基于成績的學業(yè)預警系統(tǒng)的研究與設(shè)計

鄭金龍 聶盼紅

摘要：利用信息技術(shù)及時分析學生的學業(yè)狀態(tài)并實施學業(yè)預警是目前高等院校應對學業(yè)危機的重要舉措，而學業(yè)成績是其學業(yè)狀態(tài)分析的重要指標，因此依托教務系統(tǒng)數(shù)據(jù)，設(shè)計并研發(fā)基于成績的學業(yè)預警分析系統(tǒng)。通過成績數(shù)據(jù)獲取、預處理、分析與可視化過程，發(fā)現(xiàn)學生的學業(yè)異常，實施學業(yè)預警，同時為學校、教師、學生和家長提供了很好學生學業(yè)進程的交流平臺。

關(guān)鍵詞：學業(yè)危機;學業(yè)預警;數(shù)據(jù)預處理;Oracle;ETL

中圖分類號：G647 文獻標識碼：A

文章編號：1009-3044（2020）05-0097-03

開放科學（資源服務）標識碼（OSID）：

1 背景

在高等教育大眾化的背景下，學分制已在高等院校得到廣泛的應用。學分制在一定程度上為學生提供了多元化、個性化的學習成長環(huán)境，但同時也出現(xiàn)了學生選課比較隨意和盲目，很少考慮自己的成長目標，甚至出現(xiàn)“考試不通過”可以補考或重修的心態(tài)。特別是部分自控力和自主學習能力偏弱的學生，很容易產(chǎn)生消極的心理[1]，從而產(chǎn)生學業(yè)危機[2]。因此，很多高校都陸續(xù)實施“學業(yè)預警”制度3-4]，制定各類學業(yè)預警規(guī)則，幫助學生順利完成學業(yè)[5]。

在學業(yè)預警制度實施的過程中，首先需要設(shè)置具體的預警規(guī)則，然后根據(jù)預警規(guī)則收集相關(guān)的預警數(shù)據(jù)并進行統(tǒng)計分析，得到預警級別[6-8]，而且根據(jù)不同的預警級別，將相關(guān)的預警信息反饋給學生、班主任、輔導員等學生管理人員，以便及時干預，同時還要收集學生、班主任等管理員的反饋，及時對預警規(guī)則進行改進。這些工作若采用傳統(tǒng)的方式，顯然效率較低。因此，很多高等院校運用信息技術(shù)等手段，及時發(fā)現(xiàn)學生現(xiàn)實的學業(yè)問題，警示其可能導致的不良后果[9-10]。同時使學生管理人員及時掌握學生的學業(yè)狀態(tài)，實施學業(yè)幫扶[13-15]。

高校的學業(yè)成績作為高校學生學習狀態(tài)的重要指標，其在學業(yè)預警實施中占有重要的地位。但是目前基于各個學校的學業(yè)預警制度和方案的不同，教務管理系統(tǒng)一般沒有通過統(tǒng)一的預警功能，因此本文以教務數(shù)據(jù)為基礎(chǔ)，利用Oracle數(shù)據(jù)庫技術(shù)給出了一個基于成績的學業(yè)預警系統(tǒng)的設(shè)計方案。

2 基于成績的學業(yè)預警系統(tǒng)總體設(shè)計

2.1 需求分析

系統(tǒng)以我校學業(yè)預警制度為背景，利用Oracle數(shù)據(jù)庫技術(shù)設(shè)計基于教務數(shù)據(jù)的學業(yè)預警系統(tǒng)。其核心功能結(jié)構(gòu)如圖l所示。

2.1.1 統(tǒng)計數(shù)據(jù)存儲管理

利用數(shù)據(jù)挖掘ETL工具，按照已定義的數(shù)據(jù)交換標準，定期從學校教務系統(tǒng)數(shù)據(jù)庫獲取學業(yè)預警相關(guān)的基礎(chǔ)數(shù)據(jù)，包括培養(yǎng)計劃、課程成績、教師數(shù)據(jù)、學生基本數(shù)據(jù)等，存儲到本地數(shù)據(jù)庫。

2.1.2 數(shù)據(jù)統(tǒng)計分析

依據(jù)學業(yè)預警規(guī)則，設(shè)計并實現(xiàn)學業(yè)預警分析算法，生成學業(yè)預警的結(jié)果數(shù)據(jù);按照學院、年級、專業(yè)、班級、預警級別等不同維度完成學業(yè)預警狀態(tài)的統(tǒng)計查詢。

2.1.3 業(yè)務數(shù)據(jù)管理

通過該功能能夠?qū)崿F(xiàn)班級輔導員和班主任信息的維護，班級信息定期與教務數(shù)據(jù)同步更新;學業(yè)預警規(guī)則的管理和維護。

2.1.4學分修讀統(tǒng)計查詢

通過該功能實現(xiàn)已修學分和未修學分統(tǒng)計查詢、不同類型課程學分查詢、不及格課程查詢、課程績點統(tǒng)計查詢等。

2.2 學業(yè)預警系統(tǒng)總體方案

基于成績的學業(yè)預警分析系統(tǒng)的核心是學業(yè)預警算法，通過數(shù)據(jù)獲取、分析和可視化的過程完成學業(yè)預警級別的計算。其系統(tǒng)總體方案如圖2所示：

3 學業(yè)預警分析

3.1 預警規(guī)則

學校學業(yè)預警程度由低到高依次為：藍色預警、黃色預警、橙色預警、紅色預警，根據(jù)我校學業(yè)預警制度，其預警條件的形式化定義如下：藍色預警：已修讀的課程累計不及格課程門數(shù)為1門;黃色預警：已修讀的課程累計不及格課程門數(shù)大于或等于2門，且未達到5門;橙色預警：已修讀的課程累計不及格課程門數(shù)大于或等于5門，且未達到8門;或累計不及格課程學分大于或等于15學分，且未達到24學分;紅色預警：已修讀的課程累計不及格課程門數(shù)大于或等于8門，或累計不及格課程學分大于或等于24學分。

3.2 預警分析過程

學業(yè)預警分析過程包括數(shù)據(jù)獲取、數(shù)據(jù)預處理、預警級別分析和查詢及可視化四個階段，在每個階段采用視圖和庫函數(shù)實現(xiàn)相關(guān)計算，每個階段結(jié)束后將計算結(jié)果保存到臨時表，便于后面階段的數(shù)據(jù)處理。

3.2.1 數(shù)據(jù)獲取

根據(jù)數(shù)據(jù)分析的目標，通過ETL從遠程業(yè)務數(shù)據(jù)庫獲取在校學生課程成績的原生數(shù)據(jù)，其字段包括：【學年、學期、選課編號，學號，姓名，課程名稱，學分，折算成績，總評成績，重修成績，補考成績，重修標記，課程性質(zhì)，輔修標記，績點】;其次對成績數(shù)據(jù)的欄目進行分析，以便了解字段數(shù)據(jù)是否符合數(shù)據(jù)分析的要求，下面是主要字段分析：“折算成績”是將總評成績折算成百分制的成績;“總評成績”“補考成績”“重修成績”可能為不同類型的成績，如百分制、二分制等;同一個學生的同一門課程因為重修多次導致在成績數(shù)據(jù)中出現(xiàn)兩條以上記錄;“重修標記”和“輔修標記”表示該門課程成績?yōu)橹匦蕹煽兓蜉o修成績;“績點”字段的值為第一次計算折算成績后填寫，同一記錄的補考成績和重修成績的變化不影響其值。

3.2.2 數(shù)據(jù)預處理

通過數(shù)據(jù)準備階段對數(shù)據(jù)特征的分析，有針對性地進行數(shù)據(jù)預處理，主要包括成績的規(guī)范化、學生課程合并和最高成績計算等。

1）因折算成績和總評成績等價，所以后面的分析中使用折算成績。重修成績和補考成績，需要統(tǒng)一折算為百分制成績。

2）課程合并和最高成績計算：因為存在部分學生因多次重修，導致同一個學生的同一門課程在成績數(shù)據(jù)中有多行記錄，根據(jù)課程編號計算每位學生每門課程的最高成績，將數(shù)據(jù)存儲到一張臨時表。視圖如下：[學號、課程編號、課程名稱、學分、最高成績、績點]。

3.2.3 預警級別分析

根據(jù)預警規(guī)則，計算預警參數(shù)的值，為了簡化程序的復雜性，每個參數(shù)分別采用不同的視圖進行計算，然后進行合并操作。其中，總的補考次數(shù)（包括同一門課程補考多次）、補考學分總數(shù)、重修次數(shù)（包括一門課重修多次）、重修學分總數(shù)等4個參數(shù)目前僅作為預警參考數(shù)據(jù)呈現(xiàn)給學生管理人員，不作為預警級別判定的依據(jù)。預警級別計算的基本過程如圖3所示：

3.2.4 預警統(tǒng)計查詢及可視化

根據(jù)不同角色創(chuàng)建不同的統(tǒng)計分析視圖，主要包括兩個方面的視圖：

1）學生查詢個人學業(yè)預警結(jié)果及預警原因視圖，包括學分和基點修讀統(tǒng)計視圖等;

2）管理人員查詢所有學生預警結(jié)果及原因視圖和根據(jù)學院、年級、專業(yè)、班級等不同維度的學業(yè)預警統(tǒng)計視圖

4 學業(yè)預警系統(tǒng)實現(xiàn)

基于成績的預警系統(tǒng)核心功能包括學業(yè)預警級別的計算和統(tǒng)計數(shù)據(jù)的查詢。學業(yè)預警級別的計算主要采用Oracle數(shù)據(jù)庫和開源ETL工具Pentaho Data Integration（PDI）實現(xiàn)，統(tǒng)計數(shù)據(jù)查詢及可視化采用Phalcon框架（PHP）、HTML5和Chart.js等軟件開發(fā)技術(shù)。

4.1 預警級別計算

1）利用ETL工具定時從遠程數(shù)據(jù)庫將學業(yè)預警相關(guān)的數(shù)據(jù)同步到本地的學業(yè)預警預處理庫，并完成部分預處理任務。首先創(chuàng)建“轉(zhuǎn)換”實現(xiàn)數(shù)據(jù)的遠程獲取，然后利用“作業(yè)”實現(xiàn)定時任務。因為是從遠程數(shù)據(jù)庫表獲取數(shù)據(jù)，并插入本地空表，所以輸入采用“表輸入”模式，輸出采用“插入/更新”模式。

2）利用Oracle存儲過程、視圖技術(shù)和豐富的庫函數(shù)，按照預警級別分析過程實現(xiàn)預警級別的計算，下面給出主存儲過程代碼：

4.2 數(shù)據(jù)的統(tǒng)計查詢功能實現(xiàn)

數(shù)據(jù)的統(tǒng)計查詢功能的實現(xiàn)在數(shù)據(jù)庫層面根據(jù)查詢角色的不同創(chuàng)建不同的查詢統(tǒng)計視圖，然后通過PHP程序?qū)?shù)據(jù)庫查詢數(shù)據(jù)轉(zhuǎn)換為前端視圖技術(shù)要求的數(shù)據(jù)結(jié)構(gòu)并實現(xiàn)數(shù)據(jù)可視化。主要包括學業(yè)預警結(jié)果的統(tǒng)計查詢和學生學分修讀情況的統(tǒng)計查詢。圖4是根據(jù)給定條件查詢學生的學業(yè)預警結(jié)果的視圖，圖5是按照學期、學院、專業(yè)、年級、班級等維度統(tǒng)計查詢學業(yè)預警總體情況。

5 結(jié)束語

本文研究和設(shè)計的基于成績的學業(yè)預警系統(tǒng)，初步完成了基于課程成績的預警級別計算和統(tǒng)計查詢，其是高校學業(yè)預警制度中的重要組成部分，幫助提高學業(yè)預警的實施效率和效果。之后將逐步增加其他類型的學生學習相關(guān)數(shù)據(jù)，提高預警的及時性和準確性，如考勤數(shù)據(jù)、網(wǎng)絡訪問數(shù)據(jù)、第二課堂等數(shù)據(jù)，并依據(jù)不同的專業(yè)實現(xiàn)個性化的學業(yè)預警。

參考文獻：

[1]范偉.學分制視角下的高校學業(yè)預警：制度困境與程序優(yōu)化[J].南京理工大學學報：社會科學版，2016，29（6）：88-92.

[2]孫建.國外高校學業(yè)危機研究及啟示[J].首都師范大學學報：社會科學版，2015（6）：138-143.

[3]張晶華，丁福興，臺灣大學生學業(yè)風險管理探究及啟示[Jl.高等農(nóng)業(yè)教育，2016（1）：124-127.

[4]袁安府，張娜，沈海霞.大學生學業(yè)預警評價指標體系的構(gòu)件與應用研究[J].黑龍江高教研究，2014（3）：79-83.

[5]陸毅華，高蘭蘭，王瀟，等.學分制環(huán)境下本科生學業(yè)預警幫 扶系統(tǒng)的設(shè)計與實現(xiàn)[J].東華大學學報：自然科學版，2017，43（3）：412-415.

[6]王曉蕾，畢菁華.應用型大學學業(yè)預警機制初探[J].蘭州教育學院學，2017，33（7）：124-126.

[7]朱李楠，許帥.基于課程關(guān)聯(lián)性的高校學業(yè)預警體系構(gòu)建研究[J].浙江工業(yè)大學學報：社會科學版，2014，13（4）：433-436.

[8]徐曉霞，陳軍.學分制下學業(yè)困難成因及動態(tài)預警模式探索[J].長春大學學報，2016，26（10）：67-70.

[9]宓旭峰.學分制大類培養(yǎng)模式下高校學生學業(yè)預警制度的探究[Jl.長春理工大學學報，2011（11）：10-12.

[10]張麗輝，徐銳.大學生學業(yè)預警成因分析及幫扶對策[J]，職業(yè)時空，2014（10）：114-117.

[11]舒春玲.大學生學業(yè)預警機制的探索與實踐[J].淮陰師范學院學報：自然科學版，2016（4）：333-335.

[12]張福生，呂開東，韓伊佳.基于校園云的高校學生學業(yè)監(jiān)測與預警系統(tǒng)研究[Jl.中國教育信息化，2015（9）：87-89.

[13]金義富，吳濤，張子石，等.大數(shù)據(jù)環(huán)境下學業(yè)預警系統(tǒng)設(shè)計與分析[J].中國電化教育，2016（2）：69-73.

[14]王球琳，馬麗娟，付磊.應用型本科院校學業(yè)預警保障體系構(gòu)建研究[J].黑龍江高教研究，2016（3）：106-108.

[15]楊洋，張燁，等.學業(yè)預警指標體系的構(gòu)件及系統(tǒng)初探[J].中國教育信息化，2017（7）：74-76.

【通聯(lián)編輯：謝媛媛】

收稿日期：2（）19-12-15

作者簡介：鄭金龍（1982-），男，甘肅蘭州人，實驗師，碩士，主要研究方向為數(shù)據(jù)挖掘;聶盼紅（1976-），女，山西人，講師，碩士，主要研究方向為機器學習。