[发明专利]一种面向学涯评价的评级方法与系统

说明书

本发明涉及隐私计算技术领域，具体公开了一种面向学涯评价的评级方法与系统，所述方法包括如下步骤：步骤S1，数据汇聚与数据存储；步骤S2，数据清洗与转换；步骤S3，针对各指标量化数据；步骤S4，特征提取；步骤S5，学涯评价算法。本发明构建面向本科生学涯评级的多维分级指标评估体系，可实现“德、勤、体、智、能”多维度量化评估；基于数据挖掘技术，克服传统本科生综合测评“专家打分”方法的局限性，可基于学生培养全流程大数据，通过智能技术采集学生各项学习行为和结果数据，并以自动化方式处理分析，提炼出可描述其特征和行为的标签集，有助于保障学涯评价的信度和效度，实现无感式、伴随式评估。

技术领域

本发明涉及数据分析技术领域，具体是一种面向学涯评价的评级方法与系统。

背景技术

据第三方社会调查机构麦可思研究院2020年发布的《2020年中国大学生就业报告》，本科毕业生就业率已经持续多年缓慢下降，高职高专就业率却逐步上升。在就业去向方面，本科毕业的学生“受雇工作”的比例连续五年持续下降。面对严峻的就业形势，学校需出台更具针对性、科学性和精准性的就业指导服务。立足打通学生培养全过程，支撑学生的职业生涯规划服务。全面记录学生从入校到毕业的全过程成长数据，涵盖学业成绩等在校期间成长数据，为学校建立丰富的人才培养数据库，为学生建立个性化的“成长档案”；基于学生培养过程数据，从多个维度精准刻画学生职业生涯规划画像，为每位学生指明适配的就业方向。

综合测评是一项在我国各高校运行多年的学生素质评价体系，是学生学涯质量评价的重要参考标准。然而，现行综合素质测评指标体系具有主观性，测评操作过程不规范，测评结果不支持学生自主查询。传统的采用纸质方式进行操作管理方式难以满足现有需求，逐渐暴露出效率低、出错概率大、评价过程不透明、评价结果普遍滞后、实际指导性差等弊端。

近年来,现代科技的飞速发展助力教育行业信息化建设水平不断提高，校园卡在消费、门禁中的广泛使用以及校园各类平台系统中数据的积累，共同形成了校园大数据环境。通过对校园数据的分析，可以挖掘出高校学生内在的、可预测的特征，这对提升高校信息化管理水平有着重要意义。然而，虽然当前数据管理平台的应用为学校综合数据分析提供了基础数据支撑，但在如何有效利用这些结果性数据与过程性数据开展数据分析，用于综合素质评价以及学生就业指导过程等方面仍有欠缺。学生画像是用户画像在教育应用中的延伸，根据学生的在校行为数据抽象出标签化的学生模型，得到立体的各类学生画像，探寻学生毕业去向与在校外在表现的连接点，从而提供精细化、精心化、精准化就业指导。

综上，亟需构建一个将大数据挖掘技术和综合测评相结合的平台，量化学生学业、行为、消费以及社交等多方面特性，刻画学生立体画像，探讨挖掘与学生择业相关的可量化指标，提供有针对性地就业指导。

发明内容

本发明的目的在于提供一种面向学涯评价的评级方法与系统，基于综合测评标准研究理论基础及学生培养方案，结合学生培养全流程多维大数据，构建学涯评价和就业岗位匹配指标体系和算法模型。通过整理学生门禁数据、学业成绩及借书记录等在校多维数据，构建学生在校行为轨迹，提取学生行为标签，实现学生“德、勤、体、智、能”多维度分级量化评估和立体画像构建。克服了传统本科生综合测评“专家打分”方法的局限性，实现精准评价。一方面，辅助高校管理者更了解学生学涯状态和行为特性，及时关注学情异常并做出预警；另一方面，通过雷达图定位学生之间的能力差距，对比分析不同类毕业去向的学生群体在校行为的差异性和规律性，从而有效预测学生未来的毕业去向选择，引导在校大学生进行个性化的职业生涯规划，使得学生在大学毕业时有着明确的发展目标，从而来缓解高校大学生就业难的问题。

为实现上述目的，本发明提供如下技术方案：

一种面向学涯评价的评级方法，包括如下步骤：

步骤S1，数据汇聚与数据存储；

步骤S2，数据清洗与转换；

步骤S3，针对各指标量化数据；