CN107194584A - 一种学生数据的分析方法及装置 - Google Patents
一种学生数据的分析方法及装置 Download PDFInfo
- Publication number
- CN107194584A CN107194584A CN201710369045.XA CN201710369045A CN107194584A CN 107194584 A CN107194584 A CN 107194584A CN 201710369045 A CN201710369045 A CN 201710369045A CN 107194584 A CN107194584 A CN 107194584A
- Authority
- CN
- China
- Prior art keywords
- student
- user
- threshold value
- information
- analyzed
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 78
- 230000000694 effects Effects 0.000 claims abstract description 52
- 230000002159 abnormal effect Effects 0.000 claims description 47
- 238000001514 detection method Methods 0.000 claims description 42
- 230000009471 action Effects 0.000 claims description 26
- 235000021152 breakfast Nutrition 0.000 claims description 26
- 230000006399 behavior Effects 0.000 claims description 25
- 230000005764 inhibitory process Effects 0.000 claims description 25
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 19
- 238000012360 testing method Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 13
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 26
- 238000007405 data analysis Methods 0.000 abstract description 9
- 230000000875 corresponding effect Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 4
- 230000007786 learning performance Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000002244 precipitate Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种学生数据的分析方法及装置，涉及数据分析技术领域，可以实现分析得到学业存在风险的学生用户。所述方法包括：获取预定时间段内的待分析学生数据；从所述待分析学生数据中提取学生的学习成绩信息、和/或学生活动信息、和/或奖惩记录信息；根据所述学习成绩信息、和/或所述学生活动信息、和/或所述奖惩记录信息，对所述待分析学生数据进行分析；依据分析结果确定得到需要学业预警的学生用户。本发明适用于识别需要学业预警的学生用户。
Description
技术领域
本发明涉及一种数据分析技术领域，特别是涉及一种学生数据的分析方法及装置。
背景技术
随着教育改革的深入，在信息化日益深化的今天，智慧校园和平安校园建设将高校信息化推进到新的发展阶段，各种类型的数据不断沉淀下来，高校在面对新形势的挑战下，必须在教学管理手段和方法上不断创新。
根据教育部统计，每年有超过16万大学生因无法完成学业而被退学。大量大学生完不成学业，对学生本人和学生家庭都是巨大的打击，对高校则是巨大的资源浪费，然而目前并没有对完不成学业的学生进行预警的相关措施。
发明内容
有鉴于此，本发明提供了一种学生数据的分析方法及装置，主要目的在于可以实现分析得到学业存在风险的学生用户，以便让学工部门或辅导员尽早采取措施予以干预。
依据本发明一个方面，提供了一种学生数据的分析方法，该方法包括：
获取预定时间段内的待分析学生数据；
从所述待分析学生数据中提取学生的学习成绩信息、和/或学生活动信息、和/或奖惩记录信息；
根据所述学习成绩信息、和/或所述学生活动信息、和/或所述奖惩记录信息，对所述待分析学生数据进行分析；
依据分析结果确定得到需要学业预警的学生用户。
优选地，所述学生活动信息包括学生上网活动信息、和/或校园门禁记录信息、和/或学生借阅图书记录信息、和/或学生就餐记录信息，根据所述学生活动信息对所述待分析学生数据进行分析，具体包括：
根据所述学生上网活动信息，检测是否上网活动存在异常行为的学生用户；和/或
根据所述校园门禁记录信息，检测是否存在校园外出异常的学生用户；和/或
根据所述学生借阅图书记录信息，检测是否存在图书借阅异常的学生用户；和/或
根据所述学生就餐记录信息，检测是否存在就餐异常的学生用户；
根据检测结果确定对所述待分析学生数据进行分析的分析结果。
优选地，所述根据所述学生上网活动信息，检测是否上网活动存在异常行为的学生用户，具体包括：
根据所述学生上网活动信息，检测是否存在平均上网时长大于预设时长阈值的学生用户；和/或
检测预置时间段内是否存在上网活动行为、且平均周期内存在所述上网活动行为的次数大于预设次数阈值的学生用户；和/或
检测学生使用的应用中使用比例大于预设阈值的应用是否为目标应用；
将平均上网时长大于预设时长阈值的、和/或预置时间段内存在上网活动行为且平均周期内存在所述上网活动行为的次数大于预设次数阈值的、和/或使用比例大于预设阈值的应用为目标应用的学生用户，确定为上网活动存在异常行为的学生用户。
优选地，所述根据所述校园门禁记录信息，检测是否存在校园外出异常的学生用户，具体包括：
根据所述校园门禁记录信息，检测预设时间段内是否存在校园外出记录、且平均周期内存在所述校园外出记录的次数大于预置外出次数阈值的学生用户；和/或
检测是否存在平均校园外出时长大于预定外出时长阈值的学生用户；
将预设时间段内存在校园外出记录且平均周期内存在所述校园外出记录的次数大于预置外出次数阈值的、和/或平均校园外出时长大于预定外出时长阈值的学生用户，确定为存在校园外出异常的学生用户。
优选地，所述根据所述学生借阅图书记录信息，检测是否存在图书借阅行为异常的学生用户，具体包括：
根据所述学生借阅图书记录信息，检测是否存在平均图书借阅次数小于预设次数阈值的学生用户；和/或
检测学生借阅的图书的数量是否大于预置数量阈值，且所述图书中借阅比例大于预定阈值的图书类别是否为目标图书类别；
将存在平均图书借阅次数小于预设次数阈值的、和/或借阅图书的数量大于预置数量阈值，且所述图书中借阅比例大于预定阈值的图书类别为目标图书类别的学生用户，确定为存在图书借阅异常的学生用户。
优选地，所述根据所述学生就餐记录信息，检测是否存在就餐异常的学生用户，具体包括：
根据所述学生就餐记录信息，检测是否存在平均早餐次数小于预设早餐次数阈值的学生用户；
将平均早餐次数小于预设早餐次数阈值的学生用户，确定为就餐异常的学生用户。
优选地，根据所述学习成绩信息对所述待分析学生数据进行分析，具体包括：
根据所述学习成绩信息，检测是否存在累计挂科门数大于预设预警门数阈值的学生用户；和/或
检测当前学期的上一学期内是否存在挂科门数大于预定门数阈值的学生用户；和/或
检测当前学期内是否存在学习成绩小于预设平均成绩阈值的学生用户；
根据检测结果确定对所述待分析学生数据进行分析的分析结果。
优选地，根据所述奖惩记录信息，对所述待分析学生数据进行分析，具体包括：
根据所述奖惩记录信息，检测是否存在累计惩罚次数大于预设预警惩罚次数阈值的学生用户；和/或
检测当前学期和/或当前学期的上一学期内是否存在惩罚等级为目标预警等级的学生用户；
根据检测结果确定对所述待分析学生数据进行分析的分析结果。
依据本发明另一个方面，提供了一种学生数据的分析装置，该装置包括：
获取单元，用于获取预定时间段内的待分析学生数据；
提取单元，用于从所述获取单元获取的待分析学生数据中提取学生的学习成绩信息、和/或学生活动信息、和/或奖惩记录信息；
分析单元，用于根据所述提取单元提取的学习成绩信息、和/或所述学生活动信息、和/或所述奖惩记录信息，对所述待分析学生数据进行分析；
确定单元，用于依据所述分析单元的分析结果确定得到需要学业预警的学生用户。
优选地，所述学生活动信息包括学生上网活动信息、和/或校园门禁记录信息、和/或学生借阅图书记录信息、和/或学生就餐记录信息，所述分析单元具体包括：
检测模块，用于根据所述学生上网活动信息，检测是否上网活动存在异常行为的学生用户；和/或
根据所述校园门禁记录信息，检测是否存在校园外出异常的学生用户；和/或
根据所述学生借阅图书记录信息，检测是否存在图书借阅异常的学生用户；和/或
根据所述学生就餐记录信息，检测是否存在就餐异常的学生用户；
确定模块，用于根据所述检测模块的检测结果确定对所述待分析学生数据进行分析的分析结果。
优选地，所述检测模块，具体用于根据所述学生上网活动信息，检测是否存在平均上网时长大于预设时长阈值的学生用户；和/或
检测预置时间段内是否存在上网活动行为、且平均周期内存在所述上网活动行为的次数大于预设次数阈值的学生用户；和/或
检测学生使用的应用中使用比例大于预设阈值的应用是否为目标应用；
将平均上网时长大于预设时长阈值的、和/或预置时间段内存在上网活动行为且平均周期内存在所述上网活动行为的次数大于预设次数阈值的、和/或使用比例大于预设阈值的应用为目标应用的学生用户，确定为上网活动存在异常行为的学生用户。
优选地，所述检测模块，具体用于根据所述校园门禁记录信息，检测预设时间段内是否存在校园外出记录、且平均周期内存在所述校园外出记录的次数大于预置外出次数阈值的学生用户；和/或
检测是否存在平均校园外出时长大于预定外出时长阈值的学生用户；
将预设时间段内存在校园外出记录且平均周期内存在所述校园外出记录的次数大于预置外出次数阈值的、和/或平均校园外出时长大于预定外出时长阈值的学生用户，确定为存在校园外出异常的学生用户。
优选地，所述检测模块，具体用于根据所述学生借阅图书记录信息，检测是否存在平均图书借阅次数小于预设次数阈值的学生用户；和/或
检测学生借阅的图书的数量是否大于预置数量阈值，且所述图书中借阅比例大于预定阈值的图书类别是否为目标图书类别；
将存在平均图书借阅次数小于预设次数阈值的、和/或借阅图书的数量大于预置数量阈值，且所述图书中借阅比例大于预定阈值的图书类别为目标图书类别的学生用户，确定为存在图书借阅异常的学生用户。
优选地，所述检测模块，具体用于根据所述学生就餐记录信息，检测是否存在平均早餐次数小于预设早餐次数阈值的学生用户；
将平均早餐次数小于预设早餐次数阈值的学生用户，确定为就餐异常的学生用户。
优选地，所述分析单元具体包括：
检测模块，用于根据所述学习成绩信息，检测是否存在累计挂科门数大于预设预警门数阈值的学生用户；和/或
检测当前学期的上一学期内是否存在挂科门数大于预定门数阈值的学生用户；和/或
检测当前学期内是否存在学习成绩小于预设平均成绩阈值的学生用户；
确定模块，用于根据检测结果确定对所述待分析学生数据进行分析的分析结果。
优选地，所述分析单元具体包括：
检测模块，用于根据所述奖惩记录信息，检测是否存在累计惩罚次数大于预设预警惩罚次数阈值的学生用户；和/或
检测当前学期和/或当前学期的上一学期内是否存在惩罚等级为目标预警等级的学生用户；
确定模块，用于根据检测结果确定对所述待分析学生数据进行分析的分析结果。
依据本发明又一个方面，提供了又一种学生数据的分析装置，该装置包括：
处理器，被配置为：
获取预定时间段内的待分析学生数据；
从所述待分析学生数据中提取学生的学习成绩信息、和/或学生活动信息、和/或奖惩记录信息；
根据所述学习成绩信息、和/或所述学生活动信息、和/或所述奖惩记录信息，对所述待分析学生数据进行分析；
依据分析结果确定得到需要学业预警的学生用户；
存储器，被配置为存储所述处理器的可执行指令；
总线，被配置为耦接所述处理器及所述存储器。
借由上述技术方案，本发明提供的技术方案至少具有下列优点：
本发明提供的一种学生数据的分析方法及装置，首先获取预定时间段内的待分析学生数据，然后根据从待分析学生数据中提取的学生学习成绩信息、和/或学生活动信息、和/或奖惩记录信息，对待分析学生数据进行分析，可以更加全面的分析得到需要学业预警的学生用户，以便让学工部门或辅导员及时识别学业存在风险的学生，进而尽早采取措施予以干预，从而可以帮助学生回到学业的正确轨道上来。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的一种学生数据的分析方法流程示意图；
图2示出了本发明实施例提供的一种学生数据分析结果的实例示意图；
图3示出了本发明实施例提供的一种学生数据的分析装置的结构示意图；
图4示出了本发明实施例提供的另一种学生数据的分析装置的结构示意图；
图5示出了本发明实施例提供的一种学生数据分析的实体装置结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种学生数据的分析方法，可以实现分析得到学业存在风险的学生用户，以便进行相应预警，如图1所示，该方法包括：
101、获取预定时间段内的待分析学生数据。
在本发明实施例中，可以通过高校的各种信息管理系统收集各类校园学生数据，作为待分析学生数据，其中，学生数据可以包括在校学生的相关信息、学生成绩情况、奖惩情况、学生就餐情况、学生消费情况、学生在各个场所(教学楼、宿舍楼、图书馆、游泳馆等地点)的出入情况、图书资源使用情况、网上有关学校的评论信息等。
其中，预定时间段可以根据实际需要预先进行相应设定，例如，如果用户需要分析2015年第一学期的校园数据，预定时间段可以为2015年第一学期开学时间至该学期结束时间的这段时间。
对于本发明实施例的执行主体可以为用于学生数据分析的装置，该装置可以用于识别需要学业预警的学生，用户可以根据实际需要，输入相关的分析指令来触发该装置进行相应工作，该指令中可以包含特定学生人群目标信息及相关的预定时间段信息，该装置在接收到该分析指令后，执行步骤101至步骤104所述的过程，进而分析得到需要学业预警的学生，例如，用户可以根据实际需要，分析A学校的B学院学生中是否存在需要学业预警的学生；对于本发明实施例，用户还可以预先设置该装置自动进行数据分析的规则，即按照预定时间间隔获取预定时间段内的待分析学生数据进行需要学业预警的学生识别，在识别出学业预警的学生后，主动推动给学工部门或辅导员。
102、从待分析学生数据中提取学生的学习成绩信息、和/或学生活动信息、和/或奖惩记录信息。
其中，学校成绩信息中可以包含学生的每个学期每个科目成绩、成绩排名、每个学期挂科门数、累计挂科门数等；学生活动信息中可以包含学生上网活动信息、和/或校园门禁记录信息、和/或学生借阅图书记录信息、和/或学生就餐记录信息，学生上网活动信息中可以包含学生每天的上网时长、上网时间段、上网应用等信息，校园门禁记录信息中可以包含学生在宿舍楼、教学楼、学校大门、图书馆、游泳馆等地的出入情况，学生借阅图书记录信息中可以包含学生在图书馆或书店等地的借阅图书情况，学生就餐记录信息中可以包含学生的刷卡就餐的次数、每次刷卡就餐的时间、每次就餐消费额度等信息；奖惩记录信息中可以包含学生在每个学期接受到的奖励和惩罚情况。
在本发明实施例中，从待分析学生数据中提取哪些信息具体可以根据实际情况进行设定，需要说明的是，提取的信息越全面，最后分析得到的结果更加准确，为此还可以从待分析学生数据中提取学生的行为轨迹信息、考勤记录信息等，以便更加综合的分析得到需要学业预警的学生用户。
103、根据提取的学习成绩信息、和/或学生活动信息、和/或奖惩记录信息，对待分析学生数据进行分析。
例如，为了识别出A学院中是否存在需要学业预警的学生，参考存在学业危机的学生普遍具备的特征，可以结合A学院中每个学生的学习成绩信息、学生活动信息、奖惩记录信息等多维度进行综合分析，具体可以检测A学院的学生中是否存在累计挂科门数大于一定阈值的学生用户，该学生用户当前学期内的学习成绩依然小于平均成绩阈值，且该学生用户一天大多部分时间都在上网，且上网内容都是些体验游戏应用，晚上还经常校园外出，到凌晨才回到学校，统计得到符合这些条件的学生用户，作为相应的分析结果。
104、依据分析结果确定得到需要学业预警的学生用户。
在本发明实施例中，依据分析结果可以找到符合相应条件的学生用户，将这些学生用户确定为需要学业预警的学生用户，即这些学生用户为完成学业存在风险的学生人群，如图2所示，并可以结合学生用户的姓名、性别、年龄、所在学院、所在班级、所在宿舍、家庭联系方式等相关信息，一并展示给学工部门或辅导员。
需要说明的是，对于本发明实施例提供的学生数据的分析方法，除了可以应用在识别需要学业预警学生的场景以外，还可以应用在其他场景，例如，识别可能将被辞退的公司员工等场景，都可以应用本发明实施例提供的方法，识别得到目标人群，以便进行相应的管理，在此本发明实施例不做限定。
本发明实施例提供的一种学生数据的分析方法，首先获取预定时间段内的待分析学生数据，然后根据从待分析学生数据中提取的学生学习成绩信息、和/或学生活动信息、和/或奖惩记录信息，对待分析学生数据进行分析，可以更加全面的分析得到需要学业预警的学生用户，以便让学工部门或辅导员及时识别学业存在风险的学生，进而尽早采取措施予以干预，从而可以帮助学生回到学业的正确轨道上来。
进一步地，作为对上述实施例的细化和扩展，根据学习成绩信息对待分析学生数据进行分析，具体可以包括：根据学习成绩信息，检测是否存在累计挂科门数大于预设预警门数阈值的学生用户；和/或检测当前学期的上一学期内是否存在挂科门数大于预定门数阈值的学生用户；和/或检测当前学期内是否存在学习成绩小于预设平均成绩阈值的学生用户；根据检测结果确定对待分析学生数据进行分析的分析结果。
其中，预设预警门数阈值、预定门数阈值、预设平均成绩阈值可以根据实际需求预先进行设定，例如，根据学生A的学习成绩信息，学生A的累计挂科门数已经大于一定阈值，如果存在新的挂科记录，将被学校劝退，因此可以将学生A确定为需要学业预警的学生用户；又例如，学生B当前学期的上一学期内的挂科门数大于一定阈值，且当前学期学生B的学习成绩小于平均成绩阈值，说明这学期学生B很可能会依然挂科，存在完不成学业的风险，因此可以将学生B确定为需要学业预警的学生用户。
上述根据学生的奖惩记录信息，对待分析学生数据进行分析，具体可以包括：根据奖惩记录信息，检测是否存在累计惩罚次数大于预设预警惩罚次数阈值的学生用户；和/或检测当前学期和/或当前学期的上一学期内是否存在惩罚等级为目标预警等级的学生用户；根据检测结果确定对待分析学生数据进行分析的分析结果。
其中，预设预警惩罚次数阈值、目标预警等级可以根据实际需求预先进行设定。例如，根据学生C的奖惩记录信息，检测出学生C的累计惩罚次数已经大于一定阈值，如果学生C再有新的惩罚记录，学生C将被学校开除，因此可以将学生C确定为需要学业预警的学生用户；又例如，根据学生D的奖惩记录信息，检测出学生D在当前学期存在一次记大过处分的记录，如果学生D再继续犯错，学生D将被学校开除，因此可以将学生D确定为需要学业预警的学生用户。
上述根据学生的学生活动信息对待分析学生数据进行分析，具体可以包括：根据学生上网活动信息，检测是否上网活动存在异常行为的学生用户；和/或根据校园门禁记录信息，检测是否存在校园外出异常的学生用户；和/或根据学生借阅图书记录信息，检测是否存在图书借阅异常的学生用户；和/或根据学生就餐记录信息，检测是否存在就餐异常的学生用户；根据检测结果确定对待分析学生数据进行分析的分析结果。
对于本发明实施例，当结合上述学习成绩信息、学生上网活动信息、校园门禁记录信息、学生借阅图书记录信息、学生就餐记录信息、奖惩记录信息综合进行分析时，得到的分析结果更加准确，但具体还需要依照能够采集到的信息情况而定。在本发明实施例中，可以结合这些信息，确定得到需要学业预警的学生用户，以便让学工部门或辅导员及时识别学业存在风险的学生，进而尽早采取措施予以干预，从而可以帮助学生回到学业的正确轨道上来。
其中，根据学生上网活动信息，检测是否上网活动存在异常行为的学生用户的过程可以根据实际需要配置相应的检测规则及设定相应的确定上网活动异常的标准进行实施，在本发明的一个可选实施例中，该步骤具体可以包括：根据学生上网活动信息，检测是否存在平均上网时长大于预设时长阈值的学生用户；和/或检测预置时间段内是否存在上网活动行为、且平均周期内存在上网活动行为的次数大于预设次数阈值的学生用户；和/或检测学生使用的应用中使用比例大于预设阈值的应用是否为目标应用；将平均上网时长大于预设时长阈值的、和/或预置时间段内存在上网活动行为且平均周期内存在所述上网活动行为的次数大于预设次数阈值的、和/或使用比例大于预设阈值的应用为目标应用的学生用户，确定为上网活动存在异常行为的学生用户。
预设时长阈值、预设次数阈值可以根据实际需求预先进行设定，预置时间段可以为学生普遍晚上睡觉的时间段，如预置时间段可以为以第一天晚上11点到第二天早上6点之间的这段时间，目标应用可以为游戏应用、软件开发的应用等。例如，根据学生E的上网活动信息，检测出学生E的平均上网时长大于一定阈值，且学生E经常晚间上网，并且学生E使用的应用中85％以上都是游戏应用，说明学生E已经处于沉迷网络游戏状态，这种状态会严重影响学生E的学习成绩，可以将学生E确定为上网活动存在异常行为的学生用户。
上述根据校园门禁记录信息，检测是否存在校园外出异常的学生用户的过程可以根据实际需要配置相应的检测规则及设定相应的确定校园外出异常的标准进行实施，在本发明的一个可选实施例中，该步骤具体可以包括：根据校园门禁记录信息，检测预设时间段内是否存在校园外出记录、且平均周期内存在该校园外出记录的次数大于预置外出次数阈值的学生用户；和/或检测是否存在平均校园外出时长大于预定外出时长阈值的学生用户；将预设时间段内存在校园外出记录且平均周期内存在校园外出记录的次数大于预置外出次数阈值的、和/或平均校园外出时长大于预定外出时长阈值的学生用户，确定为存在校园外出异常的学生用户。
其中，预设时间段可以为学生普遍在寝室停留的时间段，如预设时间段可以为以第一天晚上10点到第二天早上6点之间的这段时间，预置外出次数阈值、预定外出时长阈值可以根据实际需求预先进行设定。例如，根据学生F的校园门禁记录信息，检测出学生F经常在晚上10点以后离开校园，第二天早上5点回到学校，说明学生F可能经常去网吧、夜店等地点活动，会严重影响到学生F的学习成绩，因此可以将学生F确定为存在校园外出异常的学生用户；又例如，学生G为住校学生，但根据学生G的校园门禁记录信息，检测出学生G经常校园外出较长时间，会影响到学生G的学习时间，可以将学生G确定为存在校园外出异常的学生用户。
上述根据学生借阅图书记录信息，检测是否存在图书借阅行为异常的学生用户的过程可以根据实际需要配置相应的检测规则及设定相应的确定图书借阅行为异常的标准进行实施，在本发明的一个可选实施例中，该步骤具体可以包括：根据学生借阅图书记录信息，检测是否存在平均图书借阅次数小于预设次数阈值的学生用户；和/或检测学生借阅的图书的数量是否大于预置数量阈值，且该图书中借阅比例大于预定阈值的图书类别是否为目标图书类别；将存在平均图书借阅次数小于预设次数阈值的、和/或借阅图书的数量大于预置数量阈值，且该图书中借阅比例大于预定阈值的图书类别为目标图书类别的学生用户，确定为存在图书借阅异常的学生用户。
其中，预设次数阈值、预置数量阈值可以根据实际需求预先进行设定，目标图书类别可以为小说类别、游戏图书类别、娱乐图书类别等。例如，根据学生H的借阅图书记录信息，检测出学生H借阅图书量较少，或者学生H平时借阅大量的图书，且基本上都是小说类别的图书，这些会影响到学生H的学习时间，可以将学生H确定为图书借阅异常的学生用户。
上述根据学生就餐记录信息，检测是否存在就餐异常的学生用户的过程可以根据实际需要配置相应的检测规则及设定相应的确定就餐异常的标准进行实施，在本发明的一个可选实施例中，该步骤具体可以包括：根据学生就餐记录信息，检测是否存在平均早餐次数小于预设早餐次数阈值的学生用户；将平均早餐次数小于预设早餐次数阈值的学生用户，确定为就餐异常的学生用户。
预设早餐次数可以根据实际需求进行设定。例如，学生J为住校学生，根据学生J的就餐记录信息，可以检测出学生J很少吃早餐，学生J可能存在早课旷课情况，这样会影响到学生J的学习成绩，因此可以将学生J确定为就餐异常的学生用户。
进一步地，为了提高需要学业预警学生的识别准确性，增加需要学业预警的可信度，在本发明的一个可选实施例中，还可以结合学生的行为轨迹信息、考勤记录信息等进行综合分析。例如，通过上述方法确定学生K为需要学业预警的学生，如果学生K的经常去网吧、酒吧、夜店、KTV等场所、以及经常出现上课缺勤的情况，可以进一步确定学生F为需要学业预警的学生。
进一步地，为了使得学工部门或辅导员了解分析结果的可信度，在本发明的一个可选实施例中，还可以参考学生的消费记录信息、图书借阅记录信息、门禁记录信息、上网活动信息、学生成绩信息、行动轨迹信息、考勤记录信息等，对该学生为需要学业预警的学生的概率值进行计算，例如，符合上述条件越多，其相应的概率值就越大。然后将计算得到概率值与该学生的相关信息一同展示给学工部门或辅导员。
进一步地，作为图1所述方法的具体实现，本发明实施例提供了一种学生数据的分析装置，如图3所示，所述装置包括：获取单元21、提取单元22、分析单元23、确定单元24。
获取单元21，可以用于获取预定时间段内的待分析学生数据。获取单元21为本装置中获取待分析学生数据的主要功能模块，待分析学生数据具体可以通过高校的各种信息管理系统进行采集。
提取单元22，可以用于从所述获取单元21获取的待分析学生数据中提取学生的学习成绩信息、和/或学生活动信息、和/或奖惩记录信息。提取单元22为本装置中提取相关特征信息的主要功能模块。
分析单元23，可以用于根据所述提取单元22提取的学习成绩信息、和/或所述学生活动信息、和/或所述奖惩记录信息，对所述待分析学生数据进行分析。分析单元23为本装置中的核心功能模块。
确定单元24，可以用于依据所述分析单元23的分析结果确定得到需要学业预警的学生用户。确定单元24为本装置中确定需要学业预警的学生用户的主要功能模块。
可选地，所述学生活动信息可以包括学生上网活动信息、和/或校园门禁记录信息、和/或学生借阅图书记录信息、和/或学生就餐记录信息。
具体地，如图4所示，所述分析单元23具体可以包括：检测模块231、确定模块232。
检测模块231，可以用于根据所述学生上网活动信息，检测是否上网活动存在异常行为的学生用户；和/或根据所述校园门禁记录信息，检测是否存在校园外出异常的学生用户；和/或根据所述学生借阅图书记录信息，检测是否存在图书借阅异常的学生用户；和/或根据所述学生就餐记录信息，检测是否存在就餐异常的学生用户。
确定模块232，可以用于根据所述检测模块的检测结果确定对所述待分析学生数据进行分析的分析结果。
所述检测模块231，具体可以用于根据所述学生上网活动信息，检测是否存在平均上网时长大于预设时长阈值的学生用户；和/或检测预置时间段内是否存在上网活动行为、且平均周期内存在所述上网活动行为的次数大于预设次数阈值的学生用户；和/或检测学生使用的应用中使用比例大于预设阈值的应用是否为目标应用；将平均上网时长大于预设时长阈值的、和/或预置时间段内存在上网活动行为且平均周期内存在所述上网活动行为的次数大于预设次数阈值的、和/或使用比例大于预设阈值的应用为目标应用的学生用户，确定为上网活动存在异常行为的学生用户。
所述检测模块231，具体还可以用于根据所述校园门禁记录信息，检测预设时间段内是否存在校园外出记录、且平均周期内存在所述校园外出记录的次数大于预置外出次数阈值的学生用户；和/或检测是否存在平均校园外出时长大于预定外出时长阈值的学生用户；将预设时间段内存在校园外出记录且平均周期内存在所述校园外出记录的次数大于预置外出次数阈值的、和/或平均校园外出时长大于预定外出时长阈值的学生用户，确定为存在校园外出异常的学生用户。
所述检测模块231，具体还可以用于根据所述学生借阅图书记录信息，检测是否存在平均图书借阅次数小于预设次数阈值的学生用户；和/或检测学生借阅的图书的数量是否大于预置数量阈值，且所述图书中借阅比例大于预定阈值的图书类别是否为目标图书类别；将存在平均图书借阅次数小于预设次数阈值的、和/或借阅图书的数量大于预置数量阈值，且所述图书中借阅比例大于预定阈值的图书类别为目标图书类别的学生用户，确定为存在图书借阅异常的学生用户。
所述检测模块231，具体还可以用于根据所述学生就餐记录信息，检测是否存在平均早餐次数小于预设早餐次数阈值的学生用户；将平均早餐次数小于预设早餐次数阈值的学生用户，确定为就餐异常的学生用户。
检测模块231，还可以用于根据所述学习成绩信息，检测是否存在累计挂科门数大于预设预警门数阈值的学生用户；和/或检测当前学期的上一学期内是否存在挂科门数大于预定门数阈值的学生用户；和/或检测当前学期内是否存在学习成绩小于预设平均成绩阈值的学生用户。
确定模块232，还可以用于根据检测结果确定对所述待分析学生数据进行分析的分析结果。
检测模块231，还可以用于根据所述奖惩记录信息，检测是否存在累计惩罚次数大于预设预警惩罚次数阈值的学生用户；和/或检测当前学期和/或当前学期的上一学期内是否存在惩罚等级为目标预警等级的学生用户。
确定模块232，还可以用于根据检测结果确定对所述待分析学生数据进行分析的分析结果。
需要说明的是，本发明实施例提供的一种学生数据的分析装置所涉及各功能单元的其他相应描述，可以参考图1中的对应描述，在此不再赘述。
本发明实施例提供的一种学生数据的分析装置，包括：获取单元、提取单元、分析单元、确定单元。首先获取单元获取预定时间段内的待分析学生数据，然后分析单元根据提取单元从待分析学生数据中提取的学生学习成绩信息、和/或学生活动信息、和/或奖惩记录信息，对待分析学生数据进行分析，可以更加全面的分析得到需要学业预警的学生用户，以便让学工部门或辅导员及时识别学业存在风险的学生，进而尽早采取措施予以干预，从而可以帮助学生回到学业的正确轨道上来。
基于上述如图1所示方法和如图3、图4所示装置的实施例，本发明实施例还提供了一种学生数据分析的实体装置，如图5所示，该装置包括：处理器31、存储器32、总线33。
处理器31，可以被配置为：获取预定时间段内的待分析学生数据；从所述待分析学生数据中提取学生的学习成绩信息、和/或学生活动信息、和/或奖惩记录信息；根据所述学习成绩信息、和/或所述学生活动信息、和/或所述奖惩记录信息，对所述待分析学生数据进行分析；依据分析结果确定得到需要学业预警的学生用户。
存储器32，可以被配置为存储所述处理器的可执行指令。
总线33，可以被配置为耦接所述处理器及所述存储器。
可选地，所述学生活动信息可以包括学生上网活动信息、和/或校园门禁记录信息、和/或学生借阅图书记录信息、和/或学生就餐记录信息。在此条件下，所述处理器31，具体可以被配置为：根据所述学生上网活动信息，检测是否上网活动存在异常行为的学生用户；和/或根据所述校园门禁记录信息，检测是否存在校园外出异常的学生用户；和/或根据所述学生借阅图书记录信息，检测是否存在图书借阅异常的学生用户；和/或根据所述学生就餐记录信息，检测是否存在就餐异常的学生用户；根据检测结果确定对所述待分析学生数据进行分析的分析结果。
所述处理器31，具体还可以被配置为：根据所述学生上网活动信息，检测是否存在平均上网时长大于预设时长阈值的学生用户；和/或检测预置时间段内是否存在上网活动行为、且平均周期内存在所述上网活动行为的次数大于预设次数阈值的学生用户；和/或检测学生使用的应用中使用比例大于预设阈值的应用是否为目标应用；将平均上网时长大于预设时长阈值的、和/或预置时间段内存在上网活动行为且平均周期内存在所述上网活动行为的次数大于预设次数阈值的、和/或使用比例大于预设阈值的应用为目标应用的学生用户，确定为上网活动存在异常行为的学生用户。
所述处理器31，具体还可以被配置为：根据所述校园门禁记录信息，检测预设时间段内是否存在校园外出记录、且平均周期内存在所述校园外出记录的次数大于预置外出次数阈值的学生用户；和/或检测是否存在平均校园外出时长大于预定外出时长阈值的学生用户；将预设时间段内存在校园外出记录且平均周期内存在所述校园外出记录的次数大于预置外出次数阈值的、和/或平均校园外出时长大于预定外出时长阈值的学生用户，确定为存在校园外出异常的学生用户。
所述处理器31，具体还可以被配置为：根据所述学生借阅图书记录信息，检测是否存在平均图书借阅次数小于预设次数阈值的学生用户；和/或
检测学生借阅的图书的数量是否大于预置数量阈值，且所述图书中借阅比例大于预定阈值的图书类别是否为目标图书类别；将存在平均图书借阅次数小于预设次数阈值的、和/或借阅图书的数量大于预置数量阈值，且所述图书中借阅比例大于预定阈值的图书类别为目标图书类别的学生用户，确定为存在图书借阅异常的学生用户。
所述处理器31，具体还可以被配置为：根据所述学生就餐记录信息，检测是否存在平均早餐次数小于预设早餐次数阈值的学生用户；将平均早餐次数小于预设早餐次数阈值的学生用户，确定为就餐异常的学生用户。
所述处理器31，具体还可以被配置为：根据所述学习成绩信息，检测是否存在累计挂科门数大于预设预警门数阈值的学生用户；和/或检测当前学期的上一学期内是否存在挂科门数大于预定门数阈值的学生用户；和/或检测当前学期内是否存在学习成绩小于预设平均成绩阈值的学生用户；根据检测结果确定对所述待分析学生数据进行分析的分析结果。
所述处理器31，具体还可以被配置为：根据所述奖惩记录信息，检测是否存在累计惩罚次数大于预设预警惩罚次数阈值的学生用户；和/或检测当前学期和/或当前学期的上一学期内是否存在惩罚等级为目标预警等级的学生用户；根据检测结果确定对所述待分析学生数据进行分析的分析结果。
本发明实施例提供的一种学生数据分析的实体装置，包括：处理器、存储器、总线。通过处理器中的处理逻辑，可以更加全面的分析得到需要学业预警的学生用户，以便让学工部门或辅导员及时识别学业存在风险的学生，进而尽早采取措施予以干预，从而可以帮助学生回到学业的正确轨道上来。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
可以理解的是，上述方法及装置中的相关特征可以相互参考。另外，上述实施例中的“第一”、“第二”等是用于区分各实施例，而并不代表各实施例的优劣。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一种学生数据的分析方法及装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种学生数据的分析方法，其特征在于，包括：
获取预定时间段内的待分析学生数据；
从所述待分析学生数据中提取学生的学习成绩信息、和/或学生活动信息、和/或奖惩记录信息；
根据所述学习成绩信息、和/或所述学生活动信息、和/或所述奖惩记录信息，对所述待分析学生数据进行分析；
依据分析结果确定得到需要学业预警的学生用户。
2.根据权利要求1所述的学生数据的分析方法，其特征在于，所述学生活动信息包括学生上网活动信息、和/或校园门禁记录信息、和/或学生借阅图书记录信息、和/或学生就餐记录信息，根据所述学生活动信息对所述待分析学生数据进行分析，具体包括：
根据所述学生上网活动信息，检测是否上网活动存在异常行为的学生用户；和/或
根据所述校园门禁记录信息，检测是否存在校园外出异常的学生用户；和/或
根据所述学生借阅图书记录信息，检测是否存在图书借阅异常的学生用户；和/或
根据所述学生就餐记录信息，检测是否存在就餐异常的学生用户；
根据检测结果确定对所述待分析学生数据进行分析的分析结果。
3.根据权利要求2所述的学生数据的分析方法，其特征在于，所述根据所述学生上网活动信息，检测是否上网活动存在异常行为的学生用户，具体包括：
根据所述学生上网活动信息，检测是否存在平均上网时长大于预设时长阈值的学生用户；和/或
检测预置时间段内是否存在上网活动行为、且平均周期内存在所述上网活动行为的次数大于预设次数阈值的学生用户；和/或
检测学生使用的应用中使用比例大于预设阈值的应用是否为目标应用；
将平均上网时长大于预设时长阈值的、和/或预置时间段内存在上网活动行为且平均周期内存在所述上网活动行为的次数大于预设次数阈值的、和/或使用比例大于预设阈值的应用为目标应用的学生用户，确定为上网活动存在异常行为的学生用户。
4.根据权利要求2所述的学生数据的分析方法，其特征在于，所述根据所述校园门禁记录信息，检测是否存在校园外出异常的学生用户，具体包括：
根据所述校园门禁记录信息，检测预设时间段内是否存在校园外出记录、且平均周期内存在所述校园外出记录的次数大于预置外出次数阈值的学生用户；和/或
检测是否存在平均校园外出时长大于预定外出时长阈值的学生用户；
将预设时间段内存在校园外出记录且平均周期内存在所述校园外出记录的次数大于预置外出次数阈值的、和/或平均校园外出时长大于预定外出时长阈值的学生用户，确定为存在校园外出异常的学生用户。
5.根据权利要求2所述的学生数据的分析方法，其特征在于，所述根据所述学生借阅图书记录信息，检测是否存在图书借阅行为异常的学生用户，具体包括：
根据所述学生借阅图书记录信息，检测是否存在平均图书借阅次数小于预设次数阈值的学生用户；和/或
检测学生借阅的图书的数量是否大于预置数量阈值，且所述图书中借阅比例大于预定阈值的图书类别是否为目标图书类别；
将存在平均图书借阅次数小于预设次数阈值的、和/或借阅图书的数量大于预置数量阈值，且所述图书中借阅比例大于预定阈值的图书类别为目标图书类别的学生用户，确定为存在图书借阅异常的学生用户。
6.根据权利要求2所述的学生数据的分析方法，其特征在于，所述根据所述学生就餐记录信息，检测是否存在就餐异常的学生用户，具体包括：
根据所述学生就餐记录信息，检测是否存在平均早餐次数小于预设早餐次数阈值的学生用户；
将平均早餐次数小于预设早餐次数阈值的学生用户，确定为就餐异常的学生用户。
7.根据权利要求1所述的学生数据的分析方法，其特征在于，根据所述学习成绩信息对所述待分析学生数据进行分析，具体包括：
根据所述学习成绩信息，检测是否存在累计挂科门数大于预设预警门数阈值的学生用户；和/或
检测当前学期的上一学期内是否存在挂科门数大于预定门数阈值的学生用户；和/或
检测当前学期内是否存在学习成绩小于预设平均成绩阈值的学生用户；
根据检测结果确定对所述待分析学生数据进行分析的分析结果。
8.根据权利要求1所述的学生数据的分析方法，其特征在于，根据所述奖惩记录信息，对所述待分析学生数据进行分析，具体包括：
根据所述奖惩记录信息，检测是否存在累计惩罚次数大于预设预警惩罚次数阈值的学生用户；和/或
检测当前学期和/或当前学期的上一学期内是否存在惩罚等级为目标预警等级的学生用户；
根据检测结果确定对所述待分析学生数据进行分析的分析结果。
9.一种学生数据的分析装置，其特征在于，包括：
获取单元，用于获取预定时间段内的待分析学生数据；
提取单元，用于从所述获取单元获取的待分析学生数据中提取学生的学习成绩信息、和/或学生活动信息、和/或奖惩记录信息；
分析单元，用于根据所述提取单元提取的学习成绩信息、和/或所述学生活动信息、和/或所述奖惩记录信息，对所述待分析学生数据进行分析；
确定单元，用于依据所述分析单元的分析结果确定得到需要学业预警的学生用户。
10.一种学生数据的分析装置，其特征在于，包括：
处理器，被配置为：
获取预定时间段内的待分析学生数据；
从所述待分析学生数据中提取学生的学习成绩信息、和/或学生活动信息、和/或奖惩记录信息；
根据所述学习成绩信息、和/或所述学生活动信息、和/或所述奖惩记录信息，对所述待分析学生数据进行分析；
依据分析结果确定得到需要学业预警的学生用户；
存储器，被配置为存储所述处理器的可执行指令；
总线，被配置为耦接所述处理器及所述存储器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710369045.XA CN107194584A (zh) | 2017-05-23 | 2017-05-23 | 一种学生数据的分析方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710369045.XA CN107194584A (zh) | 2017-05-23 | 2017-05-23 | 一种学生数据的分析方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107194584A true CN107194584A (zh) | 2017-09-22 |
Family
ID=59875526
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710369045.XA Pending CN107194584A (zh) | 2017-05-23 | 2017-05-23 | 一种学生数据的分析方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107194584A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107967540A (zh) * | 2017-12-21 | 2018-04-27 | 中国海洋大学 | 学生学业预警系统及其方法 |
| CN108304532A (zh) * | 2018-01-29 | 2018-07-20 | 河南工学院 | 利用计算机预测学生成绩的方法、装置及可读存储介质 |
| CN108764640A (zh) * | 2018-04-26 | 2018-11-06 | 浙江商业职业技术学院 | 一种基于大数据的个性化的动态教学诊断与改进系统 |
| CN108985522A (zh) * | 2018-08-02 | 2018-12-11 | 杭州华网信息技术有限公司 | 一种智慧校园挂科预警方法与系统 |
| CN109035095A (zh) * | 2018-08-02 | 2018-12-18 | 杭州华网信息技术有限公司 | 一种智慧校园旷课预警方法与系统 |
| CN109472727A (zh) * | 2018-10-11 | 2019-03-15 | 昆山信高圣信息科技有限公司 | 一种创业大学生学业信息处理方法和装置 |
| CN109636688A (zh) * | 2018-12-11 | 2019-04-16 | 武汉文都创新教育研究院（有限合伙） | 一种基于大数据的学生行为分析系统 |
| CN109785197A (zh) * | 2018-12-12 | 2019-05-21 | 中国联合网络通信集团有限公司 | 一种学习行为分析方法及装置 |
| CN109828997A (zh) * | 2019-01-03 | 2019-05-31 | 温州医科大学 | 一种大学生行为数据分析及学业预警方法 |
| CN110956712A (zh) * | 2019-12-27 | 2020-04-03 | 深圳云谷星辰信息技术有限公司 | 一种考勤管理系统和考勤管理方法 |
| CN116342342A (zh) * | 2023-05-25 | 2023-06-27 | 深圳市捷易科技有限公司 | 学生行为检测方法、电子设备及可读存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104598582A (zh) * | 2015-01-15 | 2015-05-06 | 任中硕 | 全程学业跟踪分析系统 |
| CN105405082A (zh) * | 2015-11-30 | 2016-03-16 | 河北工程大学 | 大数据学生性格分析方法 |
| CN106023012A (zh) * | 2016-05-12 | 2016-10-12 | 北京圣水龙兴文化传媒有限公司 | 一种基于云计算的学生行为分析方法及系统 |
-
2017
- 2017-05-23 CN CN201710369045.XA patent/CN107194584A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104598582A (zh) * | 2015-01-15 | 2015-05-06 | 任中硕 | 全程学业跟踪分析系统 |
| CN105405082A (zh) * | 2015-11-30 | 2016-03-16 | 河北工程大学 | 大数据学生性格分析方法 |
| CN106023012A (zh) * | 2016-05-12 | 2016-10-12 | 北京圣水龙兴文化传媒有限公司 | 一种基于云计算的学生行为分析方法及系统 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107967540A (zh) * | 2017-12-21 | 2018-04-27 | 中国海洋大学 | 学生学业预警系统及其方法 |
| CN108304532A (zh) * | 2018-01-29 | 2018-07-20 | 河南工学院 | 利用计算机预测学生成绩的方法、装置及可读存储介质 |
| CN108764640A (zh) * | 2018-04-26 | 2018-11-06 | 浙江商业职业技术学院 | 一种基于大数据的个性化的动态教学诊断与改进系统 |
| CN108985522A (zh) * | 2018-08-02 | 2018-12-11 | 杭州华网信息技术有限公司 | 一种智慧校园挂科预警方法与系统 |
| CN109035095A (zh) * | 2018-08-02 | 2018-12-18 | 杭州华网信息技术有限公司 | 一种智慧校园旷课预警方法与系统 |
| CN109472727A (zh) * | 2018-10-11 | 2019-03-15 | 昆山信高圣信息科技有限公司 | 一种创业大学生学业信息处理方法和装置 |
| CN109636688A (zh) * | 2018-12-11 | 2019-04-16 | 武汉文都创新教育研究院（有限合伙） | 一种基于大数据的学生行为分析系统 |
| CN109785197A (zh) * | 2018-12-12 | 2019-05-21 | 中国联合网络通信集团有限公司 | 一种学习行为分析方法及装置 |
| CN109828997A (zh) * | 2019-01-03 | 2019-05-31 | 温州医科大学 | 一种大学生行为数据分析及学业预警方法 |
| CN110956712A (zh) * | 2019-12-27 | 2020-04-03 | 深圳云谷星辰信息技术有限公司 | 一种考勤管理系统和考勤管理方法 |
| CN116342342A (zh) * | 2023-05-25 | 2023-06-27 | 深圳市捷易科技有限公司 | 学生行为检测方法、电子设备及可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107194584A (zh) | 一种学生数据的分析方法及装置 | |
| Ranganath et al. | The hippocampus: a special place for time | |
| Alkhasawneh et al. | Developing a hybrid model to predict student first year retention in STEM disciplines using machine learning techniques | |
| CN106991187A (zh) | 一种校园数据的分析方法及装置 | |
| Pratte | Swap errors in spatial working memory are guesses | |
| CN106663240A (zh) | 用于对人才的数据驱动辨识的系统和方法 | |
| Tayler et al. | A bird in the hand: Understanding the trajectories of development of young children and the need for action to improve outcomes | |
| CN106557846A (zh) | 基于大学生在校数据的毕业去向预测方法 | |
| Geiger et al. | Political ingroup conformity and pro-environmental behavior: Evaluating the evidence from a survey and mousetracking experiments | |
| CN107220236A (zh) | 一种确定疑似裸贷学生的方法及装置 | |
| CN109543963B (zh) | 一种基于学生学习习惯的大数据分析方法及系统 | |
| CN112599218A (zh) | 药物敏感预测模型的训练方法、预测方法及相关装置 | |
| Käser et al. | Cluster-based prediction of mathematical learning patterns | |
| Pinto et al. | How Machine Learning (ML) is transforming higher education: A systematic literature review | |
| Berry et al. | Does study duration have opposite effects on recognition and repetition priming? | |
| Carvalho et al. | Analyzing the Relative Learning Benefits of Completing Required Activities and Optional Readings in Online Courses. | |
| CN107248125A (zh) | 一种确定疑似孤僻性格学生的方法及装置 | |
| Maslovskyi et al. | Adaptive test system of student knowledge based on neural networks | |
| Volna et al. | Pattern recognition and classification in time series data | |
| Tedeholm et al. | Predictors in the Swedish counterterrorism intervention unit selection process | |
| Harrison et al. | Linear regression and hierarchical linear models | |
| Piazzalunga et al. | Co-design of a points-based reward system to boost motivation in children and improve adherence to learning serious games | |
| Stratton et al. | Modeling completion of vocational education: the role of cognitive and noncognitive skills by program type | |
| Link | Sports Analytics: How (commercial) sports data create new opportunities for sports science | |
| Agranovich | The Impact of Educational Indicators on Success in Afterschool Life |
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: 20170922 |
|
| RJ01 | Rejection of invention patent application after publication |