La reforma de la enseñanza en la educación terciaria promueve que los docentes ajusten oportunamente los planes de enseñanza basándose en la retroalimentación del aprendizaje de los estudiantes para mejorar el rendimiento docente. Por lo tanto, la predicción de las calificaciones de aprendizaje es un tema clave en el proceso de reforma de la enseñanza en la educación terciaria. Con el desarrollo de las tecnologías de información y gestión, se generan muchos datos de enseñanza a medida que se expande la educación en línea y presencial. Sin embargo, un docente o educador no cuenta con un conjunto de datos integral en la práctica, lo que desafía su capacidad para predecir el rendimiento de aprendizaje de los estudiantes desde el punto de vista individual. Cómo superar las desventajas de las muestras pequeñas es un tema abierto. Con este fin, es deseable que se diseñe una herramienta de inteligencia artificial efectiva para ayudar a los docentes o educadores a predecir adecuadamente las calificaciones de los estudiantes. Proponemos un modelo de predicción de calificaciones basado en boosting y regresión de árboles de decisión (BDTR-SP), que se basa en una estructura de aprendizaje en conjunto con aprendices base de regresión de árboles de decisión (DTR) para mejorar la precisión de la predicción. Se realizan experimentos con muestras pequeñas para examinar las características importantes que afectan las calificaciones de los estudiantes. Los resultados muestran que el modelo propuesto tiene ventajas sobre sus pares en términos de corrección de la predicción. Además, los resultados predichos son consistentes con los hechos reales implícitos en el conjunto de datos original. El método BDTR-SP propuesto ayuda a docentes y estudiantes a predecir el rendimiento de los estudiantes en los cursos en curso para ajustar las estrategias, planes y prácticas de enseñanza y aprendizaje con anticipación, mejorando la calidad de la enseñanza y el aprendizaje. Por lo tanto, la integración de la tecnología de la información y la inteligencia artificial en las prácticas de enseñanza y aprendizaje puede impulsar la reforma de la enseñanza en la educación terciaria.