大數(shù)據(jù)背景下基于AI的學生綜合評價系統(tǒng)的研究與實踐

摘要：隨著大數(shù)據(jù)和人工智能技術(shù)的快速發(fā)展，教育領(lǐng)域正經(jīng)歷著前所未有的變革。傳統(tǒng)的學生評價體系一般依賴于主觀評價和標準化考試，存在主觀性強、評價維度單一等弊端。該研究利用大數(shù)據(jù)和人工智能技術(shù)，收集和挖掘大學生學習和生活行為數(shù)據(jù)，構(gòu)建大學生綜合素質(zhì)評價指標體系，并開發(fā)學生綜合評價系統(tǒng)，為學生成長、教育教學和擇崗就業(yè)提供決策依據(jù)。

關(guān)鍵詞：大數(shù)據(jù)；AI；學生綜合評價；評價指標

中圖分類號：TP311" " " " 文獻標識碼：A

文章編號：1009-3044（2025）07-0077-03

開放科學（資源服務(wù)） 標識碼（OSID）

0 引言

在教育領(lǐng)域，學生綜合素質(zhì)的評價一直是教育改革的重要議題。傳統(tǒng)評價體系往往側(cè)重學生的學業(yè)成績，忽視了學生綜合素質(zhì)的全面培養(yǎng)和發(fā)展。隨著社會對人才需求的多樣化，迫切需要一種能夠全面反映學生綜合素質(zhì)的評價體系。大數(shù)據(jù)和人工智能技術(shù)的興起，為這一問題的解決提供了新的思路和方法。為了探索更加科學、客觀的大學生綜合素質(zhì)評價方式，依托智慧化校園建設(shè)，高校可以匯聚海量數(shù)據(jù)資源。本研究融合大數(shù)據(jù)處理、知識圖譜構(gòu)建和人工智能技術(shù)，充分挖掘數(shù)據(jù)價值，發(fā)揮大數(shù)據(jù)在數(shù)據(jù)采集、存儲與高效處理上的優(yōu)勢，利用深度學習技術(shù)深入挖掘?qū)W生行為的特征模式，同時借助知識圖譜的強大分析推理能力，基于豐富的知識庫對學生行為進行智能剖析與探索。這一過程實現(xiàn)了對學生行為模式的精準識別和預(yù)測，為風險預(yù)警和管理策略制定提供了支持。最終，這些智能化手段為學生管理人員提供了強有力的支撐，顯著提高了工作效能與服務(wù)品質(zhì)，加深了對學生的全面理解，使管理工作更加目標明確、流程規(guī)范，從而更好地促進學生的全面發(fā)展和健康成長。

1 現(xiàn)狀分析

1.1 國外研究現(xiàn)狀

隨著信息技術(shù)的不斷進步，教育領(lǐng)域積累了大量數(shù)據(jù)，包括學生的學習成績、課堂表現(xiàn)、課外活動參與情況等，這些數(shù)據(jù)為構(gòu)建學生綜合評價系統(tǒng)提供了豐富的資源。國外學者對高校學生學業(yè)表現(xiàn)的研究主要集中在學生學業(yè)表現(xiàn)的理論框架[1]、學業(yè)預(yù)測數(shù)據(jù)來源[2]、學業(yè)有效指標和模型[3]、預(yù)測模型效果評估[4]等方面。從大學生綜合評價的研究層面來看，國外的研究相對缺乏，尤其是以大數(shù)據(jù)時代為背景的研究。此前，美國教育部2012年發(fā)布了《通過教育數(shù)據(jù)挖掘和學習分析促進教與學》的報告，指出在教育領(lǐng)域，大數(shù)據(jù)的具體應(yīng)用是對學習進行分析和對教育數(shù)據(jù)進行挖掘，以此改進自適應(yīng)學習系統(tǒng)并實現(xiàn)個性化學習。國外的研究大多集中在教育評價上，而在學生評價或大學生綜合素質(zhì)評價方面，其評價方式主要側(cè)重對大學生學力和學習效果的評測。

從全球視角審視大學生綜合評價的研究領(lǐng)域，國外的研究在這一層面顯得相對薄弱，尤其是在大數(shù)據(jù)時代的浪潮下，針對大數(shù)據(jù)如何具體應(yīng)用于學習行為分析與教育數(shù)據(jù)挖掘，以優(yōu)化自適應(yīng)學習系統(tǒng)并推動個性化學習路徑的發(fā)展，相關(guān)研究尚顯不足。多數(shù)國外研究聚焦于廣義的教育評價體系，側(cè)重衡量學生的學術(shù)能力和學習成效，而在構(gòu)建全面反映大學生綜合素質(zhì)的評價體系方面，其方法多局限于學業(yè)成績與學習效果的單一維度。

1.2 國內(nèi)研究現(xiàn)狀

國內(nèi)教育數(shù)據(jù)挖掘領(lǐng)域中的學業(yè)表現(xiàn)影響因素模型研究尚處于起步階段，對于預(yù)測模型構(gòu)建的理論框架研究較多，影響較大的研究有清華大學的中國大學生學習與發(fā)展追蹤研究、廈門大學的國家大學生學習情況研究。但實證研究偏少，近8年來才出現(xiàn)零星文獻，載于核心期刊中的代表性文獻[5-10]基于數(shù)據(jù)挖掘技術(shù)與方法，分析了學生學習成績、學習風格、學習興趣與成果的影響因素。與國外研究相比，我國關(guān)于大數(shù)據(jù)時代背景下大學生綜合素質(zhì)評價體系的研究也僅僅處于起步階段，國內(nèi)的研究在廣度和深度上仍有待加強。

反觀國內(nèi)，盡管已初步探索在大數(shù)據(jù)時代背景下構(gòu)建大學生綜合素質(zhì)評價體系，但這一領(lǐng)域的研究仍處于萌芽階段，尚待深入挖掘與廣泛實踐。綜合國內(nèi)外研究現(xiàn)狀可以發(fā)現(xiàn)，現(xiàn)有研究大多集中在理論層面，缺乏可操作性強、能夠直接應(yīng)用于實踐的研究，這在一定程度上制約了大學生綜合素質(zhì)評價體系的發(fā)展與完善。因此，未來研究應(yīng)更加注重理論與實踐的結(jié)合，探索更多具有可操作性的評價方法與模型，以更好地服務(wù)于大學生的全面發(fā)展與個性化成長需求。

綜上，根據(jù)國內(nèi)外研究現(xiàn)狀分析，目前對大學生綜合素質(zhì)評價體系的研究普遍存在理論性研究多、可操作性研究少的現(xiàn)象。每一所高校都有其各自的特點，所對應(yīng)的評價體系也應(yīng)該有所不同，評價體系應(yīng)具有足夠的針對性。而且，隨著大數(shù)據(jù)時代的到來，大學生在學習生活中的點點滴滴都將被追蹤記錄，大學生綜合素質(zhì)評價也應(yīng)隨著時代的變化而進步，為學生綜合素質(zhì)的發(fā)展提供反饋，有助于學生自我認識和自我提升，同時也為高校提供改進教育教學工作的依據(jù)。AI技術(shù)以其強大的數(shù)據(jù)處理和學習能力，在學生評價中展現(xiàn)出巨大潛力。通過AI算法，系統(tǒng)能夠自動分析學生的學習行為和學習過程，提供個性化的學習建議和指導。同時，AI技術(shù)還能根據(jù)不同的評價指標和權(quán)重，進行個性化評估，使評價更加公正和準確。

2 學生綜合評價系統(tǒng)設(shè)計

學生綜合素質(zhì)評價系統(tǒng)是一個旨在全面評估學生學業(yè)成績及各項能力和素質(zhì)的系統(tǒng)。為達到科學評價的目標，本課題從學生行為數(shù)據(jù)采集、構(gòu)建評價指標體系、建設(shè)綜合評價系統(tǒng)等方面研究大數(shù)據(jù)背景下的學生綜合素質(zhì)評價系統(tǒng)，系統(tǒng)整體架構(gòu)如圖1所示。

2.1 大學生行為數(shù)據(jù)采集

2.1.1 梳理數(shù)據(jù)標準，明確學生行為數(shù)據(jù)來源

高校學生數(shù)據(jù)源具有分布廣、存儲形式多樣等特點。以業(yè)務(wù)域分類，教務(wù)系統(tǒng)管理學生學籍、成績、教學等數(shù)據(jù)，學工系統(tǒng)管理學生獎助貸、誠信處罰等數(shù)據(jù)，一卡通系統(tǒng)管理學生校園消費數(shù)據(jù)，團學系統(tǒng)管理第二課堂數(shù)據(jù)等。以存儲形式分類，結(jié)構(gòu)化數(shù)據(jù)存儲在Oracle、MySQL、SQL Server等數(shù)據(jù)庫中，非結(jié)構(gòu)化數(shù)據(jù)包括大量的文本、圖像、音頻和視頻等，文件系統(tǒng)數(shù)據(jù)包括日志或日志文件等，API接口包括第三方系統(tǒng)開放的Web API、Web Service接口等。為實現(xiàn)權(quán)威數(shù)據(jù)源管理，需要進行以下兩方面的工作：首先，要出臺政策文件，明確業(yè)務(wù)部門所負責的數(shù)據(jù)源類型、存儲形式、采集頻率等要求；其次，要梳理數(shù)據(jù)標準體系，明確各類數(shù)據(jù)的編碼規(guī)則與標準，如學號編碼定義為10位數(shù)字，由年份（2位） +學院代碼（2位） +專業(yè)代碼（2位） +性別（1位） +流程號（3位） 組成，數(shù)據(jù)標準應(yīng)定期迭代更新，確保其指導作用。

2.1.2 建立大數(shù)據(jù)平臺，采集學生行為數(shù)據(jù)

采用湖倉一體數(shù)據(jù)架構(gòu)實現(xiàn)數(shù)據(jù)存儲，結(jié)合數(shù)據(jù)湖（Data Lake） 和數(shù)據(jù)倉庫（Data Warehouse） 的特點，構(gòu)建統(tǒng)一平臺來存儲、管理和分析結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。該架構(gòu)包含基礎(chǔ)數(shù)據(jù)、主題數(shù)據(jù)、索引數(shù)據(jù)和元數(shù)據(jù)等數(shù)據(jù)角色。基礎(chǔ)數(shù)據(jù)管理所有結(jié)構(gòu)化和非結(jié)構(gòu)化原始數(shù)據(jù)，通常是未經(jīng)處理的或保留初始格式和細節(jié)的日志文件、JSON、CSV、圖片、視頻等格式的數(shù)據(jù)。主題數(shù)據(jù)庫圍繞組織、人員、教學、科研、財務(wù)、資產(chǎn)、服務(wù)、位置、公共等9個主題域?qū)?shù)據(jù)進行高度抽象，以支持特定的分析任務(wù)或業(yè)務(wù)流程。索引數(shù)據(jù)是為提高查詢性能而創(chuàng)建的數(shù)據(jù)結(jié)構(gòu)，可以幫助快速定位和檢索數(shù)據(jù)。元數(shù)據(jù)是關(guān)于數(shù)據(jù)的數(shù)據(jù)，描述了數(shù)據(jù)的屬性和特征，如數(shù)據(jù)的來源、格式、內(nèi)容、創(chuàng)建時間、修改時間、所有者、訪問權(quán)限等。湖倉一體架構(gòu)通過融合數(shù)據(jù)湖和數(shù)據(jù)倉庫的優(yōu)勢，提供了一個靈活且高效的數(shù)據(jù)管理和分析平臺，使高校能夠在一個統(tǒng)一的平臺上處理各種類型的數(shù)據(jù)，支持復(fù)雜的數(shù)據(jù)分析和AI機器學習工作負載。

2.2 構(gòu)建綜合評價指標體系

2.2.1 數(shù)據(jù)治理， 構(gòu)建學生評價指標體系

數(shù)據(jù)治理是將數(shù)據(jù)從無序狀態(tài)轉(zhuǎn)化為有序聚合的過程。通過編制學校學生行為元數(shù)據(jù)標準，構(gòu)建學生行為元數(shù)據(jù)庫，并搭建元數(shù)據(jù)管理平臺，實現(xiàn)元數(shù)據(jù)的版本管理。同時，依據(jù)國家標準和教育部標準，建設(shè)參考數(shù)據(jù)主題庫，以解決學生數(shù)據(jù)的一致性和共享問題。

進一步地，應(yīng)用數(shù)據(jù)挖掘方法，發(fā)掘數(shù)據(jù)中隱含的模式和關(guān)系，從經(jīng)濟、學業(yè)、心理、生理、行為等維度全面分析學生表現(xiàn)，從而建立一個更加全面和客觀的評價體系。在經(jīng)濟方面，評估學生教育投資的回報率，即學生在教育上的投入（如考證、培訓、進修等費用） 與其未來收益（如就業(yè)機會、薪資水平、職業(yè)發(fā)展等） 之間的關(guān)系。在學業(yè)方面，分析學生的知識掌握情況、學習技能、課程成績、學習態(tài)度、自主學習能力、學術(shù)誠信、批判性思維、應(yīng)用能力等。在心理方面，分析學生的動機與興趣、情緒調(diào)節(jié)能力、自我概念、社交能力、適應(yīng)能力、注意力與專注力、創(chuàng)造力與想象力等。在生理方面，分析學生的健康狀況、生理發(fā)育、睡眠質(zhì)量、飲食習慣、視力與聽力、精細動作能力、生理適應(yīng)性等。在行為方面，分析學生的課堂行為、學習行為、社交行為、自我管理能力、行為習慣、遵守規(guī)則與紀律的情況、道德行為等。

此外，通過關(guān)聯(lián)分析可以識別學生行為和表現(xiàn)之間的關(guān)聯(lián)規(guī)則，設(shè)置合適的支持度和置信度閾值，過濾出最有意義的關(guān)聯(lián)規(guī)則，這些規(guī)則可以作為構(gòu)建評價指標的基礎(chǔ)。進一步地，聚類分析將根據(jù)學生特征和表現(xiàn)將其分成不同的群體，這種無監(jiān)督學習方法可以揭示學生群體之間的自然分布和差異，幫助學校管理者理解哪些特征會將學生歸為某一類別。將關(guān)聯(lián)分析和聚類分析的結(jié)果結(jié)合起來，從經(jīng)濟、學業(yè)、心理、生理和行為等多個維度構(gòu)建學生綜合素質(zhì)的評價指標，這個體系能夠綜合考慮學生的經(jīng)濟狀況、學業(yè)成績、心理狀態(tài)、生理健康和行為習慣，從而構(gòu)建科學的評價體系。這不僅有助于學校更好地理解學生的需求，而且也能夠為學生提供個性化的支持和干預(yù)措施。

2.2.2 數(shù)據(jù)開發(fā)，構(gòu)建學生評價算法模型

根據(jù)數(shù)據(jù)指標體系，以大數(shù)據(jù)平臺的主題數(shù)據(jù)為數(shù)據(jù)特征，通過使用決策樹、隨機森林、神經(jīng)網(wǎng)絡(luò)等機器學習算法，對德育、智育、體育、美育、勞動教育等學生評價維度進行回歸分析，構(gòu)建學生評價算法模型。學生評價算法模型從指標說明和數(shù)據(jù)特征兩個方面進行描述，分別從五育維度對學生的誠信、責任感、同情心、公正等價值觀以及學生的認知能力、學習能力、知識掌握程度和思維技能等進行評估，從相應(yīng)的指標中獲取數(shù)據(jù)特征。

2.3 建設(shè)綜合評價系統(tǒng)

學生綜合評價系統(tǒng)從德育、智育、體育、美育和勞動教育五個維度評價學生的發(fā)展，指導學生成長、教學管理、擇崗就業(yè)，并實現(xiàn)自動推薦學生學習建議，從而促進學生個性化發(fā)展。系統(tǒng)功能主要包括單點登錄集成、學生綜合評價分析、學生成長分析等。單點登錄集成與學校網(wǎng)上辦事大廳統(tǒng)一認證集成，解決用戶多賬號登錄體驗差的問題；學生綜合評價分析以雷達圖展示，維度坐標為五育評價維度，學生用戶可以查看本人評價模型，管理員可以同時對比多個學生的評價模型，學生可以實時查詢自身的優(yōu)勢和不足，發(fā)揮學生成長指揮棒的作用。學生成長分析主要是結(jié)合評價指標體系，對學生不足之處的指標進行說明，在學生成長、教育教學、擇崗就業(yè)等方面推送建議。

3 結(jié)束語

本文基于高校數(shù)據(jù)，構(gòu)建了學生五維數(shù)據(jù)指標體系，并結(jié)合機器學習算法構(gòu)建了學生五育成長評價模型，最終設(shè)計開發(fā)了學生綜合評價系統(tǒng)，以支撐學生個性化學習和高校教育教學管理。未來，將進一步研究學生心理素質(zhì)、社會實踐能力、團隊合作與領(lǐng)導力、創(chuàng)新與創(chuàng)造力、國際視野與跨文化能力等指標和模型，完善學生評價體系。

參考文獻：

[1] CHICKERING D.Learning from data： Artificial intelligence and statistics. Learning Bayesian networks is NP-Complete[M].Springer-Verlag，1996：121-130.

[2] ENGLISH D，UMBACH P D.Graduate school choice：an examination of individual and institutional effects[J].The Review of Higher Education，2016，39（2）：173-211.

[3] DING X，LIU J.Advantages and Disadvantages of PowerPoint in Lectures to Science Students[J].Education and Management Engineering，2012（9）：61-65.

[4] EGLINGTON L G，PAVLIK P I.Predictiveness of prior failures is improved by incorporating trial duration[C].Educational Data Mining，2019.

[5] 舒忠梅，屈瓊斐.基于教育數(shù)據(jù)挖掘的大學生學習成果分析[J].東北大學學報（社會科版），2014（3）：309-314.

[6] 李忠路.家庭背景、學業(yè)表現(xiàn)與研究生教育機會獲得[J].社會，2016（3）：86－109．

[7] 梁耀明，何勤英.大學生學業(yè)表現(xiàn)性別差異研究[J].中國成人教育，2017（6）：55－59．

[8] 王小虎，潘昆峰，吳秋翔.高水平大學農(nóng)村和貧困地區(qū)專項計劃學生的學業(yè)表現(xiàn)研究：以 A 大學為例[J].國家教育行政學院學報，2017（5）：66-75.

[9] 賀超凱，吳蒙.edX平臺教育大數(shù)據(jù)的學習行為分析與預(yù)測[J].中國遠程教育，2016，（6）：54-59.

[10] 于方，劉延申.大數(shù)據(jù)畫像：實現(xiàn)高等教育“依數(shù)治理” 的有效路徑[J].江蘇高教，2019（3）：50-57.

【通聯(lián)編輯：代影】