基于随机森林算法的高校学生评教指标研究——以程序设计基础课程为例蒋明池，胡圣波*，孟欣（贵州师范大学，贵州贵阳550025）摘要：为解决高校学生评教量表不规范导致评教指标设置不科学的问题，本文提出采用随机森林算法对学生评教指标建模分析.以程序设计基础课程为例，设计评教问卷，采用随机森林算法建模，对综合评分的优秀与否进行判断，并得到评教指标重要性排序.实验结果显示：教学效果、语言表达等评教指标在高校学生评教量表中占重要地位，对量表的设计改进有重要参考价值.关键词：随机森林算法；学生评教；问卷调查；评教指标；程序设计基础课程中图分类号：TP39文献标识码：A文章编号：1673-9329（2023）03-0074-08近年来，评教评学工作成为高校加强教学管理、促进教风与学风建设以及提高教育教学水平的一项重要措施［1］.从学生的角度来说，它为学生表达学习意愿提供了合理的途径；从高校建设的角度来说，它有利于高校践行为学生服务的办学宗旨.有关研究表明，高校评教的科学性和规范性并没有统一的标准，评教指标的设定需要进一步规范.针对评教指标的设定，国内外学者已有相关研究.有学者认为，学生期望和选课动机是评教的重要因素，评教指标的设置应当具有针对性，如Marsh［2］的研究表明，学生对感兴趣的课程评价更高，评教指标的设置应当根据课程的类型进行设定.而有的学者认为评教作为一种监督和反馈机制，如刘福元［3］在对二元维度下高校课程评价的通用指标设置中，以知识传授为中心，评价学生接受度和教师的讲授情况.但由于评教指标的设置始终难以规范，很多常见指标与知识传授的实际效果并无太大关联，例如教师语言、教学环节等［4］，由此得出的评教结果与真实情况之间有所偏差.因此，在真实的评教数据中，需要通过严谨的分析方法，为评教指标的设置提供量化依据，推导出更重要的评教指标，为高校教学质量管理提供有力的保障.目前，不少学者运用机器学习算法对评教数据进行相关分析，如白雪梅［5］等采用监督学习设计实验，提出一种梯度下降模型，用于主客观数据的自动评教.众所周知，评教指标的重要性直接影响评教结果的有效性，但上述方法并未解决评教指标的选择问题.为此，本文提出利用随机森林算法建立模型，从评教中得到指标的重要性选择.1随机森林算法1.1决策树决策树是一种用于回归和分类的机器学习算法，它通过树结构进行决策［6］，可将已知实例从收稿日期：2022-12-05基金项目：教育部新工科研究与实践项目“面向...
