学生联盟网为您提供优质参考范文! 体会工作报告法律咨询精彩演讲各类材料
当前位置: 学生联盟网 > 公文写作 > 应用文范文 > 基于校园大数据的学生行为分析可视化系统设计

基于校园大数据的学生行为分析可视化系统设计

时间:2022-12-02 10:35:02 来源:学生联盟网

刘杰逾

(吉利学院,四川 成都 610000)

作为当前热门的技术之一,大数据给人们的生活、学习带来了极大的便利,同时也对高校管理产生了革命性改变。当前高校校园管理主要采用的是说教与事后分析的方法,存在一定的滞后性,对学生思想动态变化及行为缺乏有效的预测与评估[1]。大数据时代的到来,打破了传统高校校园管理的弊端,其能够从海量数据中挖掘出有价值的学生信息,为校园管理提供客观的、准确的、全面的依据,预测学生行为,提升校园管理的针对性,对于学生教育管理水平的提升以及数字化校园建设有着重要的意义。

信息化时代背景下,数字化校园建设受到了高校的高度重视,在日常教学活动及教育管理工作中会产生大量数据,主要来源于微博论坛、图书借阅、网络行为等,数据类型包括结构化与非结构化两种,这些数据与学校的教学活动及管理密切相关。随着数字化校园建设的不断推进,数据量越来越大,形成了一个具有潜在价值的数据集合[2]。高校学生行为数据复杂多样,整合困难,相互之间难以建立起关联性,再加上工作人员缺乏专业数据处理经验,难以满足数据挖掘需求。互联网信息时代背景下,高校多建立校园网,通过“一卡通”、校园网络以及基础教育数据均能够实现对学生行为的分析。

本研究基于学生管理工作实际,在大数据技术支持下,利用教务系统对学生成绩信息进行采集,利用考勤系统采集学生上课、出勤数据,挖掘综合素质系统中学生对第二课堂的参与情况。与此同时,校园一卡通涵盖学生的图书借阅信息,采用ETL工具将上述各个平台数据进行抽取,并予以转换,在Oracle数据库中装载,实现对数据的储存与管理,按照校园管理制度设计相应的规则库,包括评奖评优、违规违纪处分、成绩预警等,实施数据挖掘,构建基于学院、班级及个人三个维度的可视化过程,其主要涉及考勤、奖惩、综合素质与成绩管理4个方面,构建的可视化系统总体架构如图1所示。

图1 大数据下高校学生行为分析可视化系统整体架构

2.1 系统开发环境

可视化系统主要包括硬件系统与软件系统两个部分。硬件系统由服务器、处理器组成,同时配备了2个64核2.1 G的内存,硬盘为256 G,型号为Barracuda 7200.7 plus;
软件系统包括MySQL、Hadoop2.7.1。

2.2 系统功能介绍

目前,关于海量数据的处理方法多种多样,其中Hadoop技术是最为成熟的一种,其由Apache软件基金研发,形成完善的生态系统,在大数据分析处理领域有着举足轻重的地位。在Hadoop技术支持下,系统可实现数据的存储与分析,且便于数据管理,有利于维护数据安全,具有鲜明的优势[3]。本研究利用大数据Hadoop平台,在集成环境MyEclipse下,开发了大数据学生管理平台,涉及系统管理、个人信息与班级信息分析、地区关联性分析等,系统功能如图2所示。

图2 平台功能架构分析

2.3 模块介绍

2.3.1 系统管理模块

基于校园的大数据学生行为分析系统主要包括登录、数据管理与退出3个层面。登录用户包括系统管理员与普通用户。用户选择相应身份,将用户名、密码输入后能够完成登录,学生成绩、考勤相关数据接口均需要数据管理。系统能够帮助数据清洗、存储。(1)系统管理员的主要职责为维护管理数据,如数据导入、导出、分析,并定期更新数据,对日志予以维护、管理。数据主要来源于入学基本信息、学习成绩、考勤数据、综合素质评分等。新生入学1个月内便能够完成数据采集,可以将其作为学生原始信息数据[4]。在之后的学习活动中,每次考试、补考成绩均会录入学生成绩系统;
考勤系统中主要记录的是学生请假、旷课、迟到情况,将其作为考勤信息。综合素质评分则从学生综合评估体系中导出,经过整理与计算获得可靠的数据信息。(2)辅导员作为班级与学生的管理者,需要对学生成绩、考勤及综合素质评分等进行综合管理。辅导员可推荐优秀的学生参与评奖、评优,并能够根据学生成绩、考勤、违纪情况预警学生的行为,予以跟踪、反馈[5]。(3)班主任承担着班级管理的重任,需要对学生的基础成绩、考勤及综合素质评估情况等进行查看,在评奖、评优方面有着重要的参与作用。当发现学生存在违规、违纪、考勤异常或其他异常行为应予以预警。(4)学生利用大数据可视化系统主要查看自身的基本信息、考勤、成绩等,了解自身存在的不足及努力的方向,能够对违规、违纪起到警示作用。

2.3.2 学生与班级信息分析

对学生信息的分析主要包括5个方面:(1)选择对应的班级后,只需在人员姓名上点击便能够获得学生总分、平均分及排名等相关数据。(2)考勤分析,操作方法同(1),点开对应学生姓名后,能够自动显示出学生请假、旷课及迟到次数等,不仅如此还与缺课的课程相对应,数据详细、全面。(3)综合素质分析,其主要涉及思想政治教育、创新创业及劳动实践等多个方面,按照相应的评分规则,对每项作出评分,并计算出总分,对综合素质评分进行排名。(4)预警分析,当需要查看某位学生的行为数据时,可以点击姓名查看其旷课、迟到及成绩等相关数据。(5)评奖评优,按照学生成绩及综合素质评分对学生进行排名,并推荐优秀的人选,同时学生的旷课、迟到、补考等也是评奖评优的重要依据。

2.3.3 地区信息分析

为了解不同地域学生成绩的差异性,教师可以对每学期排名靠前的20%学生进行筛选,根据生源地不同进行划分,计算不同生源地在总学生中的比例,并进行排名,以了解全国各个地区生源质量。综合素质排名与预警总体排名方法同上。

3.1 数据采集方法

在互联网、云计算及Web等技术支持下,学生校园行为相关数据大量产生,高校管理人员在分析学生校园行为时多采用的是关联法、特征分析法、异常分析法等,需要大量数据作为支撑。“一卡通”“图书借阅卡”“网络监控”均属于结构化数据,在信息采集的同时能够对信息予以转化。互联网、社区论坛及贴吧则为半结构化数据的主要来源,通常需要利用ETL工具进行处理,数据采集多采用网络爬虫工具。在提取学生行为特征方面,包括显特征与隐特征两个方面,在分析学生群体生活方面,可以输入学生刷卡次数、消费金额、平均消费金额、上网时间等,隐特征的提取需要借助社交网络平台,提取学生上网类型、一卡通使用频率等[6]。另外,学生特征提取还包括行为规律、社交情况、消费特征、图书借阅数量及图书借阅类型等。学生社交网络作为学生行为异常的重要指标,具有预警作用,通过社交网络刷卡事件的提取分类,可以进行如下排序(见表1)。

表1 学生事件发生排序

3.2 预警模型的构建

学生校园行为常见挖掘方法包括预测、聚类、关系挖掘等,依据以上信息,高校管理人员需要构建学生离群对学生行为及情感分析,数据关联性分析内容主要包括家庭背景、情感态度及人际关系等。本研究采用关联分析法,利用个体在时间、空间、生活特征等方面的相似性,对学生在特定时间范围内的相关数据如时间、时空重叠性,空间相似相进行分析,进而获得学生之间移动模式相似性。在分析中需要对不同模块分级指标、权重比例予以设计,对学生的个性特征、行为规律等进行深入分析,构建集影像、文本、图形等为一体的校园行为安全预警模型,预测学生的行为,防微杜渐,实现和谐校园的建设。预警模型的构建采用“1+1+4+N”模式,2个1分别表示基础数据源、大数据运行平台,4指的是4个管理平台,N主要表示多种分析挖掘技术,如智能预警、多维分析、专题分析等。数据采集存储平台如图3所示。

图3 数据采集存储平台

3.3 大数据可视化模型的构建

大数据可视化模式主要利用SAS工具与SPSS,其能够实现对大学生行为数据的可视化管理,使得用户数据信息的呈现更加直观、方便。利用离群点分析能够形成学生相似行为特征值聚类,并树立成多个主题的数据分析模块。教师可以以曲线图的形式将学生在校期间的考试成绩、出勤情况、及格率等予以动态反应。教师可直观地掌握学生的学习情况[7]。教师通过网络行为监控能够了解学生群体的热点话题及对政治敏感问题的关注情况等。利用系统分析安全数据,能使学生的情感与态度可视化,掌握学生行动、行为轨迹,制定干预计划。当在监测系统中出现超出常规的迹象时,系统会发出预警,应密切跟踪学生行为,并积极采取措施,避免不良行为的发生。

大数据时代为高校学生管理提供了新的技术支持,学生行为分析可视化系统的构建能够实现对学生学情、违法违纪行为等的精准分析诊断,有利于前置预警,促进了学生管理水平的提升,保障了高校对学生的安全管控,推动了智慧数字化校园的实现。学生行为分析可视化系统拥有广阔的发展前景。

猜你喜欢 考勤可视化预警 国有企业考勤管理的问题和对策探究中国市场(2022年27期)2022-09-15数据可视化设计在美妆类APP中的应用工业设计(2022年4期)2022-05-17烽火台:军事预警体系的关键散文(2022年2期)2022-04-01思维可视化师道·教研(2022年1期)2022-03-12超级秀场 大风预警意林原创版(2021年7期)2021-08-03三级甲等医院应用PDCA循环提升考勤管理的创新办公室业务(2020年3期)2020-05-07复变函数级数展开的可视化实验教学智富时代(2019年7期)2019-08-16复变函数级数展开的可视化实验教学智富时代(2019年7期)2019-08-16复变函数共形映射的可视化实验教学智富时代(2019年6期)2019-07-24复变函数共形映射的可视化实验教学智富时代(2019年6期)2019-07-24