翟 鸣 宇， 程 建, 王 苏 桐, 王 延 章

(大连理工大学 经济管理学院, 辽宁 大连 116024)

一、引 言

随着数字化校园的建设，高校积累了大量学生基本信息、生活消费、学习读书等动静态数据。《中国教育现代化2035》[1]中指出，各大高校应结合大数据、人工智能技术，积极打造“智慧校园”，通过学生画像，建立学生标签，采取个性化的教学方式等全方位了解学生、引导学生，从而提高教学质量，培养优秀人才[2]。

学生画像是利用用户画像技术，围绕学生在学习、生活、个人发展、社会交往等多个角度产生的行为数据进行加工，为学生定义个体或群体画像，为学生自我评价、自我诊断与改进提供有效的量化参考；同时，也为学校学生管理提供学生个体及群体的直观且精确的描述，从而为日常管理、制度建设、教学管理等事务提供有效的运行支撑。学生画像的数据主要来源于包括性别、专业等基本信息的静态数据，以及包括食堂消费、网络行为等动态数据，这些数据可以从多个维度刻画学生的形象，通过聚类方法构建具有明显标签化的学生特征，可以更加科学地对学生进行分类管理。学生群体的画像特点在数据处理之前通常是未知的和杂乱的，运用监督机器学习方法难以处理，通常采用以聚类为代表的无监督机器学习技术。

随着校园信息化建设的推进及大数据分析技术的成熟，国内外学者纷纷展开了关于学生教育画像方面的研究。国外在这方面的研究起步较早但是更偏向于在线学习者的肖像构建、学生学习风格分类、协同学习与预测学生表现等。……