La rápida expansión de la matrícula en la carrera de inglés ha expuesto limitaciones críticas en los métodos de evaluación académica tradicionales en cuanto a eficiencia y precisión, restringiendo la mejora de la calidad educativa. Este documento presenta un enfoque de evaluación de competencia en inglés que utiliza una arquitectura RegNet mejorada integrada con un mecanismo de atención dual. Los datos académicos multidimensionales procesados por nuestro modelo incluyen asistencia, participación en línea, práctica del idioma y puntuaciones de evaluación en escucha, habla, lectura y escritura de estudiantes de inglés de pregrado. El módulo de submuestreo inicial de RegNet se optimiza a través de una estructura de convolución dual para aumentar la extracción de características superficiales. Posteriormente, se incorpora un mecanismo de atención deformable (DAT) para mejorar el enfoque en características destacadas, mientras que una red de atención gráfica (GAT) facilita la interacción y fusión entre las características de los nodos académicos. Los resultados experimentales demuestran que el método propuesto logra una precisión promedio del 99.46% en la evaluación de competencia, superando sustancialmente a modelos convencionales como EfficientNet y AlexNet. Además, demuestra robustas capacidades de implementación en el borde, proporcionando una solución técnica efectiva para la gestión académica inteligente de programas de inglés dentro de marcos de campus inteligentes.