1.3.3　机器学习支撑管理者决策

大数据时代，学生学习、教师教学、教育管理过程中能够产生大量的教育数据，通过对相关数据进行分析，可以挖掘数据的潜在价值和数据之间的关系，整合现有资源，并对学校的管理和发展做出科学、合理的规划和决策，提高管理部门的工作效率。机器学习算法的应用能够让教育管理工作更加人性化，深度推动智慧教育的发展和进步。其具体表现在以下几个方面：

（1）学生管理

结合学生管理系统中建立的学生电子档案信息，通过对学生的个人情况、兴趣爱好、家庭背景、学习情况、奖励惩罚等信息进行聚类、统计、预测，可以使管理人员迅速了解学生情况，便于针对性开展学生工作。管理人员还可以通过分析学生考勤情况、住校生活表现、参加社会活动等情况，对学生的行为倾向进行预测，防止学生出现心理问题或者一些不良行为。更进一步，管理人员也可以将机器学习技术应用到学生的综合测评中，从而提供更加全面的评测结果（黄丹，2019）。例如，管理人员可以运用机器学习技术，对毕业生数据进行挖掘，分析学生的学习成绩、个人素质、获得证书情况、社会实践活动情况与就业情况之间的联系，分析学生的求职倾向和适合的就业范围，为学生提供有针对性的就业指导，提高学生的就业率。

（2）教学管理

教学质量评价是对教学活动最有效的反馈。教学质量评价通常包括教师的教学能力、教学方法、课堂教学效果、学生的学习情况等。利用机器学习技术对上述数据进行挖掘，可以对教学质量做出更全面、准确的评价。评价结果能够对学生起到监督管理作用，同时也能激励教师不断创新教学方法，进行教学模式和教学过程的改革、研究（黄丹，2019）。人才培养方案和课程的设置在学生的培养过程中起着关键的作用。通过对历史数据进行挖掘和分析，掌握数据之间的潜在关系，分析之前的课程安排是否合理、课程结构是否完善，可为学校提供更科学的课程设置方案，促进教学效果和学生培养质量的提高。

（3）决策支持

大数据技术和机器学习技术还能够被用来构建教育决策支持系统，探索教育变量之间的相关关系，为相关人员制定教育教学决策提供有效支持，提高教育决策的质量（张鹏高、罗兰，2014）。