姜志鹏，张晓明，王子俊，李心超，王嘉伟

(北京石油化工学院信息工程学院，北京 102617)

学业预警系统作为学生进行自我评估以及诊断的一个平台，能够及时给予学生预警风险提示，从而使学生及时端正学习态度，避免非正常毕业甚至毕业失败的现象发生。而高校人才培养质量在一定程度上与毕业率直接关联。因此，无论是高校还是学生，学业预警研究都得到了广泛重视。Yang等[1]提出了2种基于CNN框架的创新预警方法，称为1-CLIR和3-CLIR，即通过将学生的课程参与信息转化为图像信息来进行预警分析；而Raza Hasan等[2]则根据学生的学业信息、视频学习软件等数据，利用数据挖掘以及机器学习建立了一个基于树模型的监督分类预警模型。这些模型在一定程度上都有效地缓解了学生挂科以及延期毕业的现象，但是由于专业的多样性以及课程的易变性，导致预警模型的准确度降低。魏茜[3]提到了现在学业预警存在的问题，忽视了出现学业预警的根本原因和存在严重的滞后性。而喻铁硕[4]研究了缺乏实际应用、预测模型单一、缺少预警和预测相结合的措施、缺少预测预警对学生个人的影响。金义富[5]建立了新的学业预警系统——两类六级系统及反馈机制。朱东星[6]提出的关联规则在高校学生学业预警中的应用中，通过课程与毕业情况的联系，仅对以后修读这些课程的同学能够起到预警作用。钱红兵[7]提出的技术扩展了预警类别，其中包括失联、学业以及贫困预警。……