薄瑜　夏朝　王璨

摘要：为了让学生更加直观的了解自己的个人能力，给学生学习过程改进提供可视化数据支持，本文首先探讨了基于大数据的学生能力画像系统的背景、意义，接下来明确学生能力画像系统构建的研究目标、学生能力画像系统构建过程以及学生能力画像系统构建需解决的关键问题，最后对全文进行了总结。基于大数据技术的学生能力画像系统对教学评价机制的改革和人才培养水平的提升起到了至关重要的作用。

关键词：学生能力;画像;大数据

1.学生能力画像系统建立的意义

大数据是近年来快速发展的技术方向，关于大数据的研究与应用与日俱增，并不断深入影响社会生活。在现代教育事业发展的过程中，将教育数据挖掘与学习分析技术进行有机融合，从而在教育领域建立起有关模型，对影响现代教育的各种因素起到了至关重要的作用。本文利用大数据技术，对学生能力畫像系统进行研究，通过多种信息化和数据挖掘的手段收集与学生相关的学习和能力数据，构建合理的信息模型，通过数据可视化技术展示相关的结果和信息，为学生生成能力画像，根据能力画像，使学生认识自己在知识能力和综合能力上的不足，让学生更加清楚自己所具备的能力，发现自己的短板并弥补短板。

2.学生能力画像系统构建的研究目标

学生能力画像系统构建的研究目标是按照工程教育认证的标准，从八个维度细化出关于学生画像的特征值，利用特征值结合大数据分析技术进行模型建立，构建出学生能力画像，通过学生能力画像评判学生的综合能力。

3.学生能力画像系统构建过程

（1）学生能力分析

按照工程教育认证的标准，通过对本校不同的专业的培养方案进行调研，分析出学生应该具有：诚信与决策力、心智习惯、分析与创造力、沟通能力、领导力及团队合作能力、信息技术及数理能力、全球视野、适应行和探索能力这八项能力。

（2）学生能力画像系统架构分析

该系统在功能架构上分为4层，视图层（也称用户应用层）基础信息、学生能力画像、能力评价;控制器层（也称业务逻辑层）包括数据安全、数据处理、逻辑处理、身份验证;模型层包括学生能力画像模型、能力评价模型;数据访问层（也称数据库层）包括学生成绩库、学生行为库、用户信息库。

（3）学生能力画像系统构建思路

前期利用Python爬虫技术进行教务系统、学习通、慕课等平台的数据爬取，将收集数据储存至数据库，人工分析集成学生的实体作业成果进行数据录入，构建初阶数据模型，采用轻型的flask后端框架进行网站平台的搭建，通过前端UI（echart）进行数据显示，通过Ajax进行前后端的数据传递或直接通过Python回显视图，此时用户登录之后，Python后端只进行了简单的登录、信息计算、数据保存、数据显示等逻辑处理。然后抽取相应的特征值进行分析，使用ID3算法等不断对初步构建的数据模型进行合理优化，使学生在使用并平台的得出的学生能力画像更加精确，并找出学生画像的临界、标准（合格）情况，让学生更加直观的了解自己的个人能力。

中期通过JAVA编码进行实现，通过现有数据，集成Mapreduce对大量的数据节点进行机器学习，强化训练，不断地对初构建的数据模型进行统计、衡量、优化。

后期继续完善平台功能，为学生展示其更多有用的信息，进行数据挖掘，让学生能更加了解自己的能力，同时也可在系统中添加一些显示课程表、四六级课程推送的这样方便实用的功能。

4.学生能力画像系统构建需解决的关键问题

（1）学生数据的收集

基于大学生现有在校学习信息，通过Python爬虫进行数据收集，囊括学习通、慕课、教务系统等网络平台，再通过人工分析的方式将学生作业、实训成果等数据进行集成转换，一同利用分布式储存的方式保存至数据库，通过不同专业人才培养方案的课程的调查研究课程于能力特征之间的关系，进行课程模型、作业模型、网课学习模型的初步建立，通过学生对于该平台的使用，为学生提供登录接口对其学习数据进行收集，并通过初步模型分析计算出得到学生的基本能力和基本特征，并保存其除隐私外的个人信息。

（2）模型算法的建立

通过ID3机器学习算法的分析，进行建立的数据模型进行优化。其中ID3算法是一种构造决策树的方式，以信息熵的下降速度为选取测试属性的标准，即在每个节点选取还尚未被用来划分的具有最高信息增益的属性作为划分标准，然后继续这个过程，直到生成的决策树能完美分类训练样例。决策树是对数据进行分类，然后在通过ID3算法的分析之后得出学生的特征值并生成决策树，对应每一位大学生的信息选用不同的分析方式得出计算结果，根据已有数据进行机器训练，使其计算结果更精确合理。

（3）学生能力的可视化

借助以往课程成绩信息，基于矩阵分解的降维技术，分析学生对具体基础知识的掌握程度，并获得每门课程所含有的知识体系。基于这些信息，该系统可以分析出每个学生的个人能力，也可以预测出这个学生在未来发展就业可能性。是通过分析课程、学习记录、学习成果在能力体系上的相关性来进行能力预测。

5.结语

学生能力画像利用学生的在校学习记录数据，将分散层次不齐的数据进行标准化构建数据模型行为，包括课程成绩、人才培养课程数据、网络平台网课学习记录等，运用大数据分析手段，量化学生在理论、实践、修养等多维度的特性，揭示学生的个人能力，基于其数据模型对学生的能力、毕业水平、就业优势等进行预测，对教学评价机制的改革和人才培养水平的提升起到了至关重要的作用。

参考文献：

[1]杨宗凯.数据驱动个性化学习[N].中国教育报，2018-11-01（007）.

[2]杨现民.教学大数据：推动教育的科学变革[N].中国信息化周报，2018-10-22（014）.

[3]何文珍，蔡跃.基于知识图谱的国外学习分析可视化研究[J].中国成人教育，2018（13）：15-21.

[4]颜磊，祁冰.基于学习分析的大学生深度学习数据挖掘与分析[J].现代教育技术，2017，27（12）：18-24.

[5]舒忠梅，徐晓东，屈琼斐.基于数据挖掘的学生投入模型与学习分析[J].远程教育杂志，2015，33（01）：39-47.

作者简介：

薄瑜（1982.01），女，吉林榆树人，硕士，副教授，研究方向：大数据技术，工作单位：大连科技学院数字技术学院。

夏朝（2001.08），男，专业：软件工程，大连科技学院数字技术学院在校生。

王璨（1984.05），女，硕士，副教授，研究方向：计算机推理，工作单位：大连科技学院数字技术学院。