張雷

【摘要】? ? 本文從研究高校教學過程中積累的大量學生成績數(shù)據(jù)出發(fā)，通過大數(shù)據(jù)技術，完成數(shù)據(jù)抽取、清洗、轉換、裝載，構建學生成績數(shù)據(jù)模型，應用visdom可視化工具和Python各類機器學習庫，實現(xiàn)高校學生成績數(shù)據(jù)可視化分析展現(xiàn)，實踐表明，成績分析可視化展現(xiàn)可以較為精準診斷學生學習實情及學習能力優(yōu)劣態(tài)勢，輔助提升學生綜合管理水平和教學質量，提高學生綜合競爭力。

【關鍵詞】? ? 數(shù)據(jù)可視化? ? 教育教學管理? ? 數(shù)據(jù)分析

Realization of student data visualization analysis? based on visdom tool

Abstract：This article starts with the study of a large number of student performance data accumulated in the teaching process of colleges and universities， uses big data technology to complete data extraction， cleaning， conversion， and loading， builds student performance data models， and uses visdom visualization tools and various Python machine learning libraries to achieve college student pairing Visual analysis and display of score data. Practice has shown that visual analysis can more accurately diagnose the true learning ability and learning situation of students， help improve students' comprehensive management level and teaching quality， and improve students' comprehensive competitiveness.

Keywords： data visualization? ?Education and Teaching Management? ?data analysis

一、研究現(xiàn)狀

隨著信息技術的迅猛發(fā)展，高校教育教學改革持續(xù)推行，多元的教育教學方法極大地提高了教育教學工作效能，豐富了教學管理手段，伴隨著教學信息化2.0行動方案的落地實施，以統(tǒng)一身份認證平臺為基礎，建立了以學生為主體的各項信息化服務生態(tài)，輔助教師進行教學管理。同時，在學習生活方面為學生帶來極大便捷。為了充分利用好學生大數(shù)據(jù)，高校建立了學生數(shù)據(jù)中心，部分學者通過對在教學系統(tǒng)中學生的行為數(shù)據(jù)進行分析，建立學生學習數(shù)據(jù)標簽，構建學生數(shù)據(jù)畫像，可視化展現(xiàn)學生學習方面的特點，為學生后續(xù)的學習提供相應的預測和推薦[1]。借助高校數(shù)據(jù)中心存儲的海量學生數(shù)據(jù)，通過ETL工具完成學生端出勤狀況信息、校園一卡通信息、學生成績信息、學生第二課堂參與情況等信息數(shù)據(jù)的收集和處理[2]，基于學校各項管理制度設計對應數(shù)據(jù)分析的規(guī)則庫，并從學生的所在學院、班級、個人三個維度對學生成績、綜合素質、考勤、獎懲進行分析和可視化展現(xiàn)[3]。通過該綜合可視化展示系統(tǒng)，全方位了解學生基本學習狀況、綜合行為表現(xiàn)，以及排名情況。達到了對學生學業(yè)的精確診斷，并對部分學生進行學業(yè)預警，針對性制定管理策略。伴隨著“互聯(lián)網+”教學模式的應用和推廣，越來越多的高校開展了“線上”教學課程，以“自主學習”為重點的“線上”教學模式，對學生學習實情并不能實時掌控，部分學者使用基于SC模式[4]進行課程反向設計，綜合評估學生的學法、教師教法、課程目標等指標，通過對布朗姆認知模型[5]、3650框架的應用[6]，完成對上述指標的評估，并對“線上”教學質量進行可視化展現(xiàn)，對課程中出現(xiàn)的問題進行針對性的改進。為了對高校學生畢業(yè)就業(yè)情況進行分析，使用基礎的統(tǒng)計分析、方差分析辦法，完成對畢業(yè)學生就業(yè)情況統(tǒng)計和分析[7]，將畢業(yè)學生就業(yè)方向、薪資待遇、就業(yè)類型、從事專業(yè)等各種影響因素進行可視化展現(xiàn)，引導學生群體進行就業(yè)選擇，進一步提升畢業(yè)學生就業(yè)質量。

數(shù)據(jù)可視化是一種直接高效的數(shù)據(jù)分析手段，多數(shù)情況以分析學生成績、學習行為為主體，并使用清晰易懂的圖表進行展現(xiàn)，突出學生在校表現(xiàn)及學習特點。通過對關鍵數(shù)據(jù)的圖形化，以可視的狀態(tài)發(fā)現(xiàn)存在的問題，并針對問題完善解決方案，能夠做到精準發(fā)現(xiàn)、高效排查。其一般實現(xiàn)的方法是“腳本圖表化”，通過編寫腳本語言完成對數(shù)據(jù)的可視化展現(xiàn)，這種方式工作量小但展示內容單一;或者設計一個數(shù)據(jù)分析可視化展示系統(tǒng)，以數(shù)據(jù)為基本單位進行可視化展現(xiàn)，其展示內容豐富但工作量較大。因此，基于成熟控件實現(xiàn)輕量化學生學習情況可視化成為一個最優(yōu)選項，該系統(tǒng)滿足模塊化、智能化設計潮流，能根據(jù)研究目的不同，進行個性化組裝，實現(xiàn)靈活多變的數(shù)據(jù)可視化伴。伴隨著vIsdom輕量化圖形組件模塊在python語言環(huán)境的廣泛應用，完成這一輕量化系統(tǒng)的設計開發(fā)成為了可能。

二、visdom圖形組件

visdom是由FaceBook公司專門為Pytorch機器學習庫開發(fā)的數(shù)據(jù)可視化軟件，基于web完成可視化呈現(xiàn)，具有顯示界面美觀、操作靈活且簡單易學。通過在Python語言開發(fā)環(huán)境中導入對應版本的visdom工具包，之后在每次使用visdom可視化組件之前，通過執(zhí)行命令（打開本地8097網絡服務端口）完成本地化頁面加載，整個操作流程簡潔、本地化網頁端口服務穩(wěn)定迅捷，其涵蓋主流的各種圖表繪制，并且可以實時顯示數(shù)據(jù)變化（loss函數(shù)繪制）。

三、學生數(shù)據(jù)可視化設計

完成python語言開發(fā)環(huán)境安裝、相關visdom組件安裝配置之后（本文使用基于Python3.7版本的anaconda開源環(huán)境，配置visdom組件版本為v0.1.8），編寫python腳本語言完成對數(shù)據(jù)中心中學生數(shù)據(jù)的獲取（需要安裝使用cx_Oracle工具包），并進一步對數(shù)據(jù)進行相應處理。

首先，完成相關類型學生數(shù)據(jù)的采集和處理，具體包含有學生專業(yè)名稱、所在班級、學科成績等信息，其中，學科成績以班級為區(qū)分，完成班級平均成績的展現(xiàn)，此外，使用St來描述學生的綜合成績，公式為：

（1）

（2）

其中，Ci表示學生該門課程成績，mi表示該門課程的學分績點，T表示學生所有課程的總學分績點，根據(jù)課程大綱，課程學分績點越高，說明該門課程越為重要，我們適當加重重要課程（如專業(yè)課、基礎公共課）在學生個人綜合成績中的占比，更能體現(xiàn)出學生真實的學業(yè)水平。

之后，我們以學生課程為主要類別，可視化學生在不同類別課程下的成績表現(xiàn)，分析不同學生群體的學習特點。

四、學生數(shù)據(jù)可視化分析

實驗選取計算機學院2020級，專業(yè)為“計算機科學與技術”共計4個教學班126名本科學生，并對學生學號、姓名、班級等信息進行脫敏處理，以2020-2021第二學期的專業(yè)課程、公共課程共計11門課程成績?yōu)橹黧w，統(tǒng)計展現(xiàn)各個班級學生平均成績、學生綜合成績，如圖1所示：

圖1展示，平均成績相同的班級，其綜合成績St并不相同，綜合成績St側重于有較高學分的課程，間接反應出班級整體在基礎及專業(yè)學習方面的實際情況，通過圖1，可以看出班級04在專業(yè)課程（右側直方圖中橫坐標最后4項為專業(yè)課程）方面表現(xiàn)并不理想，其班級平均成績明顯低于其他三個班級，而班級01、班級02在公共課（去除專業(yè)課程，均為該學期的公共課程）方面表現(xiàn)突出，其班級平均成績較為優(yōu)異。

為了更加深入分析學生在公共課（課程學分績點最高的兩門公共課程）以及專業(yè)課程（課程學分績點最高的兩門專業(yè)課程）上的表現(xiàn)，可視化學生在相關課程的數(shù)據(jù)，如圖2、3所示。

通過學生成績的可視化展現(xiàn)，我們可以得出專業(yè)成績表現(xiàn)最好的班級為“班級02”，其學生個人成績分布合理，少數(shù)同學獲得高分（高于95分），并且不存在較低分（低于50分）;公共課程表現(xiàn)最好的班級為“班級03”，同時該班級專業(yè)課程表現(xiàn)總體良好，進一說明了班級02、班級03具有較好的理論基礎和專業(yè)技能素養(yǎng);“班級04”其總體學習情況并不樂觀，在基礎的公共課程01上存在較多學生得分很低（低于40分），同時專業(yè)課程存在掛科人數(shù)較多并且分數(shù)很低的情況，該班級需要進行針對性的課程輔導以及較為嚴格的日常管理工作，以確保學生學業(yè)能夠進步。

五、結束語

本次通過使用visdom組件，完成相關專業(yè)學生成績可視化展示工作，直觀反映出相同專業(yè)不同班級學生總體學習情況，以及存在的明顯問題。數(shù)據(jù)可視化可以輔助相關教育教學管理人員快速發(fā)現(xiàn)這些問題，進一步制定針對性教育管理策略，能夠對班級進行及時有效的管理，確保學生學業(yè)能夠持續(xù)進步，提高學生綜合競爭力。今后，將進一步強化visdom可視化組件與ETL工具的結合使用，通過python各種機器學習庫的應用，完成關于學生的全量數(shù)據(jù)可視化展現(xiàn)，形成一個輕量化、多功能、全要素的數(shù)據(jù)可視化展示平臺。

參? 考? 文? 獻

[1] 秦爭艷. 基于數(shù)據(jù)可視化的學生數(shù)據(jù)標簽及學生畫像在教學系統(tǒng)中的應用研究[J]. 信息記錄材料， 22（2）：3.

[2] 陶紅麗， 張軍， 楊忠明. 基于大數(shù)據(jù)的高校學生行為分析可視化系統(tǒng)的設計與實現(xiàn)[J]. 創(chuàng)新創(chuàng)業(yè)理論研究與實踐（3）：4.

[3] 范廣慧， 王威， 王松，等. 基于大數(shù)據(jù)的高校學生畫像系統(tǒng)探究與設計[J]. 海峽科技與產業(yè)（4）：4.

[4] 李燁， 張勇斌. 基于"以學生為中心"的"數(shù)據(jù)可視化"SPOC教學模式初探[J]. 北京印刷學院學報， 29（1）：5.

[5] 趙炬明. 聚焦設計：實踐與方法（上）——美國"以學生為中心"的本科教學改革研究之三[J]. 高等工程教育研究， 2018（2）：29-44.

[6] 高芳. 多元層次大學課程教學數(shù)據(jù)的可視分析研究[D]. 中國石油大學（北京）， 2018.

[7] 林慧君. 高職高專物流管理專業(yè)學生就業(yè)數(shù)據(jù)可視化分析[J]. 科教導刊（上旬刊）， 2020， No.400（02）：198-202.