本发明涉及计算机数据分析领域，尤其涉及一种基于学生素质评价的成绩预测方法。
背景技术：
在关于教育与人的讨论中，学业成绩作为单一的评价指标已经不能适应现代化的评价标准。那么，如何全面、客观、科学地进行学生素质的评价，才能得到学生、家长、教师以及社会的认可呢？众所周知采取有效措施对学生素质进行评定，是激励学生不断进步的动力，也是对学生个体的认可，更是营造良好学习氛围的关键，同时也对教学工作至关重要，是评估教学质量的重要依据，也是教师培养学生、因材施教的参照基础。
长期以来我们对学生学业的评价主要以教师和教育主管部门的评价为主体，以学生的学业分数作为评价的主要标准，侧重于评价的等级排序、甄别、筛选和批判性功能，着重于终结性评价和相对评价等。这种评价作为选拔、区分学生的惟一手段，追求的是对所谓“适合教育的学生”的选择性功能，不重视反馈校正，激励改进功能，不利于促进学生的发展和素质教育的改革，存在着明显的不合理性。目前大多数的学生评价方法主要是把学业成绩作为单一的评价指标，百分制的评价方式较为直观和清楚，但过度关注学生分数。等级制度评价方式淡化了分数竞争，利于向素质教育的转变，但不能详细了解学生情况，差距不明显的局限性也影响了学生的积极性。
所以，结合学生的基础学习情况、成绩波动状况、以及进退步的情况等，经过数据处理，来进行学生的素质评价，使用层次化模糊评价模型方法，并结合该评价结果对学生下一学期的成绩进行预测，使用基于层次化评价的预测模型。通过学生素质评价和预测的成绩，以此来了解教师的教学情况，判断其教学效果，以及学生掌握知识的程度，以便使教师及时发现问题并加以解决。因此，建立一套科学全面的基于学生素质评价的成绩预测系统是解决这一问题的关键。
技术实现要素：
本发明的目的是针对已有的学生素质评价方法存在的不足，提供一种基于学生素质评价的成绩预测方法，将学生素质评价方法和学生成绩预测方法相结合，用于总结生成个人和群体评估报告。能较科学全面地对学生个体和班级年级群体进行评估。
为达到发明的目的，本发明的构思是：
对学生进行科学全面的评估，结合学生各方面素质使用层次化评价模型方法进行评价，另外结合评价结果和学生成绩使用基于层次化评价的成绩预测方法进行学生成绩的预测。最后，将学生素质评价与基于评价结果得到的预测成绩相结合，生成学生的评估报告。
根据上述发明构思，本发明采用下述技术方案：
一种基于学生素质评价的成绩预测方法，操作步骤如下：
a)采集学生素质数据；
b)数据预处理；
c)学生素质评价：根据层次化思想，结合学生各方面素质进行综合评价；
d)学生成绩预测：基于学生素质评价结果，采取上述评价方法中的层次化思想，结合学生的近期成绩值来预测下一次的成绩值；
e)个人及群体评估报告：以学生素质评价结果、预测成绩值及学生素质基础数据作为评估报告的内容数据，通过可视化图表来体现。
所述步骤a)中采集学生素质数据具体为：学生素质数据划分为三大部分：各科目成绩数据，至少三学期；创新项目成绩；志愿者活动成绩；将这些数据作为之后成绩评价和预测的基础数据。
所述步骤b)数据预处理具体为：在进行一系列的评价模型分析前，先判断成绩数据是否接近于正态分布，即进行数据的正态性检验，然后，使用对数标准化方法对数据进行标准化处理，最后，使用q-q图进行对标准化后的数据进行正态性验证；通过观察q-q图中数据点是不是近似的出现在一条直线的周边，该条直线是数据的标准差，截距是数据的均值；若检验结果显示这些数据点近似出现在对应直线的附近，则证明通过该构造函数得出的正态标准化数据具有良好的正态性，则利用该标准化后的数据进行学生素质的评价。
所述步骤c)的学生素质评价具体为：根据层次化模糊评价方法对学生数据进行层次化划分，第一层是学生基础成绩、成绩进步度、成绩波动度；第二层是对学生基础成绩进行划分为第一学期成绩、第二学期成绩……第n学期成绩；第三层是对学生成绩进步度进行划分为第二学期成绩、第三学期成绩……第n-1学期成绩；此外，在该方法使用过程中，需要对数据进行一致化处理，并需要根据实际情况设定每层的比例矩阵和权重；通过处理过的基础数据和层次权重计算学生的评价值，根据评价值划分优良中差区间。
所述步骤d)的学生成绩预测具体为：该预测模型基于步骤c)中层次化模糊评价的总评价值，结合学生成绩和总评价值来预测成绩值；考虑到标准差因素的影响较小，所以在总评价值的计算过程中去除了标准差的参与。
所述步骤e)的个人及群体评估报告具体为：结合学生素质评价结果和学生成绩预测结果来总结生成个人评估报告，其内容包括：各科目基础成绩、各科目评价等级、各科目预测成绩值；对全部学生素质评价结果和全部学生成绩预测结果进行分析，总结生成群体评估报告，最主要的群体包括班级群体和年级群体；班级评估报告包括：各科目均分与最高分对比、班级优秀率和合格率直方图；年级评估报告包括：各班各科分数比较折线图、各班各科优秀人数直方图、年级各分数段人数饼图。
本发明与已有技术相比较，具有如下显而易见的突出实质性特点和显著的技术进步：
本方法能够结合学生各方面素质，例如学生各科目基础成绩、创新项目成绩及志愿者活动成绩，对学生进行评价，获得较全面的评价结果。该方法也基于上述的评价结果，并结合近期成绩对学生进行下一次成绩值预测，结合评价结果、预测成绩值及基础成绩数据通过可视化图表来生成个人及群体的评估报告，以此了解学生个体及班级年级群体的情况。本发明方法在数据分析和有效参考价值的信息提取方面有显著的提升，对科学全面评价学生素质有很大现实意义。
附图说明
图1是本发明方法流程框图。
图2是基于层次化评价的学生成绩预测方法流程框图。
具体实施方式
下面结合附图，对本发明的具体实施例做进一步的说明。
如图1所示，一种基于学生素质评价的成绩预测方法，操作步骤如下：
a)采集学生素质数据：学生素质数据划分为三大部分：各科目成绩数据，至少三学期；创新项目成绩；志愿者活动成绩；将这些数据作为之后成绩评价和预测的基础数据。
b)数据预处理，具体步骤如下：
(1)数据的正态性检验
判断成绩数据是否接近于正态分布，一般通过描绘原始成绩数据的频数分布直方图来判断该数据分布是否具有正态性，但这种图形判断方式的并不是科学严谨的正态性检验方法，它只是提供一些对有关数据正态性的信息参考。在这里使用正态性检验法中的偏态系数和峰态系数来进行数据正态性的判断，其中偏态系数sk值用于检验不对称性，峰态系数ku值用于检验峰态，当sk为0时，分布呈正态分布；当sk大于0时，分布呈正偏态分布；当sk小于0时，分布呈负偏态分布。
(2)数据的标准化过程
进行第一步数据分布正态性检验后，若得出检验结果证明该成绩数据不符合近似正态分布时，则需要将数据进行正态标准化。那么，需通过一种方法使得每个学期的成绩符合正态分布曲线，这里应用的是对数转换方法，如下：
1)n个学生某一个学期的成绩：
2)构造函数：将一个
3)变换计算：为了更好地观察分析数据，使标准化后的数据与原始数据保持相同的单调性，进行了简单的变换得
其中
4)得到与原始数据具有相同增减性的正态化数据
5)得到标准化数据
其中
(3)数据正态性的验证
为了验证使用该构造函数所得到的正态标准化数据，这里使用q-q图法来验证数据的正态性。利用q-q图法检验数据正态性的原理是，通过观察q-q图中数据点是不是近似的出现在一条直线的周边，该条直线是数据的标准差，截距是数据的均值。若检验结果显示，这些数据点近似出现在对应直线的附近，则证明通过该构造函数得出的正态标准化数据具有良好的正态性，那么就可以利用该标准化后的数据进行学生素质的评价。
c)学生素质评价：根据层次化思想，结合学生各方面素质进行综合评价，具体步骤如下：
(1)数据一致化预处理
在层次化模糊评价模型中，由于涉及到每个同学的n个学期的基础成绩、n-1个进步度和一个波动度的计算，所以要将这几个不同类型的数据，进行数据一致化处理，即把每一位同学的基础成绩、进步度、波动度作为一组数据，每个数据都除以该组数据的最大值，这样预处理后的数据用于以下的层次化评价的计算。
(2)层次权值的设定
在层次化模糊评价中，第一层次中，有基础成绩、进步度、以及波动度这三部分，为了得到这一层中每个因素的所占据的权重比例，需要人为设置该层的比例矩阵。为达到激励学生的效果，则需要关注学生的进步度情况和学生的基础成绩状况。增大进步度与基础成绩对其的影响，所以将进步度与基础成绩的比例设为2；进步度与波动度的比例设为6；基础成绩与波动度的比例设为5，这样便可得到第一层的比例矩阵r1是：
进而计算其最大特征值对应的特征向量，即为第一层的权值w1：
w1＝(w11,w12,w13)(7)
在第二层次中，是对其学生基础成绩的分析，为关注近期学生基础成绩的状况，因此设置每学期成绩的影响程度是逐步增加，得其比例矩阵r2即为：
同理，根据最大特征值对应的特征向量，计算第二层的权值w2：
w2＝(w21,w22,w23...)(9)
在第三层次中，是对其学生进步度情况的分析，为关注近期学生进退步状况，设置每学期成绩进步度的影响也是逐步增加的，与第二层情况类似，得到其比例矩阵r3是：
同理，计算得到第三层的权值：
w3＝(w31,w32...)(11)
(3)总评价值
设基础成绩是e＝(e1,e2,e3...)，进步向量是f＝(f1,f2...)，波动度是g。
总评价值计算为：
其中，ei表示第i个学期的成绩，fi表示第i学期的进步度，
d)学生成绩预测：基于学生素质评价结果，采取上述评价方法中的层次化思想，结合学生的近期成绩值来预测下一次的成绩值；如图2所示，具体步骤如下：
该预测模型是基于层次化模糊评价的，因为用到了层次化模糊评价中的总评价值，通过结合学生成绩和总评价值来预测下一学期的成绩值。
首先计算总评价值，这里考虑到标准差因素的影响不明显，所以在该预测模型中，将总评价值的计算中去除了标准差的参与。根据总评价值计算公式(12)也可写为下式：
在该公式的计算中由于去除了标准差值，所以第一层次只包含了基础成绩与进步度两个因素，同时第一层的比例矩阵也发生了相应的变化，即为：
相应地计算出第一层的权值w1'＝(w1'1,w1'2)，由于第二层权值w2和第三层权值w3都已知，总评价值d能计算出来，所以根据以上公式可求解出如下的解析式：
en＝f(e1，e2，e3...en-1,dn-1)(15)
通过这样的一个线性解析式，结合输入前n-1个学期成绩与其得出的总评价值d，便可预测出下一学期的成绩值。
e)个人及群体评估报告：以学生素质评价结果、预测成绩值及学生素质基础数据作为评估报告的内容数据，通过可视化图表来体现。结合学生素质评价结果和学生成绩预测结果来总结生成个人评估报告，其内容包括：各科目基础成绩、各科目评价等级、各科目预测成绩值；对全部学生素质评价结果和全部学生成绩预测结果进行分析，总结生成群体评估报告，最主要的群体包括班级群体和年级群体；班级评估报告包括：各科目均分与最高分对比、班级优秀率和合格率直方图；年级评估报告包括：各班各科分数比较折线图、各班各科优秀人数直方图、年级各分数段人数饼图。