中学生学业水平多维度分析与预警系统

项目名称

中学生学业水平多维度分析与预警系统

项目简介

本系统基于葡萄牙两所中学真实学业数据（UCI Student Performance Dataset），实现中学生学业成绩的多维度统计分析和机器学习考前预警。系统融合规则引擎与机器学习模型综合评分，在期末考试前对学业风险学生进行预警识别，辅助教师开展针对性干预。

---

功能模块

用户认证

• 用户登录与退出
• 新用户注册（注册默认为教师角色）
• 管理员 / 教师两种角色权限分离
• 密码 pbkdf2:sha256 加密存储

数据总览（仪表盘）

• 核心指标卡片：学生总数、平均期末成绩、及格率、高风险人数、中风险人数、待处理预警数
• 学期成绩趋势图：第一学期 → 第二学期 → 期末，按学科分列
• 风险等级饼图：高风险 / 中风险 / 低风险人数占比
• 成绩等级分布柱状图：优秀 / 良好 / 及格 / 不及格
• 学科对比图：平均分与高风险人数双轴对比

学生管理

• 学生列表分页浏览，默认按预警分降序排列
• 多条件筛选：学号或学校关键词、学科、风险等级
• 新增学生：表单录入全部特征字段，自动计算风险评分并生成预警
• 学生详情：基本信息、风险评估结果、预警记录
• 删除学生：同时清除关联预警记录

多维度分析

• 综合雷达图：学习投入、家庭支持、出勤情况、健康状况、学业稳定、成绩水平六维度归一化展示
• 成绩分布：数学和葡萄牙语两门学科的成绩区间分布直方图
• 家庭因素分析：母亲学历、父亲学历、家庭关系评分、父母是否同住、家庭规模，分别与平均成绩的关系
• 行为习惯分析：学习时间、缺勤次数、外出频率、家庭网络、恋爱状态，分别与平均成绩的关系
• 相关分析：12 项关键指标与期末成绩的皮尔逊相关系数排序
• 性别学科交叉分析：男 / 女在数学 / 葡萄牙语学科上的平均成绩与高风险率对比

学业预警

• 预警列表分页浏览，展示学号、学科、成绩、风险等级、预警标题、原因、状态、时间
• 按状态（待处理 / 已处理）和风险等级（高 / 中）筛选，下拉框切换即时生效
• 处理预警：填写处理备注，标记为已处理
• 重新生成预警：重新计算全部学生风险评分，清除旧预警并按最新结果重新生成

模型训练

• 两种算法可选：随机森林（Random Forest）、梯度提升（Gradient Boosting）
• 训练后自动刷新全部学生风险评分和预警记录
• 模型评估指标面板：准确率、精确率、召回率、F1、AUC
• 特征重要性排名图（中文标签）
• 训练历史记录表：历次训练的时间、算法、各指标、训练集大小

分析报告

• 自动生成综合分析报告，包含数据概览、关键影响因素、家庭因素摘要、行为因素摘要、预警模型信息、建议措施
• 支持浏览器打印

数据导入

• 从本地 CSV 文件重新导入 UCI 原始数据
• 导入后自动训练模型并刷新全部预警
• 管理员专属功能

用户管理

• 查看系统用户列表
• 新增用户（指定角色：管理员 / 教师）
• 管理员专属功能

操作日志

• 记录用户登录、退出、增删改等操作
• 含操作时间、用户名、操作类型、详情、IP 地址
• 分页浏览
• 管理员专属功能

---

预警评分机制

系统采用 规则引擎 + 机器学习模型 融合评分，仅使用考前特征（G1、G2 及行为指标），不依赖期末成绩 G3，实现考前预警。

• 规则评分（权重 40%）：根据第二学期成绩低于及格线、成绩下滑趋势、历史挂科次数、缺勤次数、学习时间不足等规则累加
• 模型评分（权重 60%）：随机森林 / 梯度提升分类器对考前特征预测的风险概率
• 风险等级：综合评分 ≥ 0.7 为高风险，≥ 0.4 为中风险，< 0.4 为低风险
• 期末成绩 G3 仅作为结果说明附加到预警原因中，不影响预警评分

---

数据来源

UCI Machine Learning Repository - Student Performance Data Set

文件	学科	记录数	说明
data/student-mat.csv	数学（mat）	395 条	葡萄牙 Gabriel Pereira 和 Mousinho da Silveira 两所中学学生数学课程数据
data/student-por.csv	葡萄牙语（por）	649 条	同上学校的葡萄牙语课程数据

共 1044 条课程记录。成绩满分 20 分，及格线 10 分。

---

标准版目录结构

zhongxuesheng-xueye-fenxi-yujing/
├── app.py                         # Flask 主应用，页面路由与 API 接口
├── config.py                      # 应用配置（数据库路径、模型路径、预警阈值、密钥）
├── constants.py                   # 业务常量（学科映射、必填/可选字段定义）
├── requirements.txt               # Python 依赖清单
├── data/
│   ├── student-mat.csv            # UCI 数学课程原始数据
│   └── student-por.csv            # UCI 葡萄牙语课程原始数据
├── database/
│   ├── __init__.py
│   ├── schema.py                  # 数据库表结构与连接管理
│   └── academic.db                # SQLite 数据库文件（运行后自动生成）
├── ml/
│   ├── __init__.py
│   ├── features.py                # 特征工程（字段编码、转换、特征重要性提取）
│   ├── predictor.py               # 风险预测（规则评分 + ML 评分融合）
│   └── train.py                   # 模型训练（随机森林 / 梯度提升）
├── models/
│   ├── warning_model.joblib       # 训练好的分类模型（运行后自动生成）
│   └── label_encoders.joblib      # 标签编码器（运行后自动生成）
├── scripts/
│   ├── __init__.py
│   ├── seed_data.py               # 数据导入与初始化
│   └── test_system.py             # 系统测试脚本
├── services/
│   ├── __init__.py
│   ├── analysis.py                # 多维度分析业务逻辑（仪表盘统计、成绩分布、家庭因素、行为因素、相关分析、性别学科交叉）
│   ├── risk_service.py            # 风险刷新与预警生成
│   └── student_schema.py          # 学生数据校验与规范化
├── static/
│   ├── css/
│   │   └── style.css              # 全局自定义样式
│   └── js/
│       ├── common.js              # 通用工具（API 请求、风险标签、ECharts 初始化、时间格式化、提示消息）
│       ├── dashboard.js           # 仪表盘图表渲染
│       ├── analysis.js            # 多维分析图表渲染（支持 Tab 切换延迟渲染）
│       ├── students.js            # 学生列表与新增交互
│       ├── student_detail.js      # 学生详情页
│       ├── warnings.js            # 预警列表与处理交互
│       ├── model.js               # 模型训练交互
│       └── reports.js             # 分析报告渲染
├── templates/
│   ├── base.html                  # 基础模板（导航栏、CDN 引入、闪现消息）
│   ├── login.html                 # 登录页
│   ├── register.html              # 注册页
│   ├── dashboard.html             # 仪表盘
│   ├── students.html              # 学生管理
│   ├── student_detail.html        # 学生详情
│   ├── analysis.html              # 多维度分析
│   ├── warnings.html              # 学业预警
│   ├── model.html                 # 模型训练
│   ├── reports.html               # 分析报告
│   ├── users.html                 # 用户管理
│   ├── import.html                # 数据导入
│   └── logs.html                  # 操作日志
├── 运行步骤必看/
│   └── window.md                  # Windows 运行说明
├── mac_run.sh                     # macOS / Linux 启动脚本
├── window_run.bat                 # Windows 启动脚本
├── 训练手册.md                     # 模型训练手册
└── 项目说明.md                     # 本文件

---

技术栈

类别	技术
后端框架	Python 3.12 + Flask 3.0
数据库	SQLite 3
前端	HTML5 + Bootstrap 5.3 + ECharts 5.5
机器学习	scikit-learn 1.5（随机森林 / 梯度提升分类）
数据处理	pandas 2.2 + numpy 1.26
模型持久化	joblib 1.4
密码安全	Werkzeug pbkdf2:sha256

---

运行环境

项目	要求
Python 版本	3.12
操作系统	Windows / macOS / Linux
内存	建议 2GB 以上
磁盘空间	约 300MB（含 Python 依赖和数据库）
浏览器	Chrome / Firefox / Safari / Edge 现代版本

---

账号信息

角色	用户名	密码
管理员	admin	admin123
教师	teacher01	teacher123

管理员可访问用户管理、数据导入、操作日志页面。注册新账号默认为教师角色。