一种基于大数据的教育机构成绩监测分析方法

摘要

本发明涉及大数据教育技术领域，具体地说，涉及一种基于大数据的教育机构成绩监测分析方法。其包括导入原始数据步骤；得到学生的综合成绩步骤；得出预测成绩步骤；生成在校综合表现图；成绩更新步骤。本发明中通过多科目成绩预测，为教学计划提供指导作用，并结合预测成绩，在学生成绩出现下滑前就采取相应的措施避免成绩下降，产生学业预警提醒，以对学生进行督促，另外学生预测成绩进行聚类，从而结合大数据实现因材施教。

说明书

技术领域

本发明涉及大数据教育技术领域，具体地说，涉及一种基于大数据的教育机构成绩监测分析方法。

背景技术

成绩是教育机构评判学生的重要标准，但是现如今教育机构对于成绩的分析却只停留排名、绩点等较为初级的阶段，对于大量历史积累的成绩数据缺乏相应的手段挖掘内部深层的信息，尤其是对于大量的学生的综合成绩分析更是一大难点；随着大数据技术的成熟，很多数据分析的方法在成绩分析领域也可以取得很好的效果，例如结合学生历史成绩对学生的学习状况预测、将学生进行聚类从而实施更有针对性的教学方案、结合学生的在校表现形成学生在校综合表现分析图、或将庞大的教学数据整合实现教育机构教学情况的可视化。通过大数据技术的加持，可以提升教育机构的教学能力，为教育机构的决策问题提供科学的辅助。

现在虽然出现了一些成绩分析方法，但还不够全面，存在一些缺陷。专利《基于粗糙集的学生单科成绩决策分析方法及分析器》(中国专利公布号：CN 105677854 A，公开时间2016.06.15)只是只针对单一的学科进行分析，没有结合其他在校表现数据，缺乏宏观的分析。

专利《基于大数据分析的学习成绩预测方法》(中国专利公布号：CN 111275258 A，公开时间2020.06.12)通过分析学生的日常活动数据与成绩的关系预测学生的成绩，也只是针对单个成绩进行预测，而实际上学生的科目数量较多，因此并不具备实用性。

发明内容

本发明的目的在于提供一种基于大数据的教育机构成绩监测分析方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供一种基于大数据的教育机构成绩监测分析方法，包括如下方法步骤：

S1.1、导入原始成绩数据及学生在校表现数据，通过接入教育机构现有的教学数据库或者由老师手动导入成绩数据，包括但不限于Excel、SQL等数据格式；

S1.2、对导入的原始成绩数据和学生在校表现数据进行预处理，得到学生的综合成绩；

S1.3、利用学生综合成绩和考试次数建立成绩预测模型，并得出预测成绩；

S1.4、根据预测模型和其对应的评级生成在校综合表现图，并对学生的综合表现进行预警；

S1.5、对新录入的成绩进行预测成绩的更新。

作为本技术方案的进一步改进，所述S1.2中对导入的原始成绩数据和学生在校表现数据预处理包括去除空白值和去除异常值。

作为本技术方案的进一步改进，对所述S1.2中的得到学生的综合成绩进行归一化处理，其处理算法公式如下：

其中，X

作为本技术方案的进一步改进，所述S1.3中预测模型公式如下：

其中，α为聚类中心；β为预警阈值。

作为本技术方案的进一步改进，所述聚类中心采用k-means方法对学生成绩进行聚类，并生成评级。

作为本技术方案的进一步改进，所述S1.4中对综合表现小于预警阈值的学生进行预警，并将预警信号发生至相关成绩接收端。

作为本技术方案的进一步改进，所述S1.3和S1.5中预测成绩的均采用最小二乘法拟合。

与现有技术相比，本发明的有益效果：通过多科目成绩预测，为教学计划提供指导作用，并结合预测成绩，在学生成绩出现下滑前就采取相应的措施避免成绩下降，产生学业预警提醒，以对学生进行督促，另外学生预测成绩进行聚类，从而结合大数据实现因材施教，同时结合预测数据、聚类结果及学生在校其他表现的数据，形成学生在校综合表现图以对大量的成绩及日常数据实现可视化，完成教学数据的高度整合和一体化监测。

附图说明

图1为本发明的整体流程图；

图2为本发明的绩监测分析方法步骤流程图；

图3为本发明的大屏区块图；

图4为本发明的在校综合表现图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

请参阅图1-图4，本发明提供一种技术方案：

本发明提供一种基于大数据的教育机构成绩监测分析方法，包括如下方法步骤：

S1.1、导入原始成绩数据及学生在校表现数据，通过接入教育机构现有的教学数据库或者由老师手动导入成绩数据，包括但不限于Excel、SQL等数据格式；

S1.2、对导入的原始成绩数据和学生在校表现数据进行预处理，得到学生的综合成绩；

S1.3、利用学生综合成绩和考试次数建立成绩预测模型，并得出预测成绩；

S1.4、根据预测模型和其对应的评级生成在校综合表现图，并对学生的综合表现进行预警；

S1.5、对新录入的成绩进行预测成绩的更新。

此外，S1.2中对导入的原始成绩数据和学生在校表现数据预处理包括去除空白值和去除异常值。

进一步的，对S1.2中的得到学生的综合成绩进行归一化处理，并设每个学生的综合成绩为m×n维矩阵X，其处理算法公式如下：

其中，X

此外，m×n维矩阵X＝X

然后归一化处理后得到：

具体的，S1.3中预测模型公式如下：

其中，α为聚类中心；β为预警阈值。

进一步的，S1.3和S1.5中预测成绩的均采用最小二乘法拟合。

本实施例的成绩监测分析方法在具体在使用时，首先与

S2.1、将i＝i+1代入预测该科目下次考试成绩，重复n次，得出n门科目的归一化预测成绩

S2.2、将所有的学生的预测成绩组成集合

S2.3、根据评级优良中三个等级设置相应的k并随机设置聚类中心a＝{a

S2.4、计算预测成绩空间中所有点到各聚类中心a＝{a

其中，距离最小的则归属到其所属于的簇c

具体如下：

求得误差平方和：

针对每个c

其中p为该簇中元素个数。

S2.5、比较误差平方和与设定误差的大小，若大于设定误差则重复S2.4，若小于设定误差，则输出聚类结果；

S2.6、聚类中心采用k-means方法对学生成绩进行聚类，并生成评级，对应学生成绩本实施例优选采用优良中三个评级，并可视化的展示各学生的预测成绩及所属评级，画出在校综合表现图，值得说明的是可视化的展示各学生的预测成绩及所属评级可以使用如图3所示的大屏，其中学生基础信息区包括对在校学生人数，以及男生人数和女生人数进行显示，年级人数分布区利用柱形图对各个年级的人数进行显示，学生近期成绩预测区利用折线图对各个年级的成绩预测进行显示，视频显示区对教室监控进行显示，教室环境监测区对教室温度、PM2.5和温度等监测数据进行显示，学生等级分布区对优等生、中等生和差等生的人数进行显示，级别分布区利用扇形图对优等生、中等生和差等生的人数进行显示，学生在校综合表现图区对在校综合表现图进行显示，通过内网或外网的链接访问，画出在校综合表现图如图4所示，另外S1.4中对综合表现小于预警阈值的学生进行预警，并将预警信号发生至相关成绩接收端，例如，若某学生的某科目成绩模型中的β值小于设定值则产生学业预警，并通过接收端进行提醒；

S2.7、在新的成绩数据录入后，使用最小二乘更新成绩预测模型，并以上一次成绩录入的聚类中心为这一轮的初始聚类中心，重复S2.5更新聚类结果和可视化结果。

本实施例的成绩监测分析方法在具体推导时，首先假设学生第j门课程归一化成绩与考试次数之间的预测模型为

分别对α,β求偏导，得：

令

然后对n门科目都拟合一次，得出n个成绩预测模型，并将i＝i+1代入预测该科目下次考试成绩，得出n门科目的归一化预测成绩

实施例2

为了使实施例1中归一化处理后的成绩更加直观，本实施例利用转换公式将归一化处理后的成绩转化成实际考试成绩值，其中转换公式如下：

x＝x

从而逆推出预测成绩

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。