柳青 韋雅曼 張震華 莫名韶

摘 ?要：目前高校普遍采用學(xué)生管理信息系統(tǒng)對學(xué)生開展日常和教學(xué)管理，此類常規(guī)管理系統(tǒng)僅具有簡單的數(shù)據(jù)記錄和查詢功能，現(xiàn)代學(xué)徒制是日漸興起的新型人才培養(yǎng)模式，現(xiàn)有信息系統(tǒng)不能滿足新模式對學(xué)生學(xué)情全面、動態(tài)化的管理需求。本文研究設(shè)計的信息系統(tǒng)開發(fā)主要使用Python語言，并應(yīng)用機器學(xué)習(xí)算法實現(xiàn)對學(xué)生學(xué)情變化的智能判別和推送，從而有助于教育者及時掌握和糾偏學(xué)生的學(xué)習(xí)行為。

關(guān)鍵詞：現(xiàn)代學(xué)徒制;學(xué)生管理;信息系統(tǒng)

中圖分類號：TP311 ? ? 文獻標識碼：A

Abstract： At present， student management information systems are widely used for daily students and teaching management. This kind of systems only offers simple functions of data record and inquiry， which cannot meet the overall and dynamic management needs of the new modern apprenticeship model. This paper proposes to develop an information system， using Python and machine learning algorithms to realize intelligent judging and push notification of students' learning state. This system helps education providers to have a better understanding of students' learning and makes their learning experience improved in time.

Keywords： modern apprenticeship; student management; information system

1 ? 引言（Introduction）

計算機軟件技術(shù)和網(wǎng)絡(luò)技術(shù)的發(fā)展使得高校的信息管理系統(tǒng)得到快速的迭代，各種各樣的學(xué)生管理系統(tǒng)的成為教師們處理各種日常教務(wù)管理工作的得力助手。我國高等教育的人才培養(yǎng)方式也在不斷更新，當前，現(xiàn)代學(xué)徒制人才培養(yǎng)模式的推廣，給高校傳統(tǒng)教學(xué)管理手段和系統(tǒng)帶來了變革的需求?，F(xiàn)代學(xué)徒制的特點是學(xué)校與企業(yè)成為育人雙主體，校園的人文素養(yǎng)教育與崗位職業(yè)技能訓(xùn)練雙線開展[1]。學(xué)生行為的時間空間不再局限校園中，教學(xué)手段變得豐富，教師組成更為多樣，成績類型和教學(xué)質(zhì)量評價方式更為復(fù)雜，傳統(tǒng)的數(shù)據(jù)記錄型學(xué)生信息管理系統(tǒng)已經(jīng)不能夠滿足對學(xué)生信息的全面掌握。

近年來，隨著Python等編程語言的廣泛應(yīng)用，機器學(xué)習(xí)算法在各行業(yè)數(shù)據(jù)處理和信息挖掘及理解方面得到了實踐和推廣。將機器學(xué)習(xí)算法應(yīng)用于現(xiàn)代學(xué)徒制學(xué)生日常教學(xué)、生活管理的數(shù)據(jù)上，構(gòu)建智能化學(xué)生信息管理系統(tǒng)，通過收集、處理學(xué)生多種活動數(shù)據(jù)，利用教師和師傅的過程性評價經(jīng)驗，實現(xiàn)發(fā)出預(yù)警信息，使學(xué)生獲得及時和必要的關(guān)注和引導(dǎo)，改善因材施教的教育效果[2]。

2 ?KNN算法簡介（Brief introduction to KNN algorithm）

KNN（k-Nearest Neighbor，k-近鄰）分類算法是機器學(xué)習(xí)中重要和流行的算法之一。相對其他復(fù)雜算法，其工作原理表述簡潔，工作機制易于理解。在KNN算法運行的過程中，通過計算測試實例與訓(xùn)練集中每個樣本的距離度量，選取訓(xùn)練集中與測試實例距離最近的k個樣本進行屬性分析與分類預(yù)測[3]。

KNN算法的核心思想是：物以類聚，人以群分。KNN算法對一個樣本的分類判斷主要靠該樣本周圍有限的最鄰近的k個樣本的類別屬性，因此對于類域的交叉或重疊較多的待分樣本集來說，KNN方法較其他方法具有優(yōu)勢[4]。針對訓(xùn)練樣本各分類數(shù)量的不平衡問題，可以通過調(diào)整k值及采用權(quán)值（與所需預(yù)測樣本距離越小的鄰居樣本權(quán)重越大）的方法來改進。

常規(guī)的學(xué)生管理系統(tǒng)僅僅具有對各類數(shù)據(jù)和信息的收集和查詢功能，現(xiàn)代學(xué)徒制學(xué)生活動更為多樣、行為數(shù)據(jù)信息豐富，為輔助學(xué)校教師、企業(yè)導(dǎo)師定性掌握與預(yù)判學(xué)生學(xué)情，使用KNN算法來對學(xué)生數(shù)據(jù)信息實施分析及預(yù)判是一種有效途徑。

3 ? 系統(tǒng)設(shè)計（System design）

3.1 ? 系統(tǒng)軟件架構(gòu)

基于Python+PyQt5+MySQL的軟件組合架構(gòu)進行系統(tǒng)的開發(fā)與實現(xiàn)。

Python作為一種支持快速開發(fā)的腳本語言，可移植性強、可擴展性強，Python具有腳本語言中最豐富和強大的類庫，覆蓋了文件I/O、GUI、網(wǎng)絡(luò)編程、數(shù)據(jù)庫訪問、文本操作等絕大部分應(yīng)用場景[5]。完善的軟件生態(tài)使其在人工智能、數(shù)據(jù)處理、前后端開發(fā)等業(yè)務(wù)中有著廣泛的應(yīng)用。

PyQt5是跨平臺的圖形用戶界面應(yīng)用程序框架Qt的Python語言實現(xiàn)，是最強大的GUI庫之一。它繼承了Python語言簡單易實現(xiàn)的特點，可以實現(xiàn)各類如窗體、表格、文本、圖像等功能的界面效果。

MySQL是一個開放源碼的小型關(guān)聯(lián)式數(shù)據(jù)庫管理系統(tǒng)，因其體積小、速度快、成本低和可靠性好、支持多種編程語言和平臺、易于管理等優(yōu)點成為最常用的數(shù)據(jù)庫之一，廣泛應(yīng)用在于小型企業(yè)或者組織中的小型數(shù)據(jù)管理系統(tǒng)[6]。

3.2 ? 系統(tǒng)功能設(shè)計

現(xiàn)代學(xué)徒制學(xué)生管理智能信息系統(tǒng)的功能主要體現(xiàn)在對現(xiàn)代學(xué)徒制學(xué)生學(xué)習(xí)情況的多樣相關(guān)數(shù)據(jù)收集整理及基于數(shù)據(jù)開展學(xué)生學(xué)情分析上。系統(tǒng)通過連接一部分有訪問權(quán)限的校內(nèi)其他信息系統(tǒng)，如教學(xué)成績管理系統(tǒng)、上課考勤系統(tǒng)、圖書借閱信息系統(tǒng)等并自動獲得部分學(xué)生的基本信息、學(xué)習(xí)成績等信息數(shù)據(jù)，同時，另外一部分人工收集或其他非網(wǎng)絡(luò)系統(tǒng)的導(dǎo)出數(shù)據(jù)，如企業(yè)實踐考勤、企業(yè)實操成績、日報周報評價等可通過系統(tǒng)的上傳及自動化、規(guī)范化整理后在后臺數(shù)據(jù)庫中進行更新和保存，學(xué)校教師和企業(yè)導(dǎo)師可以隨時在系統(tǒng)上查看學(xué)生最近學(xué)習(xí)表現(xiàn)的各類成績、表現(xiàn)評價等數(shù)據(jù)，系統(tǒng)通過機器學(xué)習(xí)算法對更新后的數(shù)據(jù)進行學(xué)情分析和預(yù)判預(yù)警，提醒教師導(dǎo)師們需要重點關(guān)注的學(xué)生。