摘 要：本文針對(duì)傳統(tǒng)學(xué)生成績管理系統(tǒng)漏檢率高、響應(yīng)時(shí)間過長等問題，設(shè)計(jì)了一種基于Highcharts的學(xué)生成績管理系統(tǒng)。其硬件包括主控器、傳感器和轉(zhuǎn)換器。主控器執(zhí)行數(shù)據(jù)計(jì)算，傳感器監(jiān)測(cè)、收集成績信息，轉(zhuǎn)換器將物理量轉(zhuǎn)換為數(shù)字信號(hào)。軟件部分包括采用KNN算法進(jìn)行的數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)轉(zhuǎn)換和特征提取等相關(guān)設(shè)計(jì)。系統(tǒng)測(cè)試表明，與傳統(tǒng)學(xué)生成績管理系統(tǒng)相比，本系統(tǒng)的漏檢率較低，響應(yīng)時(shí)間更短，運(yùn)行性能良好，具有一定的推廣價(jià)值。

關(guān)鍵詞：Highcharts；高職校學(xué)生；成績管理；KNN算法

中圖分類號(hào)：TP 311 " " " " " 文獻(xiàn)標(biāo)志碼：A

學(xué)生成績管理系統(tǒng)是高職院校構(gòu)建學(xué)生管理體系的重要組成。利用系統(tǒng)功能，教師可對(duì)學(xué)生成績信息進(jìn)行排名、檢索、增加和刪除等操作，學(xué)生也可以自查個(gè)人成績，及時(shí)了解學(xué)習(xí)情況。因此，為實(shí)現(xiàn)學(xué)生成績管理數(shù)字化，各類系統(tǒng)不斷出現(xiàn)，學(xué)界對(duì)此也進(jìn)行了積極探討。例如，汝曉玲[1]開發(fā)了一種面向課程的小型成績管理系統(tǒng)；夏小翔[2]設(shè)計(jì)了基于Echarts的學(xué)生成績管理系統(tǒng)，對(duì)成績進(jìn)行查詢管理，并采用Echarts技術(shù)展示了所獲數(shù)據(jù)；楊洪濤[3]采用前、后端分離技術(shù)，設(shè)計(jì)了一種成績管理系統(tǒng)，提高了成績管理效率。綜合所述，雖然上述系統(tǒng)提高了工作效率，但是依然漏檢率較高且響應(yīng)時(shí)間較長。隨著可視化技術(shù)發(fā)展，Highcharts成為一款強(qiáng)大的可視化庫，被廣泛應(yīng)用于信息查詢系統(tǒng)中[4]。因此本文設(shè)計(jì)了一種基于Highcharts的學(xué)生成績管理系統(tǒng)，能夠解決多數(shù)成績管理問題，滿足廣大師生獲取信息的基本要求。

1 整體設(shè)計(jì)

系統(tǒng)設(shè)計(jì)面向全體師生，結(jié)合成績管理與工作需要，并基于“前端+后端”的思想，整體部署使用Docker容器化應(yīng)用，并將Nginx作為反向代理，其整體結(jié)構(gòu)如圖1所示。系統(tǒng)由顯示層、服務(wù)層與數(shù)據(jù)層構(gòu)成，其中，顯示層將Vue.Js作為前端框架，將集成Highcharts作為數(shù)據(jù)可視化工具，用于展示成績相關(guān)的圖表；服務(wù)層使用Node.Js和Express.Js構(gòu)建Restful API，采用成績統(tǒng)計(jì)分析算法處理數(shù)據(jù)邏輯和業(yè)務(wù)規(guī)則，能夠保證數(shù)據(jù)的正確性，并保障數(shù)據(jù)安全；數(shù)據(jù)層使用MySQL存儲(chǔ)成績相關(guān)數(shù)據(jù)。整體設(shè)計(jì)考慮了系統(tǒng)架構(gòu)和層次組織，旨在提供穩(wěn)定、高效的學(xué)生成績管理和可視化服務(wù)。

2 硬件設(shè)計(jì)

硬件設(shè)計(jì)是保證系統(tǒng)穩(wěn)定運(yùn)行和用戶滿意的關(guān)鍵因素。在設(shè)計(jì)過程中，應(yīng)充分考慮性能、可靠性、安全性和成本效益，以滿足不同用戶的需求和系統(tǒng)的長期運(yùn)行要求。

2.1 主控器

主控器是系統(tǒng)內(nèi)核，本系統(tǒng)選擇ARM Cortex單片機(jī)，能夠保證有足夠算力處理傳感器實(shí)時(shí)數(shù)據(jù)，并通過算法使結(jié)果返回傳感器。單片機(jī)電路設(shè)計(jì)如圖2所示，其工作原理如下所示。當(dāng)電源接入電路時(shí)，首先，通過VCC端口提供穩(wěn)定電壓，電壓隨后經(jīng)過熔斷器，作為首道防線防止異常損傷。其次，電源電壓通過變壓器轉(zhuǎn)換適應(yīng)不同電壓需求。電容器C3負(fù)責(zé)平滑電源線，消除波動(dòng)和噪聲，保證敏感元件獲得穩(wěn)定電源。同時(shí)，XTAL1與XTAL2開始提供時(shí)鐘信號(hào)。ARM Cortex作為電路大腦，接收時(shí)鐘信號(hào)后開始執(zhí)行初始化、執(zhí)行算法等預(yù)設(shè)程序。通過RXD端口接收傳感器數(shù)據(jù)，用于監(jiān)測(cè)環(huán)境或接收指令。當(dāng)接收數(shù)據(jù)后，通過TXD端口發(fā)送到外部設(shè)備，以實(shí)現(xiàn)啟停、調(diào)節(jié)等控制動(dòng)作。在該過程中，電阻器和電容器用于放大、過濾和穩(wěn)定，以此保證信號(hào)可靠性；變壓器用于增強(qiáng)系統(tǒng)抗干擾能力，保證數(shù)據(jù)傳輸穩(wěn)定性。最終，主控器電路通過精確的信號(hào)處理和邏輯控制，實(shí)現(xiàn)了外設(shè)自動(dòng)管理，保證系統(tǒng)的高效運(yùn)行和穩(wěn)定控制。

2.2 傳感器

傳感器用于監(jiān)測(cè)、收集成績信息，并將數(shù)據(jù)發(fā)送給主控器計(jì)算。傳感器電路如圖3所示。系統(tǒng)采用單向運(yùn)動(dòng)傳感器電路，用于檢測(cè)沿某一方向運(yùn)行的數(shù)據(jù)，忽略反方向運(yùn)行數(shù)據(jù)。該電路使用2個(gè)傳感器來識(shí)別僅沿某一方向運(yùn)行的數(shù)據(jù)，Q1傳感器用于產(chǎn)生短脈沖，Q2傳感器用于阻止變動(dòng)。在MC140118比較器的運(yùn)轉(zhuǎn)下，Q2傳感器處的光中斷，在C點(diǎn)產(chǎn)生短脈沖，只有當(dāng)A處出現(xiàn)高信號(hào)時(shí)，該短脈沖才會(huì)出現(xiàn)在輸出端。如果光到達(dá)Q1且滿足數(shù)據(jù)經(jīng)過Q2時(shí)被阻擋，表示方向是從Q1到Q2。由此，主控器便可利用編程邏輯對(duì)這些數(shù)據(jù)做進(jìn)一步處理，以獲得準(zhǔn)確的測(cè)量結(jié)果。

2.3 轉(zhuǎn)換器

由于傳感器監(jiān)測(cè)的部分?jǐn)?shù)據(jù)以模擬信號(hào)輸出，ARM Cortex無法直接處理，因此需要轉(zhuǎn)換器進(jìn)行轉(zhuǎn)換。本文采用AD558KD模數(shù)轉(zhuǎn)換器將物理量轉(zhuǎn)換為數(shù)字信號(hào)。轉(zhuǎn)換后，ARM Cortex可以對(duì)這些數(shù)據(jù)進(jìn)行濾波、校準(zhǔn)和運(yùn)算，處理后的數(shù)據(jù)可由串行通信接口發(fā)送到其他系統(tǒng)，以此對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)監(jiān)控、遠(yuǎn)程控制或存儲(chǔ)分析。轉(zhuǎn)換器管腳如圖4所示。傳感器監(jiān)測(cè)、收集的模擬信號(hào)從引腳1、2輸入，處理后的數(shù)字信號(hào)從引腳3、7輸出，同時(shí)傳至ARM Cortex?？傮w來看，轉(zhuǎn)換器經(jīng)過數(shù)據(jù)轉(zhuǎn)換和處理環(huán)節(jié)，實(shí)現(xiàn)了從模擬信號(hào)到數(shù)字信號(hào)，再到控制信號(hào)或模擬輸出的全面轉(zhuǎn)換，為嵌入式系統(tǒng)的應(yīng)用提供了必要的數(shù)據(jù)接口和處理能力。

3 算法引入

KNN（K-Nearest Neighbors）算法是一種基本回歸算法，能夠根據(jù)輸入樣本的特征，將其劃分到離其最近的鄰居中并進(jìn)行預(yù)測(cè)。運(yùn)用算法前，應(yīng)綜合判斷學(xué)生成績，為后期評(píng)估做好優(yōu)化。在工作中，如果信息分類合理，那么需要進(jìn)行動(dòng)態(tài)調(diào)整，分析錯(cuò)誤信息，發(fā)現(xiàn)問題參數(shù)。如果變化對(duì)分類未產(chǎn)生較大影響，那么應(yīng)在調(diào)整后判斷其他參數(shù)。由于成績信息多樣，因此運(yùn)用KNN算法可有效提升處理效率。以成績排名為例，如果部分學(xué)生的成績相差較小，其排序相對(duì)接近，那么可將其劃分為“簇”，運(yùn)用KNN算法檢索這些“簇”，并根據(jù)不同“簇”進(jìn)行排名，主要流程包括收集成績信息并構(gòu)建相似矩陣u，如公式（1）所示。

（1）

式中：|l1，l2|為各“簇”的交集；|l1|、|l2|分別對(duì)應(yīng)不同成績。

計(jì)算|l1|、|l2|后得出成績近似水平，數(shù)值越低，表示成績相似度越高，這樣便可對(duì)成績信息進(jìn)行分類，使其更好地輔助軟件設(shè)計(jì)。

4 軟件設(shè)計(jì)

在硬件設(shè)計(jì)基礎(chǔ)上，結(jié)合上述KNN算法相似矩陣進(jìn)行軟件設(shè)計(jì)。軟件設(shè)計(jì)主要包括數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)轉(zhuǎn)換以及特征提取等流程。通過這些步驟，可將原始數(shù)據(jù)轉(zhuǎn)化為符合系統(tǒng)需求的可用數(shù)據(jù)，并最終進(jìn)行展示。在系統(tǒng)中，這些數(shù)據(jù)可用于生成各種圖表，幫助用戶更直觀地理解和分析成績信息。

4.1 數(shù)據(jù)采集

收集學(xué)生成績數(shù)據(jù)，包括學(xué)生信息（姓名、學(xué)號(hào)和班級(jí)）以及成績數(shù)據(jù)（各科分?jǐn)?shù)、考試時(shí)間和學(xué)期）。管理員手動(dòng)輸入成績數(shù)據(jù)，允許通過CSV文件格式批量導(dǎo)入數(shù)據(jù)，接口與教務(wù)系統(tǒng)對(duì)接，自動(dòng)同步學(xué)生成績數(shù)據(jù)。

4.2 數(shù)據(jù)預(yù)處理

因?yàn)槭占臄?shù)據(jù)類型多樣，所以應(yīng)對(duì)初始數(shù)據(jù)進(jìn)行預(yù)處理。待采集完成后，對(duì)數(shù)據(jù)進(jìn)行清洗，處理缺失值、異常值和重復(fù)值。缺失值可使用填充、刪除或插值的方法；異常值可使用識(shí)別異常高或異常低的方法；重復(fù)值應(yīng)檢測(cè)并刪除重復(fù)記錄。預(yù)處理結(jié)果如公式（2）所示。

（2）

式中：f為預(yù)處理結(jié)果；ω為處理因子；s為學(xué)生信息；g為成績數(shù)據(jù)。

定義學(xué)生信息與成績數(shù)據(jù)，設(shè)置信息表，將其代入后計(jì)算預(yù)處理結(jié)果，保證預(yù)處理的安全性和完整性，并采用適當(dāng)?shù)膫浞莶呗浴?/p>

4.3 數(shù)據(jù)轉(zhuǎn)換

得到預(yù)處理結(jié)果后，將數(shù)據(jù)縮放到特定范圍（例如0～1），以此消除不同特征間的量綱影響。對(duì)于分類數(shù)據(jù)，例如性別、年級(jí)等，將獨(dú)熱編碼轉(zhuǎn)換為數(shù)值數(shù)據(jù)。利用KNN算法對(duì)數(shù)據(jù)進(jìn)行轉(zhuǎn)換處理，使其具有零均值，以提高算法的性能和準(zhǔn)確性。選擇最相關(guān)和有區(qū)分性的特征，以此減少維度和噪聲。一個(gè)簡單的數(shù)據(jù)轉(zhuǎn)換代碼如下所示。

#加載數(shù)據(jù)

data=[1，2，3，4，5]

#創(chuàng)建轉(zhuǎn)換器

scaler=StandardScaler（）

#轉(zhuǎn)換數(shù)據(jù)

print（standardized_data）

4.4 特征提取

KNN算法對(duì)特征尺度比較敏感，應(yīng)先對(duì)特征進(jìn)行縮放，利用特征重要性評(píng)估來選擇與問題具有區(qū)分性的特征。分析特征與目標(biāo)變量（成績）間的相關(guān)性，剔除不相關(guān)或弱相關(guān)的特征。由于特征提取涉及數(shù)據(jù)較多，可能會(huì)出現(xiàn)溢出情況，因此可利用線性判別分析（LDA），在保留多數(shù)信息的同時(shí)減少特征數(shù)量，以此降低過擬合風(fēng)險(xiǎn)。提取過程如公式（3）所示。

（3）

式中：x為特征提取參數(shù)；a為特征因子；r為數(shù)據(jù)類型；i為不穩(wěn)定因子。

得到特征提取參數(shù)后，對(duì)數(shù)據(jù)進(jìn)行歸納，剔除列中值，減少空值與冗值，以此提高模型的數(shù)據(jù)表達(dá)能力，自此本系統(tǒng)的軟件設(shè)計(jì)工作完成。

5 系統(tǒng)測(cè)試

5.1 測(cè)試配置

為驗(yàn)證系統(tǒng)設(shè)計(jì)的有效性，本文在Wokwi平臺(tái)上進(jìn)行仿真測(cè)試。CPU選用Intel Core Ultra 5134U，GPU選擇RTX 3090。將傳統(tǒng)學(xué)生成績管理系統(tǒng)與本系統(tǒng)進(jìn)行比較，測(cè)試環(huán)境相同，以此保證變量唯一。數(shù)據(jù)來自某校教務(wù)中心，本文收集了相關(guān)成績信息，并比較漏檢率與響應(yīng)時(shí)間。

5.2 漏檢率

本系統(tǒng)與傳統(tǒng)學(xué)生成績管理系統(tǒng)的漏檢情況比較結(jié)果見表1。由測(cè)試可知，本系統(tǒng)的漏檢率較低，由于本系統(tǒng)可有效檢索數(shù)據(jù)，因此能夠精準(zhǔn)查詢到成績信息。而傳統(tǒng)學(xué)生成績管理系統(tǒng)在待檢人數(shù)較少情況下的漏檢率較低，但當(dāng)待檢人數(shù)增多時(shí)，漏檢率也隨之提高。原因是傳統(tǒng)學(xué)生成績管理系統(tǒng)在待檢人數(shù)較多情況下的工作效率較低，導(dǎo)致無法精準(zhǔn)查詢到成績信息。由此可見，本系統(tǒng)比傳統(tǒng)學(xué)生成績管理系統(tǒng)的漏檢率低，表明本系統(tǒng)有效性較好。

5.3 響應(yīng)時(shí)間

設(shè)置5、10、15、20、25和30個(gè)并發(fā)用戶數(shù)，在相同網(wǎng)絡(luò)條件下統(tǒng)計(jì)2個(gè)系統(tǒng)的響應(yīng)時(shí)間（見表2）。由縱向比較可知，用戶數(shù)越多，系統(tǒng)響應(yīng)時(shí)間越長；由橫向比較可知，無論是增加還是刪除信息，本系統(tǒng)的響應(yīng)時(shí)間均少于傳統(tǒng)學(xué)生成績管理系統(tǒng)，運(yùn)行性能更好。

6 結(jié)語

學(xué)生成績信息管理系統(tǒng)是建設(shè)智慧校園的重要構(gòu)成。為便于成績管理，本文利用KNN算法，設(shè)計(jì)了一種基于Highcharts的學(xué)生成績管理系統(tǒng)，根據(jù)任務(wù)需求分別完成了軟、硬件的相關(guān)設(shè)計(jì)工作。測(cè)試表明，與傳統(tǒng)學(xué)生成績管理系統(tǒng)相比，本系統(tǒng)漏檢率更低，響應(yīng)時(shí)間也較短，能夠有效提升信息掌控力，實(shí)現(xiàn)成績信息的無紙化管理。但是目前的研究尚處于初期，后續(xù)隨著技術(shù)不斷升級(jí)，將結(jié)合大數(shù)據(jù)技術(shù)，進(jìn)一步優(yōu)化處理能力，實(shí)現(xiàn)人性化服務(wù)。

參考文獻(xiàn)

[1]汝曉玲.一種面向高校的小型課程成績管理系統(tǒng)的研究與設(shè)計(jì)[J].西安文理學(xué)院學(xué)報(bào)（自然科學(xué)版），2023，26（4）：55-58.

[2]夏小翔.基于Echarts學(xué)生成績管理系統(tǒng)設(shè)計(jì)[J].鄂州大學(xué)學(xué)報(bào)，2023，30（5）：99-101.

[3]楊洪濤.基于Python+MySQL的學(xué)生成績管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].電腦編程技巧與維護(hù)，2023（5）：86-89.

[4]周超.基于Spring微服務(wù)與Highcharts整合架構(gòu)的Web應(yīng)用[J].無線互聯(lián)科技，2023，20（16）：109-111，123.