高等教育大數據背景下學生成績分析研究現狀

摘" 要" 教育大數據現已成為促進教育變革與創新的技術力量和思維方式，也成為當前教育技術領域研究的熱點問題。在高等教育大數據中，學生成績分析是核心問題，受到眾多研究者與研究機構的關注。從教育數據挖掘的角度對學生成績分析進行系統性綜述，將學生成績分析劃分為三個步驟，即教育大數據的獲取與預處理、學生成績分析方法和數據分析結果可視化及應用，詳細介紹學生成績分析的各類方法以及應用，依據學生成績分析研究進行總結，并對未來研究方向進行展望。

關鍵詞" 高等教育；教育大數據；教育數據挖掘；學生成績分析；集成學習；深度學習；支持向量機

中圖分類號：G642.47" " 文獻標識碼：B

文章編號：1671-489X（2024）14-0032-05

0" 引言

近年來隨著信息技術的高速發展，信息化、數據化深刻改變了人們的生活方式和社會結構。大數據是一個跨學科的領域，在教育領域，學生的各類數據信息都儲存在學校的教學數據庫中。如何從校園數據信息中挖掘出其蘊含的豐富信息并加以處理或解釋，運用于學生管理、教師教學等場合，成為當今教育發展亟須解決的問題。

對高等教育數據進行挖掘、分析的研究多是為了提高學生成績，進而提升人才培養質量。因此，在過去的幾十年，研究者使用各種數據挖掘、機器學習等方法分析探究學生成績相關的因素。本文對國內外近十年高等教育大數據相關的學生成績分析研究進行討論，從技術的視角對常用的方法進行分類總結，并對后續研究進行思考與展望。

1" 基于數據挖掘的學生成績分析

高等教育大數據中的學生成績分析旨在以提高學生成績或對高危學生進行學業預警為需求，選取合適的數據、算法、模型進行教育數據挖掘，得出結論，制定決策。從教育數據入手，如學生成績數據、課程數據、個人信息、生活數據等，使用相關的教育數據挖掘工具，分析學生成績相關因素，提出可執行的建議。如圖1所示，學生成績分析流程可大致劃分為教育大數據的獲取和預處理、學生成績數據挖掘方法和數據分析可視化及應用。

1.1" 數據的獲取和預處理

在進行學生成績分析前，應該對獲取的學生成績數據及相關教育大數據進行數據預處理。數據預處理是一項艱苦且復雜的任務，有時會占據解決數據挖掘問題總時間的一半以上。由于校園數據包含多個來源，且存在噪聲、缺失等，因此，有必要將數據集成轉換為便于存儲、輸入、輸出的形式。結構化的數據如學生信息、成績數據通常使用二維表的形式存儲，簡單的數據處理后即可調用。而復雜的非結構化數據，獲取與預處理方式則較為多樣化，如使用物聯網感知技術與智能語音識別技術獲取的數據、校園Wi-Fi日志數據、在線學習平臺數據等。

在數據預處理時，還應該重視的一點是保護學生隱私。教育大數據中存在大量的圖像、語音以及文本數據，其中包含的信息內容都構成學生的隱私，若發生泄露，會造成倫理問題，還可能產生法律風險。羅江華等[1]就人工智能賦能課堂可能造成的倫理困境提出四大化解策略：提升算法透明度、避免數據濫用、建立制約關系、建立倫理框架。李默妍[2]從技術角度提出基于聯邦學習的教育數據挖掘隱私保護方案，取消了數據傳輸與共享的步驟，從根本上解決隱私泄露問題。

1.2" 學生成績分析方法

教育數據挖掘的方法一般與數據挖掘領域的方法相同。因此，大多數的傳統數據挖掘技術，如分類、聚類、關聯規則挖掘等，已經成功地應用在學生成績分析中。通過對研究論文的閱讀與整理，將在學生成績分析中常用的數據挖掘方法劃分為以下幾類。

1.2.1" 聚類算法

聚類算法可以顯著地將數據量聚集在有意義的聚類之中，減少數據分析的時間復雜度。在教育數據挖掘中，使用最多的是K-means聚類算法。

Ivan?evi?等[3]測量了學生在教室或實驗室環境中的座位選擇，并評估其對學習成績的影響。研究采用K-means算法，對4 096份學生的位置選擇進行聚類分析，聚類后發現選擇前排座位的學生要比選擇后排座位的學生的學習評估成績高10%。申民哲[4]對學生成績、課程通過率、去圖書館次數、學生消費等數據構成的數據集進行K-means聚類分析，以形成學生特征標簽。

聚類算法可行性高且具有可解釋性。通過將一些變量（如完成學習任務的時間、學生在課堂上的行為、教室位置關系、學生學習動機等）與學生成績數據相關聯，可針對具有相同學習特征的學生群體制定對應的教育方法，開展個性化教育或是發現學習途徑。

1.2.2" 關聯規則挖掘

關聯規則挖掘算法是指對測試數據通過算法或模型查找存在于項目集合或對象集合之間的頻繁模式、關聯、相關性或因果結構。在教育數據挖掘中，常用的關聯規則挖掘算法有Apriori算法、FP-growth算法等。

陳穎[5]對某校電氣自動化專業83名學生的33門課程成績用關聯規則和Apriori算法計算支持度和置信度，找尋成績數據之間存在的潛在關聯，設計課程推薦系統。曾興[6]提出采用自底向上的遍歷方式改進FP-growth算法，根據學生歷史成績挖掘出不同課程之間的關聯性。

關聯規則挖掘算法簡單且可行性高，在高等教育大數據中的研究主要為課程之間的關聯分析，如通過學生成績分析不同課程之間的關聯性或是學習知識點之間存在的相關性，以此為教育管理者制定課程教育規劃或為學生推薦相關課程學習等。

1.2.3" 決策樹

分類與回歸技術都可以用于預測學生成績，分類用于預測樣本可能的類標簽，回歸可以發現連續變量間具有的某種線性或非線性關系。決策樹是一種用于分類與回歸的非參數監督學習方法，以樹結構的形式自上而下構建分類或回歸模型。

連家劍[7]對收集的就業結果進行分類劃分，以有代表性的課程作為能力屬性，通過C4.5算法構建決策樹得出課程成績與就業方向的關聯性，完成就業推薦模型的構建。毛天怡[8]對某校學生四年的學生入學信息數據、歷史成績單數據、課程信息數據等，在進行數據集成、數據預處理和特征工程后，構建基于學生畫像特征庫的CART回歸樹模型，以預測學生成績。

決策樹算法由于其準確度較高且具有可解釋性，在學生成績分析問題中受到眾多研究者關注，用以預測學生成績分組，對可能不及格的學生進行學業預警或更精確地預測學生成績，以提供更多的信息，如學生成績進步/退步幅度、班級或年級均分等，可供教師或教學管理者對接下來的教育方案作出調整。

1.2.4" 支持向量機

在機器學習中，支持向量機（Support Vector Machine，SVM）是一種有效的監督學習模型，可用于分類與回歸。該算法通過求解樣本中兩類之間的最大邊距超平面，將問題化為求解凸二次規劃的問題。由于支持向量機是只考慮二分類的算法，在學生成績分析問題中，支持向量機經常被用于對學生成績及格/不及格的劃分，即用于學業預警之中。

楊浩[9]使用學生的平均成績、成績標準差與生活規律指數結合SVM算法，在學生畫像系統中使用機器學習框架實現學生掛科預警功能。Sembiring等[10]根據學生興趣、學習時間、學習狀態等信息構建支持向量機學業預測模型，對于學業差的學生預測準確率達到93.7%。

然而對于學生成績的二分類，在大多數情況下及格人數遠大于不及格人數，這導致在預測學生是否不及格的成績問題下，支持向量機的準確度往往不是最優，且由于其優化存在局限性，大數據背景下該算法存在計算量大的問題。

1.2.5" 集成學習

集成學習是通過構建并結合多個機器學習器來完成學習任務，可以用于分類與回歸問題的集成。通過對訓練集數據訓練若干個個體弱學習器，最終結合形成一個強學習器。因此，集成學習器效果通常優于單獨的機器學習方法。隨機森林是建立在決策樹基礎上的一種集成學習器，由多個沒有關聯的決策樹組成，通過多個決策樹投票決定最后的結果。

Tarik等[11]根據72 010名學生的成績構建成績預測模型，在線性回歸、回歸型決策樹、回歸型隨機森林三種預測模型中，回歸型隨機森林給出了最好的預測結果。提升樹算法是建立在決策樹基礎上的另一種集成學習器，在預警模型中應用非常廣泛。崔佳杉[12]結合PSO算法建立基于XGBoost算法的學業成績預警模型，選擇UCI公開的包括29個學生的相關屬性數據作為訓練集與數據集，模型具有較高的效率和實驗準確率。

類似隨機森林以及提升樹算法的集成學習器在學生成績分析中準確率高，且具有很好的解釋性，受到眾多研究者關注。

1.2.6" 深度學習

深度學習是一種特殊的機器學習，是借鑒人腦由眾多神經元組成的特性而形成的一個框架，可以近似為多層的神經網絡模型。深度學習近年來已經在多個領域得到較為廣泛的應用，在教育大數據領域也已有一定數量的研究。

Zhang等[13]提出一種稀疏注意力卷積神經網絡模型預測中國高等教育本科生成績，該模型不僅有良好的精準度，而且對“為什么根據課程的關聯來預測學生是否及格”這一問題給出解釋。Hu等[14]

提出基于長短期記憶網絡（Long Short Term Memory，LSTM）的貝葉斯深度學習模型，該模型相比標準的深度學習模型能捕獲長期依賴關系，在學生成績預測過程中能捕獲學生的知識狀態，模擬學生的知識進化過程，得到更好的預測效果。

深度學習精準度高，但相比傳統數據挖掘方法對數據依賴性更強，在學生成績分析中應用需要大量的數據訓練。如何將深度學習技術更好地運用于當今高等教育領域是研究者工作的重點所在。

1.3" 學生成績分析可視化及應用

1.3.1" 學生成績分析可視化

在高等教育大數據背景下的學生成績分析中，數據可視化對于海量數據中發現規律、增強數據表現、提升數據價值具有重要作用。根據可視化技術的類型，本文整理總結在學生成績分析研究中的三種可視化方式，如表1所示。

1）多維數據可視化，指多個維度屬性的數據變量經過處理后以直觀的圖表形式映射。教育相關工作者通過多維數據可視化可以更方便地了解教育現狀，總結教育規律，制定相關政策。

2）文本數據可視化，指通過對文本資源的分析，利用計算機技術將其以圖形化方式呈現，適用于文本主題發現、熱點發現等，可從多角度提取多種數據特征對文本進行集合分析和展示。

3）網絡數據可視化，指將每個主題代表為一個網絡節點，網絡中節點與節點之間的連線代表主體之間的關聯性。在教育大數據背景下，網絡數據可視化能更方便研究者對于學生之間的交互關系、知識點之間的關聯等的理解。

1.3.2" 學生成績分析應用

學生成績分析應用涉及教育的多個方面，可以針對教育系統的任何相關利益者，如學生、教師、管理人員以及研究人員本身。根據現有研究，本文整理且總結在學生成績分析研究中的四個主要應用方向，如表2所示。

1）預測學生成績、學習成果。在這類應用中，目標是預估一個可以描述學生的值或變量，該值可以反映學生的表現、學習成果等特點。預測學生成績與學習成果最常用的方法就是回歸與分類，也會結合如聚類算法、特征選擇等方法。

2）決策支持系統。學生成績分析研究中的另一個主要應用方向是決策支持系統，這類應用可以通過對學生的行為數據、成績數據等進行分析，為教師、管理人員提供決策、制定規章等以輔助學生學習，增強學生學習效果。

3）預測不良行為。類似于預測學生成績，此類應用常用方法是回歸與分類模型。但在此類應用中，重點更多在于檢測學生可能的不良行為，如學業不及格、作弊、退學等，主要作為一個在線工具，用于及時創建警報通知學生或教學管理人員。

4）適應性系統。此類應用基于計算機學習中的智能系統，使系統適應用戶的行為，即個性化。隨著教育的發展，不同類別學生的需求不同，適應性系統能更好地滿足不同學生的需要。

2" 未來展望

本文介紹當今的高等教育大數據和教育數據挖掘背景，回顧在此背景下的關于學生成績分析的各類研究。目前，教育大數據研究正處于穩定發展的階段，已經形成一系列的研究成果，但在如下幾方面仍需進一步深入研究。

2.1" 教育大數據的獲取和預處理

目前在高等教育領域，對于教育大數據的采集，主要集中于學生的部分行為層面，如學習的課程、到課率、作業完成情況以及課程成績等。這些數據并不能夠全面地對學生進行分析，缺乏學習過程中產生的種種數據信息、教學過程中的行為信息或是學生的生理心理健康信息等。融合關鍵技術與數據分析方法，將更全面更完整的學生數據應用于高等教育大數據分析，是今后研究的重點所在。

2.2" 學生成績分析方法

對于學生成績分析中應用的各類教育數據挖掘方法，集成學習器是傳統機器學習中普遍最為準確的預測學生成績的方法，常見的集成學習器有隨機森林、提升樹算法等。而深度學習是目前最為熱門的方法，但由于對數據依賴性高等特點，深度學習所能應用的范圍還較為有限。深度學習最大的優勢在于能夠從大數據中自動學習特征表示，非常適合處理復雜與不確定性的教育大數據。結合更全面的學生數據，對學生進行特征建模，以更加精準地預測學習成績，而且能于早期進行學業預警。借助深度學習的方法，教育大數據的分析挖掘將更加自動化、智能化、深度化、精準化。

2.3" 學生成績分析應用

隨著教育的發展，教育方面的各類需求會越來越多，適應性系統即個性化教育體系是將來教育研究應用的重點所在。適應性系統是在傳統學習基礎上的一種輔助學習工具，能夠為不同類型的學生提供適合的高效的學習指導，針對學生的特點、學習風格偏好，給出更合適的學習路徑，預測學生學習狀態，改善學生學習體驗，指導學生更準確地制訂個人學習以及就業計劃。

3" 參考文獻

[1] 羅江華，王琳，劉璐.人工智能賦能課堂反饋的倫理困境及風險化解[J].現代遠程教育研究，2022，34（2）：

29-36.

[2] 李默妍.基于聯邦學習的教育數據挖掘隱私保護技術探索[J].電化教育研究，2020，41（11）：94-100.

[3] Ivan?evi? V， ?elikovi? M， Lukovi? I. The individual stability of student spatial deployment and its"implications[M]//IEEE. Proceedings of the Inter-national Symposium on Computers in Education.2012：1-4.

[4] 申民哲.基于數據挖掘的學生畫像與學業預警方法研究[D].鄭州：鄭州輕工業大學，2022.

[5] 陳穎.基于大數據的成績分析與課程推薦系統應用研究[D].長春：吉林建筑大學，2021.

[6] 曾興.基于關聯規則挖掘的學生成績分析研究[D].海口：海南大學，2018.

[7] 連家劍.大學生就業畫像系統的設計與實現[D].南寧：廣西大學，2020.

[8] 毛天怡.基于學生畫像和課程相似度的學生成績預測模型[D].杭州：浙江大學，2020.

[9] 楊浩.高校學生畫像系統的設計與實現[D].北京：北京郵電大學，2019.

[10] Sembiring S， Zarlis M， Hartama D， et al. Pre-diction of student academic performance by an application of data mining techniques[M]//Proceedings of the 2nd International Conference on Management Science and Artificial Intelli-gence.2011：110-114.

[11] Tarik A， Aissa H， Yousef F. Artificial intelli-gence and machine learning to predict student performance during the COVID-19[J].Procedia Computer Science，2021，184：835-840.

[12] 崔佳杉.基于教育數據挖掘的學生學業預警模型研究[D].烏魯木齊：新疆師范大學，2021.

[13] Zhang YP， An R， Cui JQ， et al. Undergraduate grade prediction in Chinese higher education using convolutional neural networks[M]//Pro-

ceedings of the 11th International Conference on Learning Analytics and Knowledge Confe-rence.2021：462-468.

[14] Hu Q， Rangwala H. Reliable deep grade predic-tion with uncertainty estimation[M]//Pro-ceedings of the 9th International Conference on

Learning Analytics amp; Knowledge.2019：76-85.

[15] 王剛濤.基于機器學習的學業預警研究[D].西安：西安石油大學，2021.

[16] Collins C， Carpendale S， Penn G. Docuburst： Visua-

lizing document content using language struc-ture[M]//Computer Graphics Forum. Oxford， UK： Blackwell Publishing Ltd，2009，28（3）：1039-1046.

[17] Leeds D D， Zhang T， Weiss G M. Mining course groupings using academic performance[M]//Pro-ceedings of the 14th International Conference on Educational Data Mining.2021：1-5.

[18] PARDOS Z A， KAO K. MoocRP： An open-source analytics platform[M]//Proceedings of the 2nd ACM Conference on Learning.Vancouver， New York：

ACM，2015：103-110

[19] 葉澤俊.基于數據挖掘的大學英語四級通過率預測建模研究[J].長春師范大學學報，2019，38（12）：55-62.

[20] Zimmermann J， Brodersen K H， Heinimann H R， et al. A model-based approach to predicting graduate-level performance using indicators of undergraduate-level performance[J].Journal of Educational Data Mining，2015，7（3）：151-176.

[21] Romero C， Zafra A， Luna J M， et al. Associa-tion rule mining using genetic programming to"provide feedback to instructors from multiple-choice quiz data[J].Expert Systems，2013，30（2）：162-172.

[22] 李娜.基于混合協同過濾的高校選課推薦方法研究[D].長沙：中南大學，2013.

[23] 馮俊，胥莉，閔蘭.基于Apriori算法的高校學生考試作弊動機分析與應對[J].西南師范大學學報（自然科學版），2017，42（2）：174-180.

[24] Krumm A E， Waddington R J， Teasley S D， et al."A learning management system-based early warn-ing system for academic advising in undergra-duate engineering[M]//Learning analytics.Sprin-ger，New York，2014：103-119.

[25] 陳錦輝.基于數據挖掘技術的高校學生用戶畫像系統設計與實現[D].廣州：華南理工大學，2019.

*項目來源：西北工業大學教育教學改革研究項目（2022JGWG05）。

作者簡介：王勁，西北工業大學教務部副部長，博士，助理研究員；龍江，博士，副教授，碩士生導師；郭陽明，博士，教授，博士生導師；鄭波，助理研究員，西北工業大學教務部學生注冊中心業務主管。