随着我国教育信息化应用逐渐深入,教育信息化评估已成为近年来的研究热点。学校对于数字教育资源的应用情况,作为教育信息化水平的重要表现之一,开始受到国内外研究者的关注。但传统的学校数字教育资源应用评价方式成本高,评价周期长,需要一种高效便利的评价方式。此外,教育领域数据通常具有多维度的特点,相较于传统统计分析方法,机器学习技术在处理多维数据上更有优势,且可以减少主观偏见,获得更加客观公正的结果。目前,机器学习在学生测评、成绩预测、教学支持等方面表现良好,适合进一步投入教育评估应用。本研究从学校层面出发,结合机器学习技术,对中小学校数字教育资源应用评价模型进行研究,有利于中小学校准确高效地掌握自身数字教育资源应用情况,及时采取合适的策略。研究主要内容如下:（1）构建中小学校数字教育资源应用评价指标体系。分析国内外相关政策和文献,总结数字教育资源相关研究的关注重点,从三个重要维度出发,初步形成中小学数字教育资源应用评价指标体系。再通过信度效度检验、探索性因子分析等方法,进一步对指标体系进行修改与完善,据此构建包括3个一级指标、10个二级指标的中小学校数字教育资源应用评价指标体系,并通过综合评价法计算综合得分。（2）构建基于随机森林的中小学校数字教育资源应用评价模型。通过项目问卷获取样本数据,使用中小学校数字教育资源应用评价指标体系对实验数据进行基于主成分分析的综合评价,获得中小学校数字教育资源应用综合得分。将中小学校数字教育资源应用综合得分作为输入数据的因变量,再通过相关文献和政策提取学校数字教育资源应用影响因素,检验其可靠性并作为自变量,构成实验所用数据集。实验证明机器学习方法评价学校数字教育资源应用水平的可行性,对比六种常用的回归算法,选择效果较好的随机森林回归构建中小学校数字教育资源应用评价模型。（3）针对随机森林的不足,提出了改进的随机森林方法,对中小学校数字教育资源应用评价模型实现进一步优化。引入主成分分析法优化随机森林决策树性能,再使用麻雀搜索算法对改进后的评价模型进行参数优化。通过与原随机森林回归方法和基于粒子群优化算法的随机森林回归模型的性能比较,验证了模型的准确度与可靠性。上述研究结合机器学习技术,在一个完整流程上为中小学校数字教育资源应用研究提供了新方案。首先,丰富了学校数字教育资源应用评价体系,证明了机器学习在学校数字教育资源应用评价中的可行性,利用对学校来说更加容易获取的数据评价学校的数字教育资源应用综合水平,降低了成本,提高了评价效率。其次,对随机森林进行优化并检验了模型有效性,在实践中为机器学习与教育信息化方向的融合研究提供了新思路。