一种基于大数据的学生管理系统

摘要

本发明公开了一种基于大数据的学生管理系统，通过云处理端对学生近一年的出勤信息进行统计，获取到出勤信息内的漏出对象和漏出时间，进行惯性分析，根据不同漏出对象对应的漏出时间进行分析，根据分析结果得到将漏出对象进行筛选，并将筛选出来的漏出对象分别标记为规律高频对象、无序高发对象；之后借助智能终端和若干个分设备端，结合起来针对应出勤的学生仅检验分设备端的唯一识别码是否被智能终端所获取，自动获取到所有的缺席存疑人员，并将缺席存疑人员返回到云处理端通知管理人员。完成检验之后，本发明仅借助智能设备即可实现功能，而且方法简单，易于实用。

说明书

技术领域

本发明涉及学生管理技术领域，具体涉及一种基于大数据的学生管理系统。

背景技术

公开号为CN114066149A的专利公开了一种基于大数据的高校学生管理方法、系统及存储介质，基于大数据的高校学生管理方法包括：获取N个学生信息，每个学生信息皆至少包括学号、姓名以及多个科目成绩；每个科目成绩皆包括多个知识点以及与多个知识点一一对应的掌握率；根据N个学生信息生成M组互助信息，每组互助信息皆包括受助信息和辅助信息，受助信息包括受助学生的学号、需受助知识点以及与需受助知识点对应的掌握等级，辅助信息包括辅助学生的学号、需辅助知识点以及与需辅助知识点对应的掌握等级；将每组互助信息推送至对应的受助学生和辅助学生的终端。不再需要人工分配互助学生，且可以实时通知到辅助学生和受助学生，节约了人力，且提高了构建互助关系的效率。

但是，针对一些特殊情况下，如何针对庞大的学生群体进行考勤，尤其是针对需要封校期间，部分教师对所教的学生没有足够熟悉的情况下，如果确保对应学生能够参加全部的活动，较为方便的情况下完成点名，且不借助多余设备，这是一个问题；基于此，提供一种解决方案。

发明内容

本发明的目的在于提供一种基于大数据的学生管理系统；

本发明的目的可以通过以下技术方案实现：

一种基于大数据的学生管理系统，包括

云处理端，用于对学生近一年的出勤信息进行统计，获取到出勤信息内的漏出对象和漏出时间，进行惯性分析，根据不同漏出对象对应的漏出时间进行分析，根据分析结果得到将漏出对象进行筛选，并将筛选出来的漏出对象分别标记为规律高频对象、无序高发对象；

智能终端和若干个分设备端，用于结合起来针对规律高频对象和无序高发对象产生二核信号，此时需要用户进行人脸识别或者指纹信息验证之后，才会将分设备端的唯一识别码发送至智能终端，完成核验；

针对剩余的应出勤的学生仅检验分设备端的唯一识别码是否被智能终端所获取，得到所有的缺席存疑人员，并将缺席存疑人员返回到云处理端通知管理人员。

进一步地，云处理端包括数据获取单元、行为分析单元、基础数据库、处理器、通知单元、管理单元和处理器；

数据获取单元用于获取所有的学生近一年的出勤信息，出勤信息包括漏出对象和漏出时间，漏出对象即为对应每一个缺席出勤的学生，漏出时间即为对应漏出对象缺席出勤的时间信息；数据获取单元用于将出勤信息传输到行为分析单元，行为分析单元接收数据获取单元传输的出勤信息，并对其进行惯性分析，得到所有的规律高频对象和无序高发对象；

行为分析单元用于将规律高频对象和无序高发对象传输到基础数据库，基础数据库接收行为分析单元传输的规律高频对象和无序高发对象，并进行实时存储；

智能终端为对应每次授课或者相关活动的负责人的智能设备，内置有相关检验模块，其具体包括连接获取单元和二项获取单元；

分设备端为对应需要出席对应课程或者相关活动的学生的智能设备，具体为手机或者其他随身的智能终端设备，其具备唯一识别码，通过与智能终端设备进行联合验证；处理器用于将基础数据库内的规律高频对象和无序高发对象提取并传输到智能终端；

智能终端用于结合分设备端进行联合验证，得到所有的缺席存疑人员；

处理器用于将所有的缺席存疑人员传输到通知单元，通过通知单元提醒对应活动负责人。

进一步地，惯性分析具体方式为：

步骤一：获取到所有出勤信息内的漏出对象，将其标记为Di，i＝1...n，Di表示为存在n个缺席出勤过的漏出对象，n为正整数；

步骤二：令i＝1，选择对应的漏出对象D1；获取到漏出对象D1所有的漏出时间，对漏出时间进行初相处理，得到漏出总次L1、核实漏值H1和倍翻值B1；

步骤三：令i值加一，重复步骤二的方式，得到所有的漏出对象Di对应的漏出总次Li、Bi和核实漏值Hi，i＝1...n，

步骤四：利用公式计算所有的漏出对象Di的权漏值Qi，具体计算公式为：

Qi＝0.54×Li+0.46×Hi×Bi；

式中，0.54和0.46均为预设的权值；

步骤五：同步将所有Bi为零的对应漏出对象标记为无序对象；将无序对象的Qi值剔除，之后得到剩余的漏出对象及其对应的权漏值，对应标记为剩余漏出对象和剩余权漏值，将剩余权漏值超过X2的剩余漏出对象标记为规律高频对象；

再将无序对象对应的权漏值超过X2的标记为无序高发对象；

步骤六：得到所有的规律高频对象和无序高发对象。

进一步地，联合验证具体方式为：

SS1：智能终端内存储有本次课程或者活动所需出席人员的全部分设备端的唯一识别码；

SS2：首先智能终端和分设备端通过蓝牙或者其他短距离通信的方式连接，通过唯一识别码识别身份，自动筛选出所有未连接上的唯一识别码，获取到对应分设备端的用户身份，将其标记为缺席存疑人员；

SS3：当然同步获取到规律高频对象和无序高发对象，将其标记为存疑人员；对存疑人员的出勤情况，智能终端还需进行二次分析，通过二次分析确定是否将分设备端的唯一识别码是否发送至智能终端；

SS4：得到所有的缺席存疑人员。

进一步地，管理单元与处理器通信连接，用于录入所有的预设数值。

进一步地，步骤二中的初相处理具体方式为：

S1：首先获取到漏出时间存在的条数，将其标记为漏出总次L1；

S2：之后获取到所有的漏出时间，对其进行整理，按照漏出时间，获取到每个月的缺勤次数，将其标记为漏出次，得到12个漏出次，标记为Cj，j＝1、...、12；

S3：之后自动计算Cj的均值，将其标记为均漏值P，利用公式计算离偏值W，具体计算公式为：

式中，|*|表示为对括号内数值取均值；

S4：当此处W值超过X1时，产生删除信号，此时按照|Cj-P|的值从大到小的顺序对Cj进行排序，之后依次序选中每一个Cj，每选中一个Cj时，将其删除，删除后对剩余Cj重新计算W值，若W值依然超过X1，则持续按照排序后的Cj继续选择，选择之后重新删除，计算W值，直到W值不超过X1；

S5：当W值不超过X1时，将此时的均值标记为核实漏值，对应标记为H1；X1为预设数值；

S6：此时获取到被删除的Cj的值的个数，将其标记为删除值，根据删除值定义倍翻值B1，将B1分别标记为0或者1；

否则标记为1。

进一步地，步骤SS3中的二次分析具体方式为：

当对应存疑人员的分设备端与智能终端连接之后，智能终端会向其发出二核信号，此时需要用户进行人脸识别或者指纹信息验证之后，才会将分设备端的唯一识别码发送至智能终端，完成核验。

进一步地，步骤S6中定义倍翻值的具体方式为：

当删除值超过4个时，将对应的倍翻值标记为0。

本发明的有益效果：

本发明通过云处理端对学生近一年的出勤信息进行统计，获取到出勤信息内的漏出对象和漏出时间，进行惯性分析，根据不同漏出对象对应的漏出时间进行分析，根据分析结果得到将漏出对象进行筛选，并将筛选出来的漏出对象分别标记为规律高频对象、无序高发对象；

之后借助智能终端和若干个分设备端，结合起来针对规律高频对象和无序高发对象产生二核信号，此时需要用户进行人脸识别或者指纹信息验证之后，才会将分设备端的唯一识别码发送至智能终端，完成核验；针对剩余的应出勤的学生仅检验分设备端的唯一识别码是否被智能终端所获取，得到所有的缺席存疑人员，并将缺席存疑人员返回到云处理端通知管理人员。完成检验之后，本发明仅借助智能设备即可实现功能，而且方法简单，易于实用。

附图说明

下面结合附图对本发明作进一步的说明。

图1为本发明的整体结构示意图；

图2为本发明云处理端与智能终端、分设备端的结构框图；

图3为本发明智能终端结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1-3所示，本发明为一种基于大数据的学生管理系统，

作为本发明的实施例一，其具体包括云处理端、智能终端和若干个分设备端；

其中，云处理端包括数据获取单元、行为分析单元、基础数据库、处理器、通知单元、管理单元和处理器；

数据获取单元用于获取所有的学生近一年的出勤信息，出勤信息包括漏出对象和漏出时间，漏出对象即为对应每一个缺席出勤的学生，漏出时间即为对应漏出对象缺席出勤的时间信息；数据获取单元用于将出勤信息传输到行为分析单元，行为分析单元接收数据获取单元传输的出勤信息，并对其进行惯性分析，惯性分析具体方式为：

步骤一：获取到所有出勤信息内的漏出对象，将其标记为Di，i＝1...n，Di表示为存在n个缺席出勤过的漏出对象，n为正整数；

步骤二：令i＝1，选择对应的漏出对象D1；获取到漏出对象D1所有的漏出时间，对漏出时间进行初相处理，初相处理具体方式为：

S1：首先获取到漏出时间存在的条数，将其标记为漏出总次L1；

S2：之后获取到所有的漏出时间，对其进行整理，按照漏出时间，获取到每个月的缺勤次数，将其标记为漏出次，得到12个漏出次，标记为Cj，j＝1、...、12；

S3：之后自动计算Cj的均值，将其标记为均漏值P，利用公式计算离偏值W，具体计算公式为：

式中，|*|表示为对括号内数值取均值；

S4：当此处W值超过X1时，产生删除信号，此时按照|Cj-P|的值从大到小的顺序对Cj进行排序，之后依次序选中每一个Cj，每选中一个Cj时，将其删除，删除后对剩余Cj重新计算W值，若W值依然超过X1，则持续按照排序后的Cj继续选择，选择之后重新删除，计算W值，直到W值不超过X1；

S5：当W值不超过X1时，将此时的均值标记为核实漏值，对应标记为H1；X1为预设数值；

S6：此时获取到被删除的Cj的值的个数，将其标记为删除值，根据删除值定义倍翻值B1，具体定义方式为：

当删除值超过4个时，将对应的倍翻值标记为0；

否则标记为1；

步骤三：令i值加一，重复步骤二的方式，得到所有的漏出对象D i对应的漏出总次Li、Bi和核实漏值Hi，i＝1...n，

步骤四：利用公式计算所有的漏出对象Di的权漏值Qi，具体计算公式为：

Qi＝0.54×Li+0.46×Hi×Bi；

式中，0.54和0.46均为预设的权值，用于突显不同因素的重要性；

步骤五：同步将所有Bi为零的对应漏出对象标记为无序对象；将无序对象的Qi值剔除，之后得到剩余的漏出对象及其对应的权漏值，对应标记为剩余漏出对象和剩余权漏值，将剩余权漏值超过X2的剩余漏出对象标记为规律高频对象；

再将无序对象对应的权漏值超过X2的标记为无序高发对象、X2为预设值；

步骤六：得到所有的规律高频对象和无序高发对象；

行为分析单元用于将规律高频对象和无序高发对象传输到基础数据库，基础数据库接收行为分析单元传输的规律高频对象和无序高发对象，并进行实时存储；

智能终端为对应每次授课或者相关活动的负责人的智能设备，内置有相关检验模块，其具体包括连接获取单元和二项获取单元；

分设备端为对应需要出席对应课程或者相关活动的学生的智能设备，具体为手机或者其他随身的智能终端设备，其具备唯一识别码，通过与智能终端设备进行联合验证；处理器用于将基础数据库内的规律高频对象和无序高发对象提取并传输到智能终端；

智能终端用于结合分设备端进行联合验证，联合验证具体方式为：

SS1：智能终端内存储有本次课程或者活动所需出席人员的全部分设备端的唯一识别码；

SS2：首先智能终端和分设备端通过蓝牙或者其他短距离通信的方式连接，通过唯一识别码识别身份，自动筛选出所有未连接上的唯一识别码，获取到对应分设备端的用户身份，将其标记为缺席存疑人员；

SS3：当然同步获取到规律高频对象和无序高发对象，将其标记为存疑人员；对存疑人员的出勤情况，智能终端还需进行二次分析，二次分析具体方式为：

当对应存疑人员的分设备端与智能终端连接之后，智能终端会向其发出二核信号，此时需要用户进行人脸识别或者指纹信息验证之后，才会将分设备端的唯一识别码发送至智能终端，完成核验；

SS4：得到所有的缺席存疑人员；

处理器用于将所有的缺席存疑人员传输到通知单元，通过通知单元提醒对应活动负责人；

管理单元与处理器通信连接，用于录入所有的预设数值。

当然作为本申请来说，还存在另外一种实施方式，其具体的实施例为：

包括智能终端、分设备端、处理器和通知单元，也就是云处理端仅仅包括处理器和通知单元；

智能终端同样为为对应每次授课或者相关活动的负责人的智能设备，内置有相关检验模块，其具体包括连接获取单元和二项获取单元；

分设备端为对应需要出席对应课程或者相关活动的学生的智能设备，具体为手机或者其他随身的智能终端设备，其具备唯一识别码，通过与智能终端设备进行联合验证，联合验证的具体方式为：

SS1：智能终端内存储有本次课程或者活动所需出席人员的全部分设备端的唯一识别码；

SS2：首先智能终端和分设备端通过蓝牙或者其他短距离通信的方式连接，通过唯一识别码识别身份；

当对应存疑人员的分设备端与智能终端连接之后，智能终端会向其发出锁核信号，此时需要用户进行人脸识别或者指纹信息验证之后，才会将分设备端的唯一识别码发送至智能终端，完成核验；

获取到未检测到的唯一识别码，自动获取该未检测到的唯一识别码对应分设备端的用户身份，将其标记为缺席存疑人员；

处理器用于将所有的缺席存疑人员传输到通知单元，通过通知单元提醒对应活动负责人；

以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。