CN114580773A - 一种学区压力评估方法、装置及应用 - Google Patents
一种学区压力评估方法、装置及应用 Download PDFInfo
- Publication number
- CN114580773A CN114580773A CN202210251753.4A CN202210251753A CN114580773A CN 114580773 A CN114580773 A CN 114580773A CN 202210251753 A CN202210251753 A CN 202210251753A CN 114580773 A CN114580773 A CN 114580773A
- Authority
- CN
- China
- Prior art keywords
- school
- data
- community
- district
- age
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004590 computer program Methods 0.000 claims description 17
- 238000011156 evaluation Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
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"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- 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
- G06F16/242—Query formulation
- G06F16/2433—Query languages
-
- 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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- 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
- G06F16/29—Geographical information databases
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
-
- 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
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Technology (AREA)
- Fuzzy Systems (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提出了一种学区压力评估方法、装置及应用，所述方法包括：获取学校数据、社区数据和户籍数据，其中所述学校数据至少包括每个学校在设定期间段的计划招生人数，所述社区数据至少包括社区对口学校信息，所述户籍数据至少包括适龄儿童所属社区信息；关联所述学校数据、社区数据和户籍数据，获取每个学校在设定期间段的预计入学人数；计算同一学校在同一设定期间段的所述预计入学人数和所述计划招生人数的比例，得到学校入学压力值，对未来学区的承受能力提早做好预判，将学区区分为过压学区和闲置区域，以为当前学区的划分提供客观的、科学性的以及全局性的参考。
Description
技术领域
本申请涉及大数据挖掘领域，特别是涉及一种学区压力评估方法、装置及应用。
背景技术
随着知识经济时代的到来，合理分配教育资源已成为当务之急。特别的，像是学区划分一直以来都是民众比较关注的民生问题，这是由于学区的划分不仅直接影响民众对居住地的选择以及适龄者的教育水平，同时也是一个城市实现教育公平的重要体现。
目前对城市学区的划分主要还是依赖于过往经验和当下区域数据，当下区域数据包括但不限于当下区域的人口密度以及适龄儿童数量，无法兼顾未来区域教育资源供需变化情况，导致目前学区划分存在无法适应未来区域发展变化的问题，且由于学区划分涉及面较广，导致学区一旦被划分后就很难被调整，故目前亟需一种可提前做好科学性、全局性规划的学区划分方案。
发明内容
本申请实施例提供了一种学区压力评估方法、装置及应用，基于大数据分析和比对，利用数据分析的手段对学区未来教育资源供需情况进行预判，以协助有关部门提前做好科学性、全局性的学区划分规划。
第一方面，本申请实施例提供了一种学区压力评估方法，所述方法包括：获取学区评估区域的学校数据、社区数据和户籍数据，其中所述学校数据至少包括每个学校在设定期间段内的计划招生人数，所述社区数据至少包括社区对口学校信息，所述户籍数据至少包括适龄儿童所属社区信息；关联所述学校数据、社区数据和户籍数据，获取每个学校在设定期间段内的预计入学人数；计算同一学校在同一设定期间段内的所述预计入学人数和所述计划招生人数的比例，得到学校入学压力值。
第二方面，本申请实施例提供了一种学区压力评估装置，包括：
数据获取单元，用于获取学区评估区域的学校数据、社区数据和户籍数据，其中所述学校数据至少包括每个学校在设定期间段内的计划招生人数，所述社区数据至少包括社区对口学校信息，所述户籍数据至少包括适龄儿童所属社区信息；
关联单元，用于关联所述学校数据、社区数据和户籍数据，获取每个学校在设定期间段内的预计入学人数；
评估单元，用于计算同一学校在同一设定期间段内的所述预计入学人数和所述计划招生人数的比例，得到学校入学压力值。
第三方面，本申请实施例提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述的学区压力评估方法。
第四方面，本申请实施例提供了一种计算机程序产品，包括软件代码部分，当所述计算机程序产品在计算机上被运行时，所述软件代码部分用于执行所述的学区压力评估方法。
第五方面，本申请实施例提供了一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序包括用于控制过程以执行过程的程序代码，所述过程包括所述的学区压力评估方法。
本发明的主要贡献和创新点如下：
本申请实施例结合数据分析获取学区未来1-5年的教育资源供需情况，对未来学区的承受能力提早做好预判，将学区区分为过压学区和闲置区域，以为当前学区的划分提供客观的、科学性的以及全局性的参考。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的学区压力评估方法的流程图；
图2是根据本申请一种实施例的学区压力评估方法的流程图；
图3是根据本申请实施例的学区压力评估装置的结构框图；
图4是根据本申请实施例的电子装置的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施例中也可能被合并为单个步骤进行描述。
实施例一
本申请旨在提出一种学区压力评估方法、装置及应用，本方案利用数据分析的手段构建学区压力动态监测机制，在学区划分领域实现从主观经验判断至客观数据分析的转变，协助教育部门提早获知过压学区以及闲置学区的学区情况，进而及时地合理地对学区划分方案进行调整。
在介绍本方案之前首先对“学区”的概念进行解释，本方案所指代的学区指的是某个学校的教育资源覆盖区域。也就是说，本方案是将学区压力转换为对应学校的入学压力，一般认为某个学校的入学压力越大，则代表该学校对应的学区压力大。
本申请实施例提供了一种学区压力评估方法，具体地，参考图1，所述方法包括：
获取学区评估区域的学校数据、社区数据和户籍数据，其中所述学校数据至少包括每个学校在设定期间段内的计划招生人数，所述社区数据至少包括社区对口学校信息，所述户籍数据至少包括适龄儿童所属社区信息；
关联所述学校数据、社区数据和户籍数据，获取每个学校在设定期间段内的预计入学人数；
计算同一学校在同一设定期间段内的所述预计入学人数和所述计划招生人数的比例，得到学校入学压力值。
本方案通过学校数据、社区数据以及户籍数据来分析特定设定期间段内的学校的入学压力值，入学压力值正相关于学区压力。示例性，当某个学校的入学压力值大于1，则代表该学校预计入学人数大于计划招生人数，那么就意味着该学区内可能会出现适龄儿童无法入学的情况。
在“获取学区评估区域的学校数据、社区数据和户籍数据”步骤中，获取教育部门的学校数据、街道的社区数据以及公安部门的户籍数据。在本方案中可联动各个相关部门原封不动地获取源数据，在获取源数据后再对数据进行进一步的处理和整理。
为了提高数据获取步骤的效率，本方案可设定数据采集时间和频率，并采用基于时间戳进行增量抽取的方式，实现源数据库和目标数据库的数据同步。此时，源数据库指的就是相关部门的数据库，目标数据库指的是本方案汇总学校数据、社区数据和户籍数据的数据库。
为了便于数据管理，本方案将学校数据整理成学校数据表，将社区数据整理成社区数据表，将户籍数据整理成户籍数据表。
所述学校数据至少记录每个学校的学校识别信息以及在设定期间段内的计划招生人数，通过计划招生人数可获知该学校在设定期间段内的计划。在本方案的一实施例中，所述学校数据包括学校编号、学校名称以及学校在设定期间段内的计划招生人数。
所述社区数据至少记录每个社区的社区识别信息以及社区对口学校信息，通过社区对口学校信息可获知该社区分配的学校。在本方案的一实施例中，所述社区数据包括社区编号、社区名称以及社区对口学校信息，其中社区对口学校信息显示为学校编号。
所述户籍数据至少记录适龄儿童的人员识别信息以及适龄儿童所述社区信息，通过适龄儿童所属社区信息可知晓适龄儿童所归属的社区。在本方案实施例中，所述户籍数据包括设定期间段内符合入学条件的适龄儿童编号、儿童姓名、儿童年龄、儿童预计入学时间以及适龄儿童所述社区信息，其中适龄儿童所述社区信息显示为社区编号。
此处“入学条件”为“入学年龄”，假设入学年龄为7周岁，目前1号适龄儿童的儿童年龄为5周岁，则获知该儿童的儿童预计入学时间为未来2年，且将其记录为在未来2年符合入学年龄的适龄儿童。
在“关联所述学校数据、社区数据和户籍数据，获取每个学校在设定期间段内的预计入学人数”步骤中，包括：关联所述学校数据和社区数据获取学校覆盖社区数据表，关联所述社区数据和所述户籍数据获取社区覆盖适龄儿童数据表，关联学校覆盖社区数据表和所述社区覆盖适龄儿童数据表获取学校覆盖适龄儿童数据表，并基于所述学校覆盖适龄儿童数据表获取每个学校在设定期间段内的预计入学人数。
如前所述，本方案的学校数据、社区数据以及户籍数据以独立的数据表存在目标数据库内。本方案可利用数据库的SQL语句将以上各个数据表进行关联，进而得到学校覆盖适龄儿童数据表。
具体的，在“关联所述学校数据和社区数据获取学校覆盖社区数据表”步骤中，基于所述社区对口学校信息，关联对应同一学校的学校数据和所述社区数据得到第一关联数据组，汇总所有第一关联数据组得到所述学校覆盖数据表。
在该步骤中，根据社区对口学校信息可获知该社区对应的学校识别信息，进而将学校和社区进行关联。所述第一关联数据组内包括学校识别信息以及社区识别信息。在本方案的一实施例中，所述第一关联数据组包括学校编号、学校名称、社区编号以及社区名称。
在“关联所述社区数据和所述户籍数据获取社区覆盖适龄儿童数据表”步骤中，基于所述适龄儿童所属社区信息，关联对应同一社区的户籍数据和社区数据得到第二关联数据组，汇总所有第二关联数据组得到社区覆盖适龄儿童数据表。
在该步骤中，根据适龄儿童所属社区信息可获取该适龄儿童所在的社区识别信息，进而将适龄儿童和社区进行关联。所述第二关联数据组内包括社区识别信息和适龄儿童的人员识别信息。在本方案的一实施例中，所述第二关联数据组包括社区编号、社区名称、在设定期间段内符合入学条件的适龄儿童的儿童编号以及儿童预计入学时间。
在“关联学校覆盖社区数据表和所述社区覆盖适龄儿童数据表获取学校覆盖适龄儿童数据表”步骤中，基于所述社区数据，关联对应同一社区的学校数据和户籍数据得到第三关联数据组，汇总所有第三关联数据组得到学校覆盖适龄儿童数据表。此时，可基于社区识别信息关联得到第三关联数据组。
在该步骤中，根据所述社区识别信息可获取该社区内的适龄儿童的人员识别信息以及该社区关联的学校识别信息，进而将适龄儿童和学校进行关联。所述第三关联数据组内包括学校识别信息和适龄儿童的人员识别信息。在本方案的一实施例中，所述第三关联数据组包括学校编号、学校名称、社区编号、社区名称、在设定期间段内符合入学条件的适龄儿童的儿童编号、儿童预计入学时间。
值得一提的是，本方案均以数据表的方式进行三类数据的关联，这样可减少数据处理量。
由于本方案得到的学校覆盖适龄儿童数据表内至少记录该学校的在设定期间段内符合入学条件的适龄儿童的儿童编号，对同一学校设定期间段内的儿童编号的数量进行统计，即可获取每个学校在设定期间段内的预计入学人数。
在计算学校压力值时，学校的计划招生人数对应的“设定期间段”同于预计入学人数对应的“设定期间段”。且值得一提的是，本方案的所述设定期间段包括至少一设定期间节点，本方案获取并计算同一学校在同一未来时间节点的所述预计入学人数和所述计划招生人数的比例。
在一些实施例中，本方案所述的“设定期间段”可以“年”为单位进行自由选择，也就是说设定期间节点以“年”为单位。示例性的，若设定期间段为未来第1年，则获取未来第1年的计划招生人数和未来第1年的预计入学人数进行计算；若设定期间段为未来第2年，则获取未来第2年的计划招生人数和未来第2年的预计入学人数进行计算。
在本方案的实施例中，“设定期间段”为“未来1-5年”中的每一年，对应的，本方案计算同一学校在设定期间段的每个设定期间节点的所述预计入学人数和所述计划招生人数的比例，得到同一学校在设定期间段的每个计算年度的学校入学压力值。
在另一些实施例中，本方案在获取学校入学压力值后还可对学区压力进行进一步的估算。对应的，本方案包括以下步骤：
归一处理所述学校入学压力值，基于所述学校入学压力值评估不同学校对应的学区压力。
在本方案的实施例中，根据下表归一化处理所述学校入学压力值：
| 学区压力得分 | 压力≤80％ | 80％＜压力＜100％ | 压力≥100％ |
| 未来1年 | 0 | 1 | 5 |
| 未来2年 | 0 | 2 | 4 |
| 未来3年 | 0 | 2 | 3 |
| 未来4年 | 0 | 3 | 2 |
| 未来5年 | 0 | 3 | 2 |
为了使得所述学校入学压力值更为参考价值，本方案的“基于所述学校入学压力值评估不同学校对应的学区压力”步骤中，汇总同一学校对应不同设定期间段内的学校入学压力值得到压力总值，基于所述压力总值评估所述学校的学区压力。具体为：汇总同一学校对应不同未来时间节点的学校入学压力值。
在本方案的实施例中，设定期间段包括未来1-5年，故可对同一学校在未来5年每一年的学校入学压力值求和得到压力总值，当所述压力总值大于设定阈值，则所述学校所在学区为过压学区；当所述压力总值小于设定阈值，则所述学校所在学区为闲置学区。
示例性，本方案以某区2020年所有小学学区为分析对象，此时从区级教育部门、公安部门和街道分别获取学校数据、户籍数据以及社区数据，并将学校数据、户籍数据以及社区数据汇总成学校数据表、户籍数据表以及社区数据表，并1)利用SQL语句从学校数据表中提取学校编号、学校名称、未来1-5年计划招生人数等关键字段完整的数据；2)利用SQL语句从社区数据表中提取社区编号、社区名称、对口学校编号等关键字段完整的数据；3)利用SQL语句从户籍数据表中提取未来1-5年每年符合入学年龄的儿童编号、姓名、年龄、预计入学时间、所在社区编号等关键字段完整的数据。
随后查询教育部门的学校数据表中学校编号和街道的社区数据表中对口学校编号相同的数据，关联形成学校覆盖社区数据表，该表中的字段包含：学校编号、学校名称、社区编号、社区名称；查询街道的社区数据表中社区编号和公安的户籍数据表中街道编号相同的数据，关联形成社区覆盖适龄儿童数据表，该表中的字段包含：社区编号、社区名称、该社区未来1-5年各年符合入学年龄的儿童编号、儿童预计入学时间；查询学校覆盖社区数据表中社区编号和社区覆盖适龄儿童数据表中社区编号相同的数据，关联形成学校覆盖适龄儿童数据表，该表中的字段包括：学校编号、学校名称、社区编号、社区名称、儿童编号、儿童预计入学时间。
首先利用数据库的SQL语句，对学校覆盖适龄儿童数据表中学校编号相同且预计入学时间相同的儿童进行查询和统计，得到各学校未来1-5年预计需要承担入学人数，形成学校预计入学人数数据表；然后利用数据库的SQL语句，查询出学校预计入学人数数据表学校编号和学校数据表中学校编号相同的数据，并以此作为主键，最终形成学校招生与承担入学人数数据表，在下表中选取少量数据作为展示。该表中的字段包括：学校编号、学校名称、入学时间、计划招生人数、预计需承担入学人数。
表一学校招生与承担入学人数数据表
对所有学校的学区压力进行打分，通过对计划招生人数与预计入学人数的计算，得到各学区各年的压力情况，然后根据学区压力进行打分，形成学区压力数据表，在下表中选取少量数据作为展示。该表中的字段包括：学校编号、学校名称、入学时间、计划招生人数、预计需承担入学人数、学区压力、学区压力得分。
表二学区压力数据表
利用数据库的SQL语句，对各学区未来1-5年的学区压力分值求和并排序，当分值大于等于5分时，将该学区标记为压力过载学区，并向相关教育部门进行预警推送。本实施例中最终发现有2个学区分值为分别为5分和6分，大于等于5分，将其判定为压力过载学区，推送给了区级教育部门。
实施例二
基于相同的构思，参考图3，本申请还提出了一种学区压力评估装置，包括：
数据获取单元301，用于获取学区评估区域的学校数据、社区数据和户籍数据，其中所述学校数据至少包括每个学校在设定期间段内的计划招生人数，所述社区数据至少包括社区对口学校信息，所述户籍数据至少包括适龄儿童所属社区信息；
关联单元302，用于关联所述学校数据、社区数据和户籍数据，获取每个学校在设定期间段内的预计入学人数；
评估单元303，用于计算同一学校在同一设定期间段内的所述预计入学人数和所述计划招生人数的比例，得到学校入学压力值。
关于该实施例二中的技术内容同于实施例一介绍的技术内容，重复内容在此不进行累赘说明。
实施例三
本实施例还提供了一种电子装置，参考图4，包括存储器404和处理器402，该存储器404中存储有计算机程序，该处理器402被设置为运行计算机程序以执行上述任一项学区压力评估方法实施例中的步骤。
具体地，上述处理器402可以包括中央处理器(CPU)，或者特定集成电路(ApplicationSpecificIntegratedCircuit，简称为ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中，存储器404可以包括用于数据或指令的大容量存储器404。举例来说而非限制，存储器404可包括硬盘驱动器(HardDiskDrive，简称为HDD)、软盘驱动器、固态驱动器(SolidStateDrive，简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(UniversalSerialBus，简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器404可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器404可在数据处理装置的内部或外部。在特定实施例中，存储器404是非易失性(Non-Volatile)存储器。在特定实施例中，存储器404包括只读存储器(Read-OnlyMemory，简称为ROM)和随机存取存储器(RandomAccessMemory，简称为RAM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(ProgrammableRead-OnlyMemory，简称为PROM)、可擦除PROM(ErasableProgrammableRead-OnlyMemory，简称为EPROM)、电可擦除PROM(ElectricallyErasableProgrammableRead-OnlyMemory，简称为EEPROM)、电可改写ROM(ElectricallyAlterableRead-OnlyMemory，简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器(StaticRandom-AccessMemory，简称为SRAM)或动态随机存取存储器(DynamicRandomAccessMemory，简称为DRAM)，其中，DRAM可以是快速页模式动态随机存取存储器404(FastPageModeDynamicRandomAccessMemory，简称为FPMDRAM)、扩展数据输出动态随机存取存储器(ExtendedDateOutDynamicRandomAccessMemory，简称为EDODRAM)、同步动态随机存取内存(SynchronousDynamicRandom-AccessMemory，简称SDRAM)等。
存储器404可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器402所执行的可能的计算机程序指令。
处理器402通过读取并执行存储器404中存储的计算机程序指令，以实现上述实施例中的任意一种学区压力评估方法。
可选地，上述电子装置还可以包括传输设备406以及输入输出设备408，其中，该传输设备406和上述处理器402连接，该输入输出设备408和上述处理器402连接。
传输设备406可以用来经由一个网络接收或者发送数据。上述的网络具体实例可包括电子装置的通信供应商提供的有线或无线网络。在一个实例中，传输设备包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备406可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
输入输出设备408用于输入或输出信息。在本实施例中，输入的信息可以是学校数据、社区数据和户籍数据等，输出的信息可以是学校入学压力值、学校覆盖社区数据表、社区覆盖适龄儿童数据表、学校覆盖适龄儿童数据表、评估结果等。
可选地，在本实施例中，上述处理器402可以被设置为通过计算机程序执行以下步骤：
S101、获取学区评估区域的学校数据、社区数据和户籍数据，其中所述学校数据至少包括每个学校在设定期间段内的计划招生人数，所述社区数据至少包括社区对口学校信息，所述户籍数据至少包括适龄儿童所属社区信息；
S102、关联所述学校数据、社区数据和户籍数据，获取每个学校在设定期间段内的预计入学人数；
S103、计算同一学校在同一设定期间段内的所述预计入学人数和所述计划招生人数的比例，得到学校入学压力值。
需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
通常，各种实施例可以以硬件或专用电路、软件、逻辑或其任何组合来实现。本发明的一些方面可以以硬件来实现，而其他方面可以以可以由控制器、微处理器或其他计算设备执行的固件或软件来实现，但是本发明不限于此。尽管本发明的各个方面可以被示出和描述为框图、流程图或使用一些其他图形表示，但是应当理解，作为非限制性示例，本文中描述的这些框、装置、系统、技术或方法可以以硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备或其某种组合来实现。
本发明的实施例可以由计算机软件来实现，该计算机软件由移动设备的数据处理器诸如在处理器实体中可执行，或者由硬件来实现，或者由软件和硬件的组合来实现。包括软件例程、小程序和/或宏的计算机软件或程序(也称为程序产品)可以存储在任何装置可读数据存储介质中，并且它们包括用于执行特定任务的程序指令。计算机程序产品可以包括当程序运行时被配置为执行实施例的一个或多个计算机可执行组件。一个或多个计算机可执行组件可以是至少一个软件代码或其一部分。另外，在这一点上，应当注意，如图中的逻辑流程的任何框可以表示程序步骤、或者互连的逻辑电路、框和功能、或者程序步骤和逻辑电路、框和功能的组合。软件可以存储在诸如存储器芯片或在处理器内实现的存储块等物理介质、诸如硬盘或软盘等磁性介质、以及诸如例如DVD及其数据变体、CD等光学介质上。物理介质是非瞬态介质。
本领域的技术人员应该明白，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (12)
1.一种学区压力评估方法，其特征在于，包括以下步骤：
获取学区评估区域的学校数据、社区数据和户籍数据，其中所述学校数据至少包括每个学校在设定期间段内的计划招生人数，所述社区数据至少包括社区对口学校信息，所述户籍数据至少包括适龄儿童所属社区信息；
关联所述学校数据、社区数据和户籍数据，获取每个学校在设定期间段内的预计入学人数；
计算同一学校在同一设定期间段内的所述预计入学人数和所述计划招生人数的比例，得到学校入学压力值。
2.根据权利要求1所述的学区压力评估方法，其特征在于，所述学校数据至少记录每个学校的学校识别信息以及在设定期间段内的计划招生人数，所述社区数据至少记录每个社区的社区识别信息以及社区对口学校信息，所述户籍数据至少记录适龄儿童的人员识别信息以及适龄儿童所述社区信息。
3.根据权利要求1所述的学区压力评估方法，其特征在于，“关联所述学校数据、社区数据和户籍数据，获取每个学校在设定期间段内的预计入学人数”步骤中，包括：关联所述学校数据和所述社区数据获取学校覆盖社区数据表，关联所述社区数据和所述户籍数据获取社区覆盖适龄儿童数据表，关联所述学校覆盖社区数据表和所述社区覆盖适龄儿童数据表获取学校覆盖适龄儿童数据表，并基于所述学校覆盖适龄儿童数据表获取每个学校在设定期间段内的预计入学人数。
4.根据权利要求3所述的学区压力评估方法，其特征在于，在“关联所述学校数据和社区数据获取学校覆盖社区数据表”步骤中，基于所述社区对口学校信息，关联对应同一学校的学校数据和社区数据得到第一关联数据组，汇总所有第一关联数据组得到所述学校覆盖数据表。
5.根据权利要求3所述的学区压力评估方法，其特征在于，在“关联所述社区数据和所述户籍数据获取社区覆盖适龄儿童数据表”步骤中，基于所述适龄儿童所属社区信息，关联对应同一社区的户籍数据和社区数据得到第二关联数据组，汇总所有第二关联数据组得到社区覆盖适龄儿童数据表。
6.根据权利要求3所述的学区压力评估方法，其特征在于，在“关联学校覆盖社区数据表和所述社区覆盖适龄儿童数据表获取学校覆盖适龄儿童数据表”步骤中，基于所述社区数据关联对应同一社区的学校数据和户籍数据得到第三关联数据组，汇总所有第三关联数据组得到学校覆盖适龄儿童数据表。
7.根据权利要求1所述的学区压力评估方法，其特征在于，所述设定期间段包括至少一期间节点，获取并计算同一学校在同一期间节点的所述预计入学人数和所述计划招生人数的比例。
8.根据权利要求1所述的学区压力评估方法，其特征在于，归一处理所述学校入学压力值，基于所述学校入学压力值评估不同学校对应的学区压力。
9.一种学区压力评估装置，其特征在于，包括：
数据获取单元，用于获取学区评估区域的学校数据、社区数据和户籍数据，其中所述学校数据至少包括每个学校在设定期间段内的计划招生人数，所述社区数据至少包括社区对口学校信息，所述户籍数据至少包括适龄儿童所属社区信息；
关联单元，用于关联所述学校数据、社区数据和户籍数据，获取每个学校在设定期间段内的预计入学人数；
评估单元，用于计算同一学校在同一设定期间段内的所述预计入学人数和所述计划招生人数的比例，得到学校入学压力值。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1到8任一所述的学区压力评估方法。
11.一种计算机程序产品，其特征在于，包括软件代码部分，当所述计算机程序产品在计算机上被运行时，所述软件代码部分用于执行根据权利要求1到8任一项所述的学区压力评估方法。
12.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序包括用于控制过程以执行过程的程序代码，所述过程包括根据权利要求1至8任一项所述的学区压力评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210251753.4A CN114580773A (zh) | 2022-03-15 | 2022-03-15 | 一种学区压力评估方法、装置及应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210251753.4A CN114580773A (zh) | 2022-03-15 | 2022-03-15 | 一种学区压力评估方法、装置及应用 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114580773A true CN114580773A (zh) | 2022-06-03 |
Family
ID=81779697
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210251753.4A Pending CN114580773A (zh) | 2022-03-15 | 2022-03-15 | 一种学区压力评估方法、装置及应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114580773A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117634802A (zh) * | 2023-11-27 | 2024-03-01 | 四川才子软件信息网络有限公司 | 一种学区学位情况预测方法、设备及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107292787A (zh) * | 2017-07-13 | 2017-10-24 | 山东浪潮云服务信息科技有限公司 | 一种运用地图技术构建学区压力模型的方法 |
| CN107679663A (zh) * | 2017-10-09 | 2018-02-09 | 中国电子科技集团公司第二十八研究所 | 一种教育资源监测预警系统 |
| CN109409757A (zh) * | 2018-11-02 | 2019-03-01 | 中电科新型智慧城市研究院有限公司 | 一种基于朴素贝叶斯算法与曲线建模的城区学位压力评估方法 |
| CN110490352A (zh) * | 2019-05-31 | 2019-11-22 | 武汉大学 | 一种城市教育服务设施评价优化方法 |
-
2022
- 2022-03-15 CN CN202210251753.4A patent/CN114580773A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107292787A (zh) * | 2017-07-13 | 2017-10-24 | 山东浪潮云服务信息科技有限公司 | 一种运用地图技术构建学区压力模型的方法 |
| CN107679663A (zh) * | 2017-10-09 | 2018-02-09 | 中国电子科技集团公司第二十八研究所 | 一种教育资源监测预警系统 |
| CN109409757A (zh) * | 2018-11-02 | 2019-03-01 | 中电科新型智慧城市研究院有限公司 | 一种基于朴素贝叶斯算法与曲线建模的城区学位压力评估方法 |
| CN110490352A (zh) * | 2019-05-31 | 2019-11-22 | 武汉大学 | 一种城市教育服务设施评价优化方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117634802A (zh) * | 2023-11-27 | 2024-03-01 | 四川才子软件信息网络有限公司 | 一种学区学位情况预测方法、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Choumert et al. | Is the Environmental Kuznets Curve for deforestation a threatened theory? A meta-analysis of the literature | |
| CN107330459B (zh) | 一种数据处理方法、装置和电子设备 | |
| Mitra et al. | Spatial clustering and the temporal mobility of walking school trips in the Greater Toronto Area, Canada | |
| Lin et al. | Uncertainty analysis of crowd-sourced and professionally collected field data used in species distribution models of Taiwanese moths | |
| Huang et al. | Predicting human mobility with activity changes | |
| Badland et al. | Assessing neighbourhood destination access for children: development of the NDAI-C audit tool | |
| CN113034913A (zh) | 交通拥堵预测方法、装置、设备及存储介质 | |
| Zhou et al. | A data-driven method for trip ends identification using large-scale smartphone-based GPS tracking data | |
| Cooper et al. | Access to higher education: does distance impact students’ intentions to attend university? | |
| CN112862283A (zh) | 基于层次分析的城管派遣方法和系统 | |
| Czepkiewicz et al. | Public Participation GIS for sustainable urban mobility planning: methods, applications and challenges | |
| CN113935620A (zh) | 一种基于网格基础数据的停车场评估方法、装置及应用 | |
| Salvati | ‘Rural’sprawl, Mykonian style: a scaling paradox | |
| CN114580773A (zh) | 一种学区压力评估方法、装置及应用 | |
| CN112418936A (zh) | 基于多层次评估模型的房产价格智能评估方法及装置 | |
| Skinner et al. | Does undertaking rural placements add to place of origin as a predictor of where health graduates work? | |
| Gaydosh et al. | Partnership concurrency and coital frequency | |
| Wak et al. | Data Reliability: Comparison between Census and Health and Demographic Surveillance System (HDSS) Outputs for Kassena-Nankana East and West Districts, Ghana | |
| Huang et al. | Understanding spatio-temporal mobility patterns for seniors, child/student and adult using smart card data | |
| Schoner et al. | Prioritizing pedestrian and bicyclist count locations for volume estimation | |
| Mazziotta | Well-being composite indicators for Italian municipalities: Case study of Basilicata | |
| Montini et al. | Personalisation in multi-day GPS and accelerometer data processing | |
| Lafazani et al. | Applying multiple and logistic regression models to investigate periurban processes in Thessaloniki, Greece | |
| Ismail et al. | VOTERS’PERCEPTION TOWARDS POLITICAL PARTY: A GEOSPATIAL CASE STUDY OF YOUNG VOTERS IN JOHOR BAHRU | |
| Sarafis et al. | Inferring the spatial distribution of physical activity in children population from characteristics of the environment |
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 |