任正东 章骏腾 任东晓

(浙江科技学院 理学院/曙光大数据学院/大数据科学系，浙江 杭州 310023)

中国教育信息化进程的推进，多种学生学习生活数据源的发展[1, 2]和疫情期间大规模的网络在线教育活动的开展，催生了更加丰富的教育数据，教育大数据的蓬勃发展随之而来。

在教育大数据中，学生画像的绘制是学习分析过程中重要的环节。学生画像是指相似的学生群体在进行相似的学习活动过程中所展现出来的共同特征的集合。但现有的学生画像的研究多为利用聚类算法或神经网络的训练直接构建相关系统，对于有关指标的分析和量化定性研究则是凤毛麟角。随着“慕课”“网易公开课”等网络课程的兴起[3, 4]，“停课不停教、停课不停学”的在线网络教育活动的开展，使大量学生学习活动数据产生，也让高校、相关机构对探究不同学生学习生活习惯的差异对成绩的影响产生了较大的兴趣。

本文从多个角度利用创新的方法剖析学生学习生活习惯的差异，对学生画像进行绘制，采用定量的指标明确各类学生群体之间的差异，并分析其产生原因，为有关学生学业特征的分析提供新颖的方法，为量化学生的特征提供有效的方式，为学生学习、高校管理和决策提供数据支撑和技术支持，具有良好的应用价值和社会效益。

1 不同成绩学生群体的学生画像构建

1.1 数据来源

学生画像的准确刻画需要多而广的学生数据，学生数据种类越多、数量越大，学生画像也就越精确。……