一种实时学业预警方法及系统技术方案

本发明专利技术公开了一种实时学业预警方法及系统，所述方法包括构建学业预警模型；根据学业预警模型，计算每名学生的预测成绩；根据所述每名学生的预测成绩，进行学业预警。本发明专利技术通过学业预警模型，提前计算每名学生的预测成绩，需要查询时，可以直接获得预测成绩，增强了学业预警的实时性，提高了学业预警的效率。提高了学业预警的效率。提高了学业预警的效率。

【技术实现步骤摘要】
一种实时学业预警方法及系统


[0001]本专利技术涉及数据处理
，尤其涉及一种实时学业预警方法及系统。

技术介绍

[0002]AI技术和大数据技术的发展促进了智慧教育的快速发展，也改变了传统的教育方式。学业预警是智慧教育的一个重要应用场景，其目的是通过分析学校积累的海量学生学习成绩、学生行为等数据，对学生未来的学业成绩进行预测，识别出成绩异常的学生，以便于提前对这些学生给予针对性的指导。
[0003]现有的学业预警技术方案主要关注于于预测模型算法的准确性或者学生数据的多样性及完整性，使用方式不灵活，难以满足用户实时调用算法模型获得预测数据的需求，降低了学业预警系统的实用性。

技术实现思路

[0004]本专利技术的目的在于克服现有技术中的不足，提供一种实时学业预警方法及系统。
[0005]第一方面，本专利技术提供一种实时学业预警方法，包括：
[0006]构建学业预警模型；
[0007]根据学业预警模型，计算每名学生的预测成绩；
[0008]根据所述每名学生的预测成绩，进行学业预警。
[0009]进一步的，所述学业预警模型的构建包括以下步骤：
[0010]获取学生数据，构建训练数据集；
[0011]利用训练数据集，基于随机森林算法，训练得到学业预警模型。
[0012]进一步的，所述学生数据包括学习成绩数据库、学生基本信息数据库和学生行为数据库。
[0013]第二方面，本专利技术提供一种实时学业预警系统，包括：
[0014]模型训练子系统，用于根据学生数据，构建学业预警模型；
[0015]成绩预测子系统，用于根据所述学业预警模型，计算每名学生的预测成绩；
[0016]预警查询子系统，用于根据所述每名学生的预测成绩，进行学业预警。
[0017]进一步的，所述模型训练子系统包括数据采集与预处理模块和算法训练模块，所述数据采集与预处理模块用于获取处理学生数据，所述算法训练模块用于训练学业预警模型。
[0018]进一步的，所述学生数据包括学习成绩数据库、学生基本信息数据库和学生行为数据库。
[0019]进一步的，所述成绩预测子系统包括文件监控模块和学业数据存储模块，所述文件监控模块根据学业预警模型计算每名学生的预测成绩，所述学业数据存储模块用于存储每名学生的预测成绩。
[0020]进一步的，所述预警查询子系统包括Web客户端模块、Web服务器端模块和gRPC服
务器模块。
[0021]与现有技术相比，本专利技术的有益效果为：本专利技术通过学业预警模型，提前计算每名学生的预测成绩，需要查询时，可以直接调用查询，提高了学业预警的实时性。
附图说明
[0022]图1是本专利技术实施例一种实时学业预警方法工作流程图；
[0023]图2是本专利技术实施例一种实时学业预警系统的模型训练子系统工作流程图；
[0024]图3是本专利技术实施例一种实时学业预警系统的成绩预测子系统的文件监控模块的工作流程图；
[0025]图4是本专利技术实施例一种实时学业预警系统的预警查询子系统工作流程图。
具体实施方式
[0026]下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0027]实施例1：
[0028]本专利技术提供了一种实时学业预警方法，包括：
[0029]构建学业预警模型，具体内容包括：
[0030]加载Python的threading库模块，启动定时器timer，该定时器周期性地读取学习成绩数据库、学生基本信息数据库和学生日常行为数据库，生成学习成绩表S、学生基本信息表I和学生日常行为数据表B。
[0031]学习成绩表S可以用{Name，No，1g1,
…
,1gn,2g1,
…
,2gn,
…
,kg1,
…
,kgn}表示，其中Name表示学生姓名，No表示学生学号，每个学生对应k个学期，每个学期包括n门课程，kgn表示第k学期的第n课程的成绩，例如1g1表示第1学期的第1门课程的成绩，1g2表示第1学期的第2门课程的成绩，其他成绩字段的含义以此类推。
[0032]学生基本信息表I可以用{Name,No,Type,Area,Eco}表示，其中，Type表示招生类型，取值为[对口单招，单独招生，高考招生]，Area表示学生地域来源，取值为[农村，城市]，Eco表示学生的经济情况，取值为[非贫困，一般贫困，特别贫困]，学生基本信息表I还可以根据需要灵活扩充其字段。
[0033]学生日常行为数据表B可以用{Name，No，b1，b2，
…
,bn}表示，其中，b1 b1，b2，
…
,bn分别表示学生各类日常行为数据，比如上网时长、在图书馆学习的时长等，学生日常行为数据表B还可以根据需要灵活扩充其字段。
[0034]加载Python的Pandas库分别将学习成绩表S、学生基本信息表I和学生行为数据表B的数据转换为DataFrame结构，分别记为dfS、dfI和dfB。
[0035]dfS的数据可表示如下:
[0036]NameNo1g1
…
1gn2g1
…
2gn
…
kg1
…
kgn
………………………………………………………………
[0037]dfI的数据可表示如下：
[0038]NameNoTypeAreaEco
…………………………
[0039]dfB的数据可表示如下：
[0040]NameNob1b2
…
bn
………………………………
[0041]遍历dfI的每一条记录，对每一条记录的[Type,Area,Eco]字段的数据使用提前预设好的对应关系Map将字符型的数据转换为数值型的数据，对应关系Map为一个哈希表，可以表示为[<“对口单招”,1>,<“单独招生”，2>，<“高考招生”,3>,<“农村”,4>,<“城市”,5>,<“非贫困”，6>，<“一般贫困”，7>，<“特别贫困”，8>]。
[0042]对应关系Map可以按JSON(JavaScript Object Notation)格式保存到指定的文件中，该文件的内容可以表示为{{“对口单招”,1},{“单独招生”，2}，{“高考招生”,3},{“农村”,4},{“城市”,5},{“非贫困”，6}，{“一般贫困”，7}，{“特别贫困”，8}}。
[0043]通过Python的json模块加载JSON文件，并将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种实时学业预警方法，其特征在于，包括：构建学业预警模型；根据学业预警模型，计算每名学生的预测成绩；根据所述每名学生的预测成绩，进行学业预警。2.根据权利要求1所述的实时学业预警方法，其特征在于，所述学业预警模型的构建包括以下步骤：获取学生数据，构建训练数据集；利用训练数据集，基于随机森林算法，训练得到学业预警模型。3.根据权利要求2所述的实时学业预警方法，其特征在于，所述学生数据包括学习成绩数据库、学生基本信息数据库和学生行为数据库。4.一种实时学业预警系统，其特征在于，包括：模型训练子系统，用于根据学生数据，构建学业预警模型；成绩预测子系统，用于根据所述学业预警模型，计算每名学生的预测成绩；预警查询子系统，用于根据所述每名学生的预测成绩，进行学业预警。5...

【专利技术属性】
技术研发人员：殷晓春，顾小丽，李方方，董志勇，
申请(专利权)人：南京信息职业技术学院，
类型：发明
国别省市：