中职院校学生管理大数据技术研究与应用

摘要

在信息科技快速发展的今天,大数据技术已经运用到生活中的各个角落，每天无时无刻不产生着大量的数据,这些数据既蕴藏着无数价值和财富,同时也挑战着人们的传统认知。近年来，数字化校园管理在中等职业学校得到了广泛的应用。随着学校大规模扩招，传统的学校管理手段已经不再适应“大学校”时代的到来。学校管理人员希望可以通过使用高级机器学习、大数据技术以及统计学相关技术，分析中等职业院校学生日常生活过程所产生的海量数据。通过数据分析找到学生日常生活和学习规律，为学校管理人员更好地去管理学生，提供一些决策参考。本文主要研究内容如下： 1、通过研究在校学生的日常消费数据，探索如何结合使用高级机器学习K-means聚类算法和统计学方法对正常上课期间学生消费进行分类，通过出勤时段日均消费划分为“贫困”、“中下”、“中等”“中上”、“富裕”等级来对学生家庭条件进行评判，为家庭相对不富裕的学生提供学校工作岗位和助学资金的支持，使其顺利完成中职学业。利用多维数据聚类研究学生各项消费数据、出勤数据、成绩数据，探索学生消费习惯和在校成绩间的关系。 2、研究学生出勤与考试成绩的相关性，尝试使用K-means算法分别对考勤和考试成绩进行分类，将考勤划分为“低”、“正常”、“高”3个等级，将考试成绩划分为“不及格”、“及格”、“一般”、“良好”、“优秀”等五个等级，使用Apriori关联规则算法进行关联分析，发现考勤和成绩间的关系，督促学生加强出勤，提高学习成绩，完善学校教学管理。 3、通过研究中职学生在日常生活中所关注的相关问题，探索使用线上投票和线下调研的方式进行分析，将学生关注的内容划分为“满意”、“不满意”和“关注”、“不关注”，较好的了解学生日常关注的问题和学生的相关需求，尝试使用Apriori关联规则算法对投票数据进行关联。通过管理者对学生需求的了解，进行相关管理策略的改进，为中职院校在校生提供较为满意的生活和学习条件。

目录

声明

1 绪论

1.1 研究的背景及意义

1.1.1 研究背景

1.1.2 研究目的及意义

1.2 研究现状

1.2.1 目前学校信息管理系统中的大数据

1.2.2 大数据技术在中职学校中的应用

1.3 本文主要研究内容

1.4 本文的组织结构

2 本文的基本架构和相关技术

2.1 数据来源及分析

2.2 中职学生行为的分析技术

2.2.1 大数据技术

2.2.2 数据分析方法

2.2.3 常见聚类算法介绍

2.2.4 常见关联分析算法介绍

2.3 本章小结

3 中等职业学校学生消费数据聚类分析

3.1 消费数据预处理

3.1.1 数据清理

3.1.2 数据变换

3.2 基于K-Means聚类算法的中等职业院校学生日常消费聚类分析

3.2.1 数据聚类介绍

3.2.2 构建K-Means聚类算法分析模型

3.3 基于K-means算法的中等职业学校消费水平聚类分析

3.3.1 中等职业学校学生消费聚类分析

3.3.2 探索多维度消费数据聚类分析

3.4 本章小结

4 学生出勤与考试结果进行关联分析

4.1考勤情况分析

4.2 中等职业院校考试成绩分析

4.3 中等职业学校考勤与成绩相关性统计分析

4.4 构建学生考勤与成绩相关性的灰度关联分析法

4.5 分析结果与结论

4.6本章小结

5 对学生关注问题的分析研究

5.1学生关注的社会问题进行分析

5.2 学生关注学校处理突发事件情况进行分析

5.3学生关注自身发展利益问题

5.4热点关注的分析总结

5.5本章小结

6 总结和展望

6.1总结

6.2展望

参考文献

个人简历、在学期间发表的学术论文与研究成果

致谢