Volume 2,Issue 7
产教融合视域下《机器学习方法》课程决策树教学案例设计与实践
面向教学评价软件中课程评价系统的开发需求，本文以本科《机器学习方法》课程为载体，将高中生数学课程评价问卷转化为决策树教学案例。案例围绕数据预处理、决策树建模、模型评估与结果解释等环节组织教学，引导学生理解机器学习模型在真实课程评价系统中的应用逻辑。该案例可为产教融合背景下机器学习课程的案例建设与教学改革提供参考。
[1] 国务院办公厅. 国务院办公厅关于深化产教融合的若干意见: 国办发〔2017〕95 号[Z]. 2017.
[2] 教育部. 教育部关于一流本科课程建设的实施意见: 教高〔2019〕8 号[Z]. 2019.
[3] 袁振国. 重塑未来—— 教育数字化之于教育强国建设的突破性意义[J]. 教育研究,2024,45(12):4-12.
[4] 顾小清. 智能技术赋能教育数字化转型的前沿趋势—— 《2023 人工智能促进教育发展报告》导读[J]. 中国教育信息化,2024,30(07):3-12.
[5] 邹挺. 基于随机森林算法的学生学业预警分析[D]. 南昌大学,2024.DOI:10.27232/d.cnki.gnchu.2024.002683.
[6] 龚笛. 以学生为中心的初中数学TPACK 课堂—— 以“七年级下学期数学期末复习”讲评课为例[J]. 现代教学,2024,(Z3):20-21.
[7] 陈丝袄. 基于改进随机森林的中小学校数字教育资源应用评价研究[D]. 华中师范大学,2022.DOI:10.27159/d.cnki.ghzsu.2022.001461.
[8]Marsh, Herbert W .Students’ evaluations of University teaching: Research findings, methodological issues, and directions for future research[J].International Journal of
Educational Research, 1987, 11(3):253-388.DOI:10.1016/0883-0355(87)90001-2.
[9] 燕姣云, 安俊丽, 孙国红. 课堂教学质量评价指标体系重构[J]. 中国大学教学,2023,(12):74-78+91.
[10] 彭琳, 宋珺, 汪宇. 基于CART 的学生成绩预测与个性化管理策略研究[J]. 中国信息界,2024,(09):169-172.
[11] 翟洁, 李艳豪, 孟天鑫, 等. 基于决策树和大模型的个性化计算机实验教学探索与实践[J]. 实验技术与管理,2023,40(12):8-15.DOI:10.16791/j.cnki.sjg.2023.12.002.
[12]Breiman L, Friedman J, Stone CJ, Olshen RA.Classification and Regression Trees[M].Belmont, CA: Wadsworth International Group, 1984.
[13] 周志华. 机器学习[M]. 北京: 清华大学出版社,2016.
[14] 李航. 统计学习方法[M]. 第2 版, 北京: 清华大学出版社,2019.
[15] 超星校园通. 超星校园通服务平台[EB/OL]. https://probation.chaoxing.com/, 2026-05-13.
[16] 科大讯飞智慧教育. AI 助力教育数字化转型[EB/OL]. https://edu.iflytek.com/Cn/, 2026-05-13.