基于数据挖掘的智能学习效果预警管理系统设计与实验研究

黄方亮，许欢庆，沈同平，金 力，俞 磊

学习效果预警或学业预警是一种对学生在教学管理工作中出现的学习问题或完成学业有困难的情况进行早期干预和警示的制度［1］，旨在及时向学生及其家长通报学生学习存在的问题及其可能引起的严重后果，并采取恰当的补救措施，以达到帮助学生顺利完成学业的目的.预警对象涵盖学习成绩明显下降、学习目标不明确、存在违规违纪现象、不及格课程数量临近临界点等严重影响学业进度的学生.近年来已有学者针对学业预警问题进行了基于数据挖掘方面的相关研究，如王凯成［2］在学生的绩点预测方面通过比较四种数据挖掘算法，从学生的平时表现预测其毕业时的平均绩点.陈衡［3］将数据挖掘技术应用到学生的学业预警中，设计了三种预警模型，探索学业预警方法的有效性和实用性.宫锋［4］挖掘了学生的学籍信息和日常表现数据，分析了影响学业预警的因素，建立了学业预警的决策树，为学生的管理和教学管理提供了决策支持.朱东星等［5］运用Apriori算法探索了学生的毕业与否和其各科成绩之间的内在联系，为教育管理提供了一种新的思路.ASIF R 等［6］同样利用数据挖掘技术研究学生在校期间的表现情况，以便预测本科学业结束时的成绩，从而及时为学生发出学业预警信息.这些研究大多聚焦于理论层面，技术层面的实操性有待进一步考证和推广.

笔者在十多年的教学及管理工作中调查过多所高校学业预警机制贯彻情况，发现大多学校没有完整的科学管理体系，导致学业预警工作时间跨度长、数据统计冗余大、沟通滞后严重等问题出现.因此，制定一套科学化的学业预警机制、开发一套智能化的学业预警管理系统，对于提高学业预警效率具有重要的意义.

本文从软件设计角度设计一款结合数据挖掘理论，将传统的事后处理管理转变为事前预防管理的智能学习效果预警系统，该平台能够打破信息“孤岛”，将学生管理部门（如学生处）与教务管理部门（如教务处）数据整合，有效地避免了数据冗余、数据不一致带来的信息不对称问题，为高校学生管理提供决策支持.

1 总体功能设计

1.1 系统功能布局

系统展示端融合了HTML5、JSP、JQuery 等技术实现，服务端采用经典的MVC 设计模式并结合Shiro 安全框架实现，分为登录模块、管理员模块、教师模块、学生模块，用户工作端基于HTML5+JQuery 实现，具有良好的人机交互体验.系统总体结构如图1所示.

图1 智能学习效果预警系统总体功能图

1.2 基于灰色理论的预警机制

该系统的核心功能是预测未来学习效果的趋势，并以学生被警告的次数作为衡量的标准.学生收到的预警信息越多，则说明系统的预测性越强.

预测就是从历史数据中挖掘出未来的发展趋势，使用较为广泛的灰色预测则是通过构建灰色模型，加工历史数据，总结发展规律，从而对系统的未来状态进行科学的定性或定量预估，以便更准确地处理各种事务［7］.基于灰色理论的预警机制的实现原理为：

定义1 现有原始数据序列为：

其相应的预测模型模拟序列为：

其残差序列为：

其相对误差序列为：

则：

（1）对于k≤n，称Δk=为k点的相对模拟误差，称为平均相对误差.

（3）给定α，当1-且Δn<α成立时，称模型为残差合格模型.

定义2 设X0为原始序列，为其相应的模拟序列，ε为X0与的绝对关联度，若对于给定的ε0> 0，有ε>ε0，则称模型为关联度合格模型.

定义3 设X0为原始序列，为其相应的模拟序列，ε0为X0与的残差序列，则

分别为X0的均值、方差；

分别为残差的均值、方差；

（I）C=S2/S1称为均方差比值，对于给定的C0> 0，当C

（II）p=p(|ε(k)-|< 0.674 5S1)称为小误差概率，对于给定的p0> 0，当p>p0时，称模型为小误差概率合格模型.

GM（1，1）作为典型的数列预测模型，其主要目的是预测系统变量的未来行为［8］.实际操作中也可采用其他灰色模型，主要思路是基于定性分析定义合适的算子，对经过算子处理后的序列建立GM 模型，模型一旦通过精度检验，便可用于预测.

2 模块设计

2.1 登录模块

本系统面向高校教师和学生，未设置注册选项，设计思想是所有用户的账号由管理员抓取学校数字校园数据库中师生信息，用户无法自行注册创建账户.

2.2 管理员操作模块

管理员可以对课程、教师、学生等信息进行管理，为防止学生的学分被篡改，教师端提交学生成绩后便不可更改，只有管理员才有修改学生成绩权限.本模块界面如图2所示.

图2 管理员模块操作界面

2.3 教师操作模块

教师登录成功后，可以通过点击左侧的导航栏选择进入不同的功能界面，左侧导航栏中有学生管理功能、学分可视化查询功能、修改本账号密码功能和退出系统功能.教师录入学生成绩信息后便不可更改.本模块界面如图3所示.

图3 教师模块操作界面

教师点击左侧“学分可视化查询”按钮，进入学分可视化查询界面，本功能默认显示2020 学年学生的学分，教师可通过在学分可视化查询界面中的搜索栏中输入年份查询相应学年的学生学分.图中横坐标表示学生的姓名，纵坐标表示学生获得的学分，图4所示为2020 学年所有学生获得的学分情况.

图4 教师按学年查询学分

2.4 学生操作模块

学生登录成功后，可以通过点击左侧的导航栏来选择进入不同的功能界面，左侧导航栏中有推荐课程、学分可视化比较、学业预警、修改密码等功能.本模块界面如图5所示.

图5 学生模块操作界面

当学生登进系统时，系统会根据数据库中该学生的成绩信息分析当前学生是否需要学业预警，如果存在预警则会以弹出窗口的形式进行提醒，并告知当前学业预警的等级，如图6所示.

图6 学业预警等级弹窗图

该系统设置了三级预警机制［9］，即红色预警表示当前学生学业情况很不乐观，面临无法正常毕业的严重局面，需立即整改；橙色预警表示当前学生学业情况存在较严重问题，如果不改进很可能进一步严重以至于无法正常毕业；黄色预警表示当前学生学业情况存在风险，需要立即整改，认真学习提升，方能化险为夷，否则会面临进一步恶化的风险，预警登记提示页面如图7所示.

图7 学业预警等级示意图

3 数据库设计

本系统采用Mysql 轻量级数据库，该产品具有数据交换安全可靠，并发控制高效、可扩展能力强等优势.为减少数据冗余，预警系统设计了teacher、student、college、course、userlogin、role 六张数据表.各相应字段设置见表1～表6.

教师数据表用于存储本系统教师的信息，包含教师工号、姓名、性别、生日、学历、职称、入职时间、院系编号，如表1所示.

表1 教师表（teacher）

学生数据表用于存储学生基本信息，包括学号、姓名、性别、出生日期、入学年份、院系代码、学分.如表2所示.

课程数据表主要用于存储课程信息，主要包含课程编号、课程名称、授课教师工号、上课时间、上课地点、学时、课程类型、院系编号、课程学分.如表3所示.

表3 课程表（course）

院系表用于存储学生及教师所属院系的信息，主要包含院系ID、院系名.如表4所示.

表4 院系表（college）

角色表用于存储用户的角色信息，主要包含角色ID、角色名称、权限.如表5所示.

表5 角色表（role）

用户登录数据表主要用于存储可登录用户的用户信息，主要包含用户编号、用户名、密码、权限，role 字段主要用于区分用户类型，0 表示管理员，1 表示教师，2 表示学生.如表6所示.

表6 用户登录表（userlogin）

为最大限度减少冗余数据的产生，提高数据读取效率，在设计数据库表时，要充分发掘表间彼此依赖关系.本系统各数据表间依赖关系如图8所示，实际开发中同步设置了相应字段的参照完整性约束，具体如下：

图8 数据库中表间关系

（1）一个学院可以开设多门课程，当某一学院被删除后，该学院下开设的所有课程也自动删除.一个学院可以有多名学生，当某一学院被删除后，该学院下所属的所有学生信息也自动删除.

（2）每一个角色中可以有多个与之对应的用户，但一个用户只能对应一个角色.

4 结语

本文在传统以学风建设为抓手的基础上，引入了以学业预警为理论依据的管理模式，运用数据挖掘技术进行系统建模与实验.同时厘清了学生成绩、心理健康、遵纪守法等触发预警机制的影响因素，并以学生成绩为突破口建立了智能化学习效果预警平台.该系统从大数据和数据挖掘角度，引入灰色理论，使学习效果预警平台具有“预测性”，更显“智能”，变“事后惩罚”为“事先预告”，体现以人为本、教书育人的宗旨，也与中医“治未病”理念契合.通过该系统的实施和应用，能够提高教务和学生管理工作者的工作效率.