教育 | 学生群体分析

原创
2017/02/15 19:41
阅读数 82

什么是群体分析?

通俗的讲,就是一类人或者一类事情通过分析后,获得共同的特征属性或者特异的特征属性,是一种对群体画标签的方法。

那么,怎么进行群体分析呢?

第一步,要学会分群。可以使用机器学习算法中的分类与聚类等,当然也可以人为地对事物进行分类。

第二步,对分类好的数据进行分析,画出对应的标签。本文将使用人为分类的办法,对学霸与学渣在图书馆借书、图书馆出入情况进行分析,剖析出学霸与学渣借书的区别,用数据说明学渣是不是一定不去图书馆等问题。

一、数据准备

(一)表结构说明 

加载已经对每个学生ID进行多维度画像的df表,df表的结构如下:

(二)记录条数说明

总共包含29列,总共记录条数为21605条,如下:

(三)记录内容说明

数据记录如下:

二、数据分类

(一)数据分类思路

根据学院和学生成绩的排名,取不同学院的前50名和后50名,对不同学院前50名的学霸组成一张表a,对不同学院倒数后50名的组合生成一张表b。分别对a、b表做异常数据的剔除,最后获得学霸和学渣数据各969条数。

(二)步骤

1、对导入FEA的df表做排序操作,排序的对象为college列和score_pm列,使用如下语句:

df=order df by (college,score_pm) with (desc,asc)

2、使用foreach循环,分别获取各学院的学霸与学渣记录;

3、组成a表和b表,并处理异常数据;

三、群体分析

(一)群体分析思路

第一种,取消费、住宿等维度的平均值进行比较。

第二种,只取学生成绩、学生图书馆借书、学生进出记录关联分析,抛开住宿、消费维度。

(二)分析过程

第一种我做过,结果如下:

比较结果无法区分学霸与学渣之间鲜明的特征,最大的两个特征是学渣获得的助学金多,学霸晚归次数比较多,消费平均数比较大。

去查找了为什么产生这种没有鲜明特征的原因,发现本次数据是经过脱敏处理的,学生成绩排名不分年级,不分专业,只是将所有成绩按学分加权求和,然后除以学分总和,再按照学生所在学院排序。所以,低年级学生怎么可能比高年级学生学分高啊?!

通过第一种思路的分析,说明我们本次数据准备并不完美,或者说本身就是有一定的错误存在。学霸的数据应该是高年级同学中的学霸,而不是学院中各年级各专业的学霸,学渣可能是低年级学渣占多数,而且过几年他们不一定是学渣。所以本次群体分析的立论,应该改为高年级学霸与低年级学渣比较合适。

通过第二种思路,我们只分析图书馆借书维度。先分析学霸和学渣中有多少人没有借过书?

学霸有197人没有借书,学渣有181没有借书。再分析借书总数、平均数、借书人平均数等数据。

接着,分析学霸与学渣都关注哪种类型的书籍。

因为本数据来自工科类大学,所以工业技术类书籍占到第一。第二是文学类,第三语言与文字,第四数理化,第五是经济,第六是哲学,第七是政治法律,第八是历史,具体排名见最后图表。

最后,我们看一下借书类型的总次数。

通过上图发现学渣同学比学霸借的书多,具体排名为:第一是语言、文学,第二是经济,第三是政治、法律。但是学霸与学渣借书的类型、数量上相差不大。

四、群体分析结论

通过上面分析,我们得出以下结论:

第一、学霸、学渣人数各969,但是学霸不借书的人数多于学渣;

第二、学霸借书平均数大于学渣;

第三、被分类到学渣类的同学去图书馆平均次数多于学霸,估计原因为高年级学霸到后期可能忙着找工作;

第四、被分类到学渣类的同学,比学霸更加关注经济、政治、法律、文字、语言类的书籍。

第五、从数据可以看出,学霸与学渣都是很努力学习的。

展开阅读全文
打赏
0
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部