基于大数据下计算机专业学生画像的分析研究

基于大数据下计算机专业学生画像的分析研究

闫文广

河北省保定市清苑区职业技术教育中心  071100

目前，随着在线教育的发展，翻转课堂和微课、网上课堂等教学形式正被广泛应用，教学行为正在数据化。在日常的学习中，产生了大量的学习行为数据。这为数据驱动的中职生学习路径研究提供了有力的数据支撑。

一、大数据下中职计算机学生画像分析的现状

我们所说的“学生画像”起源于“用户画像”。用户画像技术最早起源于电商领域。将“用户画像”技术引入到教育领域中，针对学生学习行为、日常生活数据所开展的数据分析研究及标签化的过程被称为“学生画像”。本文重点研究基于学生学习数据的学生个体画像和群体画像的技术实现过程，并分析探讨了学生画像技术在教学中的具体应用。

二 、 分析中职计算机专业学生画像的研究价值

大数据下的学生画像分析，能够帮助学生制订有效的学习策略，进而弥补传统的教学模式不足，从而使教学过程形成闭环，进而改进教学。作为国家级重点中职学校，我们以大数据分析为背景，采用智能学习平台为依托，动态记录学生学习轨迹。我们通过APP抓取相关数据，分析学生行为。

通过各类使用的网络平台收集的大数据进行学生画像，在分析学生学习数据的基础上，从不同维度全面、细致地对学生的信息全貌进行抽提和刻画。通过数据反映学生的知识能力水平、个体特征、兴趣偏好和潜在需求等，为学生提供精准的个性化服务。从而形成学生学习画像，以达到因材施教的效果，进而生成分层学习模式。并制定个性化的助力措施，改进教学设计，从而促进学生综合发展,提升教育教学精准度。

三、中职计算机专业学生画像的研究内容

1、平台选择与数据采集。以智能学习平台为依托，选择适合我校实际的教学平台和大数据分析软件。

众所周知，程序数据十分重要。可以说数据是系统的心脏。本次研究，我们以2020级计算机专业学生为主要研究对象。在研究过程中，我们发现，想要对个人信息进行及时准确的处理与分析，那么系统就需要收集大量数据来完成归纳提取个人的信息。例如消费统计和分析，学校成绩，考勤情况等。数据分为学生的生活中的基本数据、学生在平时学习中的表现所产生的数据等。本次的研究数据，通常都是以Excel表或数据库表文件进行展现，之后纳入sql server数据库。

2、完善学习行为分析系统，精准构建学生学习画像。

借助于各项智能技术和信息平台进行无感采集，通过平台记录学生学习轨迹，抓取、整合相关数据，通过定性定量分析，为学生进行精准画像，解读每位学生的成长状况，实现精准学习行为分析，为教师教学改进提供方向，为学生的个性发展指明方向。

3、基于学生学习画像，探讨分层学习模式 。因材施教，制定个性化的助力措施，从而促进学生自我完善，进而改进教学。

四 、 研究实施具体步骤

1、锁定数据来源。

以保定市清苑区职教中心的网络教学平台为依托，搭建大数据平台，对该平台于 2022.2.1-2023.1.30日的计算机专业一年级学生在线学习的原始数据进行筛选、剔除、补充，形成相关数据集。

（1）数据采集。

选取平台，抓取计算机专业的128名学生的后台数据。数据分析实现学生个体画像要从每个学生的总体表现、作业测验成绩趋势、学习过程中的问题征集、学习经验值累积分布、完成作业效果对比等几个方面进行。

（2） 数据预处理。

中职的学生行为数据存在多样性、冗余性、复杂性等问题，并不能直接用于数据挖掘。我们对所收集到的数据，必须先对数据进行处理。以便得到更完整、准确的数据。使用大数据算法，将学生行为管理和思想政治教育的概念和实践相结合，进行预测模型的合理设计，学生画像像系统的构建，并为学校生成学生思维动态和行为数据标签。以帮助学校对学生的思想和行为进行实时掌握和规范，从而实现对教育进行精准化管理。

（3）综合各项指标，对学生群体画像

以各个时间段抽取的学生测试成绩数据为基础数据，综合考虑学生日常学习的行为数据，预测学生在下次测试与期末测试中的成绩。在可视化的成绩折线图中给予学生预测趋势的展示，并设置预警分数线，自动对预警分数线下的学生发送消息进行预警提示，并结合学生画像个人知识能力图谱给予相应的学习指导。

画像举例：

学生群体甲

后进学生群体。不及格几率较高，占学生总人数的22%，其中男生占比89%。他们存在学习焦虑，但学习态度不积极，自觉性、自律性较差，学习能力不足，学习效果欠佳…

学生群体乙

合格及优秀学生群体。占学生总人数的78%。其中女生占比85%，群体学生学习态度积极，能主动参与各项学习活动。他们有一定的学习能力，平时学习较为扎实，但是还是学习专注力不够……

2、整合分析，为学生进行精准画像。建立大数据学生画像模型。

采用 python、dycharts、图表秀、问卷星等软件及app，对不同任务点（微课或钉钉课堂）学习情况下学生章节测验点击率、重播率、习题通过率等网络学习状况进行画像。通过对学生不同类型的数据进行分析，观察学生在不同维度指标上的差异，完善学习行为分析系统，构建精准的学生学习画像。

学生在校期间会产生许多的数据，在对这些数据进行收集时，教师能够对学生的在校状况、性格特征、学业状况、生活开销等进行总结，构建学生画像。根据数据显示，有的学生明确自身的不足，就能够进行自我完善，也就是用画像的刻画明白自己的专业水平和兴趣，明确自己的位置，同时，还有利于相关管理部门对学生的日常表现及学习状况进行及时的了解和掌握，从而实现针对性教学，提高教育水平。

3、数据的呈现应用。对学生画像进行价值分析，因材施教，尝试分层教学。

（1）探索分层学习模式，因材施教，教学设计改进。

在学生画像过程中，发现会出现一些共性问题，这些往往是授课计划安排不合理、教学设计不够完善等原因造成的。比如学生测试反馈完成时间远远小于规定时间，说明题目难度较低或数量不足，可以改进。又比如一次作业的提交时间普遍较晚，成绩较低，说明大部分学生对所学内容没有掌握，需要再讲。再比如在两个基础相似的班级中采用不同的教学模式和方法得到的教学效果有较大差异，就可以基本确定应在以后的教学中采用较优模式进行授课等。

（2）利用学生画像结果，掌握学生差异化的个性特征，开展“精准施策、精准指导、精准帮扶”。

以学生画像为依托，组织教学团队设计具有工程性、岗位性、拓展性、探究性的各级各类任务清单，学生可采用自主、合作、探究等方式，进行分层次学习，实现自我提升，满足自我精准度发展。完成对学生的个体和群体画像后，分析画像并将结论应用于教学，可以帮助教师因材施教，更好的开展个性化教学工作。

后进学生识别

传统教学中，课堂表现没有“特点”，不愿主动与教师交流的学生，很难得到教师的关注，而其中隐藏着后进生。通过学生群体画像，每一位学生都被类别标记，教师可以快速识别出后进学生，以开展针对性帮扶活动。

 学习习惯养成

通过学生群体画像可以看出，出勤率低，不提交作业或作业提交延迟时间较长，很少参与各项学习活动的学生，不及格率较高。而这些行为都属于学习习惯范畴，教师如能采取一定措施在课程学习中全程干涉他们的学习行为，改进学习习惯，将有助于逐步提高学生的学习成绩，进而降低不及格的风险。

 帮扶措施制定

依据画像结果，可以制定个性化的帮扶措施，从而真正达到帮扶、提升学习的效果。例如对于学习态度端正但对知识的重点等内容理解能力较弱的学生，可以安排成绩优异的同学进行“一帮一”、教师辅助等手段；对于对新知识学习较快，但学生本身缺乏韧性的同学，可以强化督促机制，安排组成学习小组互相督促，教师也每次作业必关注，及时提醒等；对于那些学习习惯不好的学生，可以与其他授课教师交流并提请共同关注学生的学习行为，改进学习习惯；对于个别因为社会活动较多占用了时间而影响学习的学生，调整或减少社会活动的参与等。只有真正深入分析出每一个后进学生的背后的后进原因，才能制定出最有效的帮扶措施。

总之，基于大数据下中职生计算机专业学生学习画像的分析研究，研究通过对教学系统中，学生行为数据的抽取分析，构建学生数据标签，建立学生画像，并使用可视化图表进行形象的展示来使学生在学习过程中清晰地掌握自身知识结构、优势短板。能够精准把握中职生的知识结构、兴趣偏好、学习规律和学习习惯。通过本研究，能够帮助中职生开拓个性化的学习路径，进而帮助学生制订有效的学习策略。并结合分层次教学模式，切实将因材施教和以人为本的教育理念融入中职生的培养过程中。

（基金项目：保定市电化教育和装备技术中心立项课题：《基于大数据下的学生画像技术在中职计算机教学中的实践研究及应用》。课题编号：bddj2022055）