最近发展区理论贯穿学生学习发展和教师教学实践的整个过程,借助最近发展区理论,利用教育大数据进行学生成绩预测、学业预警和教师教学质量评价是教育领域中的重要课题,有助于推进高校教育评价改革,对于提高教育水平和人才培养质量、优化教学资源配置都具有重要意义。本文的主要工作和成果如下:1.针对学生最近发展区缺少一定的数据化评估的问题,借鉴参考众多国外学校和大学A/B/C/D/F绩点组别划分方法,提出最近发展区预划分,由客观真实的数据为主导,综合考虑学生的学习生活习惯以及思维能力等,挖掘多维度数据特征指标,根据建立的“ZPD相关特征表”,借助集成学习算法进行分类预测,探究学生“高等数学2”课程期末成绩所属的区间类别。这是最近发展区理论在大数据维度的首次适用性探索。2.针对成绩预测的单一模型性能不佳问题,选择的集成算法模型相比单一基模型具有更好的预测性能和鲁棒性,在模型验证和调整方面增加使用网格搜索和交叉验证方法来优化模型,对比分析LightGBM的预测性能更好。预测结果可以用来学业预警,也帮助教师了解哪些学生在某些方面需要更多的关注和帮助。3.针对目前多数高校评教工作相对欠缺客观科学的量化、评价所需的人力与时间成本较大等问题,提出一种基于学生最近发展区的高校教师教学质量评价新方法。结合预测ZPD与实际ZPD的等级差,考虑了学生的初始潜在能力和教育后的成果,更为科学地评估了教师的影响。确定教师使学生达到并超越自己的最近发展区以及发展扩大自身潜力的程度,来衡量教师的教学质量水平,通过建立ZPD提升贡献度指标为核心的评价机制,将学生最近发展区预测与实际提升成长的贡献度相结合,以具有实际意义的最近发展区成长对教师教学质量进行量化,为高校教师教学质量评价提供了一个更具信度与效度的新方法。本研究结果可为学校的政策制定、学生管理和教师教学质量评价提供新的理论依据和实验基础。