基于Hadoop平台的多维度学生学业预警系统的研究
发布时间：2021-08-28 12:58
随着智慧校园的不断建设,学业预警作为智慧校园的分支之一,也在飞速发展中,本文就是以学业预警作为研究主题。为了防止学生在学习的过程中因迷茫、懈怠而导致成绩不及格,甚至不能毕业的情况出现,需要通过对学生的每个学期的情况进行评估,进而从不同的阶段掌握学生的学习状态。本文通过对学生的成绩、学分绩、考勤、上网日志四类数据进行分析,从而实现对状态较差的学生进行预警。由于学生数据量大,数据种类多并且繁杂,传统的关系型数据库只能对结构化数据分析处理,对学生上网日志这些非结构化数据,便不再适用,同时数据量大的时候还会出现查询速度慢的问题,而Hadoop技术刚好可以解决这些难题,所以本文采用当下主流的Hadoop平台来进行处理。系统采用分布式文件系统HDFS对学生的数据进行存储,使用分布式面向列存储数据库HBase对大规模半结构化数据进行实时处理,使用分布式数据仓库Hive对存放在数据库中的大规模数据集执行HiveQL查询,最后利用Hue可视化工具对处理的数据进行直观的展示,并通过分析系统得到需要预警学生的名单。本文通过Hadoop平台对学生的数据进行处理,将数据按照学院来划分,针对不同学院的学生做预警。...
【文章来源】：安徽工业大学安徽省
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
学生成绩预警结果图
38图 4-7 学生学分绩预警结果图上图是根据不同年级的学生针对当前学期所获得的学分绩是否达到学校规要求，比如一年级的学生直接判断是否达到当前学期的学分值就可以了，二和三年级的学生则是判断当前所获得的学分绩是否达到要求。从不同的阶段
17**75001 *** 女 43.517**75002 ** 男 43.517**75003 *** 女 43.517**75006 *** 男 43.517**75007 *** 男 32.517**75010 *** 男 43.517**75015 ** 男 32.517**75019 ** 女 43.517**75023 ** 女 43.5第三个维度是通过学生考勤数据判断学生对上课的态度以及判断学生这门课能不能过的重要依据。这个维度截取的数据为学生当前上课的学期考勤数据，也就是说，根据当前学期的考勤数据，来判断学生的上课状态。如果经常缺席上课，可能这门课程都没有机会考试了，所以需要对经常缺席的学生重视，并询问到底是什么原因缺席上课。学生考勤维度关键值是以学生的学号 xh 作为横坐标和学生的总缺席次数 num_kq 作为纵坐标来进行分析。分析结果如图 4-8 所示。
【参考文献】：
期刊论文
[1]基于大数据的高校学生分析与服务平台的研究[J]. 石敏,卢丹海,秦婷. 信息技术. 2019(02)
[2]基于Hadoop的Web日志分析系统的设计[J]. 何璇,马佳琳. 软件工程. 2019(02)
[3]基于校园大数据构建大学生画像的技术实现[J]. 张海华,郭田友,张非. 电子技术与软件工程. 2019(03)
[4]高校教务系统的数据处理和分析[J]. 徐卫克. 电子技术与软件工程. 2019(03)
[5]基于大数据背景下网络安全体系[J]. 暴占彪. 电子技术与软件工程. 2019(03)
[6]大数据技术进展与发展趋势[J]. 张娜,马燕,崔桓睿,刘逗逗. 通讯世界. 2019(02)
[7]深度学习技术在智慧校园建设中的应用研究[J]. 周月鹏,卢喜利. 微型电脑应用. 2018(12)
[8]智慧校园环境中网络态势感知系统的构建[J]. 陈锴. 电子技术与软件工程. 2018(22)
[9]大数据背景下的数据挖掘算法综述[J]. 王宇翔. 通讯世界. 2018(11)
[10]大数据背景下机器学习在数据挖掘中的应用[J]. 王旸. 信息与电脑(理论版). 2018(21)
博士论文
[1]云平台下电力设备监测大数据存储优化与并行处理技术研究[D]. 宋亚奇.华北电力大学(北京) 2016
[2]面向农业领域的大数据关键技术研究[D]. 郭雷风.中国农业科学院 2016
硕士论文
[1]无线传感器网络云端管理系统的设计与搭建[D]. 蔡媛媛.南京邮电大学 2018
[2]基于Spark的农业大数据挖掘系统的设计与实现[D]. 郭二秀.浙江大学 2018
[3]基于大数据的广告投放策略研究[D]. 黄梦帆.湖南大学 2018
[4]支持多源大数据的机器学习云平台[D]. 范子琨.浙江大学 2018
[5]基于校园大数据的学生行为分析与预测方法研究[D]. 梁柱.西安理工大学 2017
[6]通用的软件可靠性云测试平台的研究与实现[D]. 陈远金.北京邮电大学 2017
[7]基于Hadoop数据处理研究及应用[D]. 罗树兰.云南大学 2016
[8]基于大数据法及空间句法的浙大紫金港校区校园空间使用分析[D]. 张艺瑶.浙江大学 2016
[9]基于Hadoop平台的外观图像专利检索系统优化研究[D]. 於宇航.广东工业大学 2015
[10]数据挖掘技术在教务管理系统中的应用研究[D]. 彭蓉芳.湖南大学 2015
本文编号：3368556
【文章来源】：安徽工业大学安徽省
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
学生成绩预警结果图
38图 4-7 学生学分绩预警结果图上图是根据不同年级的学生针对当前学期所获得的学分绩是否达到学校规要求，比如一年级的学生直接判断是否达到当前学期的学分值就可以了，二和三年级的学生则是判断当前所获得的学分绩是否达到要求。从不同的阶段
17**75001 *** 女 43.517**75002 ** 男 43.517**75003 *** 女 43.517**75006 *** 男 43.517**75007 *** 男 32.517**75010 *** 男 43.517**75015 ** 男 32.517**75019 ** 女 43.517**75023 ** 女 43.5第三个维度是通过学生考勤数据判断学生对上课的态度以及判断学生这门课能不能过的重要依据。这个维度截取的数据为学生当前上课的学期考勤数据，也就是说，根据当前学期的考勤数据，来判断学生的上课状态。如果经常缺席上课，可能这门课程都没有机会考试了，所以需要对经常缺席的学生重视，并询问到底是什么原因缺席上课。学生考勤维度关键值是以学生的学号 xh 作为横坐标和学生的总缺席次数 num_kq 作为纵坐标来进行分析。分析结果如图 4-8 所示。
【参考文献】：
期刊论文
[1]基于大数据的高校学生分析与服务平台的研究[J]. 石敏,卢丹海,秦婷. 信息技术. 2019(02)
[2]基于Hadoop的Web日志分析系统的设计[J]. 何璇,马佳琳. 软件工程. 2019(02)
[3]基于校园大数据构建大学生画像的技术实现[J]. 张海华,郭田友,张非. 电子技术与软件工程. 2019(03)
[4]高校教务系统的数据处理和分析[J]. 徐卫克. 电子技术与软件工程. 2019(03)
[5]基于大数据背景下网络安全体系[J]. 暴占彪. 电子技术与软件工程. 2019(03)
[6]大数据技术进展与发展趋势[J]. 张娜,马燕,崔桓睿,刘逗逗. 通讯世界. 2019(02)
[7]深度学习技术在智慧校园建设中的应用研究[J]. 周月鹏,卢喜利. 微型电脑应用. 2018(12)
[8]智慧校园环境中网络态势感知系统的构建[J]. 陈锴. 电子技术与软件工程. 2018(22)
[9]大数据背景下的数据挖掘算法综述[J]. 王宇翔. 通讯世界. 2018(11)
[10]大数据背景下机器学习在数据挖掘中的应用[J]. 王旸. 信息与电脑(理论版). 2018(21)
博士论文
[1]云平台下电力设备监测大数据存储优化与并行处理技术研究[D]. 宋亚奇.华北电力大学(北京) 2016
[2]面向农业领域的大数据关键技术研究[D]. 郭雷风.中国农业科学院 2016
硕士论文
[1]无线传感器网络云端管理系统的设计与搭建[D]. 蔡媛媛.南京邮电大学 2018
[2]基于Spark的农业大数据挖掘系统的设计与实现[D]. 郭二秀.浙江大学 2018
[3]基于大数据的广告投放策略研究[D]. 黄梦帆.湖南大学 2018
[4]支持多源大数据的机器学习云平台[D]. 范子琨.浙江大学 2018
[5]基于校园大数据的学生行为分析与预测方法研究[D]. 梁柱.西安理工大学 2017
[6]通用的软件可靠性云测试平台的研究与实现[D]. 陈远金.北京邮电大学 2017
[7]基于Hadoop数据处理研究及应用[D]. 罗树兰.云南大学 2016
[8]基于大数据法及空间句法的浙大紫金港校区校园空间使用分析[D]. 张艺瑶.浙江大学 2016
[9]基于Hadoop平台的外观图像专利检索系统优化研究[D]. 於宇航.广东工业大学 2015
[10]数据挖掘技术在教务管理系统中的应用研究[D]. 彭蓉芳.湖南大学 2015
本文编号：3368556
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3368556.html
