En el campo de la educación, la predicción precisa del rendimiento futuro de los estudiantes es esencial para la instrucción personalizada y la asignación eficiente de recursos. Tales predicciones no solo ayudan a los profesionales de la educación a desarrollar estrategias educativas dirigidas, sino que también identifican las necesidades de aprendizaje de los estudiantes en una etapa temprana para que se puedan proporcionar intervenciones y apoyo a tiempo. Para ganar la confianza de los expertos en educación y garantizar el valor de aplicación práctica de los resultados de la predicción, los métodos de predicción utilizados deben ser altamente interpretables. Sin embargo, existen dos problemas con la regla base de creencias (BRB) actual aplicada a la predicción del rendimiento estudiantil. En primer lugar, hay una falta actual de estrategias efectivas para mejorar la interpretabilidad del proceso de optimización. En segundo lugar, los modelos BRB que enfatizan en exceso la precisión tienden a mostrar características de modelos de caja negra. Para superar estos desafíos, este documento propone un nuevo método basado en BRB con equilibrio entre precisión e interpretabilidad (BRB-Bai) para la predicción del rendimiento estudiantil. Primero, se propone un método de selección de atributos para filtrar las características importantes asociadas con el rendimiento estudiantil. Luego, se calcula la credibilidad del conocimiento experto y se proponen cuatro estrategias de interpretabilidad para garantizar la interpretabilidad del modelo y lograr un equilibrio entre interpretabilidad y precisión sobre la base de la credibilidad del conocimiento experto. La efectividad del modelo propuesto se demuestra mediante la realización de experimentos en el conjunto de datos de rendimiento estudiantil.