[发明专利]一种基于校园大数据的学生成绩预测方法

说明书

本发明涉及教育数据挖掘领域，提供一种基于校园大数据的学生成绩预测方法，包括：(1)数据融合；在智慧校园环境下，以学习者为中心，开展动态的、无侵入式的数据采集，实现学生线上线下、课内课外多维行为数据的汇聚和融合；(2)特征计算；综合利用线性分析、深度学习和非线性分析技术，从行为变化、勤奋度和行为非线性三个方面系统地构建学生多维行为特征体系，深入挖掘学生行为模式及其动态变化；(3)成绩预测；基于机器学习算法，构建高精度的成绩预测模型，为高挂科风险学生群体提供反馈和预警。本发明方法能够科学地、全面地对学生成绩进行预测，对高挂科风险学生提供预警。

技术领域

本发明涉及教育数据挖掘领域，尤其涉及一种基于校园大数据的学生成绩预测方法。

技术背景

物联网、大数据和人工智能技术的兴起，一方面，为当下正处于探索之中的智慧校园建设提供了更加有力的发展环境；另一方面，在为师生提供便利的同时，也积累了相当可观的海量数据资源。对这些数据背后所蕴藏的丰富信息进行挖掘，不仅有助于深入理解学生的行为模式，对探索个性化学习服务具有重要的研究价值；而且也有助于评估当前智慧校园的发展现状，对智慧校园的进一步建设与优化具有重要的借鉴价值。

对于“大数据”(Big data),研究机构Gartner给出了这样的定义：“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。

麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。

校园作为一个小社会，其发展道路与社会发展有着相似的要求和规律。自20世纪80年代起，各学校逐渐开始建设支撑教学、科研、生活等活动的信息化系统。目前，全国大多数高校已初步建立了智慧校园体系。智慧校园运行所产生的数据主要来源于在校学生。利用SPOC或MOOC进行线上学习，利用一卡通、WiFi开展线下活动，已成为当代大学生日常生活必不可少的重要环节。

虽然智慧校园环境下，学生数据的来源已涵盖其学习和生活的方方面面。但是，以往关于学生成绩预测的研究并没有充分发挥和利用这一海量数据的天然优势，其相关研究存在以下几点不足：以往研究要么依赖于调查问卷，费时费力效率不高，且可行性也值得推敲；要么仅仅聚焦某单一学生行为(例如：线上学习)，不能全面地反映学生的行为模式；要么不考虑时间因素的影响，不能反映学生行为模式随时间的动态变化过程。

因此，探索一种基于校园大数据的学生成绩预测方法，运用时下热门的大数据、人工智能、时频分析技术对学生线上学习行为与线下生活行为进行综合分析，对学生成绩进行精准预测，具有重要的研究意义和应用价值。

发明内容

本发明的目的是针对已有学生成绩预测方法所存在的不足，提供一种基于校园大数据的学生成绩预测方法，综合利用线性分析、深度学习和非线性分析技术，从行为变化、勤奋度和行为非线性三个方面系统地构建学生行为特征体系，通过对学生行为模式的深入挖掘，能较科学地、全面地对学生成绩进行预测，对高挂科风险学生提供预警。

为达到发明目的，本发明采用下述技术方案。

一种基于校园大数据的学生成绩预测方法，包括：(1)数据融合；(2)特征计算；(3)成绩预测。

所述步骤(1)中数据融合具体为：在数据汇聚与预处理的基础上，构建数据模型，为后端的特征计算提供数据准备。具体操作：