[发明专利]一种基于大数据预测考试关键学生的方法及装置

说明书

本发明公开了一种基于大数据预测考试关键学生的方法及装置，属于教育大数据领域，其方法包括：对学情大数据进行预处理及存储，预测学生成绩，并根据预测结果发现指定录取率下的关键学生。该方法基于学生的往次考试成绩数据预测学生成绩及排名，并计算不同水平学生的成绩波动值，根据波动值确定临界生人数；基于上述预测排名结果数据和临界生人数数据，最终划定临界生；本发明由于改变了传统的基于经验模型划分关键学生的方法，综合考虑学生全局和局部的成绩波动情况来确定临界生人数，划分方法更为准确，考虑因素更加全面，实现了基于学生真实表现的大数据来预测识别关键学生，使识别的精度和效率都得到了更大提升。

技术领域

本发明涉及教育大数据领域，具体是涉及一种基于大数据预测考试关键学生的方法及装置。

背景技术

1、临界生识别及提升

考试的关键学生，在教育领域对关键性考试(如中考、高考)，会关注某些关键性学生，如临界生。临界生，指的是在重要考试(如中考、高考等)中，考试成绩在录取分数线上下波动的学生。例如，若某校高考的本科录取人数是200人，那么，成绩排名在第200名上下一定范围(如10％)波动的学生就是本次高考的临界生。

由于临界生的成绩在分数线上下波动，因此这些学生的最终成绩表现(分数线上或者分数线下)很容易导致不过线而失去录取资格的后果，也间接影响了教学升学率。如果能够在考试前，准确划定这些潜在临界生，并对他们进行针对性的教学提升，会大大提高他们通过分数线的概率，对于降低学生和家庭的后续投入(如复读补考)和提升学校升学率，有极大的帮助，也是当前教育一线初高中老师最为关注的问题。

2、现有临界生分析方法

当前，临界生的识别工作是基于人工为主的经验模型：由教育局的教研室专家基于往年经验人工估算划定本年度大考的预估分数线和预估临界生人数，各学校基于该预估分数线，由一线教师结合自己对学生的认知和了解，最终确定临界生。

其不足在于：(1)实际考试中，最终的临界生基于考试结果排名来确定，先根据成绩定排名，再根据排名划分数线。而现有的经验模型是先预定分数线，再基于分数线划确定临界生，是不符合实际的业务实施规律的。(2)固定临界生人数的设定，无法体现出学生的成绩波动。对于成绩波动较大的学生群体，临界生人数多于成绩波动小的学生群体。(3)基于人工为主的经验的模型，严重依赖于教师的个人能力，准确性波动较大，推广性很差。

发明内容

有鉴于此，本发明提供了一种基于学生学情大数据预测识别临界生的方法及装置，用于解决现有方法所存在的问题。

该方法基于学生的往次考试成绩数据预测学生成绩及排名，并计算不同水平学生的成绩波动值，根据波动值确定临界生人数；基于上述预测排名结果数据和临界生人数数据，最终划定临界生。同传统基于人工的经验模型相比，本发明基于学生的预测排名而不是分数线划定临界生范围，并综合考虑学生全局和局部的成绩波动情况来确定临界生人数，划分方法更为准确，考虑因素更加全面；此外，新的分析方法基于严谨的算法，利用软件实现相关功能，预测结果更准确，可推广性更好。

为实现上述目的，本发明提供如下技术方案：

一种基于大数据预测考试关键学生的方法，该方法包括：

步骤1、预处理及存储学情大数据

用于对学情大数据(包括学生信息、历次考试信息、成绩数据等)进行清洗、预处理等操作，并存储到数据库中，为后续临界生的识别提供基础。具体包括：

步骤1.1、数据清洗。对原始学情大数据进行重复数据删除、异常值剔除、缺失值填充，得到初步处理后的数据。

步骤1.2、数据预处理。对学情大数据进行字段拆分、添加衍生字段等操作。

步骤1.3、数据存储。将预处理后的数据存储到数据库表中，供后续分析使用。