基于Spring boot框架的学生成绩管理系统设计与实现开题报告

1. 研究目的与意义

选题背景： 在科技的不断发展下，各个学校对线上教学以及学生信息给管理愈发重视，对于学生成绩的相关信息也愈发重视，在这样的情况下，一个高效简洁的学生信息管理系统可以有效地帮助教师对学生成绩进行管理；

选题意义： 信息时代背景下，基于教育大数据，如何利用机器学习等相关技术为教育工作者提供真正有价值的信息，以便科学地改善教育教学方式和制定管理服务决策，进而获得更好的教学效益和教育产出，是一个非常值得研究的问题。随着高校的不断扩招，在校学生规模越来越大。这给高校学生管理和教学工作带来了巨大的挑战，传统经验式的教学管理手段已逐渐不能适应社会发展 采用机器学习等相关技术，对学生成绩进行预测，推动教育大数据的分析、挖掘和应用，是当今信息时代和大数据时代背景下 ， 教育发展的现实需求和未来趋势 。

2. 课题关键问题和重难点

关键问题：

1、利用学生平时成绩来预测之后的成绩，预测的结果与现实中的成绩匹配度不能太低，不然预测的结果会失去参考意义，不会给学生以及教师带来本质上的帮助。所以需要尽量提高成绩预测的准确性。

2、预测时间不能太长，高效率的预测成绩才能够节省时间和资源，给使用者带来更好的使用体验。较短的预测时间会让系统在与其他系统的对比下拥有更好的竞争优势

3. 国内外研究现状（文献综述）

人工智能最早是在 1956 年达特矛斯会议（dartmouth con-ference）上由约翰麦卡锡（john mc carthy）定义的：人工智能希望能够使机器的行为看起来就像人类的智能行为[1]。此后一直到 20 世纪80 年代末，人工智能的研究和应用经历了两次热潮和低谷，直到 20 世纪 90年代初，随着神经网络技术的发展，人工智能在各行各业的研究如火如荼地开展起来[7]。但受限于当时较低的硬件计算能力，神经网络方法方面的创新受到限制，神经网络的层数较少，宽度较窄，无法解决各行各业复杂应用场景中遇到的问题。

学生成绩预测，又称为学生学业表现预测，是教育数据挖掘领域重要的研究问题之一。其目的是利用学生相关的信息，预测学生未来的学习表现，例如：课程成绩、平均学分绩点 gpa （ grade point average）,课程不及格风险和辍学风险等。目前，教育质量仍然是教育领域重点关注的内容，提高教育教学质量一直是教育工作者不断追求的目标之一。近年来，随着高等教育普及化程度的增强以及高校的持续扩招，在校生人数逐年增多，课堂规模越来越大 ，教师很难跟踪了解每一位学生的学习情况，这在一定程度上影响了教学质量[7]。另一方面，学生进入大学后将面临着新的生活和学习方式，由于不擅长独立自主的学习方式，或是不能适应繁重的课业压力，每年都有一定数量的学生出现考试不及格、留级 、 甚至退学的现象，这严重影响了学生的未来发展。这种情况下，能够自动预测学生未来学习表现的方法或预警系统尤为重要。学生成绩预测为构建上述预警系统提供了理论和方法支撑。基于预测结果，教师可以开展因材施教，制定或完善教学策略，改进教学方法，优化资源配置，从而提高教育教学产出。另外，对于具有课程挂科或留级、退学风险的学生来说，学生成绩预测的研究意义尤为重大。教师或管理人员可以根据预测结果采取相应的措施，例如：给予“风险学生” 额外的关注与指导，从而使得这些学 生避免课程“挂科”，甚至最终的学业失败。因此，学生成绩预测的研究一直备受教育和计算机等诸多 领域专家学者的关 注，成为教育数据挖掘领域最为重要的研究分支之一。

在线学习中蕴含的教育大数据资源与人工智能等新兴技术的融合，提升了教育大数据研究的深度与广度；深度探索教育过程中各因素之间的内在关系，为教育发展及策略改进提供了有力的支持，将成为教育发展的重要方向。同时，在教育大数据支持下，学习预测已经成为教育数据挖掘的重点内容，通过揭示学习过程各因素与成绩之间的关系，形成预测模型，能够预判学习者的最终表现及成绩类别，从而为学业预警、调整教学策略及学习计划制定等提供重要依据[4]。当前有关学习情况预测的研究[2]中，所选用的数据类型单一，大多局限于较为整齐的结构化数据，使用学习过程的文本数据进行预测的工作仍较少[8]；而文本数据中蕴含着大量的情感信息和学习状态信息，有效捕捉其中的情感倾向，诊断当前的学习状态，能够为学习成绩预测提供重要的依据。近十年来，机器学习领域发展最快的一个分支，深度学习技术，在文本数据分析等方面表现出了优越的能力。它能够学习样本数据的内在规律和表示层次，对数据解释进行强有力的支持[9]。

4. 研究方案

1、学生成绩模块的结构主要由三个模块组成：管理员模块，教师模块，学生模块；

1）管理员模块主要包含了登录，注册和增删查改其他用户的信息；

2）教师模块主要包含了登录注册以及管理学生信息；

5. 工作计划

第一周 工作计划：通过毕设系统审题；

第二周 工作计划：在与指导老师交流后自拟题目并且通过毕设课题分配；

第三周 工作计划：编写任务书并提交，通过毕设下达的任务书审核；