大学初期学业表现与学生倾向性指标的相关性研究——基于机器学习的预测及可解释性分析

通过机器学习算法对大学初期的学生学业表现进行预测和可解释性研究。利用One-Hot对离散型变量进行编码,利用Lasso提取和降维特征变量,基于随机森林、XGBoost、朴素贝叶斯和逻辑回归等机器学习算法训练模型,借助SHAP对最优模型(随机森林)特征进行解释。研究结果表明,对于不同层次学业表现的学生,影响其学业的因素存在差异。其中,高考成绩(如数学成绩、外语成绩)、学生对录取专业或系别的满意度、在校比赛成绩与操行情况对学生学业表现都存在明显的影响。通过倾向性指标信息能够对学生在大学初期的学业表现作出基本判断,并可据此提前关注可能存在学业困难的学生。

独立学院“转设”视角下职业本科教育发展策略

在内涵式发展理念的驱动下,独立学院转设已然成为我国高等教育改革和发展的必然要求。独立学院积极向职业本科教育转型,坚持高层次技术技能人才培养定位,从建立教师双向流动机制、校本位和企业本位角色转换、结合应用型本科与高职高专两校特色与优势、延伸高层次教育链条等角度出发,探索应用型本科回归职业本科教育本质的发展策略,以期持续输出高素质职业技术型人才,解决我国高级技术人才短缺问题。