歡迎來到魔據教育大數據學院,專注大數據工程師培養!
當前位置: 首頁 > 實戰項目 > 高校學生分析系統
走進魔據
精彩圖片
高校學生分析系統
 

一、背景

        高校教育一直與數據密切相關,通過對遍布教、學、研多層面的數據進行整合,并結合對大數據技術的有效利用,可以從根本上給教育帶來全方位的提升。通過大數據的綜合分析,可以幫助學生改善學習效率,提供符合職業規劃的個性化學習服務,同時也有助于教育和科研機構加快提升科研成果和提高教育質量,培養更多更優秀的創新型人才。

    二、簡介

“高校學生大數據分析系統”面向高校在校的學生群體,有針對性的進行學生行為數據分析,掌握本校整體學生在學習、生活、心理、就業等方面情況,通過大數據分析,掌握學生在這幾個方面出現的深層次的教育問題,有的放矢的進行相關管理工作。使高校對學生的管理工作更加科學、深入,為高校相關政策的決策提供科學的數據依據。

1,監督監控學生網絡輿情,并對于校園群體事件,個體影響較大事件的預警。預警可能出現校園群體事件的可能性。預警學生危險行為,如自殺、自殘、聚眾游行、網絡沉迷等傾向,可以有針對的進行預先心里輔導和關懷。

2,幫助學生管理部門深入了解全校范圍內學生日常行為習慣。主要關注學習、生活、心理三個方面,進行學生畫像。通過分析結果,掌握學生這三個方面的行為,例如:通過深度分析將學生進行分類,找出綜合能力強的學生在學習、生活、心理方面的行為習慣,對其他學生具有指導作用。通過這些分析可以提升學工處對學生的管理深度,提升學生在校的學習生活質量。

3,通過對借書卡、一卡通、機房等數據進行分析,提升機房、圖書館、食堂、超市、浴池等服務場所的服務質量。合理安排服務場所的時間和空間,圖書、菜品、機房等資源的合理分配。合理制定圖書購買、菜品設置、機房開放時間的計劃等。

4,對招生、就業、和就業后跟蹤進行分析,分析學生入學基礎數據和在校期間的學科數據、成績、生活數據,結合就業后的數據,分析高校學生成才情況。分析成才學生在入學前、在校期間的行為共性,指導招生,招收優秀學生。

5,對學生專業課程、選修課程、實訓課程、MOOC、課外活動課程學習情況和成績等數據進行分析,通過分析結果掌握各專業學生的課內外學習情況,知識體系和方向,指導學生合理安排學習知識的結構,對于學習效果不好的學生提出有針對性的學習計劃和方案。給學生課程內,課程外和不同學習方式的建議。分析有考研、考博、留學、創業準備的學生,有針對性的給予幫助和輔導。

最終建設高校完整的招生、教學、就業、學生學習、生活、心理的完整數據倉庫。通過對這些數據的分析,提升學校在學生管理,教學資源合理分配,招生就業等各方面的精細化管理程度,達到學生和教學管理工作的前瞻性、精準性和持續性要求。

學生行為原始數據來源于:

圖書館管理系統

圖書借閱信息:學號、書籍名稱、出版社、出版時間、書籍分類、借出時間、歸還時間、書籍作者、經手人。

一卡通管理系統

一卡通消費記錄:學號、性別、消費地點、消費類型、消費時間、消費金額、辦卡時間。

一卡通充值記錄:學號、性別、充值時間、充值金額。

學生上網行為

上網行為記錄:學號、年齡、IP地址、目標網址或IP地址、手機品牌、手機型號、應用類型(網站、IM、HTTP文件下載、網絡協議、POST等)、具體應用(QQ、微信、郵箱網站、搜索引擎、購物網站等)、時間、上網詳細信息(包括:協議、服務端口、終端類型、方向-接受還是發送、行為信息、DNS、網站URL全地址、文件名、文件類型、網址類型、搜索的關鍵字、網址標題)。

學生選課及成績管理系統

學生成績:學號、課程編號、課程名稱、授課教師、成績、所屬專業、學分;

學生選課:學號、課程編號、課程名稱、授課教師、學分、學時、課程類型(專業課、基礎課、選修課等)。

    三、技術架構

系統采用J2EE技術開發,使用JDBC連接MySQL數據庫存取業務數據。大數據業務邏輯應用了大數據離線分析技術,通過Hadoop MapReduce做原始數據標準化,學生行文數據分析應用Spark技術進行計算,使用Python語言實現模塊算法編程Web前端使用Echarts3.0技術做圖表展示。具體流程為:

1、通過數據源接口將原始數據抽取至Hadoop分布式文件系統(HDFS);

2、將原始數據標準化:使用Hadoop MapReduce對各數據源的數據進行數據清洗、轉化、轉碼等工作,并形成系統標準化的數據格式,為數據分析挖掘做準備;

3、根據業務模塊邏輯建立數據模型,使用Spark技術對數據進行分析和計算;

4、使用Python語言按照數據模型及業務邏輯進行算法編程;

5、Web頁面使用Echarts3.0技術將各模塊算法處理的數據結果進行圖表展示。

    四、模塊介紹

 

1.學生畫像

 

 

根據學生的成績閱讀消費上網和信用等行為數據對學生進行特征畫像。從不同的維度為高校提供了一套基于海量數據的學生綜合能力評價標準。從而使學校管理者關注的不單單是學生成績。而是形成一套基于學習、閱讀、上網、消費、信用、健康、心理等維度的綜合評價準則。并且基于這些維度,為學生綜合評分。為復合型人才提供評價依據。

2.學生消費行為分析

 


綜合學生消費能力分析、學生個人消費能力排名和消費地點排名情況,對學生在校的消費行為進行分析。分析結果學校貧困學生評選校園商品服務定價學生行為綜合分析等方面具有指導意義

3.圖書館借書行為分析

 


圖書館借還書高峰分析圖書館借書學生占比圖書排名圖書類別排名熱點出版社排名、熱點作者排名、學生圖書閱讀量排名、學生閱讀時間排名和學生閱讀能力排名組成了圖書館借書行文分析模塊。該模塊通過對學生在圖書館借還書的大數據分析,一方面能夠輔助學校加強圖書館的藏書管理、提高圖書館借還書的服務水平;另一方面,反應了學生閱讀習慣對其閱讀能力的影響。

4.上網行為分析

 


上網行為分析包括,網絡使用高低峰分析、學生上網比例分析、學生熬夜上網分析和上網群體分析,通過學校網絡使用情況的大數據分析,使學校掌握學生在校期間對網絡的使用情況,進而根據網絡使用高低峰分析結果優化網絡資源配置,削峰平谷,使校園網絡環境更加穩定;根據學生上網情況分析,衡量有益上網時長的合理區間及沉迷網絡的具體特征,從而幫助學校給予學生更精準的學習、生活引導。

5.關聯分析

 


分析學生行為數據各個維度之間的關聯性。維度標簽包括:學習能力、信用度、上網時長、學生閱讀能力、消費能力、閱讀廣泛度、細心程度、個人衛生。以學習能力為例:學習能力在整個標簽維度的中心,離學習能力標簽越近的維度標簽表示與學習能力的關聯性越強。例如通過海量數據分析,分析出‘閱讀能力’、‘細心度’離‘學習能力’標簽更近、“閱讀廣泛度”離‘學習能力’的標簽較遠。則表明‘閱讀能力’強、‘細心度’高的學生學習能力比較強,‘閱讀廣泛度’更高的人,學習能力相對比較差。通過此關聯分析,可以幫助高校抓住提高學習能力的重點,想提高學生學習成績,不僅僅需要把握課堂教學還需要從行為角度去影響學生,教育學生,從而達到提升學生學習能力的目的。

6.關注群體分析

 


對不同群體的行為進行分析,如貧困生群體、上網沉迷群體、高消費群體,高薪就業群體、考研群體,分析這些群體的行為特點,為定位具有相應特征的學生提供了一定的參考。如發放貧困補助時,我們就可以在“貧困學生群體”中圈定范圍另外,通過群體分析可以分析出相應群體所特有的行為特征。如高薪就業群體,是否一定是學習成績好的學生就一定高薪就業,而是有其他的行為因素如比較健康、比較細心、比較喜歡閱讀等。

7.行為突變分析

 


分析出行為突變的群體如突然上網沉迷、突然成績下降或突然消費水平變化等。使學校可以關注到學生的異常行為,及早介入,進行對其指引和輔導,避免出現極端事件或突發性群體事件。

8.系統管理

 


系統管理中包括部門管理和人員管理分別對系統中的用戶和用戶部門進行維護


全國咨詢熱線:400-690-5006,值班手機:18501996998(7*24小時)

在線咨詢:李老師QQ(226594285),陳老師QQ(428683440)

企業合作服務專線:010-82340234-821, 院校合作洽談專線:010-82340234

Copyright 2001-2017 魔據教育 - 北京華育興業科技有限公司 版權所有,京ICP備17018991號-2

免費在線咨詢立即咨詢

免費索取技術資料立即索取

大數據技術交流QQ:226594285

電話咨詢010-82340234

【看图找生肖】免费