《表1 学生努力程度分析结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于校园大数据的学生行为特征分析与预测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

采用吉林交通职业技术学院数字化校园“一卡通”记录以及各部门管理系统中的数据作为数据来源，包括10 000名在校学生从2016年10月到2018年10月的学生校园消费记录、图书馆借阅与自习记录、校园网络访问记录、课堂学习与成绩记录以及体育锻炼记录数据等。首先，通过Sqoop工具将数据进行转换后导入到HDFS中并完成对数据清洗等预处理；其次，对准备好的数据进行分析，建立学生行为特征库；最后，利用特征库中的各项指标为学校提供管理学生的决策。由于篇幅有限，这里只对与学生学习有关的数据进行处理，以分析学生的努力程度。在Spark平台上依据努力程度可将学生划分为8组，分析得到学生各指标的平均值如表1所示。