CN107038497A - 一种学生成绩预测系统及方法 - Google Patents
一种学生成绩预测系统及方法 Download PDFInfo
- Publication number
- CN107038497A CN107038497A CN201710210198.XA CN201710210198A CN107038497A CN 107038497 A CN107038497 A CN 107038497A CN 201710210198 A CN201710210198 A CN 201710210198A CN 107038497 A CN107038497 A CN 107038497A
- Authority
- CN
- China
- Prior art keywords
- graduate
- user
- student
- examination
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Abstract
本发明的技术方案包括一种学生成绩预测系统及方法,用于实现:根据用户指令从在读生数据库查找对应的用户成绩并生成指定格式文件,并将指定格式文件发送至客户端;获取用户指令及用户上传的指定格式文件,以及,获取毕业生数据库中的毕业生成绩数据,进而执行匹配相似样本的计算处理;使用客户端对计算得到的匹配结果进行获取并展示。本发明的有益效果为:使用更客观合理的预测分析思路,充分利用了大量的历史数据,完成更加真实精确的预测;预测分析的结果以直观易懂的方式进行展示,适合各种类型的人能够理解分析结果。
Description
技术领域
本发明涉及一种学生成绩预测系统及方法,属于计算机教育制领域。
背景技术
各中小学学生在读期间,希望在毕业升学考试之前,对自己的毕业考试成绩进行一定程度的预测,从而对自己的学习管理和志愿填报提供决策参考。
现有的预测分析手段主要基于学生自己在最近几次考试的成绩,填报之后进行平均计算,再与往年升学考试已确定的分数线、各毕业去向学校的录取标准进行对比,计算成功概率,是基于分数值的简单差值对比。
现有技术的主要缺点如下(1)~(2)所示:
(1)只以在读学生近期的几次考试分数作为输入,数据点稀少,存在孤立片面的风险,
没有充分考虑到学生在长期学习过程中的状态起伏对成绩的波动影响;
(2)只以近期分数进行简单的平均值计算,没有考虑到考试日期远近对学生当前实际能
力的参考价值的差异;
只以往年升学考试中的分数线为对比对象,这些分数线是基于区域统考的难度水平,而在读学生的近期分数是基于本校考试的难度水平,和升学的分数线缺乏一致的试卷难度基准,造成分析结果偏离实际情况。
已毕业学生数据:中小学往届已毕业学生在历次校内考试中的全体考试原始分数数据;
匹配分析算法:通过对比分析两个系列的数据,寻找最相似数据组合的算法;
升学预测:分析预测学生在毕业升学考试中获得各级别成绩的可能性。
发明内容
针对现有技术的不足,本发明的技术方案提供了一种学生成绩预测系统及方法,用于将往届毕业生所有历次正式考试的数据,转化为加权平均的名次百分比值,再对当前在读学生进行相同的数据统计,然后搜索相似的学生样本,基于这些样本分析在读学生的毕业升学预测。
本发明的技术方案包括一种学生成绩预测系统,该系统包括毕业生数据库、在读生数据库及客户端,其特征在于:文件生成模块,用于根据用户指令从在读生数据库查找对应的用户成绩并生成指定格式文件,并将指定格式文件发送至客户端;服务器处理模块,用于获取用户指令及用户上传的指定格式文件,以及,获取毕业生数据库中的毕业生成绩数据,进而执行匹配相似样本的计算处理;结果展示模块,用于使用客户端对所述服务器处理模块计算得到的匹配结果进行展示。
根据所述的学生成绩预测系统,所述的指定格式文件包括:学生唯一标识信息、历史多次考试数据及对应考试的名次值。
根据所述的学生成绩预测系统,所述服务器处理模块用于执行以下步骤:S31,获取用户对应的历史考试数据及毕业生的考试数据;S32,设置历史多次考试的名次值参与平均计算的权重比例,其中包括计算历史名次的时间与当前时间差,时间差越大所设置权重比例越低,以及,设置匹配相似样本分析中的可接受差异阈值范围;S33,将用户的历史考试的名次值进行加权平均计算,将历届学生的同等次数的考试进行加权平均计算,并将符合相似度阈值范围的数据进行搜索匹配,得到符合在读学生的相似毕业生数据样本。
根据所述的学生成绩预测系统,所述步骤S33还包括:S41,将用户过往历史的多次考试的名次值进行加权平均计算,对于任意学生S1,其所取得考试名次数为n,则其考试名次为{Ra1,Ra2,...,Ran},则用户加权平均值m为其中d%为设置的权重衰减值;S42,对所有毕业生计算其第n次考试时的加权平均值m;S43,对毕业生数据进行搜索,设定匹配差异阈值为c%,搜索出毕业学生中m值和在读学生S1的m值相差不超过c%的学生样本。
根据所述的学生成绩预测系统,所述的结果展示模用与执行以下步骤:S51,对匹配计算中的过程性数据进行展示;S52,对相似样本的毕业生在其毕业考试时的排名值分布区域进行展示;S53,将相似样本的毕业生的升学去向信息进行展示。
根据权利要求1所述的学生成绩预测系统,其特征在于,所述的结果展示模还包括:
根据所述服务器处理模块的计算结果及用户的请求指令进行显示,包括但不限于使用图形表格进行显示。
7.根据所述权利1-7任意系统的一种学生成绩预测方法,其特征在于,该方法包括:
根据用户指令从在读生数据库查找对应的用户成绩并生成指定格式文件,并将指定格式文件发送至客户端;
获取用户指令及用户上传的指定格式文件,以及,获取毕业生数据库中的毕业生成绩数据,进而执行匹配相似样本的计算处理;
使用客户端对计算得到的匹配结果进行获取并展示。
本发明的有益效果为:
(1)把在读学生和已毕业学生的所有正式考试数据都纳入分析,数据样本数量和密度大幅提升,提升了预测精度;
(2)每个学生历次考试的名次值,以时间的远近为依据进行权重修正后计算均值,充分考虑了学生近期成绩更具有显著意义的事实因素;
(3)向用户提供了直观易懂的图表数据组织方式,让用户能够轻易感知该学生的升学成果预期值。
附图说明
图1所示为根据本发明实施方式的总体流程图;
图2所示为根据本发明实施方式的数据交互图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。本发明的学生成绩预测系统及方法适用于对学生成绩的预测,特别适合毕业学生成绩的预测。
图1所示为根据本发明实施方式的总体流程图。其实施如下:根据用户指令从在读生数据库查找对应的用户成绩并生成指定格式文件,并将指定格式文件发送至客户端;获取用户指令及用户上传的指定格式文件,以及,获取毕业生数据库中的毕业生成绩数据,进而执行匹配相似样本的计算处理;使用客户端对计算得到的匹配结果进行获取并展示。
图2所示为根据本发明实施方式的数据交互图。其数据交互流程如图S201~S215所示
其中U型框表示数据,圆角框表示操作步骤,箭头表示数据走向,方框表示模块或装置。
其中,F1表示从在读生数据下载的用户对应的历次考试成绩,并生成指定的格式文件,该指定格式文件能够被服务器处理模块进行解析;
F2表示服务器处理模块根据用户指令及用户对应的历次考试成绩,从毕业生数据库下载往届毕业生的考试成绩数据,该数据用于直接执行匹配分析;
F3表示匹配分析的结果数据,用于被客户端使用显示界面进行显示。
其中的客户端用于产生请求和发送指定格式文件及指令,以及展示匹配分析结果;
其中的服务器处理模块用于完成数据的接发以及数据匹配;
其中的在校生数据库与毕业生数据库分别用于存储在校学生的历次考试成绩及毕业生的历次考试成绩。
其中S201~S203用于将在校学生历次考试的成绩原始文件进行导入,并计算每个学生在年级中的名次数据;
其中S204~S207用于表示客户端产生和发送用户指令及上传指定格式文件;
其中S208~S210用于务器处理模块根据用户指令及用户对应的历次考试成绩,从毕业生数据库下载往届毕业生的考试成绩数据;
S211~S214用于执行以下步骤,
(1)设置历次考试的名次值参与平均计算的权重比例,时间越久远的考试,其权重越低,设置匹配相似样本分析中的可接受差异阈值范围,
(2)将在读学生过往历次考试的名次值进行加权平均计算,将历届学生的同等次数的考试进行加权平均计算,将符合相似度阈值范围的数据进行搜索匹配,得出符合在读学生的相似毕业生数据样本,将在读学生过往历次考试(若有n次考试)的名次值进行加权平均计算,得出一个综合的名次值;将历届学生的同等次数的考试(前n次)进行加权平均计算,得出一个综合的名次值;将符合相似度阈值范围的数据进行搜索匹配:基于在读学生的综合名次值,搜索已毕业生的综合名次值与其相差不超过正负阈值范围的样本。
对于步骤2的算法,本发明进一步公开了如下方案:
对一个在读学生S1来说,取其所有n次考试名次,形成一个序列{Ra1,Ra2….Ran};
设定权重衰减值为d%,计算在读学生的加权名次均值m=(Ran+Ra(n-1)*d%+Ra(n-2)*(d%^2)…+Ra1*(d%^n-1))/(1+1*d%+1*(d%^2)+….+1*(d%^(n-1)));
对所有毕业学生计算其第n次考试的m值;
设定匹配差异阈值为c%,搜索毕业学生中,m值和在读学生S1的m值相差不超过c%的学生样本。
对于步骤S215,其具体地包括如下步骤:
将匹配计算中的过程性数据进行展示;
将相似样本的毕业生在其毕业考试时的排名值分布区域进行展示;
将相似样本的毕业生的升学去向信息进行展示。
本发明将匹配分析的关键过程性数据进行了摘选和突出显示,配合,帮助用户理解预测分析的数据依据和逻辑依据。
本发明将相似样本的学生的毕业升学成绩,以其名次值在各范围段的分布人数,以及这些样本所对应的升学去向学校、专业进行了展示,用户可以非常直观的感知,该在读学生的毕业升学预测结果在各个水平上的参考概率。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (7)
1.一种学生成绩预测系统,该系统包括毕业生数据库、在读生数据库及客户端,其特征在于:
文件生成模块,用于根据用户指令从在读生数据库查找对应的用户成绩并生成指定格式文件,并将指定格式文件发送至客户端;
服务器处理模块,用于获取用户指令及用户上传的指定格式文件,以及,获取毕业生数据库中的毕业生成绩数据,进而执行匹配相似样本的计算处理;
结果展示模块,用于使用客户端对所述服务器处理模块计算得到的匹配结果进行展示。
2.根据权利要求1所述的学生成绩预测系统,其特征在于,所述的指定格式文件包括:
学生唯一标识信息、历史多次考试数据及对应考试的名次值。
3.根据权利要求1或2所述的学生成绩预测系统,其特征在于,所述服务器处理模块用于执行以下步骤:
S31,获取用户对应的历史考试数据及毕业生的考试数据;
S32,设置历史多次考试的名次值参与平均计算的权重比例,其中包括计算历史名次的时间与当前时间差,时间差越大所设置权重比例越低,以及,设置匹配相似样本分析中的可接受差异阈值范围;
S33,将用户的历史考试的名次值进行加权平均计算,将历届学生的同等次数的考试进行加权平均计算,并将符合相似度阈值范围的数据进行搜索匹配,得到符合在读学生的相似毕业生数据样本。
4.根据权利要求3所述的学生成绩预测系统,其特征在于,所述步骤S33还包括:
S41,将用户过往历史的多次考试的名次值进行加权平均计算,对于任意学生S1,其所取得考试名次数为n,则其考试名次为{Ra1,Ra2,...,Ran},则用户加权平均值m为
其中d%为设置的权重衰减值;
S42,对所有毕业生计算其第n次考试时的加权平均值m;
S43,对毕业生数据进行搜索,设定匹配差异阈值为c%,搜索出毕业学生中m值和在读学生S1的m值相差不超过c%的学生样本。
5.根据权利要求1所述的学生成绩预测系统,其特征在于,所述的结果展示模用与执行以下步骤:
S51,对匹配计算中的过程性数据进行展示;
S52,对相似样本的毕业生在其毕业考试时的排名值分布区域进行展示;
S53,将相似样本的毕业生的升学去向信息进行展示。
6.根据权利要求1所述的学生成绩预测系统,其特征在于,所述的结果展示模还包括:
根据所述服务器处理模块的计算结果及用户的请求指令进行显示,包括但不限于使用图形表格进行显示。
7.根据所述权利1-7任意系统的一种学生成绩预测方法,其特征在于,该方法包括:
根据用户指令从在读生数据库查找对应的用户成绩并生成指定格式文件,并将指定格式文件发送至客户端;
获取用户指令及用户上传的指定格式文件,以及,获取毕业生数据库中的毕业生成绩数据,进而执行匹配相似样本的计算处理;
使用客户端对计算得到的匹配结果进行获取并展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710210198.XA CN107038497A (zh) | 2017-03-31 | 2017-03-31 | 一种学生成绩预测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710210198.XA CN107038497A (zh) | 2017-03-31 | 2017-03-31 | 一种学生成绩预测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107038497A true CN107038497A (zh) | 2017-08-11 |
Family
ID=59534821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710210198.XA Pending CN107038497A (zh) | 2017-03-31 | 2017-03-31 | 一种学生成绩预测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107038497A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596356A (zh) * | 2018-01-25 | 2018-09-28 | 河南工学院 | 基于大数据的英语成绩预测方法及用于英语成绩预测的服务器 |
CN110443427A (zh) * | 2019-08-12 | 2019-11-12 | 浙江蓝鸽科技有限公司 | 基于认知知识谱的成绩预测方法及其系统 |
CN114936809A (zh) * | 2022-07-22 | 2022-08-23 | 山东悦知教育科技有限公司 | 一种基于大数据的考试成绩数据处理系统及终端机 |
CN115238166A (zh) * | 2021-12-10 | 2022-10-25 | 荣心爱 | 一种基于云计算的学生分科用辅助系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901555A (zh) * | 2010-07-30 | 2010-12-01 | 政高有限公司 | 学习能力检测系统及其方法 |
CN103927602A (zh) * | 2014-04-28 | 2014-07-16 | 河南云卓数据服务有限公司 | 一种面向高考志愿填报的辅助决策方法 |
US20150149380A1 (en) * | 2013-11-23 | 2015-05-28 | Saagar Sunil Kulkarni | Method and System for College Matching |
CN106097204A (zh) * | 2016-06-24 | 2016-11-09 | 北京航空航天大学 | 一种面向冷启动学生用户的工作推荐系统及推荐方法 |
-
2017
- 2017-03-31 CN CN201710210198.XA patent/CN107038497A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901555A (zh) * | 2010-07-30 | 2010-12-01 | 政高有限公司 | 学习能力检测系统及其方法 |
US20150149380A1 (en) * | 2013-11-23 | 2015-05-28 | Saagar Sunil Kulkarni | Method and System for College Matching |
CN103927602A (zh) * | 2014-04-28 | 2014-07-16 | 河南云卓数据服务有限公司 | 一种面向高考志愿填报的辅助决策方法 |
CN106097204A (zh) * | 2016-06-24 | 2016-11-09 | 北京航空航天大学 | 一种面向冷启动学生用户的工作推荐系统及推荐方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596356A (zh) * | 2018-01-25 | 2018-09-28 | 河南工学院 | 基于大数据的英语成绩预测方法及用于英语成绩预测的服务器 |
CN110443427A (zh) * | 2019-08-12 | 2019-11-12 | 浙江蓝鸽科技有限公司 | 基于认知知识谱的成绩预测方法及其系统 |
CN110443427B (zh) * | 2019-08-12 | 2023-11-07 | 浙江蓝鸽科技有限公司 | 基于认知知识谱的成绩预测方法及其系统 |
CN115238166A (zh) * | 2021-12-10 | 2022-10-25 | 荣心爱 | 一种基于云计算的学生分科用辅助系统 |
CN114936809A (zh) * | 2022-07-22 | 2022-08-23 | 山东悦知教育科技有限公司 | 一种基于大数据的考试成绩数据处理系统及终端机 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kelly et al. | Measuring technological innovation over the long run | |
CN107273490B (zh) | 一种基于知识图谱的组合错题推荐方法 | |
CN107038497A (zh) | 一种学生成绩预测系统及方法 | |
CN104794489B (zh) | 一种基于深度标签预测的诱导式图像分类方法及系统 | |
CN106127634B (zh) | 一种基于朴素贝叶斯模型的学生学业成绩预测方法及系统 | |
KR101426765B1 (ko) | 협업 파트너 검색 서비스를 제공하는 시스템 및 방법 | |
TW201732643A (zh) | 評估指標獲取方法及裝置 | |
JP2017045434A (ja) | データ分析システム、データ分析方法、プログラム、および、記録媒体 | |
Zheng et al. | Mapping of important international academic awards | |
CN106097204A (zh) | 一种面向冷启动学生用户的工作推荐系统及推荐方法 | |
US11802776B2 (en) | Cross-regional travel recommendation method and apparatus, electronic device and storage medium | |
CN107239564A (zh) | 一种基于监督主题模型的文本标签推荐方法 | |
CN110489424A (zh) | 一种表格化信息提取的方法、装置、存储介质及电子设备 | |
CN115374189A (zh) | 基于区块链的食品安全溯源方法、装置及设备 | |
CN115934955A (zh) | 一种电力标准知识图谱构建方法、知识问答系统及装置 | |
Wegari et al. | Human capital and its impact on Ethiopian economic growth: ARDL approach to co-integration | |
CN116521936B (zh) | 一种基于用户行为分析的课程推荐方法、装置及存储介质 | |
CN113723747A (zh) | 分析报告生成方法、电子设备及可读存储介质 | |
CN113094533A (zh) | 一种基于混合粒度匹配的图文跨模态检索方法 | |
CN104090918B (zh) | 一种基于信息量的句子相似度计算方法 | |
CN113656586B (zh) | 情感分类方法、装置、电子设备及可读存储介质 | |
CN112732908B (zh) | 试题新颖度评估方法、装置、电子设备和存储介质 | |
US20220300836A1 (en) | Machine Learning Techniques for Generating Visualization Recommendations | |
CN114511174A (zh) | 一种业务指标图谱构建方法及装置 | |
Liu et al. | Forecast and Analysis of National GDP in China Based on ARIMA Model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170811 |
|
RJ01 | Rejection of invention patent application after publication |