基于数据挖掘的学生画像与学业预警系统设计与实现

成果编号：39754

价格：30

完成单位：江苏电子信息职业学院

单位类别：其他高校

完成时间：2025年

成熟程度：研制阶段

服务产业领域：电子信息

我要对接关注发送消息

发布人：kelly310 离线

发送消息

随着高校信息化建设的不断发展，教育大数据资源也越来越丰富，大数据技术为新时代高校日常管理工作的创新发展带来了新的机遇。高校教育管理人员经常面临着如何精准预测学生、全面评价学生和个性化服务学生的困惑，针对这个问题，将大数据和机器学习技术应用到学生画像和学业预警的研究中，构建学生数据画像和学业预警模型，为高校教育管理人员提供相应的决策支持。

13 次浏览分享到

成果介绍

科技计划：

成果形式：新技术

合作方式：技术开发、技术服务

参与活动：第二届江苏产学研合作对接大会 2023年高校院所服务苏北五市产学研合作对接活动

专利情况：未申请专利

成果简介

成果概况

创新要点

1.针对K-means 算法在学生画像应用中存在的不足，创新基于Canopy 和最大最小距离原则的K-means 算法，将算法应用于对学生行为数据的聚类分析。 2.针对SVM 算法在构建学业预警模型时存在的不足，提出了一种基于改进FOA的SVM 算法。使用基于改进FOA 的SVM 算法预测学生未来能否顺利毕业，对未来可能无法顺利毕业的学生发出学业预警。

主要技术指标

1.使用改进K-means 算法进行聚类分析之前需要对原始数据进行预处理，以保证满足学生行为分析的要求，提高数据挖掘结果的质量。 2.使用Canopy 算法可对数据进行“粗”聚类，然后将Canopy 算法得到的簇数量和簇中心作为K-mean 算法的输入参数，完成对数据的“细”聚类。 3.采用FOA算法来对SVM算法进行超参数寻优，并针对FOA算法每次迭代搜索步长范围固定的缺点，采用了一种自适应步长的方法来提高FOA 算法的效率。

其他说明

完成人信息

姓名：对接成功后可查看

所在部门：对接成功后可查看

职务：对接成功后可查看

职称：对接成功后可查看

手机：对接成功后可查看

E-mail：对接成功后可查看

电话：对接成功后可查看

传真：对接成功后可查看

邮编：对接成功后可查看

通讯地址：对接成功后可查看

联系人信息