叶超

摘  要：随着教育信息化的普及，如何有效地利用学生管理过程中产生的数据，提高学生管理水平和效率，成为了新时代学生管理过程中亟需解决的问题。文章通过决策树分析，研究了温州职业技术学院2013年9月-2018年12月学生晚归与当时天气情况的联系。研究发现在晴天、高温（29℃以上）、风力强（3级以上）的情况下，更容易发生晚归。而在晴天、高温（29℃以上）、风力弱（0-3级）和晴天、低温（20℃以下）的情况下，发生晚归的情况明显低于平均值。文章的研究结论可以帮助学生公寓管理人员，通过天气预报提前识别可能发生的晚归风险，有针对性地进行学生回寝的统计和检查。从而降低因晚归带来的管理风险，提高学生管理工作的有效性和针对性。

关键词：晚归;数据挖掘;决策树;教育大数据

中图分类号：TP393       文献标志码：A 文章编号：2095-2945（2020）15-0189-02

Abstract： With the popularization of educational informatization， how to effectively use the data generated in the process of student management to improve the level and efficiency of student management has become an urgent problem to be solved in the process of student management in the new era. Through the Decision Tree analysis， this paper studies the relationship between the late return of students in Wenzhou Vocational and Technical College from September 2013 to December 2018 and the weather conditions at that time. It is found that late return is more likely to occur in sunny days， high temperature （above 29 ℃） and strong wind （above Level 3）. However， under the conditions of sunny day， high temperature （above 29 ℃）， weak wind （Level 0-3）， sunny day and low temperature （below 20 ℃）， the occurrence of late return is obviously lower than the average. The conclusions of this paper can help the managers of student apartments to identify the possible risks of late return in advance through the weather forecast， and make targeted statistics and inspection of students' return to bed， so as to reduce the management risk caused by returning late and improve the effectiveness and pertinence of student management.

Keywords： late return; data mining; Decision Tree; education big data

1 概述

随着现代计算机和存储技术的发展，每天产生并被记录的数据越来越多。在教育领域这些庞杂的数据涵盖了学生学习、生活和管理的方方面面，是学校一笔隐性的资源。但是，由于数据本身量大，信息渠道错综复杂，导致大量数据不被重视，从而被认为是“垃圾”而被忽略[1]。与此同时，高校规模的不断扩张和信息技术的发展，对学生管理、课堂教学以及就业工作都提出了新的挑战。充分地利用教育领域的大数据，及时地预测和判断学生行为，能为高校在心理健康分析、教学质量评估和学生就业等方面提供决策帮助[2]。

随着高校内全面地推行一卡通，统一了学生管理信息获取的渠道，为研究学生行为数据提供了物质基础。……