基于大数据分析的高校学生行为数学模型的研究
（曲亮081640111；蔡冠华081640118；王泽081640217；努尔迪莱木081740112）
（指导教师：张晓颖）
项目简介：本项目从推动大数据技术在教育领域的研究出发，首先阐述了针对学生的日常行为模式的研究带给教育的意义。本论文结合了心理学理论中的性格模型对学生在校园内的日常行为模式进行解释和分类。分别用消费水平、借阅频率、阅读情况等属性标签对大学生进行行为画像，并用K-means聚类算法对大学生进行分类，最后，结合本校学生信息的数据库，进一步对学生在校园内的行为模式同成绩数据之间的相关性进行研究。
研究内容：建立基于校园大数据的学生行为的数学模型，并进行挖掘分析。整合现有的校园信息化建设成果，包括教务系统、学生管理系统、图书馆等数据。建设高校招生、教学、就业、学生学习、生活、心理的完整数据仓库，通过对这些数据的分析，促进学校在教学管理，学生管理，教学资源合理分配，招生就业等各方面的精细化管理程度。
本课题主要针对长春大学近10年的校园基础数据进行多个维度的大数据分析。通过设计学生行为描述指标体系，采用机器学习的相关方法，建立合理的数学模型，分析学生在校的学习、生活、消费等行为以及他们之间的内在联系。
1．研究学生消费行为分析模型（消费能力、消费地点等）；
2．研究学生图书馆借书行为分析模型（包括图书馆借还书高峰、图书馆借书学生占比、图书排名、热点出版社、热点作者、图书阅读量、学生阅读时间、学生阅读能力等）；
3．研究学生关联分析模型（包括成绩关联、消费关联、阅读量关联、上网时长关联、健康关联、信用关联等）；
4．研究学生关注群体分析模型（包括综合能力强、高消费、贫困生）；
创新之处：分析、处理、挖掘校园在大数据环境中的潜在数据规律，挖掘学生异常数据、反馈异常数据等研究学生行为特点，为提升学校管理决策能力提供了数据基础。通过应用大数据技术教学管理数据的分析与预测，可以促进教学模式的进步，实现高质量、个性化的教学，从而探索新工科驱动下未来教育教学的新模式。
成果简介：2018年大学生创新创业项目国家级立项并获得优秀结项。
