Volume 1,Issue 9
基于画像模型的高职数学教学定点追踪策略研究
随着教育信息化的发展，多维度下个性化教学决策已成为高职教育改革的重要方向。本文以高职数学课程为例，探讨了如何利用教育大数据构建学生个性化画像模型，并基于该模型开展精准教学实践。研究结合了改进的K-means 聚类算法与支持向量机（SVM）预警模型，通过采集学习行为、知能结构、个人特质及环境交互四维数据，形成了动态的学生画像。教学实践表明，基于画像模型的分层教学与个性化干预，能有效提升教学效率与学生学业表现，为实现“因材施教”提供了可操作的路径。
[1]陈玥.基于核心素养的生物学中考命题研究——以天津市、海南省、广东省2017-2019年生物学中考试题为例[D].天津师范大学,2020.
[2]王欣,杨秀玲,李葵南,等.布鲁姆掌握学习理论联合案例教学法在《健康评估》教学中的应用[J].天津护理,2021,29(05):590-592.
[3]徐思,吕扬.混合式教学背景下学生画像技术的应用——以高职数学系列课程为例[J].学园,2024,17(01):24-26.
[4]崔曙光.基于智慧课堂的高职学生特征模型构建研究[J].电脑知识与技术,2020,16(19):204-205+216.DOI:10.14004/j.cnki.ckt.2020.2331.
[5]赵小川.深度学习经典案例解析[M].机械工业出版社:202105:230.
[6]秦争艳.基于数据可视化的学生数据标签及学生画像在教学系统中的应用研究[J].信息记录材料,2021,22(02):138-140.DOI:10.16009/j.cnki.cn13-1295/tq.2021.02.090.
[7]申民哲.基于数据挖掘的学生画像与学业预警方法研究[D].郑州轻工业大学,2022.DOI:10.27469/d.cnki.gzzqc.2022.000041.
[8]基于数据挖掘的学生画像与学业预警系统设计与实现[Z].江苏电子信息职业学院,2025.
[9]刘浩洋,户将,李勇锋,文再文.最优化：建模、算法与理论[M].北京：高等教育出版社，2020.