一种基于大数据的学业指导方法及系统技术方案

本发明专利技术涉及数据处理技术领域，具体涉及一种基于大数据的学业指导方法及系统，所述方法包括：获取学生的学业相关信息；对所述学业相关信息进行主成分分析，得到学生的各个科目的兴趣标签；构建学业成绩预测模型，将所述学生的各个科目的兴趣标签输入所述学业成绩预测模型进行预测，根据预测结果得到该学生的各个科目的预测学业成绩；根据预先设置的分类库对该学生的各个科目的预测学业成绩进行匹配，根据匹配结果得到学生的推荐学业类目；本发明专利技术能够给学生的能力进行预估，并给出具有一定参考依据的建议。依据的建议。依据的建议。

【技术实现步骤摘要】
一种基于大数据的学业指导方法及系统


[0001]本专利技术涉及数据处理
，具体涉及一种基于大数据的学业指导方法及系统。

技术介绍

[0002]随着大数据时代的到来，学生对个性化学业指导的需求愈发强烈，高校借助"智慧校园"平台和大数据技术开展学业指导也变得愈发迫切和必要。学业指导能有效激发学生的学习动力和深入挖掘了学习潜能，还有利于提高高校教育教学质量。
[0003]而如何给学生的学业能力进行准确预估，并给出具有一定参考依据的学业指导建议，成为亟待解决的问题。

技术实现思路

[0004]本专利技术目的在于提供一种基于大数据的学业指导方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
[0005]为了实现上述目的，本专利技术提供以下技术方案：一种基于大数据的学业指导方法，所述方法包括以下步骤：步骤S100，获取学生的学业相关信息；其中，所述学业相关信息包括学生的学籍信息、历史考试成绩、各科考勤信息和图书借阅信息；步骤S200，对所述学业相关信息进行主成分分析，得到学生的各个科目的兴趣标签；步骤S300，构建学业成绩预测模型，将所述学生的各个科目的兴趣标签输入所述学业成绩预测模型进行预测，根据预测结果得到该学生的各个科目的预测学业成绩；其中，所述学业成绩预测模型是以神经网络模型为基础构建的模型，且所述学业成绩预测模型是基于多个有效数据进行监督学习获得的收敛模型，所述学业成绩预测模型进行训练的训练数据为往届学生的兴趣标签及对应的各科学业成绩；步骤S400，根据预先设置的分类库对该学生的各个科目的预测学业成绩进行匹配，根据匹配结果得到学生的推荐学业类目。
[0006]进一步，步骤S300中，所述将所述学生的各个科目的兴趣标签输入所述学业成绩预测模型进行预测，根据预测结果得到该学生的各个科目的预测学业成绩，包括：步骤S310，将所述学生的兴趣标签输入所述学业成绩预测模型进行预测，得到所述学生的预测结果；其中，所述预测结果包括各个学科的预测成绩；步骤S320，确定所述预测结果与所述学生的期望成绩是否在偏差阈值范围内，若是，则执行步骤S340，否则执行步骤S330；其中，所述期望成绩为各个学科的过往成绩的期望平均值；步骤S330，从往届学生的兴趣标签中选取与所述学生的兴趣标签相似度最大的兴趣标签，将与该往届学生的兴趣标签对应的各科学业成绩作为所述学生的预测结果；
步骤S340，将所述预测结果作为该学生的预测学业成绩。
[0007]进一步，步骤S400中，所述根据预先设置的分类库对该学生的各个科目的预测学业成绩进行匹配，根据匹配结果得到学生的推荐学业类目，包括：步骤S410，获取预先设置的分类库；其中，所述分类库包括多个科目组合，以及与多个科目组合一一对应的推荐学业类目，所述科目组合包含多个在设定成绩区间的科目；步骤S420，将该学生的预测学业成绩按科目进行组合，得到多个组合项；步骤S430，从所述多个组合项中选取出预测学业成绩均在在设定成绩区间的科目项；步骤S440，将选取出的科目项分别与所述分类库中的科目组合进行匹配，匹配得出该学生的推荐学业类目。
[0008]进一步，所述方法还包括：若匹配得出多个推荐学业类目，则按组合项中预测学业成绩的总分数进行排序，根据排序结果对该学生的推荐学业类目进行排序。
[0009]一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的基于大数据的学业指导方法的步骤。
[0010]一种基于大数据的学业指导系统，所述系统包括：至少一个处理器；至少一个存储器，用于存储至少一个程序；当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现上述任一项所述的基于大数据的学业指导方法。
[0011]本专利技术的有益效果是：本专利技术公开一种基于大数据的学业指导方法及系统，本专利技术通过对所述学业相关信息进行主成分分析，得到学生的各个科目的兴趣标签，进而将所述学生的各个科目的兴趣标签输入所述学业成绩预测模型进行预测，根据预测结果得到该学生的各个科目的预测学业成绩；能够得出较为精准的预测学业成绩，通过对该学生的预测学业成绩进行匹配，得到学生的推荐学业类目。本专利技术通过学业成绩预测模型给学生的能力进行预估，并给出具有一定参考依据的建议，便于学生提前进行学业规划。
附图说明
[0012]为了更清楚地说明本专利技术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专利技术的一些实施例，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。
[0013]图1是本专利技术实施例中基于大数据的学业指导方法的流程示意图；图2是本专利技术实施例中基于大数据的学业指导系统的连接框图。
具体实施方式
[0014]以下将结合实施例和附图对本申请的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本申请的目的、方案和效果。需要说明的是，在不冲突的情况
下，本申请中的实施例及实施例中的特征可以相互组合。
[0015]参考图1，如图1所示为本申请实施例提供的一种基于大数据的学业指导方法，所述方法包括以下步骤：步骤S100，获取学生的学业相关信息；其中，所述学业相关信息包括学生的学籍信息、历史考试成绩、各科考勤信息和图书借阅信息；需要说明的是，图书借阅信息是指学生在过往考试的各个学科中所取得的成绩，各科考勤信息是指学生在本学期的各个学科中的出勤记录，图书借阅信息为对图书馆中的图书进行借阅的学科类别、借阅时长；还需要指出的是，为了保证数据的维度，将不完整的数据可根据其它相关数据进行手动补全。经过数据清洗后的数据，需要进行分类，并调价相应的分类标签，便于后续的数据分析。
[0016]步骤S200，对所述学业相关信息进行主成分分析，得到学生的各个科目的兴趣标签；其中，所述兴趣标签反映学生对该科目的学习能力；具体的，对于学生各科目的考试成绩、图书借阅信息(次数与频率)、各科考勤信息(缺勤次数)等具有不同分类标签的数据，通过主成分分析算法提取出学生的各个科目的兴趣标签；兴趣标签包括数学能力标签、英语能力标签、文献能力标签、编程能力标签、实验能力标签，这些兴趣标签能够全方位地表示一个学生的能力，以及对各个科目的兴趣标签贡献度，例如“数学能力标签”很大程度取决于学生的高等数学、线性代数等学业相关信息，“文献能力标签”是一些图书馆预约系统中的图书借阅记录相关。
[0017]步骤S300，构建学业成绩预测模型，将所述学生的各个科目的兴趣标签输入所述学业成绩预测模型进行预测，根据预测结果得到该学生的各个科目的预测学业成绩；其中，所述学业成绩预测模型是以神经网络模型为基础构建的模型，且所述学业成绩预测模型是基于多个有效数据进行监督学习获得的收敛模型，所述学业成绩预测模型进行训练的训练数据为往届学生的兴趣标签及对应的各科学业成绩；可见，由于训练数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的学业指导方法，其特征在于，所述方法包括以下步骤：步骤S100，获取学生的学业相关信息；其中，所述学业相关信息包括学生的学籍信息、历史考试成绩、各科考勤信息和图书借阅信息；步骤S200，对所述学业相关信息进行主成分分析，得到学生的各个科目的兴趣标签；步骤S300，构建学业成绩预测模型，将所述学生的各个科目的兴趣标签输入所述学业成绩预测模型进行预测，根据预测结果得到该学生的各个科目的预测学业成绩；其中，所述学业成绩预测模型是以神经网络模型为基础构建的模型，且所述学业成绩预测模型是基于多个有效数据进行监督学习获得的收敛模型，所述学业成绩预测模型进行训练的训练数据为往届学生的兴趣标签及对应的各科学业成绩；步骤S400，根据预先设置的分类库对该学生的各个科目的预测学业成绩进行匹配，根据匹配结果得到学生的推荐学业类目。2.根据权利要求1所述的一种基于大数据的学业指导方法，其特征在于，步骤S300中，所述将所述学生的各个科目的兴趣标签输入所述学业成绩预测模型进行预测，根据预测结果得到该学生的各个科目的预测学业成绩，包括：步骤S310，将所述学生的兴趣标签输入所述学业成绩预测模型进行预测，得到所述学生的预测结果；其中，所述预测结果包括各个学科的预测成绩；步骤S320，确定所述预测结果与所述学生的期望成绩是否在偏差阈值范围内，若是，则执行步骤S340，否则执行步骤S330；其中，所述期望成绩为各个学科的过往成绩的期望平均值；步骤S330，从往届学生的兴趣标签中选取与所述学生的兴趣标签相似度最大的兴趣标签，将与该往...

【专利技术属性】
技术研发人员：邓文剑，邓皓洋，
申请(专利权)人：广东职业技术学院，
类型：发明
国别省市：