摘要：学生成绩预测在智慧教育领域备受瞩目,通过分析课程过程性学习数据预测期末考试成绩对于提高教学质量至关重要。选取2017-2019年青海大学程序设计基础(C)课程的学生学习数据作为研究对象,使用支持向量机、随机森林、多层感知器、极限梯度提升树和多元线性回归5种机器学习模型,根据过程性学习数据提前评估学生的期末表现,同时采用均方根误差、确定系数、平均绝对误差和均方误差评价模型预测性能。实验结果表明,5种机器学习模型在成绩预测方面均有较好表现,其中极限梯度提升树性能最佳。采用机器学习模型深入分析学生的过程性学习数据并提前预测其期末表现可以帮助教师优化教学过程,使学生获得更好的学习成绩和体验。

摘要：C语言程序设计是大多数高校计算机专业与工、理科专业学生的必修课程。但在C语言程序设计的教学实践过程中,学生普遍反映课程非常枯燥,知识点琐碎,难以掌握。为降低C语言学习的复杂度,探讨如何利用MOOC平台,与现有的课堂教学模式相结合进行C语言程序设计课程教学模式的重新设计,同时应用考试平台随堂考试。