【天池大数据竞赛】“数智教育”2019数据可视化竞赛亚军方案总结

“数智教育”是我第二次参加天池的可视化的竞赛，对于我们来说，比赛最吸引人的地方在于天池的竞赛数据基于真实应用场景，在系统的设计与开发的过程，去解决一些实际应用的问题，是一件“让技术有温度”的事儿。在比赛的过程，我们锻炼了我们数据分析的能力，前端开发能力和可视化方面的知识。答辩的过程，也让我们开阔了视野和思路，受益良多～下面为相关的链接：

比赛官网链接：官网链接

答辩PPT链接：答辩PPT

作品线上链接：作品链接

代码链接：方案代码

一、赛题背景

下面引用官网的赛题背景与需求：

教育中大数据分析目的包括改善学生成绩，服务教务设计，优化学生服务。而学生成绩中有一系列重要的信息往往被我们常规研究所忽视。通过大数据分析和可视化展示，挖掘重要信息，改善学生服务，对于教学改进意义重大。美国教育部门构建“学习分析系统”，旨在向教育工作者提供了解学生到底是在“怎样”学习的更多、更好、更精确信息。利用大数据的学习分析能够向教育工作者提供有用的信息，从而帮助其回答这些不太好回答的现实问题。未来学生的学习行为画像、考试分数、发展潜力方向等所有重要的信息等数据价值将会持续被显现出来，大数据将掀起新的教育革命，比如革新学生的学习、教师的教学、教育政策制定的方式与方法。

为了更好的优化教学大数据应用场景，比赛通过学校教育数据分析和可视化工作，探索面向学生、校园的数据分析体系，募集优秀数据分析及可视化方案，设计并形成数据分析门户，从而更好服务精细化教学管理工作。

就参赛的整体经验来说，赛题的主办方非常希望作品能够与他们的学校深入合作，进而帮助他们进行系统的落地。

二、作品分析

比赛公开效实中学的存量数据，其中包括学生的信息数据（已脱敏）、教师信息数据、学生成绩数据、学生消费数据等，需求是开发一个信息门户，通过可视化的手段来服务学校的教学管理工作。

首先，比赛的赛题和方向很具体，需求也很明确，并给出较为完善的数据，基于我们对于业务场景的理解，我们的作品亮点主要有二：

第一，作品需要分层。根据需求，信息门户的使用人群一定有区别，不同的人群所关注的要点也不相同：学校领导层次如校长、年级主任等需要了解学校的整体overview，其并不会关系到学生层次的信息；班主任与授课教师会更加关注自己所带班级的整体水平，与其他班级的差距等；学生个人和学生家长则会更加关心学生个人或所在班级的整体水平。因此，系统进行分层是十分必要的。

第二，作品需要解决具体的问题。我们所理解的可视化，很大一方面的作用是结合人们的先验知识，辅助使用者进行决策，去解决一些实际的问题。因此我们开发了学生成绩提升模块、贫困生帮扶模块和高考学科七选三模块。

三、其他团队亮点方案

在参与比赛答辩的过程中，我们也认真倾听了其他队伍的解决方案和亮点，总结如下：

1. 学生关系探索

如何根据数据探究学生之间的关系呢？CVTEDM团队分析了学生的考勤数据和消费数据，探究了学生的“共现现象”，并且根据共现频率组织了共现网络。通过节点的相似度来评价学生的亲密度。并且对于结果的验证，通过探究学生的是否处于同一班级或同一宿舍来进行验证，结果的准确率达到80%多。

由于我们在现场也在准备答辩，所有听的不是很仔细，我觉着这部分的确是非常有意思的探索，而且我们也没有想到这个问题。后面答辩视频沉淀下来后再仔细研究学习。总结起来，亮点如下：

通过“共现现象”来映射学生之间的关系
通过共现频率组织共现网络
采用节点的相似度来评价学生的亲密度
对于结果的验证，也比较合理，结合使用者的先验知识，结果可信度较高

这个部分，我听的不是很细致，后面自己也会仔细的探索一下

2. 天气与考勤关联探索

根据时间，爬取当地的天气数据，并且探究天气与考勤直接的关系。下面是我的脑洞：

在我们的认知中，天气和学生的考勤，总体应该呈现一定的相关性，但是关联度如何？
既然已经验证了天气与学生考勤之间的关联性，可以分学生群体，比如学生成绩在平均之上的群体，他们的考勤与天气情况的关联性如何？那么成绩较差的群体，他们的关联性如何？可以发现一些有意思的pattern（人的主观能动性和客观环境因素之间的关系？个人比较感兴趣??）

3. 学科与未来大学专业推荐

有些学生在高中阶段即有比较明确的学科目标和专业规划，但是有的大学专业对学生的高考学科有所限制，他们的团队收集了一些专业的必须的课程，并做出了相关的推荐。

这个idea也很不错，对于一些学生，对于一些专业有主观上的倾向，那么这个方案就可以解决这个问题。对于没有主观倾向的同学，就可以通过我们的推荐方式得到相关学科的推荐。

4. 弦图表示学科组合

采用弦图来表示学科的选择组合，其中弦长表示单个学科的选择人数。连接线表示两个学科的选择关系，连接线的粗细表示学科组合的选择的人数。Chord Diagram样例图如下：

可以尝试将学科的推荐指数映射到弦的宽度上去。
弦图具有更加高效的表达，对于学科的选择情况的展示，弦图比我们的作品的展示形式更加直观。数据的可读性更好。

5. 学生作息规律检测

根据学生的考勤数据，去推测学生的作息规律情况，进而与学生的成绩进行对应。

四、作品缺点

作品的设计思想与设计流程请参见答辩PPT，我们对于作品本身的定位是一个演示demo，在具体的商业应用方面存在以下一些需要完善的地方：

1. 缺少数据导入

实际的业务场景中，数据是一直不断更新和迭代的，我们的作品需要提供一个接口，允许用户随时可以输入数据，系统也需要将数据进行归档整理，并进行实际的应用。

2. 系统的可扩展性

后知后觉，在答辩的过程中，有评委老师就作品的可扩展性提出问题，但是我们在这方面没有什么实践经验，所以回答的不好。比如在实际应用中，如果有一个新的功能部分需要扩展，那么我们的作品在可扩展性方面有没有什么考虑？

在作品的设计过程中，我们对这个方面的考虑是比较少的，我们对于比赛的理解是设计并开发针对教育方面的可视化系统，可能更偏向于模式的探索与发现，作品更像一个demo，而不是一个可以直接应用的系统。在以后的开发和实践中，也需要多加考虑

3. 预测模型

答辩过程中，评委有谈及关于学生成绩预测问题，首先对于学生的成绩的预测，我们的作品采用ARIMA时序预测来完成，因为我认为学生的成绩有较强的时间相关性，有的学生成绩在一段时间内，成绩处于上升或下降趋势。相较于采用LightGBM等基于树模型的算法，需要所有学生的成绩数据来进行预测，同时成绩方面没有较多的特征，数据存量也较少，因此可能效果会不好。

评委也有提到训练数据更新的问题，比如每次的小型考试的成绩也进行记录，那样将会极大的丰富学生的成绩训练集，采用LGB和XGBoost等算法可能将会有更大的应用空间。

五、总结

我所理解的可视化大致分为两种：大屏可视化和可视化应用。大屏可视化可能会关注组件本身在大屏上的展示效果问题、数据实时更新、三维模块（如GIS、Map等）的设计与渲染等；可视化应用会关注平台本身的作用，如辅助使用者并结合使用者的知识进行决策，数据可视化的本质即为帮助别人更好的理解数据，如何高效的、优雅的为使用者提供数据信息则是这种系统的目标。

我们在比赛的过程中，立足于应用场景，常常会站在使用者的角度思考，作品能够为别人解决什么问题，如何去高效的解决并得到清晰的结论。在今后的设计或开发中，也希望自己能够多积累技术知识，多思考总结，并多交流（这次通过答辩也可以得到新的很多的灵感），让自己的作品的品质有更大的提升～