大数据背景下高校学生预警机制研究

杨文君　薛宝平　 刘新　李健　刘娇

摘 要 随着高校教育规模的逐渐普及，一直未改变的教育模式暴露出来越来越多的问题。大数据逐渐走进我们的生活，将学生平时的出勤信息、成绩信息、消费信息以及参加活动情况等信息进行挖掘，把采集到的信息进行预处理生成学生特征数据库，对学生特征数据分类，便可以描绘出具有鲜明特征的学生画像，从而对学习和生活状态异常的学生进行相应的预警和帮助教导。

关键词 大数据 学生预警 机制研究

中图分类号：G647                                 文献标识码：A  DOI：10.16400/j.cnki.kjdkz.2020.09.076

Research on Early Warning System of College Students

under the Background of Big Data

YANG Wenjun， XUE Baoping， LIU Xin， LI Jian， LIU Jiao

（School of Information Engineering， Inner Mongolia University of Science and Technology， Baotou， Inner Mongolia 014010）

Abstract With the gradual popularization of college education， more and more problems have been exposed in the unaltered education model. Big data gradually enters our lives， mining students' usual attendance， grade， consumption and activity participation and other information， pre-processing the collected information to generate a feature database of every student， and classifying the data. With the help of it， we can draw portraits of students with distinctive features， so as to provide warning and help to students with abnormal learning and living conditions.

Keywords big data; student early warning; mechanism research

0 引言

當今大学生在互联网和移动通信为一体的现代化时代里长大，这一方面可以开拓他们的国际化视野，但另一方面也使得他们缺乏自控制能力，容易迷路。此外，在校大学生存在多门课程挂科、重修，他们缺乏自我管理能力，存在纪律松懈，生活散漫等一些不良习惯。同时他们不能正确的处理学习与工作，学习与交友之间的关系，他们的人生观，价值观发生了偏差，崇尚享乐主义，不能认真刻苦的学习专业知识。2012年中国社会科学院在国内教育发展研究报告中指出，目前国内每年平均有50万大学生选择了退学，其达到了大学招生总人数的0.75%左右。其中主要原因是由于成绩差， 对个人学业或是对学校教学环境丧失信心。大学生退学给个人、学校、家庭都带来了巨大消极影响。

学校制度的整改，建立老师和学校积极合作的预警制度，以便对大学生偏离正确轨道的思想、行为、作风做出事先预警教育，事中不断纠正，事后检验，对学生可以起到“悬崖勒马”的警示作用。通常来说，学生异常情况是逐渐积累产生的，我们要做到早发现早干预，将存在的问题制止在萌芽状态。

1 当前学生预警体系的现状

1.1 成绩预警

通过统计学生成绩，计算最终获得的学分。学校每学期都要统计学生的学习成绩和所获得的学分，对没有完成学分的学生给予学籍预警，辅导员要对没有完成教学培养方案的学生进行干预和帮扶，并针对不同的情况采取因地制宜的方式来修改不适合学生的培养方案，制定一系列适合该学生的发展方案。  [1]

1.2 日常预警

辅导员要密切关注学生的上课情况，要和任课老师了解学生的出勤情况，作业完成的情况以及完成的质量如何，课堂学习状态如何，是否积极回答问题等情况，任课老师要进行密切观察，记录，以便有的放矢的对学生进行引导。

目前的状况是只有当学生出现了异常状态以后，才采取亡羊补牢的一些措施来帮助解决，可见学生管理体系具有滞后性，单一性，对于一些长期隐存的问题，如上网成瘾的状态和本学期学生的日常表现都无法检测，在当前的学生预警体系中对于一些问题的根源仍然无法追查，因为现有学生预警系统无法做到对学生的学习和生活条件进行实时监控。应通过大数据挖掘技术建立大数据学生预警系统，来实时的观测学生的生活和学习状况，对他们进行帮助和引导，使他们走上正确的人生道路。

2 研究思路

学校学生在校学习和生活情况在现在这个大数据时代来说基本上都是“明明白白”的。因此很多高校正在思考如何从学校的海量学生数据中挖掘有价值的数据，着手研究如何使用大数据技术为学校的人才培养计划服务，所以提出了“学生画像” 的概念。学生画像就是对学生的所有特征进行分类处理，将收集到的各方面数据构建出一个学生数据抽取模型。学校可以通过提取学生的个人信息数据，教务信息数据，学工信息数据，一卡通信息数据，图书馆信息数据，上网行为数据等重要特征形成每个学生独立的画像，高校预警系统把抽取出来的学生独特的画像作为一个重要的依据。[2]学生画像是对学生原始数据信息的进一步整理，因而可以为学校提供丰富而有效的的学生信息，可以进一步的开展数据分析和数据挖掘工作。[3]为了确保学校能够快速准确的了解学生们的学习状态，学校可对收集到的学生特征数据进行降维和聚类分析处理。此外，学校可以将学生画像的分析结果，转达给辅导员、学生家长和高校有关部门，做好学生的学业预警工作，高校教师必要时可以和相关学生取得联系开展工作，比如对于学籍状态不正常的学生，高校可以给予有针对性的引导、谈话和教育工作，让误入歧途的学生早日回到正确的轨道上来。

3 构建学生画像

随着信息技术的高速发展，很多高校收集了大量的学生数据信息，并慢慢形成了多方面、多维度、多角度的大数据存储系统，主要包含学生学习成绩、学生基本信息、学生上网信息等数据。有大批量数据的产生就需要有足够大的存储空间，就高校而言可以把学生的数据信息放在一个数据仓库里。学校对数据仓库中的学生数据进行挖掘，提取，洗涤，转换，通过对数据仓库中的数据进行多层次的的分析，得到与学生相关的、重要的、有价值的信息，从而形成学生的画像。还可以将学生的借阅行为、上课考勤、学习成绩、图书，校内消费行为和上网行为倾向等属性还原。为了加强对学生学籍状态的监督，也可以对大量的学生数据进行不同维度的聚类分析，形成独特的、具有个性的学生画像。[4]高校可以从学生画像中了解到学生的各方面特点，准确的反映出学生群体的特征。还可以利用数学模型来预测学生的学业走向，必要时管理者可以对学籍状态异常的学生采取相关的干预帮扶手段，从而实现对学生的高效管理。

学生的很多特征标识都可以通过标签准确的描述出来，因此给学生贴“标签”是学生画像的主要任务，举例来说，学生的“画像”的基本构成大致是把学生性别、年龄、民族和兴趣爱好这些特征综合在一起的结果。本文对学生特征的研究主要从以下几个方面着手实施：学习成绩、图书借阅、校内消费行为、基本属性等。形成学生画像的三部分任务分别是：（1）采集学生数据;（2）统计分析，生成学生特征标签;（3）生成学生画像。

3.1 采集学生数据并对数据预处理

我們所收集的数据被划分为静态和动态特性的特征数据，其中所述数据被称为静态固定的数据，例如性别，姓名，年龄，民族，家庭住址，籍贯等，学生数据的动态特性随时间而改变，如学生的上课和选课情况，一卡通消费数据，洗澡次数，图书馆借阅情况，上网关注的内容等，把这些静态的和动态的数据进行收取、整理、加工、转换放到数据仓库中（见图1）。

3.2 处理与分析实时学生数据，生成学生特征标签

将学生信息收集起来经过统计分析给学生在不同的纬度上贴上标签，一些学生自身的固定属性可以将其直接作为标签给学生贴上，比如：性别、年龄、民族、兴趣爱好等。而另外一些动态的属性就需要对每个学生进行具体的统计分析，通过将学生各个学期不同课程获取的成绩进行一系列的标准化处理，我们可以对学生的学习状况进行统计分析，得到学生的学习标签，学习标签里包括学生每个学期各门课程的成绩及每学期的综合测评成绩。以此类推，我们还可以使用这种方法，针对学生的各方面特征为其贴上相应的标签（见图2）。

3.3 生成学生画像

根据以上方法，我们可以给学生通过标签进行画像，以画像的方式来直接展现学生的特征属性，高校通过这种给学生画像的方式就可以把握学生的基本状态，了解学生在各个方面的特征。

4 学生行为预警干预

根据个人画像的特征，大数据分析的结果及大学生成长的规律发现一些大学生存在的心理问题及行为异常，早发现早预警，通过采取必要的预警措施，将他们存在的心理问题和行为偏差消灭在萌芽状态。[5]

（1）建立畅通的大学生信息渠道。辅导员要和班长，宿舍长及班干部建立良好的信息渠道，了解行为异常学生的学习和生活情况，定期找班干部和宿舍长谈话，掌握这些学生的现状和在学习、生活中存在的困难和心理困惑。

（2）对行为异常的学生给予关爱和引导。俗话说亲其师信其道，教师只有赢得了学生的信任、爱戴，学生才会乐于接受他的教育，教育才能达到良好的效果，因此要做行为异常学生的贴心人。当他们面临一些生活和学习的问题时，而又不方便跟家长诉说，我们要做他们的倾听者，愿意站在他的立场去想问题，达到心灵上的共鸣，有了共情以后再开展教育引导才能有更好的教育效果。

（3）对重点关注的学生进行干预。在高校，行为异常需要重点关注的学生在生活中往往存在以下原因：失恋，父母离异，家庭有重大变故，家庭贫困，有暴力倾向，个人经历重大打击等。对这些同学，我们要经常找他们谈话，了解他们的具体情况、思想动态、心理状况，建立档案，按照四级预警机制及时进行干预（见图3）。

5 结束语

采用学生画像的预警处理方法，监测学生在各方面的表现，构建反映学生学习和和生活状况的一个矩阵，经过降维处理过程简化其具有的特征。加强高校的学风建设，针对日常学习、生活行为异常的学生以及精神状态不稳定的学生实施相应的预警处理措施。

基金项目：2019年内蒙古自治区高等学校科学研究项目（大学生思想政治教育专题研究项目）基于教育大数据分析的高校学生行为预警研究（项目编号NJSZ1902）

参考文献

[1] 张红云.高校学习预警机制探索[J].科技信息，2010（1）：801.

[2] 章东飞.大学生学籍预警机制探索[J].教育学术月刊，2010（5）：75-76.

[3] 唐辉军，宋扬，熊松泉.高校学生微博使用行为大数据分析和管理研究[J].科教文汇旬刊，2015（22）：122-123.

[4] 姜强，赵蔚，王朋娇，等.基于大数据的个性化自适应在线学习分析模型及实现[J].中国电化教育，2015（1）：85-92.

[5] 王婧.大数据时代高校学生管理工作的挑战与对策分析[J].思想政治教育研究，2014（2）：128-130.