25年WP大数据管理与应用-《运用机器学习的学生学业成绩影响因素分析与干预策略——以某高校学生学习成绩为例》4.320-16974.docx

I摘 要由于高校教学管理不断优化发展，如何实现对学生学业风险的准确识别和制定有效的干预策略成为需要重点攻克的难点问题。因此，本文以湖南工程学院为研究对象，以该校 2025 年多维学生数据为基础，在对学生学业成绩影响核心变量进行挖掘的基础上利用 XGBoost、随机森林、支持向量机等机器学习算法建立精度高、鲁棒性强的学生学业成绩预测模型，并在此模型之上根据学生的实际学业情况实行分层分类干预措施：行为画像构建、教学辅助优化、个性化学习资源推送，为高校教学管理提供新的数据化改革范式。关键词：学生成绩预测；机器学习；XGBoost；学业风险识别；干预...