学生评价是以学生为评价对象的教育评价,是评价者依据一定的价值标准对学生的学业成就、个性发展、品德状况、体制体能等方面进行价值判断,并把判断结果反馈于教育实践以改进教学的过程,是对学生学习进展与行为变化的评价,由于其本身具有导向和教育作用,对促进学生的成长和发展有着重要意义。客观地讲,作为一种高效的激励学生学习的手段,传统的学生评价体系和评价方法的确起到了应有的导向作用,然而在实际应用中仍然存在某些不足,如:传统确定指标权重方法受专家主观因素影响较大,导致客观性不足;评价只针对学生当前状况,没有参考其以往水平,会挫伤学生积极性等。因此如何用更加科学的方法客观地对学生进行评价成为研究热点问题。针对学生评价问题,本文将从评价指标权重分配和学习趋势评价两个角度展开研究。评价指标权重分配研究如何利用已有的评价样本学习该评价样本的评价指标权重分配,从而为评价指标权重设置提供有力支持;而学习趋势评价研究如何根据某一阶段的学习成绩对学生学习趋势进行评价。针对评价指标权重分配问题,提出了基于改进人工蜂群优化极限学习机(ABC-ELM)算法的评价指标权重学习方法,该方法采用极限学习机(ELM)学习评价指标权重分配,同时针对ELM的缺点,提出了利用改进人工蜂群(ABC)算法优化选择ELM中输入层权值矩阵和隐含层偏差,相对于ELM,ABC-ELM极大地提高了评价准确率和稳定性。针对学习趋势评价问题,提出了基于隐马尔可夫模型(HMM)的学习趋势评价方法,针对HMM模型训练问题,提出了采用改进人工蜂群(ABC)算法进行HMM模型训练的方法。通过实验表明了本文所提方法的有效性。基于所提出的评价指标权重分配和学习趋势评价方法,本文设计并实现了一个学生评价系统。