一种基于多维度数据模型的专业招生预测方法及系统与流程

文档序号:17132156发布日期:2019-03-16 01:25来源:国知局
一种基于多维度数据模型的专业招生预测方法及系统与流程

本发明涉及教育领域,尤其涉及一种基于多维度数据模型的专业招生预测方法及系统。



背景技术:

据统计,我国多省已连续多年未完成招生计划,高校招生难已成常态。山东、陕西省遭遇院校空有招生计划,却无人可录的零投档现象。随着2014年新高考改革的到来,高考将实行新方案,按照“3+3”模式,即语数外三门,另外三门从政治、历史、地理、物理、化学、生物中任选。招生难引发的问题越来越突出。



技术实现要素:

本发明要解决的技术问题之一,在于提供一种基于多维度数据模型的专业招生预测方法,解决了高校在招生难的困境,方便高校更好的针对各省制定招生计划,降低了高校在招生上的成本。

本发明要解决的技术问题之一是这样实现的:一种基于多维度数据模型的专业招生预测方法,包括如下步骤:

步骤10、获取每个学生成长档案、意向的高校数据、学生的选科情况以及学生的成绩情况,并获取各高校历年分数线、招生数以及入取率;

步骤20、将获取出来的数据按批次筛选,组成数据池,从数据池的学生的选科情况、成绩情况、高中历年的本科专科升学率情况、高校历年招生数以及录取分数线情况和当前时间的招生政策六大维度进行分析,提取每个维度的数据特征;

步骤30、将所述六大维度提取出的数据特征进行统计与整合,根据筛选出来的学生数据与院校的历年批次线、各省招生人数做交叉取交集,获取符合院校的学生数据,再根据招生政策来匹配预测得出该高校对各个省所要招生的数据,反馈给用户。

进一步的,所述步骤30进一步包括:提取出该高校历年招生数以及录取分数线,然后通过获取的各省分数线和学生成绩情况进行初步的筛选,筛选出符合院校批次线的学生、学生意向省份、意向院校、学生选科情况的学生数据池,再提取高校专业的科目组合数据以及历年招生数和录取分数线组合成院校数据池,对比之前筛选出来的学生数据池,进行进一步的提取筛选,提取出符合院校数据池的学生数据,即进行交叉取交集,再根据院校所在的省市的招生政策做进一步的筛选,最后的结果就是招生预测反馈给用户。

本发明要解决的技术问题之二,在于提供一种基于多维度数据模型的专业招生预测系统,解决了高校在招生难的困境,方便高校更好的针对各省制定招生计划,降低了高校在招生上的成本。

本发明要解决的技术问题之二是这样实现的:一种基于多维度数据模型的专业招生预测系统,包括数据获取模块、数据提取模块以及数据整合与预测模块:

所述数据获取模块,用于获取每个学生成长档案、意向的高校数据、学生的选科情况以及学生的成绩情况,并获取各高校历年分数线、招生数以及入取率;

所述数据提取模块,用于将获取出来的数据按批次筛选,组成数据池,从数据池的学生的选科情况、成绩情况、高中历年的本科专科升学率情况、高校历年招生数以及录取分数线情况和当前时间的招生政策六大维度进行分析,提取每个维度的数据特征;

所述数据整合与预测模块,用于将所述六大维度提取出的数据特征进行统计与整合,根据筛选出来的学生数据与院校的历年批次线、各省招生人数做交叉取交集,获取符合院校的学生数据,再根据招生政策来匹配预测得出该高校对各个省所要招生的数据,反馈给用户。

进一步的,所述数据整合与预测模块具体包括:用于提取出该高校历年招生数以及录取分数线,然后通过获取的各省分数线和学生成绩情况进行初步的筛选,筛选出符合院校批次线的学生、学生意向省份、意向院校、学生选科情况的学生数据池,再提取高校专业的科目组合数据以及历年招生数和录取分数线组合成院校数据池,对比之前筛选出来的学生数据池,进行进一步的提取筛选,提取出符合院校数据池的学生数据,即进行交叉取交集,再根据院校所在的省市的招生政策做进一步的筛选,最后的结果就是招生预测反馈给用户。

本发明具有如下优点:招生预测的方法是基于校园在线大数据平台,多终端,对学生的数据进行汇总、对比、趋势预测、交叉等几类方法,进行多角度,多维度的结合分析,得出较为精准的结果,从而方便高校更好有针对性的为各省制定招生计划。

附图说明

下面参照附图结合实施例对本发明作进一步的说明。

图1为本发明一种基于多维度数据模型的专业招生预测方法执行流程图。

图2为本发明一种基于多维度数据模型的专业招生预测系统逻辑框图。

具体实施方式

如图1所示,本发明的一种基于多维度数据模型的专业招生预测方法,包括如下步骤:

步骤10、获取每个学生成长档案、意向的高校数据(包括意向省份和意向院校)、学生的选科情况以及学生的成绩情况,并获取各高校历年分数线、招生数以及入取率;

步骤20、将获取出来的数据按批次(比如本一批)筛选,组成数据池,从数据池的学生的选科情况、成绩情况、高中历年的本科专科升学率情况(升学率情况可以从原有的校园在线平台获得分发给高中的账号中导入本校学生的升学情况得到,即考入哪个大学情况)、高校历年招生数以及录取分数线情况和当前时间的招生政策六大维度进行分析,提取每个维度的数据特征;比如,提取维度1:获取学生的选科情况做统计例如:福建省选择物化生这个科目组合有2万人,作为特征依据;维度2:获取学生的成绩情况例如:学生a的几次重大考试的平均分如市质检、省质检以此作为成绩特征;维度3:高中历年的本科专科升学率情况,各个高中可以在校园在线平台上导入历年的本校学生的本科专科升学情况,统计出升学率作为特征;维度4:高校历年去各省的招生数作为人数维度;维度5:高校对各省的录取分数线情况作为分数维度;维度6:当前时间的各省的招生政策,例如,将高考加分政策及优先录取政策、少数名族加分、参加重大国际体育比赛集体或个人项目取得前6名等等的政策作为政策维度。

步骤30、将所述六大维度提取出的数据特征进行统计与整合,根据筛选出来的学生数据与院校的历年批次线、各省招生人数做交叉取交集,获取符合院校的学生数据,再根据招生政策来匹配预测得出该高校对各个省所要招生的数据,反馈给用户。

所述步骤30进一步包括:提取出该高校历年招生数以及录取分数线,然后通过获取的各省分数线和学生成绩情况(通过大数据收集的)进行初步的筛选,筛选出符合院校批次线的学生、学生意向省份、意向院校、学生选科情况的学生数据池,再提取高校专业的科目组合数据以及历年招生数和录取分数线组合成院校数据池,对比之前筛选出来的学生数据池,进行进一步的提取筛选,提取出符合院校数据池的学生数据,即进行交叉取交集,再根据院校所在的省市的招生政策做进一步的筛选,最后的结果就是招生预测反馈给用户。

如图2所示,本发明的一种基于多维度数据模型的专业招生预测系统,包括数据获取模块、数据提取模块以及数据整合与预测模块:

所述数据获取模块,用于获取每个学生成长档案、意向的高校数据(包括意向省份和意向院校)、学生的选科情况以及学生的成绩情况,并获取各高校历年分数线、招生数以及入取率;

所述数据提取模块,用于将获取出来的数据按批次(比如本一批)筛选,组成数据池,从数据池的学生的选科情况、成绩情况、高中历年的本科专科升学率情况(升学率情况可以从原有的校园在线平台获得分发给高中的账号中导入本校学生的升学情况得到,即考入哪个大学情况)、高校历年招生数以及录取分数线情况和当前时间的招生政策六大维度进行分析,提取每个维度的数据特征;比如,提取维度1:获取学生的选科情况做统计例如:福建省选择物化生这个科目组合有2万人,作为特征依据;维度2:获取学生的成绩情况例如:学生a的几次重大考试的平均分如市质检、省质检以此作为成绩特征;维度3:高中历年的本科专科升学率情况,各个高中可以在校园在线平台上导入历年的本校学生的本科专科升学情况,统计出升学率作为特征;维度4:高校历年去各省的招生数作为人数维度;维度5:高校对各省的录取分数线情况作为分数维度;维度6:当前时间的各省的招生政策,例如,将高考加分政策及优先录取政策、少数名族加分、参加重大国际体育比赛集体或个人项目取得前6名等等的政策作为政策维度;

所述数据整合与预测模块,用于将所述六大维度提取出的数据特征进行统计与整合,根据筛选出来的学生数据与院校的历年批次线、各省招生人数做交叉取交集,获取符合院校的学生数据,再根据招生政策来匹配预测得出该高校对各个省所要招生的数据,反馈给用户。

所述数据整合与预测模块具体包括:用于提取出该高校历年招生数以及录取分数线,然后通过获取的各省分数线和学生成绩情况(通过大数据收集的)进行初步的筛选,筛选出符合院校批次线的学生、学生意向省份、意向院校、学生选科情况的学生数据池,再提取高校专业的科目组合数据以及历年招生数和录取分数线组合成院校数据池,对比之前筛选出来的学生数据池,进行进一步的提取筛选,提取出符合院校数据池的学生数据,即进行交叉取交集,再根据院校所在的省市的招生政策做进一步的筛选,最后的结果就是招生预测反馈给用户。

本发明为高校提供了丰富、多维度的招生预测数据,从而降低了高校在招生上的成本,基于校园在线大数据平台,多终端,对学生的数据进行汇总、对比、趋势预测、交叉等几类方法,进行多角度,多维度的结合分析,得出结果,从而方便高校更好有针对性的为各省制定招生计划。

虽然以上描述了本发明的具体实施方式,但是熟悉本技术领域的技术人员应当理解,我们所描述的具体的实施例只是说明性的,而不是用于对本发明的范围的限定,熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化,都应当涵盖在本发明的权利要求所保护的范围内。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1