CN109636688A - 一种基于大数据的学生行为分析系统 - Google Patents

Abstract

本发明公开一种基于大数据的学生行为分析系统，包括通过传输网络通信连接的数据采集系统和行为分析系统，数据采集系统包括：数据采集终端，用于实时采集学生行为数据；数据缓存模块，用于对采集的学生行为数据按照学生ID号、时间戳和地点的格式进行缓存；数据传输模块，用于将学生行为数据传输至行为分析系统；行为分析系统包括：数据处理模块，用于进行数据清洗和特征提取，并按照学生出勤、消费、运动和上网进行数据分类；数据分析模块，用于根据处理结果对学生的行为进行分析和预测；数据管理模块，用于对数据处理结果及学生行为分析结果进行存储和显示，当判断存在异常学生行为时通过短信形式通知管理员进行预警。

Description

一种基于大数据的学生行为分析系统

技术领域

本发明涉及大数据处理技术领域，具体为一种基于大数据的学生行为分析系统。

背景技术

数字化时代背景下，校园管理同样需要向智能化方向迈进。学生安全是校园管理最重要的一环，无论校方、辅导员还是学生家长，都希望通过捕获学生的行为信息来了解学生是否在校、是否按时上课、是否按时归寝等。大学生作为一个特定的、庞大的社会群体，其轨迹行为具有很强的特殊性、规律性，在高校里的学生从招生、学籍、选课、成绩、食堂、活动等方面产生大量的数据，通过对海量学生轨迹数据的收集、清洗、提取和挖掘来获取有价值的信息，为学生管理、校园管理、安全预警等工作提供决策依据。

申请号201610318308X的中国专利公开了一种基于云计算的学生行为分析方法及系统，该方法包括信息采集终端采集预设时间段内学生的生理参数，并发送该生理参数给服务器；服务器接收该生理参数，及从用户终端获取预设时间段内该学生的成绩数据；根据预设时间段内学生的生理参数及成绩数据，生成学生的生理成绩相关曲线；根据生理成绩相关曲线，生成学生的行为建议信息；发送学生的生理成绩相关曲线及行为建议信息给所述用户终端。本发明，通过信息采集终端采集学生的生理参数，方便简单，可以同时采集大量学生的生理参数，采集的学生的生理参数准确客观，由服务器对学生的生理参数及成绩数据进行分析，能够准确得到学生的生理成绩相关曲线及学生的行为建议信息。该专利的不足之处是，系统采集的基础数据来源于预设时间段内学生的生理参数，该基础数据的可靠度不高，导致最终得出的行为分析结果可信度较低。

专利号2015104291180的中国专利公开了一种学生行为分析系统及方法，该系统包括无源RFID识别装置，有源RFID识别装置，控制计算机，RFID电子标签，客户端，学生持卡经过校内场所时，通过无源RFID装置，由内外刷卡器确定进出方向，系统根据进出时间计算在该场所停留时间，通过有源RFID装置，由内外天线标号识别顺序确定进出方向，系统根据进出时间计算在该场所停留时间。该专利的不足之处是，需要设置读卡器才能获取到学生的行为数据，数据来源单一，且前期投入成本较大。

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。因此本专利基于大数据采集，对大学生的校园行为进行实时分析，分析学生的行为规律，推断学生的性格和习惯偏好，保障学校对学生的安全管理及活动动态。

发明内容

本发明的目的是针对现有技术存在的问题，提供一种基于大数据的学生行为分析系统，该系统通过多种途径实时获取学生的行为数据，通过获取的行为数据分析学生行为，掌握学生个体化的行为偏好，有针对性的进行干预和指导，有助于学生的健康发展，同时也有助于学生管理工作效率和执行力的提高。

为实现上述目的，本发明采用的技术方案是：

一种基于大数据的学生行为分析系统，包括通过传输网络通信连接的数据采集系统和行为分析系统，所述数据采集系统包括：数据采集终端，用于实时采集学生行为数据；数据缓存模块，用于对采集的学生行为数据按照学生ID号、时间戳和地点的格式进行缓存；数据传输模块，用于通过传输网络将学生行为数据传输至所述行为分析系统；所述行为分析系统包括：数据处理模块，用于对采集的学生行为数据进行数据清洗和特征提取，并按照学生出勤、消费、运动和上网进行数据分类；数据分析模块，用于根据处理结果对学生的行为进行分析和预测；数据管理模块，用于对所述数据处理模块的处理结果及所述数据分析模块分析的学生行为结果进行存储和显示，当判断存在异常学生行为时通过短信形式通知管理员进行预警。

本发明结合校园已有的多种数据采集系统，针对学生在校园内发生的各种行为，记录学生进出宿舍、教学楼、图书馆、活动中心、操场、食堂、校门等场所的时间和频率，并以学生ID号、时间戳和地点为标签，记录下学生的行为数据，基于大数据处理，对学生的行为进行分析预测，通过分析学生的出勤状况、课堂完成度、课外活动情况、行为轨迹、运动状况、饮食、消费及上网状况，能及时发现学生的学习、作息时间以及出勤变化，及时查找变化原因，为学生提出合理的建议及有效帮助，能为学生提供良好的健康建议及精准的资助服务，保证学生的学习效率，能实时反映课堂的教学状态，不断提升教学质量，能完善就业指导，提高学生就业率。

优选地，，所述数据采集终端包括：校园RFID一卡通系统、视频监控系统、智能移动终端、校园无线网络系统、门禁系统、考勤系统、教务系统、学工系统、校园各场馆的管理系统，所述校园RFID一卡通系统包括校园RFID卡和安装在校园内的用于读取校园RFID卡的射频识别设备；所述智能移动终端包括智能手机、平板电脑、无人机、可穿戴设备；所述校园各场馆的管理系统包括图书馆管理系统、运动馆管理系统和活动中心管理系统。

优选地，所述数据采集终端采集的数据包括：学生ID号、行为时间、RFID卡号、无线AP账号、APP账号、设备SN号、视频监控设备位置信息、智能移动终端位置信息、校园无线设备位置信息、门禁设备位置信息、考勤设备位置信息。

具体地，所述的RFID卡号、无线AP账号、APP账号、设备SN号均具有独立的编号，并且与学生ID号相对应。这样的设置方便进行数据的存储、分类和管理，同样也能使得学生行为轨迹的展示更加清楚明了。

优选地，所述数据处理模块包括数据优化单元、特征提取单元和数据分类单元，所述数据优化单元，用于对学生行为数据中的缺失值进行填充，对学生行为数据中的异常值进行过滤，并对经填充和过滤后的行为数据进行标准化处理；所述特征提取单元，用于从优化后的学生行为数据中提取行为特征值，构成特征向量组；所述数据分类单元，用于按照学生出勤、消费、运动和上网进行数据分类。

本发明中，所述数据优化单元对所述数据采集系统采集的学生行为数据进行优化处理，对行为数据中的缺失值进行填充，对行为数据中的异常值进行过滤，其中，行为数据中的缺失值是指在数据采集中，由于外在因素干扰导致采集的某些数据的属性值可能会丢失，在进行数据优化时，要对这部分属性丢失数据的属性值进行填充。异常数据是指在采集的数据集中，出现两条或多条完全相同的记录存在同一个学生ID号的数据存储中，或者将相同的信息冗余的存在多个学生ID号的数据存储中，在进行数据优化时，要过滤掉这些异常的数据或图片。

优选地，所述数据分类单元采用FCM聚类算法对所述特征向量组进行聚类处理，将具有相同分类特征的学生行为聚成一类，得到按照学生出勤、消费、运动和上网进行分类的学生行为数据。

具体地，所述数据分类单元基于FCM聚类算法，使得被划分到同一簇的行为数据之间的相似度最大，而不同簇之间的相似度最小。FCM聚类算法的实现步骤包括：1)初始化数据集；2)初始化隶属度数组；3)根据隶属度数组更新聚类中心；4)根据聚类中心更新隶属度数组；5)判断是否达到结束条件，没有达到则重复2)-4)。

优选地，所述数据分类单元处理后的学生行为数据按照学生ID号、时间戳、地点、分类特征的格式进行存储。

优选地，所述数据分析模块基于所述数据处理模块处理后的学生行为数据，建立与学生ID号对应的学生行为轨迹，并结合所述学生行为轨迹对学生行为进行多维度分析和预测，具体包括：

1)获取该学生的行为轨迹，与所述教务系统读取的学生课表进行比对，判断该学生的出勤率，然后结合所述视频监控系统采集的学生进出教室的数据、所述无人机航拍的位置数据、所述可穿戴设备采集的位置数据以及所述考勤系统读取的学生考勤记录数据，判断该学生的课堂完成度，再结合所述图书馆管理系统读取的课程相关图书的借阅记录、所述智能手机或平板电脑采集的课程相关资料的上网数据、所述学工系统读取的奖惩记录，分析预测该学生的成绩及对课程的偏好；

2)获取该学生的行为轨迹，结合所述校园RFID一卡通系统读取的刷卡消费记录、所述视频监控系统采集的消费记录、所述智能手机或平板电脑采集的消费记录、判断该学生的经济状况，再结合所述学工系统读取的助学金申请数据、所述教务系统读取的该学生成绩学习情况，评估该学生的助学金申请资格，分析预测该学生的经济状况与成绩学习行为之间的关系；

3)获取该学生的行为轨迹，结合所述视频监控系统采集到的运动数据、所述智能手机或平板电脑或可穿戴设备内的计步模块采集到的运动数据、所述无人机航拍采集到的运动数据、所述校园无线网络系统读取到的学生APP账号记录的运动数据、所述学工系统读取的学生的运动奖惩数据、所述运动馆管理系统读取的运动数据、所述活动中心管理系统读取的运动数据、所述门禁系统读取的进出运动馆和活动中心的数据，对学生的运动情况进行汇总后，对学生的运动习惯、身体机能和身体素质进行分析预测；再结合所述教务系统读取的该学生成绩，分析预测该学生的运动状况与成绩之间的关系；

4)获取该学生的行为轨迹，结合所述智能手机或平板电脑采集的网络行为数据、所述校园无线网络系统读取到的学生账号联网数据，对学生的上网行为进行分析，对学生的上网偏好进行预测，再结合所述教务系统读取的学生成绩、所述学工系统读取的奖惩记录，对学生的上网状况与成绩之间的关系进行分析预测；

5)获取该学生的行为轨迹，结合所述校园无线网络系统读取到的与该学生账号关联的网络浏览数据、所述智能手机或平板电脑采集的与该学生账号关联的网络浏览数据、所述活动中心管理系统读取的该学生参加就业指导或招聘会的数据、所述可穿戴设备采集到的该学生进出招聘会场或就业中心的数据、所述视频监控系统采集到的该学生参加校内招聘会宣讲的数据、所述无人机航拍采集到的该学生着装职业化的数据，对该学生的就业意向进行分析预测，再结合所述教务系统读取的该学生的专业信息和学业成绩、所述学工系统读取的该学生的竞赛获奖信息和德育奖惩记录，对该学生的就业能力进行分析预测；

6)获取该学生的行为轨迹，结合所述图书馆管理系统读取的该学生的图书借阅次数和图书借阅类型、所述视频监控系统采集的该学生进出教室的次数和时长、所述可穿戴设备采集的该学生出现在教室的次数及所述教务系统读取的该学生的课表，分析该学生的课外学习行为，预测该学生的考研意向，再结合所述所述教务系统读取的该学生的专业信息和学业成绩、所述学工系统读取的该学生的竞赛获奖信息和德育奖惩记录，对该学生的考研能力进行分析预测；

7)获取该学生的行为轨迹，结合所述图书馆管理系统读取的该学生的图书借阅类型、所述视频监控系统采集的该学生的校园行为数据、所述校园无线网络系统读取到的与该学生账号关联的网络浏览数据、所述智能手机或平板电脑采集的与该学生账号关联的网络浏览数据、所述无人机航拍采集到的该学生的校园行为数据、所述可穿戴设备采集的该学生常出入场所的数据、所述门禁系统读取的该学生进出特定场所的数据、所述考勤系统读取的该学生的考勤记录、所述运动馆管理系统读取的该学生进出运动馆的数据、所述活动中心管理系统读取的该学生进出活动中心的数据、所述教务系统读取的该学生的个人信息、专业信息及学业成绩、所述学工系统读取的该学生的校园活动奖惩记录、助学金申请记录，对该学生的性格情感进行分析，预测该学生的学习成绩、运动习惯、身体素质、经济状况与其性格情感之间的关系。

具体地，所述数据分析模块基于所述数据处理模块处理后的学生行为数据，建立与学生ID号对应的学生行为轨迹包括：按照每个学生的ID号，以行为时间戳和位置为标签，建立相应的学生行为关联模型，生成与学生ID号对应的轨迹数据曲线，以对每个学生的行为数据进行轨迹定位。所述轨迹数据曲线可通过GIS地图或浏览器的形式进行展示。

进一步地，本发明提供的学生行为分析系统还包括：告警模型构建模块，用于预设学生行为异常告警模型及学生群体事件告警模型；异常事件监控模块，用于根据学生行为异常告警模型及学生行为轨迹判断是否发生学生行为异常事件；群体事件监控模块，用于根据学生群体事件告警模型及学生行为轨迹判断是否发生学生群体事件。所述的告警模型构建模块、异常事件监控模块和群体事件监控模块分别与所述数据处理模块连接。

与现有技术相比，本发明的有益效果是：本发明通过数据采集系统采集学生进出宿舍、教学楼、图书馆、活动中心、操场、食堂、校门等场所的时间和频率，以学生ID号、时间戳和地点为标签，记录下学生的行为数据，且基于大数据处理，通过行为分析系统对学生的行为进行分析预测，通过分析学生的出勤状况、课堂完成度、课外活动情况、行为轨迹、运动状况、饮食、消费及上网状况，对学生的学习情况、努力程度、身体状况、活动爱好、经济状况、作息规律性等进行分析和预测，既可以及时发现学生的学习、作息时间以及出勤变化，实时反映课堂的教学状态，及时查找变化原因，为学生提出合理的建议及有效帮助，又可以基于身体状况和经济状况为学生提供良好的健康建议及精准的资助服务，保证学生的学习效率，还可以基于学生的行为分析，掌握学生的行为习惯偏好，为学生的学习就业提供个性化的培养指导，提高学生就业率。

附图说明

图1为本发明的基于大数据的学生行为分析系统的示意图。

具体实施方式

下面将结合本发明中的附图，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动条件下所获得的所有其它实施例，都属于本发明保护的范围。

如图1所示，本发明提供一种基于大数据的学生行为分析系统，包括通过传输网络通信连接的数据采集系统和行为分析系统，所述数据采集系统包括：数据采集终端，用于实时采集学生行为数据；数据缓存模块，用于对采集的学生行为数据按照学生ID号、时间戳和地点的格式进行缓存；数据传输模块，用于通过传输网络将学生行为数据传输至所述行为分析系统；所述行为分析系统包括：数据处理模块，用于对采集的学生行为数据进行数据清洗和特征提取，并按照学生出勤、消费、运动和上网进行数据分类；数据分析模块，用于根据处理结果对学生的行为进行分析和预测；数据管理模块，用于对所述数据处理模块的处理结果及所述数据分析模块分析的学生行为结果进行存储和显示，当判断存在异常学生行为时通过短信形式通知管理员进行预警。

数据采集系统，用于获取校园环境中各数据系统的系统数据。所述数据系统可以为校园RFID卡一卡通系统、无线WiFi系统、有线网络系统、门禁系统、图书馆管理系统、活动中心管理系统、考勤系统、校务管理系统、教务系统、校园监控系统等，但不以此为限制。同样，所述系统数据则是从各数据系统中提取的时间信息、位置信息、基础信息及行为动作信息，但不以此为限制。具体地，可通过校园RFID一卡通系统、门禁系统、图书馆管理系统、活动中心管理系统、考勤系统、校园监控系统等获取位置信息(如，视频监控设备的位置信息、智能移动终端的位置信息、校园无线设备的位置信息、考勤设备的信息等)，通过校务管理系统获取学生的基础信息(如，学生ID号)，通过无线WiFi系统、有线网络系统等记录和获取学生终端设备信息(如物理地址、设备型号、RFID卡号、无线AP账号、APP账号、设备SN号等)，通过无人机航拍获取校园公共区域内学生的行为数据(如，人脸数据，用于通过人脸识别技术识别出学生信息)。具体地，所述的RFID卡号、无线AP账号、APP账号、设备SN号均具有独立的编号，并且对应学生ID号。这样的设置方便进行数据的存储、分类和管理，同样也能使得学生行为轨迹的展示更加清楚明了。

所述数据采集系统采集的学生行为数据包括结构化和非结构化的数据。结构化数据可以通过校园一卡通、网络监控、教务、考勤等校园部署的数据系统进行数据采集和转换。非结构化、半结构化数据大部分来源于互联网、社区论坛等，需要利用数据采集平台，运用云化ETL工具、流数据处理、网络爬虫等工具进行采集。

上述的各数据系统读取到的信息包括：学生的刷卡记录；视频监控捕捉的学生画面及出现的时间位置信息；图书馆进出时间记录；在食堂、校园超市或操场等校内公共活动区域安装的射频识别设备所识别到的校园RFID卡的刷卡记录及地点信息；学生使用校园网WIFI登录无线AP，所登录的无线AP位置及各AP之间漫游的时间记录；学生使用本系统配套APP时，通过智能手机、平板电脑或可穿戴设备的GPS模块获取的定位信息；无人机航拍采集的学生信息。所述数据采集系统获取的数据通过传输网络传输到行为系统，进行后续的数据处理、分析和输出。所述传输网络包括有线公网、局域网和3G/4G/5G网络。

所述行为分析系统包括数据处理模块、数据分析模块和数据管理模块。所述数据处理模块包括数据优化单元、特征提取单元和数据分类单元。所述行为分析系统设置在云服务器内。

数据处理模块，用于对采集的学生行为数据进行数据清洗和特征提取，并按照学生出勤、消费、运动和上网进行数据分类。通过所述数据采集系统对学生行为数据进行采集时，会产生大量的数据量，并且这些数据的格式不一致，各个采集设备采集到的数据之间不能融合，无法进一步进行数据管理和分析，因此，需要对采集的数据进行数据优化，使得采集的多种数据能用于后续的分析。所述数据优化单元对系统数据进行优化包括填充缺失数据，过滤掉异常数据、图片，并对经填充和过滤后的行为数据进行标准化处理，形成完整的行为数据。

特征提取单元，利用现有的特征提取方式从优化后的学生行为数据中提取行为特征值，构成特征向量组，用以表征学生行为数据。在具体实施中，现有的特征提取方式包括图像/视频特征提取和文本特征提取，所述图像/视频特征提取包括低层视觉特征提取和高级语义特征提取，所述低层视觉特征提取又包括纹理、颜色、形状三方面的特征提取，其中，所述纹理特征提取算法包括灰度共生矩阵法，傅里叶功率谱法等，所述颜色特征提取算法包括直方图法，累计直方图法，颜色聚类法等，所述形状特征提取算法包括空间矩特征等，所述高级语义特征提取算法包括语义网络、数理逻辑、框架，所述文本特征提取算法包括信息熵、信息增益等。具体的特征提取算法可参见现有技术，在此不做赘述。

数据分类单元，采用FCM聚类算法对所述特征提取单元给出的特征向量组进行聚类处理，将具有相似或相同分类特征的学生行为聚成一类，得到按照学生出勤、消费、运动和上网进行分类的学生行为数据。

具体地，所述数据分类单元基于FCM聚类算法，使得被划分到同一簇的行为数据之间的相似度最大，而不同簇之间的相似度最小。在该算法中，每个样本都有对应的隶属度数组，数组里的每一个元素代表该样本属于某种类别的程度。即，每一条学生行为数据作为一个样本，对应相应的隶属度数组，数组里的每一个元素代表该条学生行为数据属于某种分类特征的程度。

具体地，FCM聚类算法的实现步骤包括：1)从所述数据采集系统读取学生行为数据，初始化学生行为数据集；2)初始化隶属度数组；3)根据隶属度数组更新聚类中心；4)根据聚类中心更新隶属度数组；5)判断是否达到结束条件，没有达到则重复2)-4)。这里设定一个隶属度变化的绝对值的阈值，当所有隶属度的变化的绝对值都低于这个设定阈值时，达到结束条件。具体地，设Wij表示数据点i关于簇j的隶属度，首先初始化隶属度数组，即对所有的Wij赋值，然后计算每个簇的质心，更新隶属度数组，直到簇的质心不发生变化，即，直到所有隶属度的变化的绝对值都低于所设定阈值。

数据分类单元处理后的学生行为数据按照学生ID号、时间戳、地点、分类特征的格式存储在所述数据管理模块中。

所述数据分析模块基于所述数据处理模块处理后的学生行为数据，建立与学生ID号对应的学生行为轨迹，并结合所述学生行为轨迹对学生行为进行多维度分析和预测，具体包括：

1)获取该学生的行为轨迹，与所述教务系统读取的学生课表进行比对，判断该学生的出勤率，然后结合所述视频监控系统采集的学生进出教室的数据、所述无人机航拍的位置数据、所述可穿戴设备采集的位置数据以及所述考勤系统读取的学生考勤记录数据，判断该学生的课堂完成度，再结合所述图书馆管理系统读取的课程相关图书的借阅记录、所述智能手机或平板电脑采集的课程相关资料的上网数据、所述学工系统读取的奖惩记录，分析预测该学生的成绩及对课程的偏好；

2)获取该学生的行为轨迹，结合所述校园RFID一卡通系统读取的刷卡消费记录、所述视频监控系统采集的消费记录、所述智能手机或平板电脑采集的消费记录、判断该学生的经济状况，再结合所述学工系统读取的助学金申请数据、所述教务系统读取的该学生成绩学习情况，评估该学生的助学金申请资格，分析预测该学生的经济状况与成绩学习行为之间的关系；

3)获取该学生的行为轨迹，结合所述视频监控系统采集到的运动数据、所述智能手机或平板电脑或可穿戴设备内的计步模块采集到的运动数据、所述无人机航拍采集到的运动数据、所述校园无线网络系统读取到的学生APP账号记录的运动数据、所述学工系统读取的学生的运动奖惩数据、所述运动馆管理系统读取的运动数据、所述活动中心管理系统读取的运动数据、所述门禁系统读取的进出运动馆和活动中心的数据，对学生的运动情况进行汇总后，对学生的运动习惯、身体机能和身体素质进行分析预测；再结合所述教务系统读取的该学生成绩，分析预测该学生的运动状况与成绩之间的关系；

4)获取该学生的行为轨迹，结合所述智能手机或平板电脑采集的网络行为数据、所述校园无线网络系统读取到的学生账号联网数据，对学生的上网行为进行分析，对学生的上网偏好进行预测，再结合所述教务系统读取的学生成绩、所述学工系统读取的奖惩记录，对学生的上网状况与成绩之间的关系进行分析预测；

5)获取该学生的行为轨迹，结合所述校园无线网络系统读取到的与该学生账号关联的网络浏览数据、所述智能手机或平板电脑采集的与该学生账号关联的网络浏览数据、所述活动中心管理系统读取的该学生参加就业指导或招聘会的数据、所述可穿戴设备采集到的该学生进出招聘会场或就业中心的数据、所述视频监控系统采集到的该学生参加校内招聘会宣讲的数据、所述无人机航拍采集到的该学生着装职业化的数据，对该学生的就业意向进行分析预测，再结合所述教务系统读取的该学生的专业信息和学业成绩、所述学工系统读取的该学生的竞赛获奖信息和德育奖惩记录，对该学生的就业能力进行分析预测；

6)获取该学生的行为轨迹，结合所述图书馆管理系统读取的该学生的图书借阅次数和图书借阅类型、所述视频监控系统采集的该学生进出教室的次数和时长、所述可穿戴设备采集的该学生出现在教室的次数及所述教务系统读取的该学生的课表，分析该学生的课外学习行为，预测该学生的考研意向，再结合所述所述教务系统读取的该学生的专业信息和学业成绩、所述学工系统读取的该学生的竞赛获奖信息和德育奖惩记录，对该学生的考研能力进行分析预测；

7)获取该学生的行为轨迹，结合所述图书馆管理系统读取的该学生的图书借阅类型、所述视频监控系统采集的该学生的校园行为数据、所述校园无线网络系统读取到的与该学生账号关联的网络浏览数据、所述智能手机或平板电脑采集的与该学生账号关联的网络浏览数据、所述无人机航拍采集到的该学生的校园行为数据、所述可穿戴设备采集的该学生常出入场所的数据、所述门禁系统读取的该学生进出特定场所的数据、所述考勤系统读取的该学生的考勤记录、所述运动馆管理系统读取的该学生进出运动馆的数据、所述活动中心管理系统读取的该学生进出活动中心的数据、所述教务系统读取的该学生的个人信息、专业信息及学业成绩、所述学工系统读取的该学生的校园活动奖惩记录、助学金申请记录，对该学生的性格情感进行分析，预测该学生的学习成绩、运动习惯、身体素质、经济状况与其性格情感之间的关系。

作为本发明的另一种实施方案，本发明提供的基于大数据的学生行为分析系统还包括告警模型构建模块，用于预设学生行为异常告警模型及学生群体事件告警模型；异常事件监控模块，用于根据学生行为异常告警模型及学生行为轨迹判断是否发生学生行为异常事件；群体事件监控模块，用于根据学生群体事件告警模型及学生行为轨迹判断是否发生学生群体事件。需要说明的是，在告警模型构建模块、异常事件监控模块及群体事件监控模块的结合下，用户可在自定义监控群体情况或默认全体学生情况下，建立轨迹以同一时段为维度的行为和轨迹分析模型，判断学生群体行为，如：同一或相似事件行为，同一或相似位置(定义相似范围取值，默认小于等于50米内)行为；建立学生行为异常及群体事件行为特征库，通过匹配模型，对发生的行为与特征库对比产生预警。所述自定义群体行为可视化监控，可根据学生固有属性标签民族、性别、培养层次和生源地分类筛选查看。另外，还可以对学生行为异常事件及学生群体事件进行预警信息推送，包括对学生异常行为事件及学生群体事件行为向管理人员推送，可支持公众号，短信，邮件等方式。本发明通过获取校园环境下各个数据系统中数据，通过数据预处理、存储、分类和建模，形成学生行为轨迹模型关键数据，同时通过多维度数据关联，逻辑判断纠错，数据深度挖掘等大数据技术，记录校园环境中的学生行为轨迹，并以群体的视角分析群体轨迹特征，描绘环境中群体行为轨迹，实现对轨迹中的真实行为的描绘及对异常行为的预警。

本发明能够通过数据采集系统获取在校学生的基础信息、消费信息、行为偏好、活动地区偏好、阅读偏好、日常作息等信息，基于这些基础信息进行学生行为分析和预测，掌握学生的行为动向、兴趣爱好、心理特征、互动行为，为学生的学习就业提供个性化的培养指导，为学校提供精细化的教育管理。例如：对学生行为记录进行综合统计，包括进、出时间点、停留时间点、以及在自主状态下做了哪些体育运动的行为统计。根据定位结果对学生的活动轨迹进行绘制，并分析出学生最常去的地方，以及停留时间分析，帮助教师了解学生兴趣并有的放矢进行因材施教。老师添可以对学生的运动信息进行查询，如心率、步数、卡路里。维度包括，日、月以累计以及均值。支持通过手机APP与平台同步；家长端对学生的情况进行查询。

本发明采用云端管理平台设计(如类似阿里云服务器、华为云、腾讯云、浪潮云等模式)，各学校不需要配置服务器，只需要配PC机和显示屏幕，学校租用本系统云端管理平台服务器，帮助学校对接校内各系统接口，导入学生数据等。可通过互联网在任何地方通过相应权限登录系统，无需安装客户端，实现安全管理的灵活性。本系统平台也可在学校本地化私有云部署，登录校内局域网联通，学校管理人员可在校内网中使用本系统。

本发明通过数据采集系统采集学生进出宿舍、教学楼、图书馆、活动中心、操场、食堂、校门等场所的时间和频率，以学生ID号、时间戳和地点为标签，记录下学生的行为数据，且基于大数据处理，通过行为分析系统对学生的行为进行分析预测，通过分析学生的作息时间、出勤状况、准点率、课外活动情况、行为轨迹、饮食、消费及上网状况，对学生的学习情况、努力程度、身体状况、活动爱好、经济状况、作息规律性等进行分析和预测，既可以及时发现学生的学习、作息时间以及出勤变化，实时反映课堂的教学状态，及时查找变化原因，为学生提出合理的建议及有效帮助，又可以基于身体状况和经济状况为学生提供良好的健康建议及精准的资助服务，保证学生的学习效率，还可以基于学生的行为分析，掌握学生的行为习惯偏好，为学生的学习就业提供个性化的培养指导，提高学生就业率。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (7)

1.一种基于大数据的学生行为分析系统，其特征在于，包括通过传输网络通信连接的数据采集系统和行为分析系统，所述数据采集系统包括：数据采集终端，用于实时采集学生行为数据；数据缓存模块，用于对采集的学生行为数据按照学生ID号、时间戳和地点的格式进行缓存；数据传输模块，用于通过传输网络将学生行为数据传输至所述行为分析系统；所述行为分析系统包括：数据处理模块，用于对采集的学生行为数据进行数据清洗和特征提取，并按照学生出勤、消费、运动和上网进行数据分类；数据分析模块，用于根据处理结果对学生的行为进行分析和预测；数据管理模块，用于对所述数据处理模块的处理结果及所述数据分析模块分析的学生行为结果进行存储和显示，当判断存在异常学生行为时通过短信形式通知管理员进行预警。

2.根据权利要求1所述的一种基于大数据的学生行为分析系统，其特征在于，所述数据采集终端包括：校园RFID一卡通系统、视频监控系统、智能移动终端、校园无线网络系统、门禁系统、考勤系统、教务系统、学工系统、校园各场馆的管理系统，所述校园RFID一卡通系统包括校园RFID卡和安装在校园内的用于读取校园RFID卡的射频识别设备；所述智能移动终端包括智能手机、平板电脑、无人机、可穿戴设备；所述校园各场馆的管理系统包括图书馆管理系统、运动馆管理系统和活动中心管理系统。

3.根据权利要求2所述的一种基于大数据的学生行为分析系统，其特征在于，所述数据采集终端采集的数据包括：学生ID号、行为时间、RFID卡号、无线AP账号、APP账号、设备SN号、视频监控设备位置信息、智能移动终端位置信息、校园无线设备位置信息、门禁设备位置信息、考勤设备位置信息。

4.根据权利要求1所述的一种基于大数据的学生行为分析系统，其特征在于，所述数据处理模块包括数据优化单元、特征提取单元和数据分类单元，所述数据优化单元，用于对学生行为数据中的缺失值进行填充，对学生行为数据中的异常值进行过滤，并对经填充和过滤后的行为数据进行标准化处理；所述特征提取单元，用于从优化后的学生行为数据中提取行为特征值，构成特征向量组；所述数据分类单元，用于按照学生出勤、消费、运动和上网进行数据分类。

5.根据权利要求4所述的一种基于大数据的学生行为分析系统，其特征在于，所述数据分类单元采用FCM聚类算法对所述特征向量组进行聚类处理，将具有相同分类特征的学生行为聚成一类，得到按照学生出勤、消费、运动和上网进行分类的学生行为数据。

6.根据权利要求5所述的一种基于大数据的学生行为分析系统，其特征在于，所述数据分类单元处理后的学生行为数据按照学生ID号、时间戳、地点、分类特征的格式进行存储。

7.根据权利要求1-6中任一项所述的一种基于大数据的学生行为分析系统，其特征在于，所述数据分析模块基于所述数据处理模块处理后的学生行为数据，建立与学生ID号对应的学生行为轨迹，并结合所述学生行为轨迹对学生行为进行多维度分析和预测，具体包括：

1)获取该学生的行为轨迹，与所述教务系统读取的学生课表进行比对，判断该学生的出勤率，然后结合所述视频监控系统采集的学生进出教室的数据、所述无人机航拍的位置数据、所述可穿戴设备采集的位置数据以及所述考勤系统读取的学生考勤记录数据，判断该学生的课堂完成度，再结合所述图书馆管理系统读取的课程相关图书的借阅记录、所述智能手机或平板电脑采集的课程相关资料的上网数据、所述学工系统读取的奖惩记录，分析预测该学生的成绩及对课程的偏好；

2)获取该学生的行为轨迹，结合所述校园RFID一卡通系统读取的刷卡消费记录、所述视频监控系统采集的消费记录、所述智能手机或平板电脑采集的消费记录、判断该学生的经济状况，再结合所述学工系统读取的助学金申请数据、所述教务系统读取的该学生成绩学习情况，评估该学生的助学金申请资格，分析预测该学生的经济状况与成绩学习行为之间的关系；

3)获取该学生的行为轨迹，结合所述视频监控系统采集到的运动数据、所述智能手机或平板电脑或可穿戴设备内的计步模块采集到的运动数据、所述无人机航拍采集到的运动数据、所述校园无线网络系统读取到的学生APP账号记录的运动数据、所述学工系统读取的学生的运动奖惩数据、所述运动馆管理系统读取的运动数据、所述活动中心管理系统读取的运动数据、所述门禁系统读取的进出运动馆和活动中心的数据，对学生的运动情况进行汇总后，对学生的运动习惯、身体机能和身体素质进行分析预测；再结合所述教务系统读取的该学生成绩，分析预测该学生的运动状况与成绩之间的关系；

4)获取该学生的行为轨迹，结合所述智能手机或平板电脑采集的网络行为数据、所述校园无线网络系统读取到的学生账号联网数据，对学生的上网行为进行分析，对学生的上网偏好进行预测，再结合所述教务系统读取的学生成绩、所述学工系统读取的奖惩记录，对学生的上网状况与成绩之间的关系进行分析预测；

5)获取该学生的行为轨迹，结合所述校园无线网络系统读取到的与该学生账号关联的网络浏览数据、所述智能手机或平板电脑采集的与该学生账号关联的网络浏览数据、所述活动中心管理系统读取的该学生参加就业指导或招聘会的数据、所述可穿戴设备采集到的该学生进出招聘会场或就业中心的数据、所述视频监控系统采集到的该学生参加校内招聘会宣讲的数据、所述无人机航拍采集到的该学生着装职业化的数据，对该学生的就业意向进行分析预测，再结合所述教务系统读取的该学生的专业信息和学业成绩、所述学工系统读取的该学生的竞赛获奖信息和德育奖惩记录，对该学生的就业能力进行分析预测；

6)获取该学生的行为轨迹，结合所述图书馆管理系统读取的该学生的图书借阅次数和图书借阅类型、所述视频监控系统采集的该学生进出教室的次数和时长、所述可穿戴设备采集的该学生出现在教室的次数及所述教务系统读取的该学生的课表，分析该学生的课外学习行为，预测该学生的考研意向，再结合所述所述教务系统读取的该学生的专业信息和学业成绩、所述学工系统读取的该学生的竞赛获奖信息和德育奖惩记录，对该学生的考研能力进行分析预测；

7)获取该学生的行为轨迹，结合所述图书馆管理系统读取的该学生的图书借阅类型、所述视频监控系统采集的该学生的校园行为数据、所述校园无线网络系统读取到的与该学生账号关联的网络浏览数据、所述智能手机或平板电脑采集的与该学生账号关联的网络浏览数据、所述无人机航拍采集到的该学生的校园行为数据、所述可穿戴设备采集的该学生常出入场所的数据、所述门禁系统读取的该学生进出特定场所的数据、所述考勤系统读取的该学生的考勤记录、所述运动馆管理系统读取的该学生进出运动馆的数据、所述活动中心管理系统读取的该学生进出活动中心的数据、所述教务系统读取的该学生的个人信息、专业信息及学业成绩、所述学工系统读取的该学生的校园活动奖惩记录、助学金申请记录，对该学生的性格情感进行分析，预测该学生的学习成绩、运动习惯、身体素质、经济状况与其性格情感之间的关系。