概括：

现代高等教育管理信息化水平逐年提高。随着校园一卡通的广泛使用以及多年来各大业务系统数据的积累，校园大数据环境已经形成。这主要体现在学生数据规模大、类型多。学生卡数据具有高速、低密度的特点，如何有效挖掘学生卡数据成为提高学习的一种途径。是学生作业信息化管理水平的重要组成部分。本课题主要研究本科生学生卡数据中保存的在校学生的各种行为（学习行为、生活行为、心理行为）数据以及相应的业务系统。该数据包括学生的消费。数据，学校医院的咨询数据、门禁数据、图书馆借阅数据、考试结果等上网时间等海量数据。分析数据，探索学生学习、生活、心理之间的关联性，挖掘学生异常数据，反馈异常数据，充分利用学生在校行为数据，建设数字校园、智慧校园，使校园信息化水平有待提高。改进。本文构建了学生行为大数据分析系统，并依托中共北京市政府思想政治教育研究项目“大数据视角下的大学生工卡数据分析与应用”经教育工委首都高校学生工作委员会组织，我们对学生在校行为数据进行了挖掘和研究，主要完成了以下内容：（1）整合学校各专业业务系统历史数据，结合各类数据在学生的学校卡中分析，并对异常数据进行相关处理。 （2）研究大数据框架的HDFS文件系统和计算模型，构建基于技术的大学生行为大数据分析系统的总体技术架构，并利用计算模型对大学生行为数据进行分析。采矿加工。 （3）减少学生行为数据测量点，整理不同行绘制在校学生的“学生画像”，清晰描述学生在校情况，分析学生学习情况、生活状态和心理之间的关系动力学。 （四）构建高校家庭经济困难。学生身份识别模型采用大数据分析系统中的模糊评价方法、会员制概念和学生卡。利用消费数据和家庭状况问卷数据来确定学生的归属程度，并通过归属程度的相对大小来确定贫困程度。 （五）实施学生行为大数据分析系统，分析总结学生行为规律和特征，并提出建设性建议，为相关部门分析提供具体参考意见，便于分析学生行为特征并及时指导。引导学生行为全面健康发展。 （六）完成大数据分析系统在学校经济困难学生认定中的实际应用，用模型认定代替辅导员以往基于经验的定性分析，将认定工作从定性转向量化，提高认定效率学生的作业以及结果的科学性和可靠性。

展开