CN113220773A - 一种学生评测数据画像的地图可视化方法及系统 - Google Patents

一种学生评测数据画像的地图可视化方法及系统 Download PDF

Info

Publication number
CN113220773A
CN113220773A CN202110593498.7A CN202110593498A CN113220773A CN 113220773 A CN113220773 A CN 113220773A CN 202110593498 A CN202110593498 A CN 202110593498A CN 113220773 A CN113220773 A CN 113220773A
Authority
CN
China
Prior art keywords
map
portrait
space
index
student
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.)
Granted
Application number
CN202110593498.7A
Other languages
English (en)
Other versions
CN113220773B (zh
Inventor
周东波
李贝
黄景
刘明勇
蔡凤银
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central China Normal University
Original Assignee
Central China Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Central China Normal University filed Critical Central China Normal University
Priority to CN202110593498.7A priority Critical patent/CN113220773B/zh
Publication of CN113220773A publication Critical patent/CN113220773A/zh
Application granted granted Critical
Publication of CN113220773B publication Critical patent/CN113220773B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F16/26—Visual data mining; Browsing structured data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本发明公开了一种学生评测数据画像的地图可视化方法及系统，分析学生在校园生活中的能力表现、行为特征和兴趣偏好等。能够精准地呈现学生的能力特征及其在不同过程维度上的行为表现，以支持学生有针对性地调整行为，教师能够提供精准化的干预和指导。包括构建学生画像空间模型，利用画像空间的各项评价指标定制地图空间。采集学生日常校园活动数据，形成大学生日常行为习惯的标准数据集，利用地图可视化元素与图层的合、并、差分析提取学生特征信息，最后生成学生画像。本发明基于可视化分析技术和画像空间构建方法，利用地图可视化为观测者提供学生个体及群体直观且精确的描述，从而进行有针对性的干预和指导。

Description

一种学生评测数据画像的地图可视化方法及系统
技术领域
本发明属于教育技术学与计算机科学、地理信息科学的交叉技术领域，具体涉及一种学生评测数据画像的地图可视化方法及系统。
背景技术
随着我国学校信息化的快速发展,教育大数据成为研究热点,学生行为数据作为教育大数据的重要组成部分,能够全面、系统地反映出学生的行为规律和特征。如何从海量的学生校园数据提取出隐含的、有价值的信息,变废为宝,改变传统的对这些数据的简单查询与统计,为学生管理工作提供高效客观的决策信息,是各高校亟待解决的问题。利用多种校园数据对学生的综合分析,形成学生行为画像,对学生生活、学习、校园贷等不良情况进行预警,并将消息及时推送给辅导员和相关任课教师,有助于学校把握学生的思想活动动态,表扬鼓励积极向上的学生行为,对不良行为习惯进行及时纠正,引导学生向正确的、积极健康的行为活动发展,丰富学生网络思想政治教育方法,提升学生工作管理水平,进而促进学生健康成长成才。
学生画像的实质是标签化的学生全貌,构建学生画像的过程就是基于广泛的学生校园数据,通过学生属性的分类并利用一定的技术方法抽取得到学生特征,提炼成学生标签,最终得到用户画像。学生画像是基于各种直观、明了的可视化图形所构成,表示方法多种多样。例如,将学生标签构成一个标签云，标签占比大小代表学生特征显著性水平；或者通过人物图片结合学生标签的形式表示学生画像；或者借助各种统计图形如直方图、雷达图的形式等来表示学生画像。
地图是一种最直观的可视化方法,它提供由宏观到微观的视图展示效果,并可实现不同尺度间的自由切换。通过将展示数据与不同的尺度进行关联,可以实现对纷繁复杂的数据进行过滤展示,同一级别的数据与信息在同一尺度上可视,避免数据的堆积而造成认知的阻碍。地图可视化的方法,对带有时空分布特征的教育数据,可以十分容易地展示其区域分布状态以及时空变迁方式。地图中,通过图层来区分不同的地理要素、主题内容以及时空属性。可视化方法,可以方便地对不同类型的数据层进行可视化控制,同时也可以对相同地理基准下,不同数据层进行融合可视化。
应用基于地图可视分析方法,首先需要能将现有数据通过自动化方式提取相应的地理标签,然后通过地图方式进行数据展示,通过图层间的合、并、差分析提取学生特征信息，有助于学校把握学生的思想活动动态,引导学生向正确的、积极健康的行为活动发展。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了涉及一种学生评测数据画像的地图可视化方法及系统，该方法，针对现有学生画像数据的管理与分析缺乏基于地图的应用模式，且可视化展示与支持决策分离的现象，构建学生画像模型，通过地图空间表达画像数据，利用图层合、并、差的可视分析方法，对学生进行综合分析，确保对学生学习生活中的不良情况进行预警,消息及时推送给辅导员、家长和教师，对不良行为习惯进行及时纠正,引导学生向正确的、积极健康的行为活动发展。
为实现上述目的，本发明提供一种学生评测数据画像的地图可视化方法，包括如下步骤：
定义学生评测数据画像的主题统计空间组织模型，通过区块化、层次化以及评价主题采集学生评测画像各类校园活动数据，进行归一化处理，形成标准数据集；
定义评测数据画像的地图空间模型及其表达方法，根据评测主题，利用地图空间中特有的点、线、面、图层组织与图元可视化元素，构建画像的地图空间表达；
建立评测数据画像的主题统计空间组织模型与地图空间模型的映射规则，根据指标类型、指标占比这些关键因素为画像空间定制地图空间，将采集到的画像空间数据转化为具有多维、时空、层次特点的地图空间数据，用地图空间可视元素展现画像评价指标；
个性化评测数据画像的地图可视化与析表达，通过图层操作分析提取学生个体、群体特征信息，生成各类别的学生画像，可视化学生日常行为，分析学生日常行为特点，辅助教师监督学习过程。
进一步的，所述的学生评测数据画像的主题统计空间组织模型，将画像空间模型定义为Vindic＝{Xi|i∈N},Xi＝f(Pi,Si),其中Vindic表示画像空间，N为自然数，该画像空间包含多个指标域Xi，按需可增减，每个指标域又包含多个子指标域，各类指标域又包含该指标占比大小Pi和该指标评分Si变量，其中各类指标占比大小之和为1，表示为
Figure BDA0003090099840000021
进一步的，所述的构建评测数据画像的地图空间模型，将地图空间模型定义为Vmap＝{Li|i∈N}，Li＝f(Si,Wi,Pi),其中Vmap表示地图空间，N为自然数，Li为图层，按需可增减，Si为点，Wi为线，Pi为面,如上述公式，地图空间由多个图层构成，图层又包含点、线、面这些可视元素，利用这些可视元素个性化展示学生画像。
进一步的，所述的建立评测数据画像的主题统计空间组织模型与地图空间模型的映射规则，定制地图空间步骤具体在于，根据画像空间指标类型和所占比重定制地图空间，形成两者之间的映射关系，能按照不同的需求定制不同的地图空间，具体方法为：
选取现有合适的国家级或省市级地图，构建地图空间区域与画像空间指标一一对应关系，根据各指标域占比依次选取地图空间各区域，指标占比与区域面积占比大小呈正相关，在各指标区域上放置一定数量相等大小的圆点用来表示该指标域下所包涵的各子指标。
进一步的，所述的建立评测数据画像的主题统计空间组织模型与地图空间模型的映射规则，定制地图空间步骤具体在于，根据画像空间指标类型和所占比重定制地图空间，形成两者之间的映射关系，能按照不同的需求定制不同的地图空间，具体方法为：
自定义地图空间，根据画像空间指标域和子指标域的个数和权重占比自主划分地图空间，其中指标域和子指标域的个数决定分区和子分区的个数，指标域和子指标域权重决定区域和子区域面积占比大小。
进一步的，所述的建立评测数据画像的主题统计空间组织模型与地图空间模型的映射规则，用地图空间可视元素展现画像评价指标具体在于，地图空间的可视元素可表达为点、线、面、图层，在画像评价指标表达中，通过点集表达各子指标类型或指标评分；线表达各子指标之间的逻辑关系；面表达各指标占比状况；图层表达学生画像，将画像数据进行空间位置赋值后,通过不同的应用需求,使用点、线、面和图层的方法进行可视化展示与分析。
进一步的，个性化画像表达，利用图层分析提取学生个体、群体特征信息，不同图层代表不同学生个体或群体，利用图层颜色这些可视化要素,结合图层的合、并、差操作实现对画像信息的显出展示，为观测者提供学生个体及群体直观且精确的描述，从而进行有针对性的干预和指导。
本发明还提供一种学生评测数据画像的地图可视化系统，该系统包括：
标准数据集构建单元，定义学生评测数据画像的主题统计空间组织模型，通过区块化、层次化以及评价主题采集学生评测画像各类校园活动数据，进行归一化处理，形成标准数据集；
地图空间表达单元，定义评测数据画像的地图空间模型及其表达方法，根据评测主题，利用地图空间中特有的点、线、面、图层组织与图元可视化元素，构建画像的地图空间表达；
映射规则建立单元，用于建立评测数据画像的主题统计空间组织模型与地图空间模型的映射规则，根据指标类型、指标占比这些关键因素为画像空间定制地图空间，将采集到的画像空间数据转化为具有多维、时空、层次特点的地图空间数据，用地图空间可视元素展现画像评价指标；
数据画像单元，实现个性化评测数据画像的地图可视化与析表达，通过图层操作分析提取学生个体、群体特征信息，生成各类别的学生画像，可视化学生日常行为，分析学生日常行为特点，辅助教师监督学习过程。
进一步的，所述的学生评测数据画像的主题统计空间组织模型，将画像空间模型定义为Vindic＝{Xi|i∈N},Xi＝f(Pi,Si),其中Vindic表示画像空间，N为自然数，该画像空间包含多个指标域Xi，按需可增减，每个指标域又包含多个子指标域，各类指标域又包含该指标占比大小Pi和该指标评分Si变量，其中各类指标占比大小之和为1，表示为
Figure BDA0003090099840000041
进一步的，所述的构建评测数据画像的地图空间模型，将地图空间模型定义为Vmap＝{Li|i∈N}，Li＝f(Si,Wi,Pi),其中Vmap表示地图空间，N为自然数，Li为图层，按需可增减，SV为点，Wi为线，Pi为面,如上述公式，地图空间由多个图层构成，图层又包含点、线、面这些可视元素，利用这些可视元素个性化展示学生画像。
进一步的，所述的建立评测数据画像的主题统计空间组织模型与地图空间模型的映射规则，定制地图空间步骤具体在于，根据画像空间指标类型和所占比重定制地图空间，形成两者之间的映射关系，能按照不同的需求定制不同的地图空间，具体方法为：
选取现有合适的国家级或省市级地图，构建地图空间区域与画像空间指标一一对应关系，根据各指标域占比依次选取地图空间各区域，指标占比与区域面积占比大小呈正相关，在各指标区域上放置一定数量相等大小的圆点用来表示该指标域下所包涵的各子指标。
进一步的，所述的建立评测数据画像的主题统计空间组织模型与地图空间模型的映射规则，定制地图空间步骤具体在于，根据画像空间指标类型和所占比重定制地图空间，形成两者之间的映射关系，能按照不同的需求定制不同的地图空间，具体方法为：
自定义地图空间，根据画像空间指标域和子指标域的个数和权重占比自主划分地图空间，其中指标域和子指标域的个数决定分区和子分区的个数，指标域和子指标域权重决定区域和子区域面积占比大小。
进一步的，所述的建立评测数据画像的主题统计空间组织模型与地图空间模型的映射规则，用地图空间可视元素展现画像评价指标具体在于，地图空间的可视元素可表达为点、线、面、图层，在画像评价指标表达中，通过点集表达各子指标类型或指标评分；线表达各子指标之间的逻辑关系；面表达各指标占比状况；图层表达学生画像，将画像数据进行空间位置赋值后,通过不同的应用需求,使用点、线、面和图层的方法进行可视化展示与分析。
进一步的，个性化画像表达，利用图层分析提取学生个体、群体特征信息，不同图层代表不同学生个体或群体，利用图层颜色这些可视化要素,结合图层的合、并、差操作实现对画像信息的显出展示，为观测者提供学生个体及群体直观且精确的描述，从而进行有针对性的干预和指导。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器运行所述计算机程序时，执行前述的一种学生评测数据画像的地图可视化方法的步骤。
本发明还提供一种计算机可读存储介质，其存储计算机程序，所述计算机程序使得计算机执行前述公开的一种学生评测数据画像的地图可视化方法的步骤。
本发明具有如下有益技术效果：
1、本发明提供了一种学生评测数据画像的地图可视化方法及系统，该方法和系统融合学习、生活和心理等多类行为数据，应用大数据的方法，从学生日常校园活动数据出发，构建画像空间模型,从中可以反映出学生的性格特点、兴趣爱好、行为选择、思想动态等。
2、本发明提供的一种学生评测数据画像的地图可视化方法及系统，利用地图空间可视分析中点、线、面、图层等视觉元素，构建地图空间模型。
3、本发明提供的一种学生评测数据画像的地图可视化方法及系统，建立画像空间与地图空间的映射规则，根据画像空间特点定制合适的地图空间，形成画像空间和地图空间的一一对应关系。
4、本发明提供的一种学生评测数据画像的地图可视化方法及系统，充分挖掘教育大数据的价值,将采集到的画像空间数据转化为具有多维、时空、层次特点的地图空间数据，运用地图图层的合、并、差筛选关键信息数据，研究学习者的个体行为与群体特征。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的一种学生评测数据画像的地图可视化方法及系统的流程图；
图2是本发明所述的地图空间与画像空间之间的映射关系示意图；
图3是本发明所述的定制地图空间示意图；
图4是本发明中根据比例算出区域面积大小的示意图；
图5是本发明中所述图层的各种操作示意图；
图6是本发明的系统流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图1-6对本发明作进一步详细的说明。
如图1所示，本发明提供一种学生评测数据画像的地图可视化方法及系统，包括如下步骤：
S1,定义学生评测数据画像的主题统计空间组织模型，通过区块化、层次化以及评价主题采集学生评测画像各类校园活动数据，进行归一化处理，形成标准数据集。
如图2所示，构建学生评测数据画像的主题统计空间组织模型，该空间模型是一个二维空间，定义为Vindic＝{Xi|i∈N}，Xi＝f(Pi，Si),画像空间模型由指标类型Xi、指标占比Pi、指标评分Si三部分构成。①画像空间拥有多个指标域，按评价需求可自行制定，且可增减，每个指标域又细分为多个子指标域，全方位详细评价学生行为特点。②对空间中的各个指标域及子指标域参照其重要性进行排序并赋予占比值。③参考学生行为数据，依次对各指标类型进行评分。
例如：构建一个包含三个指标域的画像空间，指标类型分别为思想政治(包括党校、团校培训数据、团学活动数据、志愿服务数据、社团数据等)、专业学习(包括课堂表现、作业数据、选课数据、学习成绩数据、课程竞赛数据等)和日常生活(包括进出校门数据、进出宿舍数据、宿舍停留时长数据、运动数据、上网数据、一卡通消费数据等)，按照其重要性赋予占比值，指标占比分别为思想政治40％、专业学习30％、日常生活30％，其中占比30％的专业学习指标域中的子指标占比分别为课堂表现30％、作业成绩20％、考试成绩35％、课程竞赛成绩15％。根据收集到的行为数据对每个指标和子指标进行评分，评分采用百分制。
S2，定义评测数据画像的地图空间模型及其表达方法，根据评测主题，利用地图空间中特有的点、线、面、图层组织与图元可视化元素，构建画像的地图空间表达。
如图2所示，将地图空间模型定义为Vmap＝{Li|i∈}，Li＝f(Si，Wi，Pi),其中Vmap表示地图空间，N为自然数，Li为图层，按需可增减，Si为点，Wi为线，Pi为面,如上述公式，地图空间由多个图层构成，每个图层又都包含点、线、面等可视元素，利用这些可视元素个性化展示学生画像数据。
S3，建立评测数据画像的主题统计空间组织模型与地图空间模型的映射规则，根据指标类型、指标占比这些关键因素为画像空间定制地图空间，将采集到的画像空间数据转化为具有多维、时空、层次特点的地图空间数据，用地图空间可视元素展现画像评价指标；
如图3所示，定制地图空间，指标数量决定划分区域数量，指标占比决定区域面积大小，指标评分决定该区域颜色深浅程度。
地图空间可以选择现有国家级或省市级地图，也可以按需自主构建地图空间，按需划分区域。构建地图空间区域与画像空间指标一一对应关系，根据各指标域占比依次选取地图空间各区域，指标占比与区域面积占比大小呈正相关，在各指标区域上放置一定数量相等大小的圆点用来表示该指标域下所包涵的各子指标。
所述的建立评测数据画像的主题统计空间组织模型与地图空间模型的映射规则，定制地图空间步骤具体在于，根据画像空间指标类型和所占比重定制地图空间，形成两者之间的映射关系，能按照不同的需求定制不同的地图空间，下面介绍一种自主构建地图空间的方法，具体见图4所示。
首先选取一个大小适宜的多边形当作地图，算出其面积，根据画像各个指标(子指标)权重按比例算出每个指标(子指标)对应的面积大小，指定分割面积。
根据比例算出区域面积大小的具体方法为：利用下式对分割比例系数进行归一化可得到各分割比例对应的子多边形的面积，下式中Sa11表示待分割多边形的总面积，ki表示各比例系数，S(i)表示第i个分割比例归一化后的子多边形的面积。
Figure BDA0003090099840000071
首先选取一条参考方向线AB，平行于参考方向线AB且与多边形相交的直线中，最远的两条分别与多边形交于一点，这两个点也是多边形的节点，即图中的P1和P2。
用公式(1)表示多边形节点P与参考方向线AB的距离关系：
F(P)＝XA＊YB+XB＊YP+XP＊YA-XA＊
YP-XB＊YA-XP＊YB (1)
确定了边界点P1和P2，对多边形的分割就可以转化为利用二分法在[P1，P2]区间上寻找某一点Pt，通过该点且平行于方向线AB的直线将多边形分割为指定的面积。
Pt坐标表示为：
Pt(x，y)＝(XA+t(XB-XA)，
YA+t(YB-YA))，t∈[0，1] (2)
利用直线的点斜式可以求出过Pt且与AB平行的直线：
Figure BDA0003090099840000072
Figure BDA0003090099840000073
Pt点在P1P2上移动，参数t的取值范围为0-1，探测区间的初始值为[0，1]，迭代过程中，每次改变探测区间[start，end]，参数t都取该区间的中点(start+end)/2，然后根据公式(2)和公式(3)进行分割线的构造,利用该分割线对多边形进行探测分割,得到的面积与目标面积进行比较,如果二者的差值在分割精度范围内,则取当前分割线作为最终分割线,终止迭代；如果达不到分割精度的要求则修改探测区间：当分割出的面积比目标面积小时,将t作为下一次分割区间的起点,修改探测区间为[t,end],否则将t作为终点修改探测区间为[start,t],如此不断迭代使探测区间逐步逼近最终的分割线的位置。类似地，各个指标(子指标)区域的分割，只需要重复执行上述步骤,依次确定各子多边形的分割线即可。
构建画像空间与地图空间之间的映射规则，将采集到的画像空间数据转化为具有多维、时空、层次特点的地图空间数据，用地图空间可视元素展现画像评价指标，个性化展示画像数据。地图空间中包含点、线、面、图层等视觉元素。这些视觉元素相辅相成，共同呈现基于地图图层表达的学生画像。具体表现为通过点来表达个体的分布、线来表达个体间的通达关系以及面来表达区域状况等。下面提供两种映射规则：①点集表示每个指标区域内所有的子指标；线表达各个子指标之间的逻辑关系；区域面表示各个指标域，其中区域面积大小由指标占比决定。②点集用来显示各个指标或子指标评分情况；线可表示时间序列,可视化学生在某段时间内指标分值波动情况；区域面用来表示各个指标域和子指标域占比情况。
具体可表示为：①建立地图空间时，根据画像空间中的指标类型和指标占比情况，选择现有地图或自主分割地图面积，地图空间包含若干个区域，区域与指标一一对应，区域面积大小由指标占比决定。建立画像图层时，每个区域放置一定数量相等大小的圆点用来显示各指标区域下的子指标，借助标签展示各子指标信息(例如指标占比、指标名称、指标评分等)，各个子指标之间的逻辑关系用线表示，并利用图层颜色,实现对分值的显出展示，图层颜色深浅显示指标分值高低。②建立地图空间时，根据画像空间中的指标类型和指标占比情况，选择现有地图或自主分割地图面积，地图空间应包含多个区域，每个区域又被划分为若干个子区域，区域(子区域)与指标(子指标)一一对应，其中区域(子区域)面积大小由指标(子指标)占比决定。建立画像图层时，在各指标区域上放置一定数量相等大小的圆点用来显示某段时间各区域(子区域)评分统计情况，按照时间先后顺序将各子区域内的点连线，得到学生在某段时间内指标分值波动情况，图层颜色深浅显示指标分值高低。
S4,个性化评测数据画像的地图可视化与析表达，通过图层操作分析提取学生个体、群体特征信息，生成各类别的学生画像，可视化学生日常行为，分析学生日常行为特点，辅助教师监督学习过程。
构建图层颜色与指标评分的对应关系，图层颜色采用RGB色彩模式,实现对分值的显出展示。两取值区间的对应关系表示为：
Figure BDA0003090099840000091
其中x为某学生在某子指标下的评分，max(x)为分值取值区间的最大值，min(x)为分值取值区间最小值。X’为该子指标区域所取的RGB色彩值，取值形式可为单色(X’,0，0)，双色(X’,X’,0)或三色(X’,X’,X’)。
利用图层颜色,实现对分值的显出展示。如图4所示，借助地图图层的合、并、差等方法操作图层颜色，筛选关键信息数据，个性化展示学生画像。图像的特点是每个像素在计算机看来都是一个数字取值，对颜色值进行一定的数学运算，将得到不同的叠加效果。借助QGIS的混合模式按需生成不同的叠加效果，继而生成个体画像、群体画像和个体差异画像，研究学习者的个体行为与群体特征。
首先生成个人画像，地图空间包含两类图层:基础图层和叠加图层。其中基础图层用于初始化当前地图各种基础参数，包括基础颜色和边界信息等，叠加图层代表学生画像，简称画像图层。根据采集到的数据对基础图层各个子分区进行点亮或变暗操作构建画像图层。点亮操作定义为C ＝MAX(A，B)，(B＞A)，变暗操作定义为
Figure BDA0003090099840000092
其中A定义为基础图层的颜色值,B定义为点亮操作的颜色值，C定义为画像图层的颜色值。具体操作为：利用采集到的数据对该学生的各项指标进行评分，采用上述公式根据分值比重对最小单位指标子区域进行点亮或变暗操作，比如该生某区域指标分值为80分，满分100分，占比80％，按照颜色与分值对应公式求出颜色值B，根据B和A的取值求出该区域颜色值C,对该画像图层区域进行点亮和变暗操作操作，按照此种方法对该生的每个指标区域进行着色操作，生成个体画像图层。
利用图层融合生成群体画像，具体操作为借助QGIS混合模式下的“添加”实现，又叫“线性减淡”，将叠加的两个图层颜色值简单相加，该模式特别适合于高亮显示要素。操作公式定义为C＝A+B,其中A定义为下面图层的颜色值，B定义为上面图层的颜色值，C定义为上下融合图层的颜色值。比如学生1的某区域指标分值为80分，求出对应颜色值为A，学生2同区域指标分值为75分，对应区域颜色值为B。则按照操作公式求出融合图层下该区域的颜色值C。按照此方法得到学生1和学生2在该区域下的融合图层后，将融合图层的颜色值与学生3按照相同方法进行融合操作，以此类推，得到整个学生群体在该指标区域下的融合图层，进一步地，得到各个指标区域的群体融合图层，区域颜色深浅代表群体在某指标区域的表现高低，对区域图层进行并操作得到群体画像图层。
图层差操作，能反应不同学生个体行为表现差异，具体操作为借助QGIS混合模式下的“差值”实现，对两个不同画像图层的各个指标区域进行差值操作，差值操作定义为：C＝|A-B|,其中A定义为下面图层的颜色值，B定义为上面图层的颜色值，C定义为上下差值图层的颜色值。比如学生1的某指标分值为80分，对应区域颜色值为A，学生2的某指标分值为75分，对应区域颜色值为B。对两图层进行差值操作，得到区域颜色C，对每个区域都进行差值操作，得到学生1与学生2的差值画像图层，该差值图层所呈现的区域颜色深浅反应两学生在各指标下的分值差异高低，进而反应个体行为表现差异程度。
图6为本发明的系统流程图，本发明旨在利用学生行为数据刻画学生画像，用画像空间处理学生行为数据集后，将其传输到地图空间，用点线面图层等可视元素将画像数据转化为具有多维、时空、层次特点的地图空间数据，通过一系列图层操作刻画学生个体、群体画像，可视化学生日常行为特点。
本发明还提供一种学生评测数据画像的地图可视化系统，该系统包括：
标准数据集构建单元，定义学生评测数据画像的主题统计空间组织模型，通过区块化、层次化以及评价主题采集学生评测画像各类校园活动数据，进行归一化处理，形成标准数据集；
地图空间表达单元，定义评测数据画像的地图空间模型及其表达方法，根据评测主题，利用地图空间中特有的点、线、面、图层组织与图元可视化元素，构建画像的地图空间表达；
映射规则建立单元，用于建立评测数据画像的主题统计空间组织模型与地图空间模型的映射规则，根据指标类型、指标占比这些关键因素为画像空间定制地图空间，将采集到的画像空间数据转化为具有多维、时空、层次特点的地图空间数据，用地图空间可视元素展现画像评价指标；
数据画像单元，实现个性化评测数据画像的地图可视化与析表达，通过图层操作分析提取学生个体、群体特征信息，生成各类别的学生画像，可视化学生日常行为，分析学生日常行为特点，辅助教师监督学习过程。
进一步的，所述的学生评测数据画像的主题统计空间组织模型，将画像空间模型定义为Vindic＝{Xi|i∈N},Xi＝f(Pi,Si),其中Vindic表示画像空间，N为自然数，该画像空间包含多个指标域Xi，按需可增减，每个指标域又包含多个子指标域，各类指标域又包含该指标占比大小Pi和该指标评分Si变量，其中各类指标占比大小之和为1，表示为
Figure BDA0003090099840000101
进一步的，所述的构建评测数据画像的地图空间模型，将地图空间模型定义为Vmap＝{Li|i∈N}，Li＝f(Si,Wi,Pi),其中Vmap表示地图空间，N为自然数，Li为图层，按需可增减，Si为点，Wi为线，Pi为面,如上述公式，地图空间由多个图层构成，图层又包含点、线、面这些可视元素，利用这些可视元素个性化展示学生画像。
进一步的，所述的建立评测数据画像的主题统计空间组织模型与地图空间模型的映射规则，定制地图空间步骤具体在于，根据画像空间指标类型和所占比重定制地图空间，形成两者之间的映射关系，能按照不同的需求定制不同的地图空间，具体方法为：
选取现有合适的国家级或省市级地图，构建地图空间区域与画像空间指标一一对应关系，根据各指标域占比依次选取地图空间各区域，指标占比与区域面积占比大小呈正相关，在各指标区域上放置一定数量相等大小的圆点用来表示该指标域下所包涵的各子指标。
进一步的，所述的建立评测数据画像的主题统计空间组织模型与地图空间模型的映射规则，定制地图空间步骤具体在于，根据画像空间指标类型和所占比重定制地图空间，形成两者之间的映射关系，能按照不同的需求定制不同的地图空间，具体方法为：
自定义地图空间，根据画像空间指标域和子指标域的个数和权重占比自主划分地图空间，其中指标域和子指标域的个数决定分区和子分区的个数，指标域和子指标域权重决定区域和子区域面积占比大小。
进一步的，所述的建立评测数据画像的主题统计空间组织模型与地图空间模型的映射规则，用地图空间可视元素展现画像评价指标具体在于，地图空间的可视元素可表达为点、线、面、图层，在画像评价指标表达中，通过点集表达各子指标类型或指标评分；线表达各子指标之间的逻辑关系；面表达各指标占比状况；图层表达学生画像，将画像数据进行空间位置赋值后,通过不同的应用需求,使用点、线、面和图层的方法进行可视化展示与分析。
进一步的，个性化画像表达，利用图层分析提取学生个体、群体特征信息，不同图层代表不同学生个体或群体，利用图层颜色这些可视化要素,结合图层的合、并、差操作实现对画像信息的显出展示，为观测者提供学生个体及群体直观且精确的描述，从而进行有针对性的干预和指导。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器运行所述计算机程序时，执行前述的一种学生评测数据画像的地图可视化方法的步骤。
本发明还提供一种计算机可读存储介质，其存储计算机程序，所述计算机程序使得计算机执行前述公开的一种学生评测数据画像的地图可视化方法的步骤。
以上所述仅为本发明的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种学生评测数据画像的地图可视化方法，其特征在于，包括如下步骤：
定义学生评测数据画像的主题统计空间组织模型，通过区块化、层次化以及评价主题采集学生评测画像各类校园活动数据，进行归一化处理，形成标准数据集；
定义评测数据画像的地图空间模型及其表达方法，根据评测主题，利用地图空间中特有的点、线、面、图层组织与图元可视化元素，构建画像的地图空间表达；
建立评测数据画像的主题统计空间组织模型与地图空间模型的映射规则，根据指标类型、指标占比这些关键因素为画像空间定制地图空间，将采集到的画像空间数据转化为具有多维、时空、层次特点的地图空间数据，用地图空间可视元素展现画像评价指标；
个性化评测数据画像的地图可视化与析表达，通过图层操作分析提取学生个体、群体特征信息，生成各类别的学生画像，可视化学生日常行为，分析学生日常行为特点，辅助家长和/或教师监督其学习过程。
2.根据权利要求1所述的一种学生评测数据画像的地图可视化方法，其特征在于，所述的学生评测数据画像的主题统计空间组织模型，将画像空间模型定义为Vindic＝{Xi|i∈N},Xi＝f(Pi,Si),其中Vindic表示画像空间，N为自然数，该画像空间包含多个指标域Xi，按需可增减，每个指标域又包含多个子指标域，各类指标域又包含该指标占比大小Pi和该指标评分Si变量，其中各类指标占比大小之和为1，表示为
Figure FDA0003090099830000011
3.根据权利要求1所述的一种学生评测数据画像的地图可视化方法，其特征在于，所述的构建评测数据画像的地图空间模型，将地图空间模型定义为Vmap＝{Li|i∈N}，Li＝f(Si,Wi,Pi),其中Vmap表示地图空间，N为自然数，Li为图层，按需可增减，Si为点，Wi为线，Pi为面,如上述公式，地图空间由多个图层构成，图层又包含点、线、面这些可视元素，利用这些可视元素个性化展示学生画像。
4.根据权利要求1所述的一种学生评测数据画像的地图可视化方法，其特征在于，所述的建立评测数据画像的主题统计空间组织模型与地图空间模型的映射规则，定制地图空间步骤具体在于，根据画像空间指标类型和所占比重定制地图空间，形成两者之间的映射关系，能按照不同的需求定制不同的地图空间，具体方法为：
选取现有合适的国家级或省市级地图，构建地图空间区域与画像空间指标一一对应关系，根据各指标域占比依次选取地图空间各区域，指标占比与区域面积占比大小呈正相关，在各指标区域上放置一定数量相等大小的圆点用来表示该指标域下所包涵的各子指标。
5.根据权利要求1所述的一种学生评测数据画像的地图可视化方法，其特征在于，所述的建立评测数据画像的主题统计空间组织模型与地图空间模型的映射规则，定制地图空间步骤具体在于，根据画像空间指标类型和所占比重定制地图空间，形成两者之间的映射关系，能按照不同的需求定制不同的地图空间，具体方法为：
自定义地图空间，根据画像空间指标域和子指标域的个数和权重占比自主划分地图空间，其中指标域和子指标域的个数决定分区和子分区的个数，指标域和子指标域权重决定区域和子区域面积占比大小。
6.根据权利要求1所述的一种学生评测数据画像的地图可视化方法，其特征在于，所述的建立评测数据画像的主题统计空间组织模型与地图空间模型的映射规则，用地图空间可视元素展现画像评价指标具体在于，地图空间的可视元素可表达为点、线、面、图层，在画像评价指标表达中，通过点集表达各子指标类型或指标评分；线表达各子指标之间的逻辑关系；面表达各指标占比状况；图层表达学生画像，将画像数据进行空间位置赋值后,通过不同的应用需求,使用点、线、面和图层的方法进行可视化展示与分析。
7.根据权利要求1所述的一种学生评测数据画像的地图可视化方法，其特征在于，个性化画像表达，利用图层分析提取学生个体、群体特征信息，不同图层代表不同学生个体或群体，利用图层颜色这些可视化要素,结合图层的合、并、差操作实现对画像信息的显出展示，为观测者提供学生个体及群体直观且精确的描述，从而进行有针对性的干预和指导。
8.一种学生评测数据画像的地图可视化系统，其特征在于，该系统包括：
标准数据集构建单元，定义学生评测数据画像的主题统计空间组织模型，通过区块化、层次化以及评价主题采集学生评测画像各类校园活动数据，进行归一化处理，形成标准数据集；
地图空间表达单元，定义评测数据画像的地图空间模型及其表达方法，根据评测主题，利用地图空间中特有的点、线、面、图层组织与图元可视化元素，构建画像的地图空间表达；
映射规则建立单元，用于建立评测数据画像的主题统计空间组织模型与地图空间模型的映射规则，根据指标类型、指标占比这些关键因素为画像空间定制地图空间，将采集到的画像空间数据转化为具有多维、时空、层次特点的地图空间数据，用地图空间可视元素展现画像评价指标；
数据画像单元，实现个性化评测数据画像的地图可视化与析表达，通过图层操作分析提取学生个体、群体特征信息，生成各类别的学生画像，可视化学生日常行为，分析学生日常行为特点，辅助家长和/或教师监督学习过程。
9.一种电子设备，其特征在于：包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时，执行如权利要求1-7任一项所述的一种学生评测数据画像的地图可视化方法的步骤。
10.一种计算机可读存储介质，其存储计算机程序，其特征在于，所述计算机程序使得计算机执行权利要求1-7任一项所述的一种学生评测数据画像的地图可视化方法的步骤。
CN202110593498.7A 2021-05-28 2021-05-28 一种学生评测数据画像的地图可视化方法及系统 Active CN113220773B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110593498.7A CN113220773B (zh) 2021-05-28 2021-05-28 一种学生评测数据画像的地图可视化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110593498.7A CN113220773B (zh) 2021-05-28 2021-05-28 一种学生评测数据画像的地图可视化方法及系统

Publications (2)

Publication Number Publication Date
CN113220773A true CN113220773A (zh) 2021-08-06
CN113220773B CN113220773B (zh) 2023-09-01

Family

ID=77099690

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110593498.7A Active CN113220773B (zh) 2021-05-28 2021-05-28 一种学生评测数据画像的地图可视化方法及系统

Country Status (1)

Country Link
CN (1) CN113220773B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105518644A (zh) * 2013-08-09 2016-04-20 杨绍峰 在地图上实时处理并显示社交数据的方法
US20160196670A1 (en) * 2015-01-06 2016-07-07 International Business Machines Corporation Method to optimize the visualization of a map's projection based on data and tasks
CN105760428A (zh) * 2016-01-29 2016-07-13 华中师范大学 一种知识地图映射生成方法
CN108319733A (zh) * 2018-03-29 2018-07-24 华中师范大学 一种基于地图的教育大数据分析方法及系统
CN108492224A (zh) * 2018-03-09 2018-09-04 上海开放大学 基于深度学习在线教育学生综合画像标签管理系统
CN108491994A (zh) * 2018-02-06 2018-09-04 北京师范大学 基于大数据的stem教育测评系统及方法
JP2020095669A (ja) * 2019-05-28 2020-06-18 株式会社ＡＩ Ｓａｍｕｒａｉ 特許マップ表示装置及び特許マップ表示方法並びに特許マップ表示プログラム
CN111414449A (zh) * 2020-03-26 2020-07-14 江苏省基础地理信息中心 一种基于多源数据的地块单元信息画像方法
CN111488401A (zh) * 2020-03-06 2020-08-04 天津大学 一种基于多元化关系画像技术的在线社会关系搜索方法
CN111950892A (zh) * 2020-08-11 2020-11-17 华中师范大学 一种数据驱动的大学生个性化学习行为预测与干预方法
CN112256762A (zh) * 2020-10-26 2021-01-22 中冶赛迪技术研究中心有限公司 基于产业地图的企业画像方法、系统、设备及介质
CN112671709A (zh) * 2020-11-25 2021-04-16 紫光云技术有限公司 一种基于高校网络行为日志的用户画像可视化方法
CN112801636A (zh) * 2021-03-19 2021-05-14 深圳市企慧通信息技术有限公司 基于学习地图及岗位画像的智能人才推荐培养平台及方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105518644A (zh) * 2013-08-09 2016-04-20 杨绍峰 在地图上实时处理并显示社交数据的方法
US20160196670A1 (en) * 2015-01-06 2016-07-07 International Business Machines Corporation Method to optimize the visualization of a map's projection based on data and tasks
CN105760428A (zh) * 2016-01-29 2016-07-13 华中师范大学 一种知识地图映射生成方法
CN108491994A (zh) * 2018-02-06 2018-09-04 北京师范大学 基于大数据的stem教育测评系统及方法
CN108492224A (zh) * 2018-03-09 2018-09-04 上海开放大学 基于深度学习在线教育学生综合画像标签管理系统
US20200125618A1 (en) * 2018-03-29 2020-04-23 Central China Normal University Method and system for analyzing educational big data on basis of maps
CN108319733A (zh) * 2018-03-29 2018-07-24 华中师范大学 一种基于地图的教育大数据分析方法及系统
JP2020095669A (ja) * 2019-05-28 2020-06-18 株式会社ＡＩ Ｓａｍｕｒａｉ 特許マップ表示装置及び特許マップ表示方法並びに特許マップ表示プログラム
CN111488401A (zh) * 2020-03-06 2020-08-04 天津大学 一种基于多元化关系画像技术的在线社会关系搜索方法
CN111414449A (zh) * 2020-03-26 2020-07-14 江苏省基础地理信息中心 一种基于多源数据的地块单元信息画像方法
CN111950892A (zh) * 2020-08-11 2020-11-17 华中师范大学 一种数据驱动的大学生个性化学习行为预测与干预方法
CN112256762A (zh) * 2020-10-26 2021-01-22 中冶赛迪技术研究中心有限公司 基于产业地图的企业画像方法、系统、设备及介质
CN112671709A (zh) * 2020-11-25 2021-04-16 紫光云技术有限公司 一种基于高校网络行为日志的用户画像可视化方法
CN112801636A (zh) * 2021-03-19 2021-05-14 深圳市企慧通信息技术有限公司 基于学习地图及岗位画像的智能人才推荐培养平台及方法

Also Published As

Publication number Publication date
CN113220773B (zh) 2023-09-01

Similar Documents

Publication Publication Date Title
Grekousis Spatial analysis methods and practice: describe–explore–explain through GIS
WO2019184052A1 (zh) 一种基于地图的教育大数据分析方法及系统
Shipunova et al. Social and educational environment modeling in future vision: infosphere tools
Wakabayashi et al. Spatial thinking in geographic information science: a review of past studies and prospects for the future
CN112184500A (zh) 基于深度学习和知识图谱的课外学习辅导系统及实现方法
Shabani Varaki et al. Para-quantitative methodology: Reclaiming experimentalism in educational research
Lee Effect of GIS learning on spatial ability
Kim Effects of a GIS course on three components of spatial literacy
Ebert et al. Spatial analysis for psychologists: How to use individual-level data for research at the geographically aggregated level.
Clark et al. University students’ conceptualization and interpretation of topographic maps
Wabiński et al. The information value of tactile maps: A comparison of maps printed with the use of different techniques
Almond et al. Bayesian networks: A teacher’s view
Moorman et al. Geospatial physicalization in geography education
Zelianskaia et al. Naive geography: geoconceptology and topology of geomental maps
Brtka et al. The data visualization technique in e-learning system
CN113220773A (zh) 一种学生评测数据画像的地图可视化方法及系统
Słomska Types of maps used as a stimuli in cartographical empirical research
Koua et al. Evaluating self-organizing maps for geovisualization
Morrison et al. Reframing traditional geospatial methods and tools for use in educational inequity research and praxis
US20040217983A1 (en) Process for visually organizing informational concepts and relationships utilizing a matrix
Cunliffe Using assessment to nurture knowledge‐rich creativity
Bae et al. Toward a better understanding and application of the principles of visual communication
Bláha Various ways of assessment of cartographic works
Siemon Teaching with the Big Ideas in Mathematics
Al Husaeni et al. Computational Bibliometric Analysis: Can Digital Transformation Improve the Quality of Islamic Learning?

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
GR01 Patent grant
GR01 Patent grant