学生行为风险的评价和处理方法、系统、设备及介质与流程

1.本发明涉及学生行为风险的评价和处理方法、系统、设备及介质，属于教育数据处理技术领域。


背景技术：

2.伴随着高等教育步入大众化发展阶段，我国高校在校学生已接近3000万，俨然是一个庞大的社会群体，其中每位学生的安全管理工作都不可忽视，都是院校管理中的重要事宜。
3.现有技术中，国内大多数高校对学生行为的预警只进行简单的数据统计，从预警分析方法上多为基本的统计分析，预警的种类形式比较单一，没有对学生行为进行分析；并且从分析支撑的维度上看，现有技术大多为单项数据分析，缺少多维数据交叉分析；更缺少对学生的预警行为进一步处理的方法，并且从对于预警事件产生后，大都是人为处理，缺少科学地与研判处理方法。


技术实现要素：

4.本发明提出一种学生行为风险的评价和处理方法、系统、设备及介质，为了实现上述目的，本方面采用的技术方案为：作为本发明的第一个方面，学生行为风险的评价和处理方法，包括以下步骤：步骤一：建立学生行为预警指标体系；选取4种因素即经济困难因素、学业困难因素、交际困难因素和疾病残疾因素，所述4种因素与3种预警级别组成学生行为预警输入指标；所述3种预警级别为一级预警、二级预警和三级预警；步骤二：获取陪伴处理方案，构建行为预警陪伴模型；所述预警陪伴模型中，陪伴处理方案与所述学生行为预警输入指标相匹配；步骤三：基于所述指标体系采集学生的行为数据，并对所述行为数据进行清洗后得到指标数据；步骤四：将所述指标数据输入所述行为预警陪伴模型，得到与所述指标数据相匹配的陪伴处理方案，并对相应学生实行所述陪伴处理方案。
5.上述方案的进一步改进在于：获取陪伴处理方案的步骤如下：s1：收集学生的历史行为数据；s2：收集对历史行为数据进行有效处理的历史处理方案；s3：将历史行为数据归类至所述学生行为预警输入指标；s4：筛选出所述学生行为预警输入指标相对应的历史处理方案；s5：将所述历史处理方案作为陪伴处理方案。
6.上述方案的进一步改进在于：所述方法还包括步骤五：待实行所述陪伴处理方案的学生的数据汇总至相应老师，所述待实行所述陪伴处
理方案的数量大于一定阈值时给予老师警示。
7.上述方案的进一步改进在于：所述采集方法包括：摄像监控、人脸识别、大数据采集、水电监控和门禁数据采集。
8.上述方案的进一步改进在于：所述清洗过程如下：通过所述采集方法采集多源数据，将所述多源数据统一汇集入到elasticsearch库中以便支撑所述模型的构建。
9.上述方案的进一步改进在于：所述方法还包括步骤六：待实行所述陪伴处理方案的某一学生名下的方案数量超多一定阈值时；待实行所述陪伴处理方案的某一学生多次重复触发方案时；均给予所述某一学生警告。
10.上述方案的进一步改进在于：所述学生行为预警输入指标包括：所述经济困难因素、所述学业困难因素、所述交际困难因素和所述疾病残疾因素下的一级预警、二级预警和三级预警。
11.作为本发明的第二个方面，一种学生行为风险的评价和处理系统，包括：数据采集模块，基于所述指标体系采集学生的行为数据；清洗模块，对所述行为数据进行清洗，得到指标数据；模型构建模块，获取待匹配的陪伴处理方案并构建行为预警陪伴模型，所述陪伴处理方案与所述学生行为预警输入指标相对应；处理模块，将所述指标数据输入所述行为预警陪伴模型，得到与所述指标数据相匹配的陪伴处理方案，并对相应学生实行所述陪伴处理方案；师生终端，包括老师终端和学生终端；所述老师终端汇总所有学生的数据，所述待实行所述陪伴处理方案的数量大于一定阈值时给予老师警示；所述学生终端汇总自身数据并在待实行所述陪伴处理方案的某一学生名下的方案数量超多一定阈值时和待实行所述陪伴处理方案的某一学生多次重复触发方案时，所述学生终端获取警告。
12.作为本发明的第三个方面，一种学生行为风险的评价和处理设备，包括：一个或多个处理器；存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在所述处理器运行时，使得所述学生行为风险的评价和处理设备执行方法。
13.作为本发明的第四个方面，一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行所述的学生行为风险的评价和处理方法。
14.本发明预警的种类形式丰富，并对学生行为进行分析；本发明拥有多维数据交叉分析；本发明拥有对学生的预警行为进一步处理的方法，并且从对于预警事件产生后，具有科学地与研判处理方法。
附图说明
15.通过结合附图对本技术实施例进行更详细的描述，本技术的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本技术实施例的进一步理解，并且构成说明书的一部分，与本技术实施例一起用于解释本技术，并不构成对本技术的限制。在附图中，相同的参考标号通常代表相同部件或步骤。学生行为风险的评价和处理方法、系统、设备及介质图1图示了根据本技术实施例的学生行为风险的评价和处理方法的流程图。
16.图2图示了根据本技术实施例的获取陪伴处理方案的步骤的流程图。
17.图3图示了根据本技术实施例的学生行为风险的评价和处理方法的流程图。
具体实施方式
18.通过对实施例的描述，对本发明的具体实施方式如所涉及的各部分之间的相互位置及连接关系、各部分的作用及工作原理、操作使用方法等，作进一步详细的说明，以帮助本领域技术人员对本发明的构思、技术方案有更完整、准确和深入的理解。
实施例
19.如图1所示，学生行为风险的评价和处理方法，具体包括如下步骤：作为本发明的第一个方面，步骤一：建立学生行为预警指标体系。
20.选取4种因素即经济困难因素、学业困难因素、交际困难因素和疾病残疾因素，4种因素与3种预警级别组成学生行为预警输入指标。
21.学生行为预警输入指标包括：经济困难因素、学业困难因素、交际困难因素和疾病残疾因素下的一级预警、二级预警和三级预警。
22.经济困难因素下的一级预警指标为：学生消费水平低于学生平均消费水平、学生未消费天数超过3天和欠有学费。
23.经济困难因素下的二级预警指标为：学生消费次数低于学生平均消费次数、请假次数一月内超过4次和异常的大额消费。
24.经济困难因素下的三级预警指标为：门禁刷卡记录和志愿服务时间超过学生平均志愿服务时间。
25.学业困难因素下的一级预警指标为：有学业警告记录和考试处分记录。
26.学业困难因素下的二级预警指标为：休学记录、考试不及格记录、绩点分数低于学生平均绩点。
27.学业困难因素下的三级预警指标为：借书数量低于学生平均数量、考试有一次不及格记录。
28.学交际困难因素下的一级预警指标为家庭变故记录、情感登记记录和社交行为异常记录。
29.疾病残疾因素下的一级预警指标为疾病登记信息记录。
30.步骤二：获取陪伴处理方案与学生行为预警输入指标相匹配，并构建行为预警陪伴模型。
31.如图2所示，获取陪伴处理方案的步骤如下：s1：收集学生的历史行为数据。
32.s2：收集对历史行为数据进行有效处理的历史处理方案。
33.s3：将历史行为数据归类至学生行为预警输入指标。
34.s4：筛选出学生行为预警输入指标相对应的历史处理方案。
35.s5：将历史处理方案作为陪伴处理方案。
36.步骤三：基于指标体系采集学生的行为数据，并对行为数据进行清洗后得到指标
数据。
37.采集方法包括：摄像监控、人脸识别、大数据采集、水电监控和门禁数据采集。
38.清洗过程如下：通过采集方法采集多源数据，将多源数据统一汇集入到elasticsearch库中以便支撑模型的构建。
39.步骤四：将指标数据输入行为预警陪伴模型，得到与指标数据相匹配的陪伴处理方案，并对相应学生实行陪伴处理方案。
40.步骤五：待实行陪伴处理方案的学生的数据汇总至相应老师，待实行陪伴处理方案的数量大于一定阈值时给予老师警示。
41.步骤六：待实行陪伴处理方案的某一学生名下的方案数量超多一定阈值时。待实行陪伴处理方案的某一学生多次重复触发方案时。均给予某一学生警告。
42.如图3所示，作为本发明的第二个方面，一种学生行为风险的评价和处理系统，包括：数据采集模块，基于指标体系采集学生的行为数据。
43.清洗模块，对行为数据进行清洗，得到指标数据。
44.模型构建模块，获取待匹配的陪伴处理方案并构建行为预警陪伴模型，陪伴处理方案与学生行为预警输入指标相对应。
45.处理模块，将指标数据输入行为预警陪伴模型，得到与指标数据相匹配的陪伴处理方案，并对相应学生实行陪伴处理方案。
46.师生终端，包括老师终端和学生终端；所述老师终端汇总所有学生的数据，所述待实行所述陪伴处理方案的数量大于一定阈值时给予老师警示；所述学生终端汇总自身数据并在待实行所述陪伴处理方案的某一学生名下的方案数量超多一定阈值时和待实行所述陪伴处理方案的某一学生多次重复触发方案时，所述学生终端获取警告。
47.作为本发明的第三个方面，一种学生行为风险的评价和处理设备，包括：一个或多个处理器。
48.存储器，在存储器中存储有计算机程序指令，计算机程序指令在处理器运行时，使得学生行为风险的评价和处理设备执行方法。
49.作为本发明的第四个方面，一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序用于执行的学生行为风险的评价和处理方法。
50.本发明不局限于上述实施例，凡采用等同替换形成的技术方案，均落在本发明要求的保护范围。