[发明专利]一种基于数据挖掘算法的学业预警方法、系统及存储介质

说明书

本发明公开了一种基于数据挖掘算法的学业预警方法、系统及存储介质，该方法通过对校园大数据进行数据清洗，将校园大数据转化为同一数据格式；再对数据清理后的校园大数据进行分类，并添加相应分类标签；然后，对具有不同分类标签的数据进行主成分分析，得到多个与成绩相关的特征因子；再接着将得到的特征因子输入至预先训练好的成绩预测模型中，预测出各个学生的成绩；最后，判断出若有学生的成绩低于预警值，则标记该学生为学业预警。因此，本发明通过数据清洗和主成分分析，充分挖掘校园大数据，打通数据孤岛，进而从不同维度综合分析每一个学生的学业情况，以便于教师给出个性化的教学指导意见。

技术领域

本发明涉及数据挖掘技术领域，尤其涉及基于数据挖掘算法的学业预警方法、系统及存储介质。

背景技术

目前，学校通过信息化手段进行教学质量分析的信息主要源于学校具有各类信息化管理系统，例如教务系统、毕业设计管理系统、图书馆管理系统、实验室预约系统等，包含学生成绩、毕业论文详情、图书馆进出及借阅记录、实验室使用登记等信息；其次是其它学生们的各类基本资料、社团活动、英语四六级成绩、计算机等级成绩、就业统计等数据。

以上数据虽然都是可以在不同的维度体现出学生在校的表现和学校教育质量，但是由于数据的保管单位不同，且数据管理标准与存储格式不统一，数据难以共享共用，形成一个个“数据孤岛”，难以发挥出数据本身应有的价值。

发明内容

鉴于以上所述现有技术的不足，本发明的目的在于：提供一种基于数据挖掘算法的学业预警方法，能够充分挖掘校园大数据，打通数据孤岛，进而从不同维度综合分析每一个学生的学业情况，以便于教师给出个性化的教学指导意见。

为实现上述发明目的，本发明提供以下技术方案：

一种基于数据挖掘算法的学业预警方法，其包括以下步骤：

S1：对校园大数据进行数据清洗，将所述校园大数据转化为同一数据格式；再对数据清理后的校园大数据进行分类，并添加相应分类标签；

S2：对具有不同分类标签的数据进行主成分分析，得到多个与成绩相关的特征因子；

S3：将得到的特征因子输入至预先训练好的成绩预测模型中，预测出各个学生的成绩；其中，所述成绩预测模型通过将所述多个与成绩相关的特征因子作为输入，将成绩作为输出，并利用基于学生的历史校园大数据而提取出的特征因子训练而成；

S4：若有学生的成绩低于预警值，则标记该学生为学业预警。

根据一种具体的实施方式，本发明基于数据挖掘算法的学业预警方法中，步骤S1还包括：将所有的校园大数据存储至同一数据库中，并对每个学生的校园大数据添加相应的身份标签。

根据一种具体的实施方式，本发明基于数据挖掘算法的学业预警方法中，标记该学生为学业预警的方式为：将该学生对应的身份标签标记为学业预警状态。

进一步地，若有学生对应的身份标签被标记为学业预警状态，则将该学生对应的所述多个与成绩相关的特征因子中的与教学资源利用相关的特征因子输入至预先成绩与教学资源关联分析模型中，得到该学生教学资源利用数据对成绩的影响程度信息。

根据一种具体的实施方式，本发明基于数据挖掘算法的学业预警方法还包括：将各个学生预测出的成绩和教学资源利用数据对成绩的影响程度信息进行图形化处理，用以进行图形化展示。

根据一种具体的实施方式，本发明基于数据挖掘算法的学业预警方法中，步骤S2还包括：对经主成分分析得到的特征因子进行数据验证，筛选出所述多个与成绩相关的特征因子。

本发明在具体实施的一方面，还提供一种基于数据挖掘算法的学业预警系统，其包括：

数据采集模块，用于从存储校园大数据的各个系统中采集相应的校园大数据；