学业预警

摘要： 目前很多高校现有的教务系统没有对学生学业进行预警的功能,而及时掌握学生学业的动态信息,并进行相应的预警工作,能够降低学生因补考、挂科过多不能正常毕业的风险。基于事件驱动的高校教务学业预警系统正是在上述背景下进行研制开发的。本系统基于B/S架构,采用JAVA语言和MYSQL数据库共同设计研发。它能够完成对学生学业信息的动态跟踪和自动化、智能化预警功能。使学校相关机构和学生本人都能够在第一时间内及时掌握有关学生重修、挂科和补考的相关信息。本系统既是对高校现有教务系统的有益补充,同时也具有一定的实际意义和使用价值。

摘要： 在高职院校“互联网+”教学背景下,分析机器学习在学业预警中的技术优势和可行性。利用KNN算法构建学业预警模型,提出基于机器学习的高职学业预警系统设计方案。随着“互联网+”教学不断推广深入,以MOOC、SPOC为代表的信息化教学中得到广泛应用。一方面学生在这些教学信息系统上的学习行为、过程及结果产生了大量的数据记录,这些学习行为数据和学生的学业教学评价之间存在着的内在联系,为创建信息化的学业预警系统提供了数据基础。

摘要： 高校现有学业预警系统对学生行为数据要求齐整、预测准确率低、可推广性差。针对上述问题,文中提出一种基于LSTM优化神经网络的预警模型。该模型主要由数据处理、特征提取、优化训练三部分组成,其中数据处理是通过RBF核函数对学生信息数据进行从低维到高维的空间映射,从而保留完整的学生数据信息,降低数据缺失对预警系统的干扰;特征提取是指通过多维正态分布的前馈特征提取对学生信息数据进行分类,然后进行归一化处理,根据不同类别进行学习运算,提高预测正确率;优化训练则是将数据输入至自适应激励函数优化后的LSTM神经网络训练,通过概率拟合得到毕业概率及弱项特征,从而输出学业预测报告。将收集的G大学2017—2019年三届毕业生共15211人的第一学年必修课成绩、消费信息、图书借阅频率等数据作为数据训练集,将2020届5301名毕业生数据作为测试数据进行试验。结果表明,文中模型预测准确率稳定在94.21%,最高可达到98.17%,平均准确率较现有预警模型提升2个百分点,尤其是负召回率有明显提升,数据依赖性和结果稳定性也有显著改善。

摘要： 本文首先阐述了二级院系学业预警的基本工作流程;其次对现阶段二级院系学业预警工作中存在的几类共性问题进行了分析;最后提出了加强事前干预和事中沟通、开展针对性学业预警工作、跟进和落实帮扶计划等具体优化措施,以补充和完善校级学业预警。

摘要： 研究生学业预警能有效补充传统的研究生教育评价方式,是一项有利于保障研究生培养过程质量的柔性政策。通过调查H大学,发现其研究生学业预警缺乏规范性和正式性,具体表现为:缺乏理念指导,预警指标与标准设定不合理;预警平台尚未建立,数据收集和等级划分不明确;预警组织不够稳定,预警流程与监督机制不规范。因此,建议高校从塑造科学的预警理念,制定合理的预警指标与标准;创建一体化预警平台,建立学生数据库和预警等级;建成稳定的组织架构,在打造灵活流程和责任监督制等方面优化研究生学业预警。

摘要： 学生学业预警是以学生的学习过程为监控目标,针对学生在学习上出现的问题或危机,进行有效干预,及时提醒学生本人及其家长可能产生的不良后果,劝导学生调整学习行为和习惯,帮助学生克服学习生活上的困难,促使学生跟上前进的步伐,按时完成学业。本文以四川文化产业职业学院为例,分析了高职院校学生学业预警的现状和存在的问题,探讨了高职院校学生学业预警机制应该具备的制定原则并提出建议。

摘要： 为适应社会人才发展需要,深入落实立德树人根本任务,高校正加速推进学业预警制度的建立健全。而在学业预警中,家校沟通是必不可少的环节。文章分析了目前高校的学业预警制推进情况,结合工作经验研究分析了学业预警背景下的家校沟通问题,并提出了一些实施策略,以助力于高校相关人员顺利开展学业预警背景下的家校沟通,帮助学生更好地完成学业。

摘要： 以某工科院校2019—2020年春季学期成绩分析统计数据为研究内容,对全校公共必修课、公共选修课以及专业课的课程优秀率和不及格率平均值情况、课程优秀率和不及格率具体分析情况以及在校大学生春季成绩正态分布总体情况进行多维度分析。研究表明,学生的成绩分析在学业预警机制建设中处于重要地位。详细的成绩数据统计分析有助于本科生院了解在校大学生对必修课、选修课以及专业课的掌握程度,为教学管理者提供精准授课方向的同时,还能及时促使学生发现学业问题。文章通过在校大学生的成绩分析,根据统计分析数据和文献资料分析,构建了高等教育背景下大学生学业预警沟通平台以及学业预警机制,并提出机制运行保障措施。这为完善和保障学生的学习权利,平衡教育规律与学生需求的关系,促进学生综合素质全面提高和优化人才培养体系提供了依据。

摘要： 新时代高等教育背景下对大学生学业预警的研究关系到国家人才培养体系的建设,关系到教育现代化、教育强国的建设。基于文献调研和桌面研究,构建新时代高等教育背景下大学生学业预警扌旨标评价体系;通过AHP层次分析法探索指标要素权重,结果表明:在校大学生的学习状态和学习表现对新时代高等教育背景下大学生学业预警体系建设有较大彩响。因氏,提出通过明确预警等级、协同家长和学生配合、关注在校大学生心理健康建设以及对帮扶人员采取激励性的奖惩措施等几方面的建设,对高等学校学业困难学生进行全过程干预,以有效解决目前高等1%校出现的学生学业困难问题,助力我国“教育强国”伟大复兴工程的建设。

摘要： 高校学生的培养质量高低关乎我国经济的长远繁荣和科技创新的发展。近年来,高校频频清退不合格学生的举动引发社会对于学生培养质量的关注。从教育角度而言,高校学生无法如期完成学业涉及诸多影响因素,高校实行清退决策既须慎重又难以执行。相较而言,学业预警机制是更为适切的柔性政策。随着国家的教育和人才评价导向从结果性转向过程性,高校需建立完善的学生学业预警机制。

摘要： 本文首先讨论了教育大数据环境及教育大数据给教育所带来的积极效应,在此基础上提出了一种基于离群挖掘算法的高校学困生学业预警干预模型,包含学因生筛查、异常因素反馈、负向离群干预、智能化的精准个体帮扶等功能模块,并进行了功能的应用分析.最后,对大数据的教育应用进行了深入讨论与思考,技术与教育的结合是如此具有吸引力和挑战性,应当做出人的发展与技术应用之间的权衡.

摘要： 高职院校图书馆具备"大数据"的基本特征,也具备开发和利用图书馆大数据为图书馆自身服务提升和其他业务部门的决策提供支持依据的能力,但尚未针对大数据概念和技术进行实质性的开发和应用.基于对图书馆入馆统计分析报表的研究,发现并证实了图书馆大数据在学业预警平台中的重要作用.围绕图书馆大数据应用探索和实践,用好自身资源对于图书馆迎接大数据时代的到来具有深远的意义.由数据得到信息，由信息督促学生提升学业水平。近几年来，通过高职院校图书馆与二级教学单位共同努力，学生入馆数据明显发生变化:学生读书学习的热情提高，学生的学习的主观能动性得以发挥，学业水平也有所提升。由系统判断并推送预警信息由原来的“图书阅读偏少”，向“正常”或者“良好”发生转变。

摘要： 本文阐述了学业预警作为高校学生学籍管理工作中的重要环节,对保障高校教育质量、促进学生顺利完成学业有着重要作用.但是现有高校学业预警机制存在滞后性、被动性、孤立性、过于偏重管理等缺点.为了进一步完善学业预警机制,本研究系统介绍了某大学学业预警与学业指导联动机制的创新举措,基于对高校中学业困难高发学生群体特征及其学业问题原因的分析,提出了以学生发展为本的高校学生学业预警与学业指导理念,锁定问题高发群体，提高学业预警预见性，转变高校管理思维，改学生处理为学业帮扶，整合学校资源，建立跨院系、跨专业、跨部门的资源平台，理解学业困难原因，增强学业指导针对性，加强新生学业指导，促进新生转变学习范式。

摘要： 本申请涉及一种多通道信息特征融合的学业预警方法、系统、装置和介质，其中，该方法包括：对学生的多类型行为信息进行预设编码，得到多类型行为信息的各个类型的向量化表示，并通过卷积神经网络提取的抽象特征，再获取抽象特征的注意力机制表示；将注意力机制表示进行融合，得到多类型行为信息的融合特征；设置预测周期，根据以预测周期为间隔的连续时序上的融合特征，通过长短期记忆网络作出序列化的学业预警。通过本申请，解决了现有学业预警方法的预测精准率低的问题。实现了多通道学生行为信息特征融合的学业预警，利用长短期记忆网络来强化时序特征信息获取能力，使用注意力机制来融合多类型特征，提升学生学业预警的准确度。

摘要： 本发明公开了一种基于人工神经网络与LSTM网络的学业预警方法，其特征在于，包括如下步骤：1）基于RBF核的缺失数据处理；2）基于多维正态分布的自适应特征提取；3）基于细化网络的人工神经网络训练；4）自适应激励函数LSTM网络训练；5）与软件平台结合。这种方法普适性好、误检率低、预测准确度高。

摘要： 本发明公开发明了一种基于机器学习的学生学业预警系统的预警方法，首先，对学生成绩数据集ResultsData进行数据清洗，得出学生清洗成绩数据集CleaningData；然后对CleaningData进行数据预处理，得出学生统计成绩数据集StatisticalData；最后对StatisticalData的数据按每个年级每个学期的成绩进行分类，通过XGBoost算法对预处理后的数据集进行预测处理，得到学生学业预警数据集WarningData，分析处理WarningData的数据并发送预警给相关人员。本发明方法有效预测了学生是否需要学业预警，并为老师和家长提供服务，提高学生学业预警预测的准确度。

摘要： 本发明公开了一种实时学业预警方法及系统，所述方法包括构建学业预警模型；根据学业预警模型，计算每名学生的预测成绩；根据所述每名学生的预测成绩，进行学业预警。本发明通过学业预警模型，提前计算每名学生的预测成绩，需要查询时，可以直接获得预测成绩，增强了学业预警的实时性，提高了学业预警的效率。

摘要： 本申请涉及一种多通道信息特征融合的学业预警方法、系统、装置和介质，其中，该方法包括：对学生的多类型行为信息进行预设编码，得到多类型行为信息的各个类型的向量化表示，并通过卷积神经网络提取的抽象特征，再获取抽象特征的注意力机制表示；将注意力机制表示进行融合，得到多类型行为信息的融合特征；设置预测周期，根据以预测周期为间隔的连续时序上的融合特征，通过长短期记忆网络作出序列化的学业预警。通过本申请，解决了现有学业预警方法的预测精准率低的问题。实现了多通道学生行为信息特征融合的学业预警，利用长短期记忆网络来强化时序特征信息获取能力，使用注意力机制来融合多类型特征，提升学生学业预警的准确度。

摘要： 本发明公开了一种基于大数据的学业预警方法、系统和介质，其中基于大数据的学业预警方法包括：获取学生的行为数据和成绩数据；将所述行为数据和所述成绩数据转换为格式化数据并添加对应的标签；对不同标签的所述格式化数据进行特征提取获得与学习相关的特征数据；将所述特征数据进行加权计算得到预警数据以判断所述学生的预警等级。本实施例提出的基于大数据的学业预警方法能够通过对数据的分析处理，从各个方面对学生进行预警，从而及时了解学生的状态，对学生可能存在的极端行为进行告诫和制止，从而有利于高职院校提升管理质量和管理效率，并有利于学校的长远规划与建设，促进智慧校园建设。

摘要： 本发明属于学业教育技术领域，提供了一种学生学业风险预警帮扶系统及其方法。所述系统包括样本测算模型和输出模块；样本测算模型包括学习投入时间、学习质量、学习动机消退、获取帮助意愿、入学新生前两个月的课程或学分5个测算模块；样本测算模型根据测算模块评估学业风险预警类型和相应的风险等级：输出模块输出当前各测算模块所有测试者的平均分，并输出当前测试者各测算模块得分、学业预警得分、预警类型和风险等级，对矛盾冲突型、适应障碍型、被动遵从型、专业游离型、退却疏离型、非常规型测试者进行风险警示，并采取对应的帮扶措施。本发明对学生学业风险预测精准度高，能抓住主要矛盾、提前预警、有针对性及时帮扶学业困难学生。

摘要： 本发明涉及一种基于高校学生的学业预警分析系统，包括服务器、学校终端、学院终端、辅导员终端和学生终端，所述服务器用于获取成绩预测数据；所述学校终端根据预测数据学校展示全校的各学院、专业、年级的学业预测指标表；所述学院终端根据预测数据展示对应学院的不同专业、年级的学业预测指标表；所述学生终端上，根据成绩预测数据展示本人学业预测数据和各学期的成绩；所述辅导员终端根据预测数据展示辅导员对应的不同学生的学业预测指标表，辅导员终端上筛选出预测数据低于标准数据的学生的名单；辅导员与预测数据低于标准数据的学生在线谈话，并且在线填写谈话内容。能够根据学生的学业数据，预测目标学期的课程成绩，达到事前预警的目的。

摘要： 本发明涉及数据处理技术领域，具体涉及一种基于数据分析的学业预警方法及系统，所述方法包括：获取对学生进行随堂测试的评价数据；若随堂测试对应的章节序号大于设定序号值，则将随堂测试对应的章节序号对应的成绩分数以及章节序号之前的章节序号对应的成绩分数按章节序号的顺序形成数组；根据数组建立线性回归模型，根据线性回归模型确定该学生在下一章节序号对应的预测成绩分数；将数组中每个章节序号对应的成绩分数以及下一章节序号对应的预测成绩分数进行计算，得到该学生的联合成绩点数；若该学生的联合成绩点数低于绩点阈值，则进行学业预警；本发明的学业预警具有较强前瞻性、全面性以及较高的准确性。

摘要： 本发明公开了一种基于元学习和支持向量描述的学业预警方法，该方法包括：通过元学习建立学业预测主模型；基于支持向量描述建立学业预测辅助模型；获取学生在第一阶段的当前学习行为数据并输入至学业预测主模型，得到第一学业结果；获取学生在第二阶段的当前学习行为数据并输入至学业预测辅助模型，得到第二学业结果；设定学业预警条件，根据第一学业结果和第二学业结果判断学生是否符合学业预警条件，当学生符合学业预警条件时对学生采取相应的预警措施。本申请通过学业预测主模型和学业预测辅助模型判断学生是否存在学业预警的情况，学业预测辅助模型对学业预测主模型进行误差补偿，提高了学业预警的准确率，减少了学业预警报告的片面性。