基于成績的學業預警系統的研究與設計

鄭金龍 聶盼紅

摘要：利用信息技術及時分析學生的學業狀態并實施學業預警是目前高等院校應對學業危機的重要舉措，而學業成績是其學業狀態分析的重要指標，因此依托教務系統數據，設計并研發基于成績的學業預警分析系統。通過成績數據獲取、預處理、分析與可視化過程，發現學生的學業異常，實施學業預警，同時為學校、教師、學生和家長提供了很好學生學業進程的交流平臺。

關鍵詞：學業危機;學業預警;數據預處理;Oracle;ETL

中圖分類號：G647 文獻標識碼：A

文章編號：1009-3044（2020）05-0097-03

開放科學（資源服務）標識碼（OSID）：

1 背景

在高等教育大眾化的背景下，學分制已在高等院校得到廣泛的應用。學分制在一定程度上為學生提供了多元化、個性化的學習成長環境，但同時也出現了學生選課比較隨意和盲目，很少考慮自己的成長目標，甚至出現“考試不通過”可以補考或重修的心態。特別是部分自控力和自主學習能力偏弱的學生，很容易產生消極的心理[1]，從而產生學業危機[2]。因此，很多高校都陸續實施“學業預警”制度3-4]，制定各類學業預警規則，幫助學生順利完成學業[5]。

在學業預警制度實施的過程中，首先需要設置具體的預警規則，然后根據預警規則收集相關的預警數據并進行統計分析，得到預警級別[6-8]，而且根據不同的預警級別，將相關的預警信息反饋給學生、班主任、輔導員等學生管理人員，以便及時干預，同時還要收集學生、班主任等管理員的反饋，及時對預警規則進行改進。這些工作若采用傳統的方式，顯然效率較低。因此，很多高等院校運用信息技術等手段，及時發現學生現實的學業問題，警示其可能導致的不良后果[9-10]。同時使學生管理人員及時掌握學生的學業狀態，實施學業幫扶[13-15]。

高校的學業成績作為高校學生學習狀態的重要指標，其在學業預警實施中占有重要的地位。但是目前基于各個學校的學業預警制度和方案的不同，教務管理系統一般沒有通過統一的預警功能，因此本文以教務數據為基礎，利用Oracle數據庫技術給出了一個基于成績的學業預警系統的設計方案。

2 基于成績的學業預警系統總體設計

2.1 需求分析

系統以我校學業預警制度為背景，利用Oracle數據庫技術設計基于教務數據的學業預警系統。其核心功能結構如圖l所示。

2.1.1 統計數據存儲管理

利用數據挖掘ETL工具，按照已定義的數據交換標準，定期從學校教務系統數據庫獲取學業預警相關的基礎數據，包括培養計劃、課程成績、教師數據、學生基本數據等，存儲到本地數據庫。

2.1.2 數據統計分析

依據學業預警規則，設計并實現學業預警分析算法，生成學業預警的結果數據;按照學院、年級、專業、班級、預警級別等不同維度完成學業預警狀態的統計查詢。

2.1.3 業務數據管理

通過該功能能夠實現班級輔導員和班主任信息的維護，班級信息定期與教務數據同步更新;學業預警規則的管理和維護。

2.1.4學分修讀統計查詢

通過該功能實現已修學分和未修學分統計查詢、不同類型課程學分查詢、不及格課程查詢、課程績點統計查詢等。

2.2 學業預警系統總體方案

基于成績的學業預警分析系統的核心是學業預警算法，通過數據獲取、分析和可視化的過程完成學業預警級別的計算。其系統總體方案如圖2所示：

3 學業預警分析

3.1 預警規則

學校學業預警程度由低到高依次為：藍色預警、黃色預警、橙色預警、紅色預警，根據我校學業預警制度，其預警條件的形式化定義如下：藍色預警：已修讀的課程累計不及格課程門數為1門;黃色預警：已修讀的課程累計不及格課程門數大于或等于2門，且未達到5門;橙色預警：已修讀的課程累計不及格課程門數大于或等于5門，且未達到8門;或累計不及格課程學分大于或等于15學分，且未達到24學分;紅色預警：已修讀的課程累計不及格課程門數大于或等于8門，或累計不及格課程學分大于或等于24學分。

3.2 預警分析過程

學業預警分析過程包括數據獲取、數據預處理、預警級別分析和查詢及可視化四個階段，在每個階段采用視圖和庫函數實現相關計算，每個階段結束后將計算結果保存到臨時表，便于后面階段的數據處理。

3.2.1 數據獲取

根據數據分析的目標，通過ETL從遠程業務數據庫獲取在校學生課程成績的原生數據，其字段包括：【學年、學期、選課編號，學號，姓名，課程名稱，學分，折算成績，總評成績，重修成績，補考成績，重修標記，課程性質，輔修標記，績點】;其次對成績數據的欄目進行分析，以便了解字段數據是否符合數據分析的要求，下面是主要字段分析：“折算成績”是將總評成績折算成百分制的成績;“總評成績”“補考成績”“重修成績”可能為不同類型的成績，如百分制、二分制等;同一個學生的同一門課程因為重修多次導致在成績數據中出現兩條以上記錄;“重修標記”和“輔修標記”表示該門課程成績為重修成績或輔修成績;“績點”字段的值為第一次計算折算成績后填寫，同一記錄的補考成績和重修成績的變化不影響其值。

3.2.2 數據預處理

通過數據準備階段對數據特征的分析，有針對性地進行數據預處理，主要包括成績的規范化、學生課程合并和最高成績計算等。

1）因折算成績和總評成績等價，所以后面的分析中使用折算成績。重修成績和補考成績，需要統一折算為百分制成績。

2）課程合并和最高成績計算：因為存在部分學生因多次重修，導致同一個學生的同一門課程在成績數據中有多行記錄，根據課程編號計算每位學生每門課程的最高成績，將數據存儲到一張臨時表。視圖如下：[學號、課程編號、課程名稱、學分、最高成績、績點]。

3.2.3 預警級別分析

根據預警規則，計算預警參數的值，為了簡化程序的復雜性，每個參數分別采用不同的視圖進行計算，然后進行合并操作。其中，總的補考次數（包括同一門課程補考多次）、補考學分總數、重修次數（包括一門課重修多次）、重修學分總數等4個參數目前僅作為預警參考數據呈現給學生管理人員，不作為預警級別判定的依據。預警級別計算的基本過程如圖3所示：

3.2.4 預警統計查詢及可視化

根據不同角色創建不同的統計分析視圖，主要包括兩個方面的視圖：

1）學生查詢個人學業預警結果及預警原因視圖，包括學分和基點修讀統計視圖等;

2）管理人員查詢所有學生預警結果及原因視圖和根據學院、年級、專業、班級等不同維度的學業預警統計視圖

4 學業預警系統實現

基于成績的預警系統核心功能包括學業預警級別的計算和統計數據的查詢。學業預警級別的計算主要采用Oracle數據庫和開源ETL工具Pentaho Data Integration（PDI）實現，統計數據查詢及可視化采用Phalcon框架（PHP）、HTML5和Chart.js等軟件開發技術。

4.1 預警級別計算

1）利用ETL工具定時從遠程數據庫將學業預警相關的數據同步到本地的學業預警預處理庫，并完成部分預處理任務。首先創建“轉換”實現數據的遠程獲取，然后利用“作業”實現定時任務。因為是從遠程數據庫表獲取數據，并插入本地空表，所以輸入采用“表輸入”模式，輸出采用“插入/更新”模式。

2）利用Oracle存儲過程、視圖技術和豐富的庫函數，按照預警級別分析過程實現預警級別的計算，下面給出主存儲過程代碼：

4.2 數據的統計查詢功能實現

數據的統計查詢功能的實現在數據庫層面根據查詢角色的不同創建不同的查詢統計視圖，然后通過PHP程序將數據庫查詢數據轉換為前端視圖技術要求的數據結構并實現數據可視化。主要包括學業預警結果的統計查詢和學生學分修讀情況的統計查詢。圖4是根據給定條件查詢學生的學業預警結果的視圖，圖5是按照學期、學院、專業、年級、班級等維度統計查詢學業預警總體情況。

5 結束語

本文研究和設計的基于成績的學業預警系統，初步完成了基于課程成績的預警級別計算和統計查詢，其是高校學業預警制度中的重要組成部分，幫助提高學業預警的實施效率和效果。之后將逐步增加其他類型的學生學習相關數據，提高預警的及時性和準確性，如考勤數據、網絡訪問數據、第二課堂等數據，并依據不同的專業實現個性化的學業預警。

參考文獻：

[1]范偉.學分制視角下的高校學業預警：制度困境與程序優化[J].南京理工大學學報：社會科學版，2016，29（6）：88-92.

[2]孫建.國外高校學業危機研究及啟示[J].首都師范大學學報：社會科學版，2015（6）：138-143.

[3]張晶華，丁福興，臺灣大學生學業風險管理探究及啟示[Jl.高等農業教育，2016（1）：124-127.

[4]袁安府，張娜，沈海霞.大學生學業預警評價指標體系的構件與應用研究[J].黑龍江高教研究，2014（3）：79-83.

[5]陸毅華，高蘭蘭，王瀟，等.學分制環境下本科生學業預警幫 扶系統的設計與實現[J].東華大學學報：自然科學版，2017，43（3）：412-415.

[6]王曉蕾，畢菁華.應用型大學學業預警機制初探[J].蘭州教育學院學，2017，33（7）：124-126.

[7]朱李楠，許帥.基于課程關聯性的高校學業預警體系構建研究[J].浙江工業大學學報：社會科學版，2014，13（4）：433-436.

[8]徐曉霞，陳軍.學分制下學業困難成因及動態預警模式探索[J].長春大學學報，2016，26（10）：67-70.

[9]宓旭峰.學分制大類培養模式下高校學生學業預警制度的探究[Jl.長春理工大學學報，2011（11）：10-12.

[10]張麗輝，徐銳.大學生學業預警成因分析及幫扶對策[J]，職業時空，2014（10）：114-117.

[11]舒春玲.大學生學業預警機制的探索與實踐[J].淮陰師范學院學報：自然科學版，2016（4）：333-335.

[12]張福生，呂開東，韓伊佳.基于校園云的高校學生學業監測與預警系統研究[Jl.中國教育信息化，2015（9）：87-89.

[13]金義富，吳濤，張子石，等.大數據環境下學業預警系統設計與分析[J].中國電化教育，2016（2）：69-73.

[14]王球琳，馬麗娟，付磊.應用型本科院校學業預警保障體系構建研究[J].黑龍江高教研究，2016（3）：106-108.

[15]楊洋，張燁，等.學業預警指標體系的構件及系統初探[J].中國教育信息化，2017（7）：74-76.

【通聯編輯：謝媛媛】

收稿日期：2（）19-12-15

作者簡介：鄭金龍（1982-），男，甘肅蘭州人，實驗師，碩士，主要研究方向為數據挖掘;聶盼紅（1976-），女，山西人，講師，碩士，主要研究方向為機器學習。