基于大數據的高職學生學情分析與 預警模型研究

韓代云?趙磊

摘要：高職院校是培養應用型人才的重要教育陣地，國家對高職院校的教育教學提出了更高的要求，但由于高職院校師資、生源質量等多方面原因，一些學生在專業學習過程中的自律性不強，且高職院校對學生的管理體系相對簡單、滯后，所以部分高職院校的教學質量遲遲得不到提升，為了解決這一問題，將通過學生在學校的相關行為數據，利用大數據分析技術建立專業的學情分析模型與學業預警模型，提高高職院校教學管理質量。

關鍵詞：學情分析模型；預警機制；學生畫像；大數據

一、前言

本文將從學情分析模型建立的意義出發，探究學情分析模型的建立方式，并且為了進一步保障教學管理質量，設計了預警機制，為學生構建起了一套完整的掛科預警、失聯預警與社交關系的算法模型，使高職院校能夠對學生進行更加全面的監測，提高高職院校教學管理水平。

二、學情分析模型建立

學情分析模型的建立其目的是對學生的學習質量進行監測，幫助學生解決學習中遇到的困難，同時提高教師的教學把控能力[1]。下面將針對學情分析模型設計的意義進行闡述，并探究學情分析模型的建立方式。

（一）模型建立的總體意義

不論是學情分析模型還是預警機制模型的建立，都是為了提高高職院校教學質量，幫助學生在校園內更好地學習與生活。學情分析的結果與人才培養方案、課程建設相互配合，可以對學生多維度進行評估、評價，也為人才培養方案、課程建設貢獻價值。本次模型的建立依托學校自身的全量數據中心，通過與學校數據中心進行數據對接，對學生各個主題數據的分類管理形成學生主題庫。本次學情分析模型以學生在校行為抽象形成的各種特征標簽為構建基礎，通過信息標簽刻畫出學生的校園生活形象，進而為其學習生活管理提供幫助。建構學生畫像主要分為采集學生數據、統計分析生成學生特征標簽、生成學生畫像三個步驟[2]。本次學情分析模型主要包括五個方面。一是，學生掛科預警算法模型?；趯W生主題數據對學生的生活規律性、學習努力程度、歷史成績排名等數據進行綜合分析挖掘，對學生在當學期的期末排名進行預測。同時結合學業表現，前置課程表現等對目前主修的課程進行掛科預測，對于掛科概率極高的學生進行預警。二是，失聯預警模型。根據學生學習考勤、上網記錄、一卡通消費、門禁、進出圖書館、進出學生宿舍等記錄等數據進行綜合分析挖掘，通過建立相關的分析模型，為高校管理者提供學生行為動態跟蹤和失聯預警。同時通過動態化的事態跟蹤，可以有效監測失聯事件的處置進程，并利用自動生成的統計數據。三是，學生心理健康模型。依據學生在校行為特征記錄，判斷學生的朋友關系，對經常獨來獨往的學生予以重點關注，同時將學生的朋友關系、結合線下心理測評結果、心理咨詢記錄、家庭背景、上網行為、生活規律等作為大類特征簇，對學生的心理健康狀況進行實時監測，預測學生是否有抑郁易感傾向，并對情況嚴重者進行預警，為學校管理者提供每一位在校學生心理健康的分析預警結果。四是，學生自律指數模型。根據學生學習考勤、上網記錄、一卡通消費、門禁、進出圖書館、進出學生宿舍等記錄等數據進行綜合分析挖掘，通過建立相關的分析模型，為高校管理者提供每一位在校學生生活自律指數的分析預測結果。五是，學生社交關系指數模型。根據學生學習考勤、上網記錄、一卡通消費、門禁、進出圖書館、進出學生宿舍等記錄等數據進行綜合分析挖掘，通過建立相關的分析模型，為高校管理者提供每一位在校學生社交關系指數的分析預測結果。

（二）學情分析設計的意義

1.以學生為本的教育需要

為了全面貫徹落實教育部印發的《關于全面深化課程改革落實立德樹人根本任務的意見》，高職院校需要對學生的未來發展負責，在課程設計過程中應當滿足學生的發展需求，提高學生的課程參與度，為學生提供更全面的教學保障[3]。所以建立學情分析模型能夠使“教、學、評”形成一體化，使每個學生都能夠得到更加公平客觀的評價。

2.提高教學質量

學情分析模型的建立能夠在一定程度上幫助教師提高教學質量，這是因為學情分析模型能夠客觀地反映出學生的學習水平，能夠讓老師把握學生的學習動態與成績變化，教師基于這些客觀數據才能夠開展更有針對性的教學設計，制定更加適合學生的教學目標，從而提高教學質量。

3.學情分析是教師專業發展的必經之路

傳統教學下，針對高職學生的教育主要來自教師的教學經驗，這些教學經驗來之不易，對于年輕教師而言這種教學經驗需要時間積累，這使得青年教師在教學過程中會更多地將重點放置在教學環節，很少關注到學生的差異性，難以做到“因材施教”的教學要求，難以把握學生的整體學習情況[4]。而借助學情分析模型，能夠使教師增強對學生的了解，使青年教師理解到差異化教學的意義所在，并借助學情分析模式反思自身的工作不足，有助于青年教師專業的發展。

（三）學情分析模型建立

1.分析模型框架設置

學情分析框架模型在總體設計過程中可以根據設計需求分為四個層面：基礎設施層、支撐平臺、應用平臺與應用終端（見圖1）學情分析系統架構。

2.學情分析系統架構

基礎設施中包含個人信息庫，個人信息庫含有學生的個人信息與人臉信息，通過數據庫的建立能夠實現與學生、教師的精確對應，保障教學秩序?；A設施層確認個人數據之后，學生和教師便可以進入教學環節之中，學生通過平臺的登錄進入識別簽到系統，識別系統通過人臉與環境的識別，能夠精確定位學生所處位置，避免替簽、漏簽的情況發生，保障了學生出勤率。學情分析系統還可以利用AI攝像頭對學生的課堂行為進行識別，分析學生學習的專注能力，同時體現在教師的管理系統之中，使教師更加精準地把握學生學習質量，適當地調整教學方案。除此之外系統還可以提供資源交互功能，能夠保證教學資源在學生、教師中流通。并且在這個過程中系統還會自動生成資源流通記錄，對學生的測試成績、學習效果等數據進行保存，同時算法還能夠分析每個學生的學習薄弱點，對學生進行更加精確的教學內容推送工作，提高了學生的學習效果。同時系統還加入了感知處理層，這種處理層將高職專業教學分為課前、課中、課后三大板塊，對學生進行全程的學習監測，分析不同階段學生的學習情況。課前系統會為學生推送預習資料以及相應的學習試題，提高學生預習水平。課中系統會將隨堂測試和教學課件發送到學生的設備之中。課后系統會向學生推送課堂錄像回放、作業等內容，在這個過程中系統將對學生的學習行為進行評估，了解學生的學習狀態，并形成可視化圖像反饋給任課教師，幫助教師更好地開展教育教學活動，提高教師的教學效率。而分析展示層則可以通過電子白板、投影、實體展示等多種方式向學生展示所學知識點，讓學生更加清晰直觀地了解教學內容。同時為了進一步保障教學質量，分析展示層還會向教師展示學生的出勤率、師生活動頻率等數據，便于教師分析教學中的不足，改進教學方式。

3.教學評價系統的建設工作

評價層主要從五個方面評價學生的能力，包括理論認知能力、實踐能力、信息素養、溝通能力、協作能力五個方面，這五個方面的評價數據來自不同方面，其中包括教師評價、導師評價、學生互評等，使評價更加全面客觀，可以讓教師充分了解學生學習的優勢、劣勢（見圖2）。

通過上述分析可以得知，在進行學情分析模型建立的過程中，設計人員首先設計了分析模型的框架，使模型設計更加符合教學需求，同時構建了完善的學情分析系統，使系統能夠覆蓋到教學、學習的全過程。在最后設計了教學評價系統，運用“五力”模型對學生的學習質量進行了全方位評價，使教師更易掌握學生的學習動態，提高了專業教學的有效性。

三、預警機制建立

高職院校預警機制的建立是為了更好地提高教學管理質量，通過一系列的信息標簽勾勒出學生校園生活形象，通過數據采集、分析等方式對學生形成唯一的特征識別標簽。高職院校可以通過學生的識別標簽了解學生的學習、生活特點，能夠準確地反映出學生的群體特征。在構建預警機制的過程中，設計人員需從三個方面入手，第一為學生構建起掛科預警機制，第二要為學生構建起失聯預警系統，第三為學生構建起設計關系指數算法系統，通過這三方面相關數據進行分析推斷、設定閾值預測學生的基本情況，界定學生狀態是否處于正常，若學生行為屬于正常狀態外，那么系統將會自動預警對學生進行提示，防止危險和意外的產生。

（一）構建學生掛科預警算法模型

高職院校學生學習能力比較薄弱，并且自控力較差，很容易產生掛科風險，所以高校為了進一步提高教學管理質量，讓學生了解到自身的學習狀況，需要為學生構建起一個掛科預警模型，對學生的課堂表現、日常學習成績等進行綜合測評，從而對掛科概率較高的學生發布預警通知。為了降低系統的開發難度，本次系統構建采用了前后端分離的方式進行，這種方式能夠減少系統的運算量，減少設計代碼的使用，能夠提高后期維護管理質量[5]。在預警模型制作過程中系統會自動劃分學生的考試成績、個人信息等，并將這些信息儲存在系統之中。其中學生成績信息表中包含的內容較多，例如學生姓名、班級、學號等內容，這些信息內容將會被匯總為數據表，方便后續對學生的學業預警分析工作（見圖3），當學生成績不佳滿足掛科條件之后，系統會對其中的數據進行識別，并將掛科預警信息發送到學生的接收設備之中，起到預警作用。

（二）構建學生失聯預警算法模型

根據學生學習考勤、上網記錄、一卡通消費、門禁、進出圖書館、 進出學生宿舍等記錄等數據進行綜合分析挖掘，通過建立相關的分析模型，為高校管理者提供學生行為動態跟蹤和失聯預警。系統應24小時監測學生在校數據，若發現學生長時間未產生數據記錄超過系統閾值，通過系統提示及時掌握學生失聯情況，超過3天應當推送信息至副院長，以便及時采取應對措施。同時通過動態化的事態跟蹤，可以有效監測失聯事件的處置進程，并利用自動生成的數據。國內大多數高職院校的學生從入學開始就會獲得學號與一卡通，一卡通的作用相當于校內的“身份證”，學生通過一卡通的使用能夠在校實現各類消費活動例如餐飲、購物等，并且一卡通也具備門禁卡的作用，通過一卡通學生能夠進入圖書館、宿舍、教室等區域。隨著時間的延長學生的上課數據、購物、餐飲、門禁等等信息會匯總成一個有序的時間軸，產生多種數據，這些數據又具有一定的規律性。反之學生若打破這一規律，那么其信息也會被學生失聯預警系統所捕捉，根據當前的預警失聯數據分析模型來看，大部分模型會通過上課、門禁、消費、網絡認證等數據對學生是否在校內作出判斷，得出疑似失聯學生名單。學生上課的數據來源來自學校的教務系統之中，而門禁的數據來自一卡通中存儲的數據信息，消費數據則來源于學校餐廳、超市等等區域。這些信息被匯總之后系統會經過失聯預警系統綜合判斷，若同一學生連續三天被認定為疑似失聯學生，那么預警系統會將信息推送至副院長，以便學校開展后續工作，保障學生的人身安全。

（三）構建學生社交關系指數算法模型

基于學生的學習考勤、上網記錄、一卡通消費、出入圖書館、出入學生宿舍等記錄，對其進行全面的剖析和發掘，并構建相應的解析模式，為學校主管部門對每位學生的社會關系指標作出解析和預測。將同學間的社會聯系抽象為一幅網狀拓撲，其中的結點表示每位同學，而邊則表示同學間的聯系。利用網絡表達式的方法，可以對各個同學進行向量表達式的計算，進而對同學之間的社會聯系進行深入地研究。在此基礎上，將使用一階和二階的特征來對同學間的親密度進行更為準確地描述。通過對學生的社會網絡進行分析，可以對同學們的朋友以及同學的社會狀況進行分析，從而對潛在的社會網絡進行挖掘。朋友之間有共同的行為，例如：一同到圖書館，一同前往餐廳，一同搭乘學校的公車。若兩人同時在同一地點、同一時間使用信用卡進行購物，也就是產生了同現，那么就可以根據兩人同時出現的次數來判斷兩人有無好友關系。

四、結語

本文討論了基于大數據的高職學生學情分析與預警模型的研究方式，通過研究可以得知，高校在利用大數據構建模型的過程中，應當充分考慮學生在校的學習、生活需求，利用大數據技術構建起完整的分析預警體系，提高高職院校的教學管理質量。

參考文獻

[1]趙麗，柴造坡.基于大數據技術的高職學生多維評價體系的研究[J].林區教學，2023（12）：37-40.

[2]徐麗麗.基于在線學情分析模型的高職課程教學研究——以大數據技術基礎課程為例[J].電腦知識與技術，2022，18（32）：168-170+173.

[3]戴小紅.高職大學生學情分析的實證研究[J].黑龍江高教研究，2014（01）：115-117.

[4]王雪梅，劉術泉.我國高校學生管理預警機制路徑研究——基于協同論的視角[J].價值工程，2010，29（32）：268-269.

[5]楊轉轉.高校學業預警機制的探索與研究[J].呂梁學院學報，2022，12（02）：50-53.

基金項目：2023年度中國輕工聯合會教育工作會項目“基于大數據的高職學生學情診斷與學業預警模型研究”（項目編號：QGJY2023154）

作者單位：四川工商職業技術學院

責任編輯：尚丹