
校园大数据告诉你!学霸是如何炼成的
近日,国内大数据领域领军专家、电子科技大学周涛教授与有着近十年学工部长教育经验的吕红胤研究员,花费了近大半年的时间,联合研发出一套“大数据”系统——“学生画像”。
该系统利用校园一卡通追踪学生行为轨迹,通过对学生吃饭、打水、出行、消费行为记录,“算”出每名学生的学习、生活状态。更厉害的是,通过对学生日常学习状态的追踪,该系统还会对学生的期末成绩乃至大学四年后的就业情况作出预警~
注:系统用排名均值来计量学生成绩的优异。排名均值=学生在所在专业的年级排名/本专业的总人数,排名均值越接近0,代表该学生的成绩越好。
学霸是如何炼成的?
学霸出门时间通常比较固定
研究人员分析了近半年的宿舍门禁、吃饭、进出图书馆等刷卡记录,发现成绩较好的学生作息时间比成绩差的更规律。
例如,某专业排名第3的小雪,几乎每天固定在8点、12点、14点三个时间点出门,留在宿舍的总时长低于专业平均水平。而该专业成绩排名第61的小石每天进出宿舍的时间很随机,而且通常每次外出的时长不超过2小时,“宅指数”明显高于专业平均水平。
此外,研究人员还发现,9点前出现在食堂吃早餐的同学,成绩也相对更好。
学霸最爱在晚上10-11点洗澡
上图中,横轴代表了时间点,竖轴则代表了在当前的时间点下,学生的洗澡概率。电子科大的澡堂是全天开放的,但研究团队发现,晚上10——11点,学习好的学生与学习差的学生洗澡概率出现了较大的差异。简言之,集中在晚上10到11点之间洗澡的学生成绩更优异。
不管是出门时间还是洗澡时间,抑或是相对固定的早餐时间,都是学生作息规律的具体体现。研究人员发现,较有规律的学生群体,除了成绩上的优势外,考研成功率以及出国留学获得奖学金的概率均高于一般学生。这也从侧面印证了生活的规律性对于成绩有正面影响的结论。
学霸爱泡图书馆和自习室
在样本量足够庞大的情况下,学生在一定时期内的行为追踪确实可以反映他的学习和生活状态。比如,如果一个学生的打卡记录显示,他长期在教学楼的饮水机上打水,那一定程度上就说明了,教学楼是他的长期活动地点。
“学生画像”的研究团队,通过大数据分析,发现了出入图书馆次数多少与学习成绩的好坏存在着一定的相关性,即:出入图书馆次数比较多的学生,成绩要优于出入图书馆次数比较少的学生。同一个学生,随着他出入图书馆次数的增多或减少,他的成绩排名在上下浮动。如图↓↓
这样的相关性,同样适用于学校的教学楼↓↓(注:在教室打水代表该学生出现在了教学楼~)
现实中,每个人都会受到种种环境的影响。无疑,处于校园之中,身边人的学习状态,自然也会影响到学生自身的成绩好坏。
研究团队发现,如果一个大学生,他身边的朋友成绩比较好,那他自身的成绩也相对较好!
想要成为一枚学霸?先找个学霸好友吧~
期末会不会挂科?算一下吧
在这项研究中,研究团队专门设计出了一系列辅助学生更好完成大学学业的功能模块——“挂科预警”。
想知道你学期末会不会挂科?那就算一算喽!
挂科率=努力程度 + 学习基础;
努力程度依据:教学楼打水频率+进出图书馆的时间与次数;
学习基础:用已考科目成绩、已考与将考科目之间的关联性算出;
一旦你的挂科率触碰到了预警红线,那系统便会自动为负责你学习的辅导员推送预警信息!
“前方高能预警,您的挂科率有偏高趋势,请好好学习~”自从有了“挂科预警”系统,妈妈再也不用担心我挂科了~
四年后,你会成为失业大军中的一员吗?
如今,就业形势一年比一年紧张。作为学生,你在担心毕业即失业?作为高校的管理者,你会困惑于如何帮助学生突破重围吗?嗯,好消息来了!
“学生画像”研究团队通过大量的数据分析,研究得出了一个学生的毕业去向与他在校期间的生活规律有着一定的关联性。
电子科技大学教育大数据研究所副所长、原微软亚洲研究院的连德富教授在接受中国青年报(ID:zqbcyol)采访时表示,通过对比往届毕业生的毕业去向,他们发现,就业困难学生群体身上确实存在某些相似的行为特征。比如,与其他同学相比,就业困难学生在校期间的生活普遍不太规律。此外,就业困难学生在图书馆的借阅书目也更偏向于悬疑科幻小说以及与游戏相关的书籍。
近年来,越来越多的大学生毕业后选择创业。麦可思研究院研究发现,包括本科毕业生和高职专院校毕业生在内的中国大学生毕业后选择自主创业的比例基本呈逐年上升的趋势:2007年1.2%,2008年1%,2009年1.2%,2010年1.5%,2011年1.6%,2012年2%,2013年2.3%,2014年2.9%。
在连德富教授看来,大学里的创业一族也有“大数据”特点。偏好创业的学生跑市区的频率要高于普通学生。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08