基于大數據學生畫像平臺的高校學生學業預警與幫扶研究
——以許昌學院為例

熊德蘭

(許昌學院 黨委統戰部,河南 許昌 461000)

學業預警與幫扶是加強高校學生管理,提高學生自我管理能力,營造良好學風的重要舉措.當前,國內外關于學業預警的研究主要集中在學業預警的作用、工作機制、體系構建及指標評價等方面[1,2],盡管取得了一定的成效,但在實踐中通常存在預警延遲、幫扶缺失等問題.在智慧校園環境下,數據挖掘技術為學業預警和個性化幫扶提供了全新的解決方案,受到人們的普遍關注[3-5].本研究結合許昌學院學生管理和學業預警工作實際,提出基于學生畫像技術的學業預警與幫扶設計框架.通過校園大數據平臺進行學生行為分析和學業綜合評價,設置黃、橙、紅三級預警不同等級,定制有針對性的幫扶措施,實現了“提前預警、精準幫扶、全程跟進”的全方位學業預警和個性化幫扶服務.

1 基于大數據學生畫像技術的學業預警模型

1.1 學業預警和幫扶服務框架

基于大數據平臺的學業預警主要通過學生每學期教學任務、課程授課過程中教師教學行為和學生學習生活行為進行大數據分析,從而找出可能或已經發生的學習問題及完成學業困難的學生,最后給出警示性提示和相應幫扶措施.該研究是在基于大數據學生畫像的基礎上[6],構建學業預測模型分析學生學習行為數據,通過專業任務指標、課程學習指標和學生行為特征指標進行分析比對,建立預測模型,實現數字化評價、精準化預警和個性化幫扶,如圖1所示.

1.2 智能化學業預警模型

預警模型的選擇是學業預警和幫扶服務的關鍵環節.研究中,采用K-means聚類算法進行學習行為特征挖掘,從學分績點預測、課程掛科預警、行為異常三個方面開展預警.K-means是由Macqueen提出的一種迭代求解算法[7],K指的是聚類簇數,Means是為每個聚類族數中的數據均值.

實驗中,通過大數據平臺數據分析建立的學生特征集X={x1,x2,…xn},設置簇數為K(K≥3).從數據集中隨機抽取一個樣本,分別作為三個聚類中心C1;計算聚類中心C1與數據集X中的所有樣本之間的歐式距離,選取最大的樣本作為第二個聚類中心C2;計算聚類中心與數據集X中的樣本之間的歐式距離為dij(i=1,2,…,n;j=1,2),從中選取距離最小值,確定樣本di作為第三個聚類中心C3.

di=maxi(min(di1,di2,…,dij)).

以此類推,按照公式中選取樣本到已有聚類中心的距離,確定下一個聚類中心,最終得到K個聚類中心集合C={c1,c2,…ck}.

通過每個學生學習行為特征向量與各簇類中心向量之間的相關性分析,就可以找到異常學生進行預警,如計算在線學習行為與課程任務之間相關性分析發現可能有掛科傾向的學生,計算學業成績與專業目標之間相關性分析可以預測學生是否能正常畢業,追溯學生生活學習軌跡可以找到學習行為異常的學生,根據其嚴重程度分別給出黃色、橙色、紅色預警.

2 大數據平臺學業預警與幫扶實現

2.1 學業預警與幫扶服務平臺設計

學業預警和幫扶服務平臺包括數據層、技術層、建模層和應用層,如圖2所示.數據層側重于收集本校在日常管理和教學中產生的各類數據,將各種結構化和非結構化數據進行整合,為大數據的分析提供支撐.技術層側重于基礎數據處理,異構數據適配、轉換、存儲等,運用大數據畫像技術進行各類標簽的抽取.建模層主要運用數據挖掘算法進行學業預警分析,應用層則依據學業分析和預警信息進行展示,向教師、學生等提供預警信息和處理措施.

圖2 基于大數據學生畫像平臺的學業預警與幫扶平臺設計

2.2 學業特征數據采集

結合許昌學院學業預警管理實際,主要選取課程學習指標特征、學生學習行為指標特征和專業任務指標特征三類數據進行采集.其中課程學習指標特征主要是在線課程每門課程授課任務和在線教學平臺使用和作用完成情況信息,主要特征集合X={x1,x2,x3,…,xn},指標特征集如表1所示.學生學習行為特征主要是指學生常態化學習情況及學業評價結果,行為特征指標集Y= {y1,y2,y3, …,yn},特征具體如表2所示.專業任務指標是指專業人才方案規定的學分績點要求以及德、智、體、美、勞等各方面要完成的指標性要求.

表1 課程學習指標特征集

2.3 學業預警可視化展示

在校園大數據綜合服務平臺,對所發現的學習困難或學習行為異常的學生進行學業預警可視化展示,并根據預警列表進行分類匯總展示,如圖3所示.學生管理人員可以及時查看各學院預警學生相關信息,對預警信息和幫扶建議進行審核確認后,可以向學生下達預警通知.學生登錄系統后可以自動彈出黃(橙、紅)牌警告信息,并查看個人學習、生活詳細數據分析和幫扶建議,從而實現了“提前預警、精準幫扶、及時跟進”的目標.

圖3 學業預警平臺可視化效果展示

2.4 個性化學業幫扶措施

根據學業預警問題的差異,系統推送的個性化幫扶措施主要有三類.一是系統導學,即通過追蹤一個時間段內學生學習和生活軌跡,發現課程學習問題和理薄弱環節,形成個性化學習推薦路徑,如某課程學習資料鏈接、網絡其他同類課程資源等.二是優生助學,即向預警學生推薦同班、同校內其他優秀學生信息或相關鏈接,鼓勵學生之間舉辦線上線下的互助交流活動,激發學生互助互學熱情.三是教師督學,即任課教師或輔導員查看預警學生詳細情況,開展線上線下學習指導、談心談話等,督促他們及時調整學習安排,包括學業規劃指導、知識講座、課程重修等.

3 結語

本文以校園大數據平臺為基礎,提出利用學生畫像技術實現學業預警與幫扶服務,提高了學業預警的準確度和幫扶的及時性,為高校學生管理人員和學生提供便捷高效的服務,為智慧校園環境下個性化學習服務提供了很好的基礎.下一步,將圍繞結合個性化學習路徑推薦和學業幫扶成效進行深入研究.