大模型视角下的中高职困难生大数据识别 技术应用及实证分析

• 作者: 黄海宁 罗伟泰 林振程 .广西工商学校 .广西质量工程职业技术学院
• 来源期刊: 广西糖业
• 学科: 工学
• 关键词: 中高职;困难生;数据识别;深度神经网络;教育公平
• 年，卷（期）: 2025,（6）
• 页码范围: 79-86
• 页数: 8页
• 语种: 中文

摘要

我国教育领域对困难生的认定工作给予了极大的关注和重视，特别是在中等和高等职业教育中，已将困难生的认定及相应的资助措施，作为实现教育公平和正义的关键环节之一。文章以广西地区的中等和高等职业院校（以下简称中高职）学生为研究对象，通过查阅文献、设计并发放调查问卷，结合项目实施，运用大数据分析和人工智能（AI）技术，尤其是深度神经网络技术，深入探讨数据挖掘技术在困难生识别方面的应用潜力；构建基于深度神经网络的困难生识别（TabNet-Stacking）模型，并通过实证分析验证该模型在查准率、召回率和F1值3个关键指标上的表现。结果表明，TabNet-Stacking模型能准确无误地识别出困难生，为实现精准识别和资助提供了创新方法；提出在中等和高等职业教育中实施困难生大数据识别技术应用与发展的策略，包括加强数据整合工作、优化算法模型、完善资助体系、加强监管评估及推动技术创新，旨在确保困难生资助工作的精准性和有效性，进而促进教育公平，让每个学生均有平等接受教育的机会。