浙江国际海运职业技术学院 金悦奇 朱杰

在高职院校“互联网+”教学背景下，分析机器学习在学业预警中的技术优势和可行性。利用KNN算法构建学业预警模型，提出基于机器学习的高职学业预警系统设计方案。

随着“互联网+”教学不断推广深入，以MOOC、SPOC为代表的信息化教学中得到广泛应用。一方面学生在这些教学信息系统上的学习行为、过程及结果产生了大量的数据记录，这些学习行为数据和学生的学业教学评价之间存在着的内在联系，为创建信息化的学业预警系统提供了数据基础。另一方面随着高职院校对学生学业要求逐步提高和严格，而高职学生本身自主学习能力相对较弱，从而对高职院校学生的学习监管和学业预警的需求更加迫切。当前在人工智能领域机器学习被视为有效分析处理大数据的一种新手段，本文以机器学习技术为基础研究高职院校学业预警系统的设计。

1 高职院校学业预警的现状

目前机器学习在学业预警系统落地实施方面没有现成的系统框架和软件平台，一部分高校利用机器学习对学生学习行为数据分析的学业预警系统还处于理论研究阶段或探索试验阶段。当前高职院校学业预警系统建设主要存在的问题有：

1.1 高职院校学业相关数据碎片化

高职院校学生学业相关数据规模上趋向于海量，但管理上分散在传统的教务管理信息系统、各类课程的网络教学平台以及考证、实习等信息系统。……