基于决策树模型的高职学生录取类别与课程学习情况分析

Analysis of Admission Categories and Course Learning of Higher Vocational Students Based on Decision Tree Model

高职学生有着不同的录取类别,包括普招、对口和单招。普招又分理工类和文史类,对口和单招也有着一些类别划分。而对于大数据技术与应用专业来说,最主要的两个招生类别是普招当中的理工类和对口当中的计算机类。这两种类别的学生,在学习经历、成长经历、课程基础等方面存在差别,这导致其入学之后的课程学习表现有所不同。用机器学习的决策树方法,建立了这样的一个模型,这个模型能够通过学生入学之后第一学期的各科成绩反推出其入学之前的录取类别,从而证实学生录取类别和课程学习表现之间具有较强的相关性。提出的模型的五折交叉验证分类正确率达到了81.15%。由于决策树模型具有很强的可解释性,我们可以通过这个模型分析普招和对口这两种类别的学生在不同课程上的学习表现,从而为课程设置和教学内容的改进提供参考。