CN105405082A - 大数据学生性格分析方法 - Google Patents

Abstract

本发明公开了一种大数据学生性格分析方法，用于分析学生的性格特点和兴趣爱好，判断是否存在不良的生活习惯并提醒学生，包括基于学生性格分析系统分析学生的性格特点、兴趣爱好和生活习惯；学生性格分析系统包括与学生身份唯一对应的RFID卡，RFID卡阅读器以及的服务器；包括以下步骤，RFID卡阅读器记录学生在RFID卡阅读器的刷卡信息，服务器采集一段时间内学生的刷卡信息；服务器通过预置的经验模型和神经网络模型对学生的刷卡记录与正常值范围相比较，确定学生的性格特点、兴趣爱好和生活习惯，并针对每个学生的具体情况进行提醒并进行指导。

Description

大数据学生性格分析方法

技术领域

本发明涉及大数据学生性格分析方法，用于分析学生的性格特点和兴趣爱好，判断是否存在不良的生活习惯并提醒学生。

背景技术

国家中长期教育改革和发展纲要确立了“到2020年基本实现教育现代化”。大学教育更是一个国家重要的标志，对国家影响较大。

大学的管理制度并不像中学那样有固定的作息时间，学生的活动时间比较自由。学生的逃课、不学习、性格缺陷、作息时间不合理和诚信问题无法被老师及时发现。大学生的挂课、留级、退学和意外猝死等情况时有发生。因此本专利对大学生的行为进行分析，分析学生的行为规律，推断学生的性格，为大学生的危险行为进行报警、帮助分析学生的性格和提供改进措施。

发明内容

本发明要解决的技术问题是提供一种学生性格分析系统及方法，能够分析学生的性格特点、兴趣爱好以及生活习惯，并向学生和相关老师进行提醒，发送意见报告。

为解决上述技术问题，本发明所采取的技术方案是：

大数据学生性格分析方法，基于学生性格分析系统分析学生的性格特点、兴趣爱好和生活习惯；学生性格分析系统包括与学生身份唯一对应的RFID卡，分别设置在学校宿舍、图书馆、体育馆、澡堂、校内超市和食堂的RFID卡阅读器，以及通过拓扑网连接RFID卡阅读器的服务器；

包括以下步骤，RFID卡阅读器记录学生在RFID卡阅读器的刷卡信息，服务器采集一段时间内学生的刷卡信息；服务器通过预置的经验模型和神经网络模型对学生的刷卡记录与正常值范围相比较，确定学生的性格特点、兴趣爱好和生活习惯，并针对每个学生的具体情况进行提醒并进行指导。

本发明的进一步改进在于：RFID卡阅读器的刷卡信息包括学生通过RFID卡在食堂或超市进行消费记录、在体育馆或宿舍验证门禁记录、在澡堂的刷卡记录和在图书馆借阅记录全不全。

本发明的进一步改进在于：服务器包括管理管理RFID卡和RFID阅读器正常运行的一卡通数据库服务器、管理学生成绩信息的教务处系统服务器、管理设备正常运行的系统管理服务器、分析学生性格特点和生活习惯的学生行为分析服务器。

本发明的具体操作方式在于：学生饮食以及消费习惯分析方法包括以下步骤，

A、学生行为分析服务器采集学生在食堂和校内超市的RFID卡阅读器一段时间内的刷卡次数、时间和金额；

B、将该采集的学生刷卡次数、时间和金额与服务器内的经验模型设置的正常值进行比较；判断学生是否有不良的饮食习惯；

C、对有不良饮食习惯的学生发出提醒并进行指导。

本发明的具体操作方式在于：学生卫生习惯分析方法包括以下步骤，

A、学生行为分析服务器统计学生在澡堂的RFID卡阅读器一段时间刷卡次数、时间；

B、将该学生的刷卡次数、时间与服务器内的经验模型进行比较；判断学生是否有不良的卫生习惯；

C、对有不良卫生习惯的学生发出提醒并进行指导。

本发明的具体操作方式在于：学生上网习惯分析方法包括以下步骤，

A、学生行为分析服务器统计学生使用上网账号的时间和内容；

B、将学生的上网账号使用时间和内容与服务器内的经验模型设置的正常值进行比较；判断学生是否上网过多影响学习；

C、对上网过多影响学习的学生发出提醒并进行指导。

本发明的具体操作方式在于：学生体育爱好分析方法包括以下步骤，

A、学生行为分析服务器统计学生在体育馆门禁的RFID卡阅读器一段时间刷卡地点和时间；

B、将学生在体育馆刷卡的地点和时间与服务器内的经验模型设置的正常值进行比较；判断学生的体育爱好；

C、记录学生的体育爱好，在该学生的就业指导中作为参考。

本发明的具体操作方式在于：学生阅读爱好分析方法包括以下步骤，

A、学生行为分析服务器统计学生在图书馆的RFID卡阅读器一段时间刷卡次数和借阅内容；

B、将学生在图书馆的刷卡次数和借阅内容与服务器内的经验模型设置的正常值进行比较；判断学生的阅读兴趣；

C、记录学生的阅读兴趣，在该学生的就业指导中作为参考。

由于采用上述技术方案，本发明所产生的有益效果在于：

本发明的学生性格分析系统及方法，能够分析学生的性格特点、兴趣爱好以及生活习惯，并向学生和相关老师进行提醒，发送意见报告。

本发明的学生行为分析服务器能够根据拓扑网的分支网络的刷卡记录判断学生的性格特点、兴趣爱好和生活习惯，如果学生有不良的生活习惯则向学生发起提醒，严重的或是多次提醒无效的则向相关老师发生报告。

本发明的图书馆RFID卡阅读器记录学生的借阅情况，分析服务器能够根据借阅情况判断学生的阅读兴趣，作为学生生活指导和就业指导的参考。本发明的体育馆RFID卡阅读器记录学生的进出体育馆的情况，分析服务器判断学生的体育运动爱好，作为学生生活指导和就业指导的参考。

本发明的食堂和校内超市RFID卡阅读器能够记录学生的消费时间、次数及金额，分析服务器能够判断学生饮食习惯是否正常，并能够调取校医室的学生病历判断学生的不正常生活习惯的危害，根据消费金额能够判断学生是否有谎报贫困补助的现象。本发明的澡堂RFID卡阅读器网络能够记录学生的洗澡情况，判断学生的卫生习惯。

附图说明

图1是本发明大数据学生性格分析系统结构示意图；

图2是本发明学生饮食以及消费习惯分析方法流程图；

图3是本发明学生卫生习惯分析方法流程图；

图4是本发明学生上网习惯分析方法流程图；

图5是本发明学生体育爱好分析方法流程图；

图6是本发明学生阅读爱好分析方法流程图；

在附图中：1、主干网，2-1、学生行为分析服务器，2-2、一卡通数据库服务器，2-3、系统管理服务器，2-4、教务处系统服务器，3、RFID卡阅读器，4、工控机，5、网桥。

具体实施方式

下面结合附图对本发明做进一步详细说明：

大数据学生性格分析方法，基于学生性格分析系统根据学生刷卡信息的大量数据，分析学生的性格特点、兴趣爱好和生活习惯；学生性格分析系统包括与学生身份唯一对应的RFID卡，分别设置在学校宿舍、图书馆、体育馆、澡堂、校内超市和食堂的RFID卡阅读器3，以及通过拓扑网连接RFID卡阅读器3的服务器。

拓扑网包括主干网1和分支网络，主干网1连接服务器，分支网络连接主干网1和RFID卡阅读器3，分支网根据RFID卡阅读器3安装的地点分为图书馆管理网络、体育馆管理网络、食堂和校内超市管理网络、宿舍管理网络、医疗管理网络和澡堂管理网络。

分支网络包括工控机4和网桥5。工控机4连接主干网1，每个工控机4连接若干网桥5，每个网桥5连接若干RFID卡阅读器3。

RFID系统由RFID卡、RFID卡阅读器3、数据传输和处理系统三部分组成。数据传输就是通过主干网1实现，处理系统是一卡通数据库服务器2-2实现。其中RFID卡内有学生的学号等信息，RFID卡阅读器3包括有宿舍门禁读卡器、食堂读卡器、体育馆读卡器、音乐室读卡器、洗澡读卡器、图书馆读卡器。数据传输系统负责系统数据的发送和接受。处理系统负责存储数据或者相关的数据分析功能。程序接口（API）来负责RFID数据的读写和接收，并为应用程序服务。RFID的通讯协议为EPCGlobal。一卡通系统一定要采用多层构架的体系，对核型数据库的访问要通过中间应用服务器。

学生性格分析方法包括以下步骤，拓扑网的工控机4记录学生在RFID卡阅读器3的刷卡信息，服务器根据全部学生的刷卡信息记录的刷卡次数、时间、金额确定正常值范围，服务器根据学生的刷卡记录分析该学生的性格特点、兴趣爱好和生活习惯，服务器刷卡信息超出正常值范围的学生进行提醒并进行指导。

大数据学生性格分析方法是基于大数据学生性格分析系统进行分析判断的，学生行为分析服务器2-1内设置判断方法模型，判断方法模型方法是通过大量数据建立的经验模型和神经网络模型来完成。经验模型根据我们平常在校的活动判断这个学生是不是对学习比较感兴趣或者比较擅长专业课程还是基础课程。学生的考试成绩由六部分组成，基础课平时成绩、基础课考试成绩、基础课实验成绩、专业课平时成绩、专业课考试成绩、专业课试验成绩。如果一个人的平时成绩总是很高，那说明这个学生老师比较喜欢，并且出勤率很高，可能是遵守纪律的学生。如果一个学生的卷面成绩总是很高，那可能说明这个学生的学习能力很强，如果一个学生的试验成绩总是很高，那说明这个学生的动手能力较强。如果一个学生的基础课成绩较好，但专业课不好，那说明这个人适合于基础研究工作，如果一个学生的专业课成绩较好，而基础课不行，那这个学生适合于专业技术研究，这样可以发现一些有特长的学生。

对于新生还通过智能网络预报模型预测学生的学习行为，可以拿出一年级中一些学生的表现作为学习样本，建立学生平时表现和学生行为与性格的智能预报模型，然后采用智能预报模型对新生的日常行为进行预测，预测学生未来1到2年的学习行为习惯，从而为探索和分析学生的学习行为习惯做出预测。

具体操作步骤如下，

A、学生行为分析服务器2-1统计各分支网络的活动信息；设定经验模型的正常值范围；活动信息是学生在各个地点的刷卡信息或上网账号等登录信息，根据学生的平均值为基础设定上限和下限，上限和下限之间的值为正常值。

B、根据学生活动信息判断学生的兴趣爱好或生活习惯，将活动信息和正常值范围进行比较，在正常值之内判断为正常生活习惯，活动信息高于正常值或低于正常值判断为不良的生活习惯；如果不良的生活习惯有可能会带来其他的不良危害，调取服务器管理系统中相关信息如校医室病例记录、学习成绩记录等，判断是否有其他不良危害。

C、记录学生的兴趣爱好，在该学生的就业指导中作为参考；向有不良生活习惯的学生发出提醒，如果多次提醒没有改正或该学生的不良生活习惯过于严重则向相关的老师发送报告。

基于上述方法判断学生饮食以及消费习惯的实施例，包括以下步骤，

A、学生行为分析服务器2-1统计学生在食堂和校内超市管理网络的RFID卡阅读器3的读卡记录，统计某个学生一段时间内一般为一个月内每天刷卡吃饭的次数、刷卡时间和消费金额；设定经验模型的饮食习惯正常值范围和消费金额正常值范围。

B、食堂和校内超市管理网络的刷卡统计可以判断出学生的饮食习惯，也能从金额中判断是否有谎报贫困补助的现象。饮食习惯的判断方式是根据该学生的刷卡次数、时间进行分析，如果学生的每天吃饭次数过少或过多，或者吃饭时间过早或过晚都会记录一次不良饮食记录，如果不良生饮食记录的数量超过设定的饮食习惯正常值范围则确定该学生有不良饮食习惯。是否谎报贫困补助的判断是根据学生的消费金额进行分析，如果学生的消费金额大于设定的消费金额正常值范围，则分析服务器调取教务处系统服务器2-4中该学生相关信息，检测是否申请贫困补助。

C、对不良饮食习惯的学生发出提醒，如果多次提醒没有改正或该学生的不良饮食习惯过于严重则向相关的老师发送报告；如果学生的消费金额高于正常值范围并且申请了贫困补助，则向相关老师发送报告。

判断学生卫生习惯的实施例，包括以下步骤，

A、学生行为分析服务器2-1统计学生在澡堂管理网络的RFID卡阅读器3一段时间刷卡次数、时间；设定卫生正常值范围，卫生正常值范围是以学生刷卡次数平均值为基础，设定上限和下限，在上限和下限之间的值为正常值范围。

B、澡堂管理网络刷卡统计可以判断出学生的卫生习惯和性格，卫生习惯判断方式是根据该学生的刷卡次数进行分析，如果学生的洗澡次数小于设定的卫生正常值范围，则判断该学生有不良卫生习惯。学生性格判断方式是根据该学生的刷卡时间进行分析，如果学生每次洗澡的时间长度过大，则标记为慢性格，如果学生每次洗澡的时间长度过小则标记为急性格。

C、对不良卫生习惯的学生发出提醒，如果多次提醒没有改正或该学生的不良饮食习惯过于严重则向相关的老师发送报告；对于标记的慢性格或急性格进行记录，在该学生的就业指导中作为参考。

判断学生上网习惯的实施例，包括以下步骤，

A、学生行为分析服务器2-1统计学生使用上网账号的时间和内容。设定上网总时间正常值范围和上网过晚次数正常值范围；学生一个月内的上网总时间的平均值为基础设定上限和下限，在上限和下限之间的值为正常值范围。一次上网时间超过12点设定为上网过晚，在一个月内正常上网过晚的次数，如一般的学生一个月1至5次，设定1至5为上网过晚次数正常值范围。

B、根据学生使用上网账号的时间进行分析，如果上网时间超过上网总时间正常值范围，则查看学生上网内容是否是学习内容，如果学生的上网内容不是学习内容则调取教务处系统服务器2-4中该学生的学习成绩，如果学习成绩不好则判断为沉溺网络影响学习；如果上网时间过晚次数超过上网过晚次数正常值范围，则调取医务室健康信息，检测该学生是否有不适合熬夜的疾病；

C、对沉溺网络影响学习的学生发出提醒，如果多次提醒没有改正或该学生的沉溺网络过于严重则向相关的老师发送报告；对上网时间过晚次数超过正常值范围并且有不适合熬夜的疾病的学生发出健康提醒，如果多次提醒没有改正或该学生的熬夜上网过于严重则向相关的老师发送报告。

判断学生体育爱好的实施例，包括以下步骤，

A、学生行为分析服务器2-1统计学生在体育馆管理网络的RFID卡阅读器3一段时间刷卡地点和时间；设定刷卡次数正常值范围；

B、根据学生刷卡地点判断学生的喜欢的体育类型，如果刷卡时间大于正常值范围，则标记相应的体育类型为该学生体育爱好；

C、记录学生的体育爱好，在该学生的就业指导中作为参考。

判断学生阅读爱好的实施例，包括以下步骤，

A、学生行为分析服务器2-1统计学生在图书馆管理网络的RFID卡阅读器3一段时间刷卡次数；设定刷卡次数正常值范围；

B、根据学生刷卡次数判断学生是否喜欢阅读，如果刷卡次数大于正常值范围，则调取图书馆相应信息查看学生的阅读信息，根据学生阅读的书籍的类型判断学生的阅读爱好；

C、记录学生的阅读爱好，在该学生的就业指导中作为参考。

分析学生在体育类场所时间、音乐类场所时间、学习类场所时间、社团类场所时间、图书馆书记借阅情况分析一个学生的性格。如果学生总去图书馆看文学书，那么这个人可能更多的是一个文艺青年，文艺爱好较强，将来适合去做文艺类工作。如果一个学生总是去体育馆，那说明这个学生比较爱动，不适合于安静的工作。如果一个学生总是在学习场所，其他几乎不参加，那说明这个学生的社交能力有待提高，如果学生的总是社团活动那说明这个人的人缘和交际能力比较好。

本发明的大数据学生性格分析系统及方法，能够分析学生的性格特点、兴趣爱好以及生活习惯，并向学生和相关老师进行提醒，发送意见报告。

Claims (8)

1.大数据学生性格分析方法，其特征在于：基于学生性格分析系统分析学生的性格特点、兴趣爱好和生活习惯；学生性格分析系统包括与学生身份唯一对应的RFID卡，分别设置在学校宿舍、图书馆、体育馆、澡堂、校内超市和食堂的RFID卡阅读器（3），以及通过拓扑网连接RFID卡阅读器（3）的服务器；

包括以下步骤，RFID卡阅读器（3）记录学生在RFID卡阅读器（3）的刷卡信息，服务器采集一段时间内学生的刷卡信息；服务器通过预置的经验模型和神经网络模型对学生的刷卡记录与正常值相比较，确定学生的性格特点、兴趣爱好和生活习惯，并针对每个学生的具体情况进行提醒并进行指导。

2.根据权利要求１所述的大数据学生性格分析方法，其特征在于：RFID卡阅读器（3）的刷卡信息包括学生通过RFID卡在食堂或超市进行消费记录、在体育馆或宿舍验证门禁记录、在澡堂的刷卡记录和在图书馆借阅记录。

3.根据权利要求1或2所述的大数据学生性格分析方法，其特征在于：服务器包括管理管理RFID卡和RFID阅读器（3）正常运行的一卡通数据库服务器（2-2）、管理学生成绩信息的教务处系统服务器（2-4）、管理设备正常运行的系统管理服务器（2-3）、分析学生性格特点和生活习惯的学生行为分析服务器（2-1）。

4.根据权利要求3所述的大数据学生性格分析方法，其特征在于：学生饮食以及消费习惯分析方法包括以下步骤，

A、学生行为分析服务器（2-1）采集学生在食堂和校内超市的RFID卡阅读器（3）一段时间内的刷卡次数、时间和金额；

B、将该采集的学生刷卡次数、时间和金额与服务器内的经验模型进行比较；判断学生是否有不良的饮食习惯；

C、对有不良饮食习惯的学生发出提醒并进行指导。

5.根据权利要求3所述的大数据学生性格分析方法，其特征在于：学生卫生习惯分析方法包括以下步骤，

A、学生行为分析服务器（2-1）统计学生在澡堂的RFID卡阅读器（3）一段时间刷卡次数、时间；

B、将该学生的刷卡次数、时间与服务器内的经验模型设置的正常值进行比较；判断学生是否有不良的卫生习惯；

C、对有不良卫生习惯的学生发出提醒并进行指导。

6.根据权利要求3所述的大数据学生性格分析方法，其特征在于：学生上网习惯分析方法包括以下步骤，

A、学生行为分析服务器（2-1）统计学生使用上网账号的时间和内容；

B、将学生的上网账号使用时间和内容与服务器内的经验模型设置的正常值进行比较；判断学生是否上网过多影响学习；

C、对上网过多影响学习的学生发出提醒并进行指导。

7.根据权利要求3所述的大数据学生性格分析方法，其特征在于：学生体育爱好分析方法包括以下步骤，

A、学生行为分析服务器（2-1）统计学生在体育馆门禁的RFID卡阅读器（3）一段时间刷卡地点和时间；

B、将学生在体育馆刷卡的地点和时间与服务器内的经验模型设置的正常值进行比较；判断学生的体育爱好；

C、记录学生的体育爱好，在该学生的就业指导中作为参考。

8.根据权利要求3所述的大数据学生性格分析方法，其特征在于：学生阅读爱好分析方法包括以下步骤，

A、学生行为分析服务器（2-1）统计学生在图书馆的RFID卡阅读器（3）一段时间刷卡次数和借阅内容；

B、将学生在图书馆的刷卡次数和借阅内容与服务器内的经验模型设置的正常值进行比较；判断学生的阅读兴趣；

C、记录学生的阅读兴趣，在该学生的就业指导中作为参考。