一种智慧校园旷课预警方法与系统技术方案

本发明专利技术涉及教育大数据技术领域，尤其涉及一种智慧校园旷课预警方法及系统。包括：步骤S‑1，获取所有预测对象的已完成学期和未完成学期的相关特征数据；步骤S‑2，基于所有预测对象已完成学期的相关特征数据筛选初始特征；步骤S‑3，基于所述所有预测对像已完成学期的初始特征数据构建训练数据集，基于所有预测对象未完成学期的初始特征数据构建测试数据集；步骤S‑4，基于所述训练数据集获取旷课分类预测模型；步骤S‑5，将所述测试数据集输入所述预测模型以获得各预测对象的旷课分类结果，当所述旷课分类结果符合预设规则时进行预警。

【技术实现步骤摘要】
一种智慧校园旷课预警方法与系统
本专利技术涉及教育大数据
，尤其涉及一种智慧校园旷课预警方法及系统。
技术介绍
目前的教育资源属于高度稀缺资源，单个学校在教育硬性资源的投入都是十分巨大的，但不是每个学校都能获得硬性资源的投入，学校与学校之间的竞争应该体现在对软资产、软实力的竞争智商。例如，学校的无形资产、教育资源、学校的教学能力、学校的知名度和美誉度；包括学校的源动力、感召力、管控力、规划力、执行力、共识力。诸如对学生的教育培养和师资队伍的建设、学校文化特质等。在当下教师资源越来越缺乏的情况下，如何最大程度的发挥的教师资源的作用，在仅有的教师资源的前提下更加完善、有效的进行校园事务管理是解决我们匮乏教育资源的关键。
技术实现思路
本申请为了解决上述技术问题，提出了一种智慧校园旷课预警方法，其特征在于，包括：步骤S-1，获取所有预测对象的已完成学期和未完成学期的相关特征数据；步骤S-2，基于所有预测对象已完成学期的相关特征数据筛选初始特征；步骤S-3，基于所述所有预测对像已完成学期的初始特征数据构建训练数据集，基于所有预测对象未完成学期的初始特征数据构建测试数据集；步骤S-4，基于所述训练数据集获取旷课分类预测模型；步骤S-5，将所述测试数据集输入所述预测模型以获得各预测对象的旷课分类结果，当所述旷课分类结果符合预设规则时进行预警。上述技术方案中，对于预测旷课分类结果符合预设的规则时进行预警，使得班主任、导师、班长等可以提前获知需要重点关注的学生对象，对于收到预警的学生自己也具有警示作用，降低学校管理成本、提高学习管理效率。作为优选，所述步骤S-2包括：步骤S-2-1，计算各相关特征与旷课分类结果的相关度；步骤S-2-2，将相关度大于预设相关度的相关特征作为初始特征。作为优选，所述步骤S-2-1中，计算各相关特征关于所述旷课分类结果的皮尔森相关系数；所述步骤S-2-2中，将关于所述旷课分类结果的皮尔森相关系数的绝对值大于预设值的相关特征作为初始特征。作为优选，所述步骤S-4中，基于所述训练数据集并且采用支持向量机算法获取所述旷课分类预测模型。作为优选，所述旷课分类等级包括轻微旷课和严重旷课；所述步骤S-5中，当旷课分类结果为严重旷课时进行预警。作为优选，所述相关特征包括预测对象的旷课数目；轻微旷课的旷课数目小于预设旷课数目；严重旷课的旷课数目大于等于预设旷课数目。作为优选，所述相关特征包括预测对象的身份信息、课程名称、考试成绩、旷课数目、晚归记录、补考记录、挂科情况、图书借阅类型、出勤情况。作为优选，所述相关特征的数据至少来源于校园宿舍管理系统、校园图书管理系统、教务系统、校园学生管理系统。作为优选，所述初始特征包括所述预测对象的身份信息、考试成绩、旷课数目、晚归记录、补考记录、挂科情况、图书借阅类型、课程名称。一种智慧校园旷课预警系统，其特征在于：采用权利要求9所述的智慧校园挂科预警方法进行旷课预警。上述技术方案中，对于预测旷课分类结果符合预设的规则时进行预警，使得班主任、导师、班长等可以提前获知需要重点关注的学生对象，对于收到预警的学生自己也具有警示作用，降低学校管理成本、提高学习管理效率。具体实施方式这里使用的术语仅用于描述特定实施例的目的，而不意图限制本专利技术。除非另外定义，否则本文使用的所有术语具有与本专利技术所属领域的普通技术人员通常理解的相同的含义。将进一步理解的是，常用术语应该被解释为具有与其在相关领域和本公开内容中的含义一致的含义。本公开将被认为是本专利技术的示例，并且不旨在将本专利技术限制到特定实施例。实施例一一种智慧校园旷课预警方法，适用于各大学、高校、中小学等对在校学生的学习状态进行监管。该挂科预警方法包括：步骤S-1，获取所有预测对象的已完成学期和未完成学期的相关特征数据。相关特征可以包括预测对象的身份信息、课程名称、考试成绩、旷课数目、晚归记录、补考记录、挂科情况、图书借阅类型、出勤情况。收集的数据来源于校园内部数据，例如校园宿舍管理系统的数据、校园图书管理系统、校园学生管理系统、教务系统的数据等。。本实施例中，可以基于校园宿舍管理系统和/或学生管理系统的数据获取预测对象的晚归记录数据、出勤情况数据；基于校园图书管理系统的数据获取预测对象的图书借阅类型数据；基于校园教务系统的数据获取预测对象的课程名称、考试成绩、旷课数目、补考记录、挂科情况等数据。具体的，本实施例中获取到预测对象（例如在校学生）的大约两万条数据来对学生的旷课情况做出预测。获取到的数据是2016-2019学年的数据。其中包括已完成学期（例如2016-2018学年）的数据以及未完成学期（例如2018-2019学年）的数据。基于这些数据对2018-2019学年的学生旷课情况作出预测。步骤S-2，基于所有预测对象已完成学期的相关特征数据筛选初始特征。在完成对数据进行预处理操作（删除各项记录为空，中途退学或者可以免修课程的学生信息）以后进行初始特征筛选。具体包括：步骤S-2-0，删除相关特征数据中变化小的特征。假设某一特征的数据只有0和1两种特征值，并且在所有预测对象的相关特征数据中95%的预测对象的该特征取值都是1，那就可以认为这个特征作用不大。如果100%都是1，那这个特征就没意义了。步骤S-2-1，计算各相关特征与旷课分类结果的相关度。例如，本实施例中计算各相关特征关于所述旷课分类结果的皮尔森相关系数。皮尔森相关系数衡量相关特征与旷课分类结果之间的线性相关性，结果的取值区间为[-1，1]，-1表示完全的负相关(这个变量下降，那个就会上升)，+1表示完全的正相关，0表示没有线性相关。步骤S-2-2，将相关度大于预设相关度的相关特征作为初始特征。例如，本实施例中将相关度大于0.3的相关特征作为初始特征。本实施例中基于上述筛选方法最后得到的初始特征集包括身份信息、考试成绩、旷课数目、晚归记录、补考记录、挂科情况、图书借阅类型、课程名称特征。步骤S-3，基于所述所有预测对象已完成学期的初始特征数据构建训练数据集，基于所有预测对象未完成学期的初始特征数据构建测试数据集。例如本实施例中，基于2016-2018学年的数据构建训练数据集，基于2018-2019学年的数据构建测试数据集。步骤S-4中，基于所述训练数据集并且采用支持向量机算法获取所述旷课分类预测模型。步骤S-5，将所述测试数据集输入所述预测模型以获得各预测对象的旷课分类结果，当所述旷课分类结果符合预设规则时进行预警。旷课分类等级包括轻微旷课和严重旷课。其中，轻微旷课的旷课数目小于15次，严重旷课的旷课数目大于等于预15次。当旷课分类结果为严重旷课时进行预警。预警对象可以为预测对象本人，可以是预测对象所在班级的班长，也可以是预测对象的班主任或者导师，还可以是预测对象的任课老师，甚至还可以是预测对象的父母或者监护人。预测对象本人收到该预警，可以对预测对象进行警示。所在班级的班长、班主任或者导师收到该预警可以提前获知需要重点关注的学生对象，预测对象的任课老师收到该预警，可以在课堂点名或者提问的时候重点关注这些学生，降低学校管理成本、提高学习管理效率。实施例二一种智慧校园旷课预警系统，其特征在于：采用实施例一种所述的智慧校园旷课预警方法进行挂科预警。虽然描述了本专利技术的实施方式本文档来自技高网...

【技术保护点】
1.一种智慧校园旷课预警方法，其特征在于，包括：步骤S‑1，获取所有预测对象的已完成学期和未完成学期的相关特征数据；步骤S‑2，基于所有预测对象已完成学期的相关特征数据筛选初始特征；步骤S‑3，基于所述所有预测对象已完成学期的初始特征数据构建训练数据集，基于所有预测对象未完成学期的初始特征数据构建测试数据集；步骤S‑4，基于所述训练数据集获取旷课分类预测模型；步骤S‑5，将所述测试数据集输入所述预测模型以获得各预测对象的旷课分类结果，当所述旷课分类结果符合预设规则时进行预警。

【技术特征摘要】
1.一种智慧校园旷课预警方法，其特征在于，包括：步骤S-1，获取所有预测对象的已完成学期和未完成学期的相关特征数据；步骤S-2，基于所有预测对象已完成学期的相关特征数据筛选初始特征；步骤S-3，基于所述所有预测对象已完成学期的初始特征数据构建训练数据集，基于所有预测对象未完成学期的初始特征数据构建测试数据集；步骤S-4，基于所述训练数据集获取旷课分类预测模型；步骤S-5，将所述测试数据集输入所述预测模型以获得各预测对象的旷课分类结果，当所述旷课分类结果符合预设规则时进行预警。2.根据权利要求1所述的一种智慧校园旷课预警方法，其特征在于，所述步骤S-2包括：步骤S-2-1，计算各相关特征与旷课分类结果的相关度；步骤S-2-2，将相关度大于预设相关度的相关特征作为初始特征。3.根据权利要求2所述的一种智慧校园旷课预警方法，其特征在于：所述步骤S-2-1中，计算各相关特征关于所述旷课分类结果的皮尔森相关系数；所述步骤S-2-2中，将关于所述旷课分类结果的皮尔森相关系数的绝对值大于预设值的相关特征作为初始特征。4.根据权利要求3所述的一种智慧校园旷课预警方法，其特征在于：所述步骤S-4中，基于所...

【专利技术属性】
技术研发人员：吴和俊，王敏康，李振，
申请(专利权)人：杭州华网信息技术有限公司，
类型：发明
国别省市：浙江,33