基于学生校园数据的学业预警与社交分析系统的设计与实现数据挖掘技术与人工智能算法的发展日新月异,为我们从海量的数据中挖掘有价值的信息并且加以利用奠定了坚实的理论和应用基础,与此同时,对于探索隐藏于数据背后的信息的需求也与日俱增。

无线网络和智能手机的蓬勃发展,以及校园数字管理系统的普及,使得我们可以获取并分析学生丰富多彩的校园生活中产生的轨迹和行为数据,挖掘有价值的信息从而为更科学有效地管理学生提供数据驱动的指导方针。

教育大数据(Educational Data Mining)近些年来已经成为了许多高校研究的热点内容。

本论文基于校园多源异构数据,结合Wi-Fi定位技术、轨迹数据挖掘技术、社交网络分析技术、机器学习以及深度学习技术,构建学生个人行为画像以及社交行为画像,设计深度学习网络结合多方面因素对学生的学习成绩进行预测,设计并实现学业预警与社交分析系统。

首先对包含Wi-Fi探针定位、校园网使用数据、校园卡使用数据等的多源异构数据进行预处理并基于时空信息进行融合从而构建学生的校园轨迹,接着设计算法和规则构建学生的个人用户画像,对画像与学生学业成绩的相关性进行展示和分析并基于用户画像对学生成绩进行预测。

然后基于学生校园轨迹设计学生向量嵌入算法,生成学生的表征向量,从而对学生的社交行为画像进行构建,并设计深度学习网络结合学生画像和轨迹行为模式对学习成绩进行预测。

实验中使用精准率、召回率、准确率以及AUC等相关指标对预测结果进行衡量。

最后基于以上成果,设计并实现学业预警与社交分析系统,提供学生画像的展现、社交关系的展现以及异常学
生的预警等功能。