赵文龙 邓文雯 张强伟 孙玉

摘   要：传统学生在校状态往往基于一卡通消费数据进行判断，存在数据质量不高、消费随机性较大等现象，加上信息时代行为习惯不同，导致数据精准度不高、预测性不强、可信度较差。为精准掌握学生在校状态，文章提出一种基于多源数据融合的判定模型，结果表明：行为活动时间长度在筛选时间段长度[60%，80%]之间时，是否在校判定模型的计算结果与实际在校状态基本相符，准确率可达98%以上，为疫情防控提供了辅助决策支持，为平安校园建设提供了一种技术保证，并根据ARIMA模型进行预测分析，对学情管理具有一定的指导价值。

关键词：数据融合;判定模型;数据驱动;辅助决策;预测分析

中图分类号：G717;TP391.77 文献标志码：A 文章编号：1673-8454（2021）15-0065-04

一、引言

随着大学返校复学的推進，为确保返校学生生命安全和身体健康，继续坚持健康状况“日报告”和“零报告”制度，积极有效开展线上线下混合式教学。[1]利用校内业务系统之间数据融合联动，达到用数据说话、用数据决策、用数据管理的效果，进而为实现精准分析学情提供辅助决策支持，并将“人民至上、生命至上”政策落实到常态化学情管理中。[2]

随着信息化业务深度的拓展，以往精准学情分析如学生是否在校，仅靠一卡通应用分析完成，仍存在数据质量差、分析结果不准确、数据价值难以实现的情况;[3]鉴于此，基于异构数据融合，笔者提出一种高等院校学生是否在校安全判定模型的数……