SCI论文（www.lunwensci.com）:
摘 要：随着教育数据进入大数据时代，教育评价改革需要利用大数据技术探索过程性评价、德智体美劳全要素评价，本 文通过采集数字校园平台、在线学习平台等学生数据，从道德品质、学业学习、身心健康、人文底蕴和实践创新五个方面划分 画像模型，进行学生画像数据分级标签化，然后通过标准化清洗、建立数据模型、进行数据分析和学生画像可视化呈现，能精 准进行个性化的学习模块推荐、学生发展指标预警和为教育管理者提供决策支持，促进学生更好的全面发展。
关键词：学生画像 ；数据标签 ；数据可视化 ；系统构建
The Research of the College Student Portrait System Realization Based on Data Visualization
LIU Xia
(Changjiang Polytechnic, Wuhan Hubei 430074)
【Abstract】： In the big data era, the educational evaluation will relies on big data technology to realize the evaluation of the process, moral, intellectual, physical,art and labor.In this paper, we collect students data from a digital campus platform,online study platform, etc. Firstly, we grade the student portraits from morals, study, mental health, cultural heritage, and practical innovation. After standardization, model, analysis, we present student portraits by visualization. The system supports the recommendation of the personalized learning module， the warning of students development metrics, and the assisted decision-making for management. We will promote the development of students from all aspects.
【Key words】： students portrait;data label;data visualization;system construction
0 引言
近年来，随着 5G、人工智能、大数据等信息技术 的飞速发展，人们越来越重视大数据技术在各行业中的 应用，对于教育行业来说，教育评价的数据支撑更是十 分重要。2020 年 10 月，中共中央、国务院印发的《深 化新时代教育评价改革总体方案》指出“创新评价工 具，利用人工智能、大数据等现代信息技术，探索开展 学生各年级学习情况全过程纵向评价、德智体美劳全要 素横向评价”[1]。教育信息化的不断推进，各高校数字化校园平台上积累了大量数据，如何从中提取隐含的、 有价值的信息，为教育评价的全面、公平提供支撑，成 了亟待解决的问题。
目前，教育大数据主要针对学生学习过程中产生的大量的显性数据和隐性数据进行分析和可视化，进行学 习成绩预测、教学决策支撑 [2]，并未对学生的全面教育 和学习效果改善起到明显作用。基于数据可视化的学生 画像构建针对学生个性发展的独立性与多样性，尊重学 生在思维和行为上个体差异，突破对学生的评价“唯分 数论”的局限，注重学生参与式学习的过程评价，促进 学生“德智体美劳”全面发展。
1 学生画像数据标签化
学生画像是通过系统地采集与分析学生学习、生活、社会实践等行为和内容数据，抽象出该学生在道德 品质、学业学习、身心健康、人文底蕴和实践创新方面 的全貌，从而有助于学校管理者通过学生画像全面了解 学生的成长轨迹和发展状况，基于预测模型制定或调整策略去因人施教，从而为学校对学生进行个性化与精准 化的教育管理与引导提供重要依据。
1.1 学生数据
智慧校园的建设，积累了大量的学生数据，高校数 据中心提供标准化行为与内容数据，这些数据包括 ：（1） 教务管理系统提供的学籍、课程、成绩、评教评学、异 动、违纪等数据 ；（2）教学平台提供的作业、教学活动 参与、在线学习等数据 ；（3）图书馆提供的借阅记录、扣费、网络查阅资料等数据 ；（4）学工管理系统提供的 党团、勤工俭学、奖学金、素质活动、社会服务、创新 创业、心理健康、荣誉等数据 ；（5）校园一卡通系统提 供的充值、餐饮、住宿、服务、考勤等数据 ；（6）顶岗 实习系统提供的企业评价的技能、人品、信用等数据 ；
（7）财务管理系统提供的缴费、助学、贷款等数据。
数据种类繁杂，要从根本上应对新形势下教育改 革，以及社会发展对教育提出的新诉求，各类教育数据 需要进行充分、详细、真实的记录。借助大数据技术手 段丰富数据采集维度，进一步降低数据采集难度，对学 生管理、教学过程、学校管理过程中产生的各类数据进 行汇总、清洗、分析。
1.2 数据标签化
学生画像的基础在于标签的构建，标签应是对学生的高度精炼的特征标识。根据教育部对学生发展质量评 价的要求，应着力于学生德智体美劳全面发展，尊重学 生的差异性和多样性，本文按照学生发展的五个方面将 数据分为五类，并将画像模型分为思想道德特征模型、 学业水平特征模型、身心素质特征模型、人文素养特征 模型、实践能力特征模型和指标评价特征模型 [3]，具体分类如表 1 所示。围绕用户的基本属性、行为特征、生活 特征、兴趣、人际交往等多维形式来进行标签的定义，采 取分级标签，如表 2 所示。多个标签组合成特征模型。
2 学生画像系统的构建
在建好数据标签的基础上，实现学生画像的构建。采 取基于融合的用户画像模型构建方法，综合考虑了学生的 社会主义核心价值观、家国情怀、职业道德、职业精神、 身心健康、人文素养、审美能力、劳动意识、实践创新意识，在此基础上构建的学生画像，更科学、精准、可操作。
2.1 学生画像系统构建流程
按照用户画像的常规方法，我们通过原始数据采 集、标准化清洗、建立数据模型和算法、数据运算分 析、可视化呈现等步骤实现对学生的画像 [5]。
2.1.1 数据采集
通过数字校园平台、在线学习平台以及上课时使用 的教学 App（雨课堂、云班课等）我们可以获取丰富的 学生数据资源，这些数据是构建学生画像的核心依据 [6]。 根据画像的需要，将这些原始数据按照标签分类技术进 行分类筛选。
2.1.2 数据清洗
按照标签分类的数据源中，因为数据采集的环境或 其他某些原因，会导致一部分冗余、缺失或异常的数据 存在，比如性别缺失、年龄与身份证号不符、成绩超出 范围等杂质数据，需要通过数据清洗技术进行标准化清 洗，确保参与分析的数据真实、规范。
2.1.3 数据模型和算法
得到了标准化的数据，根据学生画像的目标，选择 合适的方法，如统计法、贝叶斯网络模型、聚类分析等 模型，提取出学生画像的关键要素。如利用图书管理系 统的提供的学生阅读书目、阅读时间构建学生阅读行为 画像，同时基于此画像可以预测学生的学习情况和成绩 以及感兴趣的领域。
2.1.4 数据分析
在数据模型的基础上，根据学生的数据标签进行运 算分析，得到学生画像的基态数据。
2.1.5 可视化呈现
在数据分析得到的基态数据的基础上，采用数据可视化方法，通过饼图、柱状图、点状图、雷达图、箱线 图等图像直观呈现学生画像结果。一图胜千言，教育工 作者和学生自己都能直观地通过图像了解到整体和局部 的发展轨迹。
2.2 学生画像系统构建实施技术
学生画像系统的构建在技术上一般是基于大数据Hadoop 平台， 利用 Spark SQL 的 Load 方式导入 HDFS。 通过 Hive 编写 UDF，使学生对应上不同的数据标签， 生成相应的数据表，根据画像的具体需求，通过不同的 规则生成标签。在数据分析计算框架上，选用 Spark 对 指定规则的数据进行过滤筛选，选用 RHadoop 利用协 同过滤算法等推荐算法对数据进行评分。
以我校计算机应用技术专业某学生画像为例，首先对 数字化校园平台中的数据进行收集整理，通过 Spark 的 JDBC 连接校园数字化平台数据库，进行数据的 Cache，然后通过 Load 方式导入 HDFS。在选取数据时，根据 实际需要，比如关注某学生的学习生活基本状态，那我 们需要以课程、生活规律等数据实体为中心，进行数据 维度分解和列举，选取跟学习相关的学习成绩、阅读时 间、学习用功程度 ；跟生活规律相关的睡眠时间、体育 锻炼时间等数据，避免无用的数据干扰分析过程。通过 Hive 编写 UDF，根据业务逻辑拼接 ETL，生成学生标 签数据。根据需要，定义画像标签信息如表 3 所示 ：
通过 Spark 数据分析对接上层应用指定规则的数据 进行筛选过滤，得到某学生的基本画像如图 1 所示 ：
2.3 成绩预警模块实现
学习成绩的好坏跟很多因素相关，我们把从数字校园 中获取的与其相关的数据分为直接相关数据和间接相关数 据。直接相关数据是直接影响学习成绩的学习状态数据，包括教务系统中的学生以往成绩、平时作业、教师评价、 教学活动参与情况等。学生画像技术可以借助前导课程成 绩等数据分析预测出学生在后续课程中挂科的可能性。间 接相关数据是学生学习和生活状态数据。教育评价的改革 更加注重过程性评价，教育学者普遍认为，良好的行为习 惯与学习成绩是呈正相关的。对于与学习间接相关的行为 数据 ：作息时间、就餐规律、购物频率、图书借阅、自习 时间等，可以通过数据处理量化这些标签数据，通过数据 分析发现，自习时间与成绩成正相关。
选择贝叶斯网络构建学生成绩预警模型，根据直接 相关数据和间接相关数据预警学习状态不好，有挂科倾 向的同学，并根据模型找到课程体系中学习的薄弱环 节，方便教师有针对性对学生进行辅导和帮助。
3 展望
构建大学生画像，能准确分析学生的兴趣、特长、 潜能，赋能参与式教学的实施，教师可以根据学生的喜 好，精准进行个性化的学习模块推荐，极大激发学生的 学习兴趣 ；还能根据学生成长轨迹对德智体美劳五个方 面发展薄弱环节（如成绩挂科率）进行预测，分析学生 学习效率与挂科率、网络使用、消费情况、考勤等之间 的关系，从而设立预警条件，达到预警目的 ；能为学校 决策者提供决策方案的结果对比，为学校实现最优决策 提供支持。学生画像技术是一种较为复杂的应用技术 [7]， 学生全面发展评价体系尚在摸索之中，学生画像技术对 学生精准分析的精度问题，都是我们努力探索的方向。
参考文献
[1] 中华人民共和国中央人民政府.中共中央国务院印发《新时 代教育评价改革总体方案》[EB/OL].http://www.moe.gov.cn/ jyb_xxgk/moe_1777/moe_1778/202010/t20201013_494381. html,2020-10-13.
[2] 杨光莹,杜敏,杨东梅,孔静,施明毅.基于校园行为数据分析的 学生画像系统初步构建研究[J].教育教学论坛,2020(10):44-45. [3] 魏孔鹏,谷洪彬,李啸龙.学生综合素质评价的用户画像构建 研究[J].计算机时代,2020(3):96-98.
[4] 张治,刘小龙,徐冰冰,等.基于数字画像的综合素质评价:框 架、指标、模型与应用[J].中国电化教育,2021(8):25-33.
[5] 葛晓滨.基于画像技术对学生实现精准分析和服务[J].安徽 建筑大学学报,2019(6):99-104.
[6] 陈会,余馨,李琳琳,等.基于大数据技术的大学生学习画像构 建[J].软件工程,2021(3):36-38.
[7] 余明华,张治,祝智庭.基于可视化学习分析的研究性学习学 生画像构建研究[J].中国电化教育,2020(12):36-43.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/34319.html
