discussion

Citations

More

Suggest a correction or report