学生姓名: 于梦瑶

指导教师: 葛长赟

作品简介：

该研究设计了基于数据挖掘的大学英语成绩预测分析系统，目的是解决传统英语教学中成绩反馈滞后、评价主观及个性化指导不足等问题，提升教学质量与学生学习效果。系统主要由数据处理、模型构建和功能实现几部分构成。

数据处理环节以大连东软信息学院9000余条真实英语成绩数据为基础，涵盖平时表现、高考成绩、期末成绩及四级通过情况等多维度信息。通过数据清洗（填充或删除缺失值、剔除重复值和异常值）、标准化处理，以及将“备注”等文本特征转化为数值特征，为后续模型训练提供高质量数据。

模型构建与功能实现方面，采用人工神经网络、K-近邻和随机森林三种算法对比择优。人工神经网络可预测期末成绩，误差为7.85分；随机森林能以91.45%的准确率识别四级考试风险学生，并生成听力、阅读等四维度个性化建议。系统基于Flask框架构建Web界面，支持单条数据输入或批量文件上传预测，直观展示结果，为教学优化提供实证支持。

图1 预测值真实值散点图

图2 系统界面展示

图3 单条预测结果界面展示

图4 批量预测结果界面展示

创新点：

1. 将人工神经网络、K-近邻算法和随机森林算法进行对比择优，构建综合性教学干预系统，通过捕捉过程性学习轨迹与期末成绩的非线性关联，实现误差7.85分的期末成绩预测。

2. 利用随机森林算法的集成学习优势，以91.45%的准确率识别四级考试风险学生，并能动态生成听力、阅读、写作、词汇四维度的个性化学习建议，为教学干预提供依据。

3. 对收集的9000余条真实英语成绩数据进行清洗、标准化处理及文本转数值特征等操作，挖掘形成性考核数据与期末成绩、四级通过率的关联，提升预测准确性。

4. 基于Flask框架搭建Web界面，支持单条数据输入和批量文件上传预测，直观展示预测结果，降低操作门槛，便于教师及时调整教学策略，实现针对性教学优化。