智慧校园环境下利用大数据的学业预警设计研究

张胜春 （山东政法学院，山东济南 250014）

摘要：智能校园中，学生学业预警机制利用智能技术提升信息管理能力。针对现有校园信息化基础，在大数据收集体系指导下完善各类预警数据平台，利用人工智能分析预警模型设计，构建学生学业预警体系的触发、应对、响应各要素的智能分析管理过程，开展逐级学业预警、精准管理，设计可操作性和易执行性相结合的预警应用模式，最终实现精准教学管理。

关键词：学业预警机制；教育数据挖掘；校园智能管理

我国高等教育毛入学率已达 59.6%（教育部，2022），在规模校园的基础上，人力预警的传统手段已无法适应当今精细化管理要求。而智慧校园建设已基本完成对教务系统、校园一卡通、移动慕课等信息化系统的部署，其数据资源平均利用率仍不足 35%（中国教育信息化发展报告，2023）。该研究致力于将海量碎片化教育数据科学融合，以构建具备实用价值的预警指标体系来化解预警滞后、预警干预不落地的难题等，给教学管理人员提供可行的技术落地方案。

一、智慧校园场景下的预警系统构建逻辑

1.基础设施支撑体系

（1）数据采集层建设

利用统一标准数据接口贯通教务系统、行为感知系统和在线学习系统，自动采集课堂成绩信息、课堂签到信息、图书馆签入签出信息和在线学习行为信息，同时对异构数据进行处理，以减少格式上的不统一性，如通过非侵入方式抽取非结构化数据进行抽取，在保证采集过程中对源系统无影响前提下，完成数据接入工作，为统一数据分析输入端。从数据规方面讲，提供数据属性对应规则表和数据校验机制，保障各部门间数据的同义词。

（2）技术支撑层构建

在数据湖技术层面，通过对教育大数据划分成结构化、非结构化进行分布式存储，以满足快速计算和长存储时间的需求。在数据存储技术方面，支持将教育大数据按低速、中速、高速分表存储。对于数据清洗规则表，设计关于上下学时段等离线数据清洗，使用统计分析相关算法，以结果值决定是否可执行相应规则的进程。

2.预警触发机制设计

（1）静态阈值刚性管控

系统定时抓取教务网中学生历次成绩信息，配置各级别静止性预警指标阈值。挂科累计 3 门及以上或未修学分累计缺失≥8 分情况下，系统自动提醒同时设置为红色预警状态，选课功能自动被冻结，同时发送短信至教学管理平台。由于学科性质的差异，不同学科对应的警示标准不同，比如对理工科类的实验课的挂科权重因子系数计算设置为 1.5，而对文科类理论课学分缺失的情况，指标设置缺 10 分以上才认为是警示，也有可能一个学期结束，统计的应届毕业的学生的学习数据警示阈值不合理，然后将这些学期的学年里学生的学习情况加上综合考虑，最后对所涉及的某个专业重新设定预警阈值的算法进行启动，如有条件，每个学期应该主动进行阈值合理性的检验调整。

（2）动态行为实时感知

基于物联网终端收集教室考勤信息，并利用滑动时间窗口技术计算最近两周缺勤率变化值，当缺勤率高于某一基准周均值 40%以上时亮黄灯；通过学习平台的 API 访问学习数据，监控作业的正确率连降 3 次超过 20%、实验视频周均点击量减少至历史均值的 30%时等行为衰减场景等。在时序数据库 MongoDB 中记录实时收到的动态预警事件流，并通过这些事件流生成工单信息流，按事件优先级逐条写入数据库以得到待处理的工单，如作业质量警示建议在 48 小时内由对应的教师完成处理，做到及时响应。

3.预警响应工作流程，建立“黄-橙-红”三级预警机制

（1）黄色预警：智能引导与资源适配

系统自动分析连续 2 周学生出勤率低于 90%的学生群体或者作业成绩低于平均成绩 15%的作业量，设置为黄色预警，自动发送到校园手机 APP 上提示学生及时学习的相关学习系统，如针对挂科的关联科目学习的微课，目标学生学习相关的本专业同学的优秀作业案例集，同时通知学习平台开放教师线上答疑特殊通道，可以让学生率先进行预约辅导，根据后来的动因数据，如果学生经常出现在学校的自习室的时间提高了 30%，连续两周以上，设置自动销号功能。

（2）橙色预警：人工介入与动态跟踪

当学生的学业预警系数为 6～9 分（包括 9 分）或心理健康测评的抑郁因子 T 分为 60 及以上分时，启动黄色预警；任课教师 2 天内在教务系统查收预警工单，在 7 天内，对其进行谈话并上传《干预记录表》。对预警学生设置电子跟踪信息单，包括学生学习计划兑现情况、日均在食堂消费变化情况等 12 项内容。对学生面谈录音进行 NLP 解析，统计学生的负性情绪用词，为下一步谈话治疗提供依据。

（3）红色预警：跨部门协同干预

针对挂科累积达到 4 门及以上或极度心理风险的学生由专业所在的教学办主任组织，由该生的辅导员、专业教师、心理教师组成帮教小组。48 小时内开组内会议，根据其学业情况（如实验室出勤情况）以及消费习惯（如每日食堂消费小于 8 元）制定帮教方案。实行一周一报制跟进工作，例如目标是 4 周时间内完成两门主干课挂科情况的补修，则每完成 20%的课程学分修复就会自动下调警报级别。

二、预警系统落地实施关键环节

1.数据治理规范

（1）构建全域数据枢纽

统一身份(学工号)，通过打通教务、学工、一卡通等 12个业务系统的接口，利用 ApacheNiFi 将信息按需要实时导入，对于舍务、考勤、出勤时间冲突的数据，通过自定义冲突校验程序，对记录进行标记并要求管理员进行人工复核。通过记录数据血缘关系、调取学生成绩单修改、考勤、出勤等重要记录操作日志，以便查询到数据来源。

（2）分级分类动态脱敏

依据《管理办法》将数据划分为公开级（如课程表）、内部级（如课堂表现）、机密级（如心理测评结果）。对食堂消费记录实施动态脱敏，当非授权人员访问时，消费金额显示为区间值（如 8-12 元），精确位置信息替换为楼栋编号。开发数据质量监测看板，对院系辅导员设置字段级访问权限，防止家庭住址等 18 项敏感信息越权查看。

（3）可视化决策支持体系

构建 Tableau 数据驾驶舱，针对院系建立三个层级权限：辅导员关注班级预警热力图，教学主任穿透至个人消费曲线，校长层面关注全校预警的响应时间指标。提供可动态调节预警阀值设置，譬如针对冬季学期因为流感缺勤率基值自动上调 5%。实现针对教师的移动数据沙盒，例如，在课程进行过程中能基于学生的到访图书馆热力图作为近 3 周去借还书籍的辅助性决策支持等。

2.预警模型优化策略

（1）多维异构数据融合建模

使用随机森林方法结合学籍成绩、一卡通收支情况、图书馆活动等 12 个数据维度作为数据源，其中，挂科、消费少等非数量性指标通过变量分箱法将其转换为数量性特征，构建学籍成绩、挂科科目个数、日均图书馆学习时长、日均一卡通消费金额等 12 组数据的交叉验证子决策树，消除学生一两个方面的偏差对模型的影响；每一年通过袋外误差(OOB)筛选关键特征，对预测贡献低于 2%的特征（如参加第二课堂活动次数）进行删除，以提高模型的泛化性。

（2）中期干预时间窗设计

于 8 教学周（教学进程 8 周）开启预警窗口，采用滑窗时间算法对学生前 7 周的学业数据平均，如出现学生课堂学习率（出勤率）低于均值的 25%，或前 2 周作业质量评分均低于均值，此时即为橙色预警。然后留有 4 周的黄金干预期，开发“订制学习计划”（对所缺学分较多的核心课知识图谱）和“订制学习包”（实验操作视频）；AI 自动生成进度看板，辅导员可通过日报学生的图书馆预约次数、观看微课学习时间等 5 项行为优化指标。

3.教学干预实施要点

（1）动态分级干预资源池

开发包含学生学习策略、思想疏导、经济救助等 12 个维度的标准化预案数据库，每个预案下实现 3~5 个策略执行模板，如学业预警 2 门以上的学生自动关联“核心课程学习包”，课程包含知识微课、历年考题及虚拟仿真实验；困难生日均餐卡消费<8 元自动关联勤工俭学岗位池及临时资助平台。预案数据库每个学年末通过干预数据调优（如将学期补考及格率<60%的学科对应学生预警学习策略标记为优化项，引发教师针对这一学科展开专项课程建设）。

（2）量化评估与反馈闭环

构建三级评价指标：知识层以随堂考试正确率（干预后达到 15%）、作业 A 级占比（干预后占比 30%）表示；行为层以图书馆每周平均出入次数（每周图书馆的出入频次）和电子资源一周平均使用的时长（平均电子资源使用的时长）表示；心理层以标准化的测验量表为基础，以压力值降低20%（压力值降低的临界值）为标准。建立多重维度的数据看板，辅导员可以从看板上以雷达图形式比较出干预前后的变化，对于连续两周处于不达标的学生自动升级预警级别。

三、结语

该系统基于多类型教育数据构建学业预警，其最大的优点在于提高了学生学业预警的及时程度和预警响应的有效性，对整个系统的进一步优化可以分为两点：首先是建立教育伦理数据的制度，其次是可以基于这些数据建立一个关于学业发展过程性的预警制度，并进而研究预测学生发展的轨迹，从预警机制向引导学生健康成长的方向转变。基于大数据下的预警机制的建立需要依托教学和技术的合作团队的建设，即建立一个支持大数据的教育教学发展所需的数据素养的教师，通过数据管理、数据手册、预案库建设，完成可持续的学业支持和服务制度建设。

参考文献：

【1】范军,韩小祥,朱桦.用企业资源管理系统的设计理念开发智慧校园学业预警及帮扶系统[J].科技风,2020(8):7-8.
【2】梁丹丹.本科生对学业预警与帮扶制度的认知、评价及需求研究[J].高教学刊,2022,8(z1):47-53,58.
【3】徐小婷.大数据背景下高职院校学生学业预警研究[J].湖北开放职业学院学报,2024,37(5):164-166.

本文系山东政法学院校级教学改革项目课题“智慧校园环境下利用大数据的学业预警设计研究”（编号：2023ZJGB005）科研成果。
作者简介：张胜春（1978 年 9 月-）男，汉族，山东济南人，硕士，高级工程师，研究方向：人工智能、智慧教育。