审核性评估和工程教育专业认证是我国高等教育部门近年的教育热点和重要工作,其核心是对高校人才培养的目标与人才培养效果的实现情况予以评价,主旨是推进人才培养的多样化,落实学生培养的中心地位。审核性评估的一个重要的环节就是对人才培养的效果进行评价。对于学生而言,高校主要是通过考试来对学生进行有效的考核,因此,学生的考试成绩是衡量高校对学生培养效果的最重要的指标。在某种程度上来说,对在校学生的评价,最主要是对其学习成绩进行评价。对学生成绩评价是学校常规管理的重要内容,也是教学工作的重要环节。科学、合理地评价学生成绩,一方面可以让学生更全面深入的了解自己的学习情况,另一方面还可以让教师更快速准确的掌握学生的学习状况,进一步推进院校对奖学金评定、研究生推免等工作的落实,为教育教学的科学化管理提供决策依据。传统方式上的对学生成绩评价,主要是对学生成绩进行简单的处理,如计算平均分、计算及格率、计算学分绩、成绩排序等等,根本不能看到学生成绩背后隐藏的信息和潜在的知识,从而使教学人员无法从现有的成绩数据中,挖掘出对改善日后教学工作有针对性和帮助的信息。因此,一个全面又科学的评价学生成绩的方法对教育教学工作的评估和指导显得尤为关键和紧迫。随机森林算法是一种较新的组合式自学习分类算法,可得到变量重要性排序、抗噪声能力强、并行处理等诸多优点。本课题基于随机森林算法提出了一种学生成绩评价算法—ESP_RF算法,利用该算法对学生成绩进行预测,同时,找出影响学生学习的因素,并对这些因素进行重要性排序。以安徽某高校的学生成绩为对象,运用ESP_RF算法对学生成绩进行评价,发现该算法可以很好的对学生成绩进行预测,同时得出的特征变量重要性排序与实际情况相吻合。用科学的方法对学生成绩进行预测一方面能够指导学生有针对性的补习,另一方面为教学管理人员提供科学的决策依据。