学生的学期自我评价.docxVIP

学生的学期自我评价

学期自我评价：以数据为锚，向目标而行

一、学期整体概述：目标引领下的成长轨迹

站在学期末的节点回望，这是我以精准化成长为核心，将目标拆解为可量化行动、用数据锚定进步方向的学期。学期初，我基于自身夯实专业基础、提升实践能力、培养跨学科思维的长期目标，制定了3个维度的学期目标：学业成绩（GPA目标3.6，核心课程均分≥85）、实践能力（完成2个专业项目+1次学科竞赛）、软技能（每周阅读1本非专业书籍，输出3篇读书笔记）。经过一学期的努力，多数目标达成并超额完成，同时在过程中发现了自身短板，为下一阶段成长明确了路径。

二、学习情况：从被动接受到主动建构的质变

（一）课程学习：数据驱动的知识体系优化

本学期共修读8门课程（专业核心课5门、专业选修课2门、通识课1门），总学分21，覆盖专业基础与前沿领域。学业成绩整体稳步提升，GPA达3.7（较上学期0.3），核心课程均分88.5，其中3门课程成绩位列班级前10%（具体数据见表1）。

表1：本学期核心课程成绩与上学期对比

|课程名称|学分|本学期成绩|上学期成绩|提升幅度|

|----------------|------|------------|------------|----------|

|高等数学（下）|4|92|85|+7|

|数据结构与算法|4|90|82|+8|

|电路分析基础|3|86|80|+6|

|专业英语|2|88|78|+10|

|单片机原理|3|85|79|+6|

数据背后的努力：

-时间投入：每周学习时长稳定在45-50小时（较上学期增加8小时/周），其中数据结构与算法投入最多（每周12小时，含3小时编程练习、2小时小组讨论、2小时复盘错题）；

-方法优化：采用费曼学习法验证理解，例如在高等数学多元积分章节，通过向同学讲解格林公式的应用场景，发现自身对曲线方向与区域关系的理解模糊，针对性补充5道典型例题，最终该章节测试成绩从75分提升至95分；

-资源利用：图书馆借阅专业书籍12本（较上学期多5本），线上课程平台（Coursera）完成算法专项课3个模块（共24课时），累计笔记字数达2.3万字。

（二）知识拓展：跨学科思维的数据化渗透

为打破专业壁垒，本学期重点关注人工智能+传统工科的交叉领域，具体行动包括：

-阅读输入：完成8本跨学科书籍（含《人工智能简史》《统计学习方法》《设计心理学》），输出读书笔记5篇（每篇约3226字），其中《从设计心理学看人机交互界面优化》被学院公众号转载；

-线上学习：完成机器学习入门课程（吴恩达，Coursera），通过率100%，编程作业得分均分92（满分100），独立实现线性回归模型预测房价项目，代码量达800行；

-学术讲座：参加学院交叉学科前沿系列讲座6场，其中AI在智能制造中的应用讲座后，撰写《工业机器人路径规划算法的改进思路》报告，获指导老师逻辑清晰，有创新点的评价。

三、能力提升：从理论认知到实践落地的跨越

（一）专业实践：项目与竞赛中的数据化成长

本学期聚焦解决实际问题的能力，完成2个专业项目+1次学科竞赛，累计投入时长约120小时，产出3项可量化成果：

1.项目一：基于单片机的智能环境监测系统（团队负责人）

-目标：实现温湿度、PM2.5实时监测，数据上传云端并超标报警；

-角色：负责硬件模块（传感器选型+电路设计）与通信协议（MQTT）开发；

-数据成果：

-传感器选型对比5款型号，最终选用SHT30（温湿度）和PMS5003（PM2.5），精度误差分别≤2%和±10μg/m3；

-电路设计优化3版，将功耗从初始的200mA降至120mA（续航提升50%）；

-项目代码总量1500行，其中通信模块占比40%，通过200+次压力测试（每分钟10条数据，连续72小时），数据上传成功率99.8%；

-成果：获校级大学生创新创业训练计划立项（等级：优秀），实物演示在学院开放日获20+位老师好评