1 实验说明1.1 实验目的基于已完成 K-Means 聚类并标注考勤群体的学生考勤主题标签表本实验聚焦“纪律高危型”群体分析其行为特征。相比其他群体该群体存在高频违纪、多维度异常叠加等行为特征是校园考勤管理中风险最高、影响最大的群体。通过专项画像分析可为精准干预和重点整治提供数据支撑助力校园精细化管理。1.2 实验环境工具助睿数智Uniplore在线实验平台https://lab.guilan.cn/助睿数智Uniplore是AI驱动的一站式数据科学平台覆盖从数据接入、ETL处理、机器学习建模到可视化展示的全链路零代码功能产品官网为https://www.uniplore.com/本次实验主要用到 助睿BI 数据可视化探索平台、MySQL数据库数据源student_attendance_stats 学生考勤主题标签表实验设备计算机支持助睿平台运行具备数据库连接权限2 实验数据数据结构student_attendance_stats 学生考勤主题标签表的数据结构如下字段名字段类型idintstudent_idintstudent_namevarchar(50)class_idintclass_namevarcharr(50)gradevarcharr(10)gendervarchar(10)birth_datevarchar(10)political_statusvarchar(20)is_boardervarchar(10)campus_typevarchar(10)late_countintearly_leave_countintleave_countintuniform_violate_countintcreate_timedatetimeclustervarchar(10)attendance_groupvarchar(30)自增主键10331学生ID13012学生姓名张某某班级ID794班级名称高一(IB)年级高一性别女出生日期未知政治面貌共青团员是否住校否校区类型老校区迟到次数1早退次数0请假次数0没穿校服次数0统计入库时间2026/5/6 17:31:42聚类簇编号C1考勤群体分类轻微波动型样例数据idstudent_idstudent_nameclass_idclass_namegradegenderbirth_datepolitical_statusis_boardercampus_typelate_countearly_leave_countleave_countuniform_violate_countcreate_timeclusterattendance_group110842马某某672高三(09)高三未知未知未知否老校区10302026/5/14 16:00C3纪律高危型210844叶某某672高三(09)高三未知未知未知否老校区00502026/5/14 16:00C3纪律高危型310845孙某某672高三(09)高三未知未知未知否老校区30002026/5/14 16:00C3纪律高危型3 实验步骤3.1 进入助睿BI进入实验平台后点击左边菜单的“助睿BI”进入助睿BI可视化探索平台进入助睿BI 平台的首页可以看到该账户下的数据情况、数据分析处理流程、支持的数据源有哪些3.2 连接数据源student_attendance_stats 存放于我们的团队私有数据库中而上一个实验在“分析聚类簇编号对应的考勤群体分类”时已经创建了团队私有数据库的连接因此我们可以直接使用这个数据源无需再连接数据源。3.3 构建数据集接下来我们使用 student_attendance_stats 构建数据集用于后续分析点击左边菜单中的“数据集”点击左上角“” - “新建数据集”在弹窗中输入数据集名称、所属分组、备注信息后点击“确认”数据集创建成功后会自动跳到该数据集的配置页面第一步需要先选择数据源助睿BI 平台为防止这个步骤遗漏做了强提醒点击“好的我知道了”可关闭提醒数据源的第一个选项选择我们刚刚新建的数据源“商业数据分析实验” 第二个选项则选择student_attendance_stats 所在的目录“labs”数据源选择完成后labs目录下的数据表自动出现在画布左边将student_attendance_stats拖拽至画布中查看数据的表结构及数据由于我们之前实验中的建表语句中已经包含了字段的中文备注因此这里我们不需要设置字段备注直接点击画布左上角“保存”按钮在保存提示中点击“保存并发布”只有发布后的数据集才能在工作表中引用3.4 制作工作表工作表是承载可视化图表、开展数据分析的基础单元点击左边菜单中的“工作表”进入工作表模块为方便管理相同主题分析的工作表最好都放置在一个目录下点击左上角的“” - “新建分组”在弹窗中输入分组名称、选择所属分组、填写备注信息后点击“确认”3.4.1 整体概况指标卡指标卡是助睿BI 平台中用于直观展示核心统计数值的基础组件能够快速呈现关键指标便于整体把控高危群体概况。3.4.1.1 纪律高危型总人数右键或者点击学生考勤主题分析分组的“…”在操作列表中点击“新建工作表”在弹窗中输入工作表名称为“自律模范型人数”、选择所属分组、填写备注信息后点击“确认”自动跳转到工作表设计页面点击右上角“好的我知道了”来关闭提醒在数据集下拉框中选择广告构建的数据集“学生考勤主题数据集”自律模范型人数自律模范型中的所有学生ID去重计数在左边基础图表中点击“指标卡”将字段“student_id学生ID”拖拽到值点开字段“student_id”的聚合类型点击“去重计数”点击图形设置图标打开设置面板点击过滤器中的“”在下拉框中选择“attendance_group考勤群体分类”并点击“确认”点击过滤器中“attendance_group”后的“···” - “编辑”在过滤器配置中点击“包含以下选项”并勾选“自律模范型”在点击“确认”指标卡即显示自律模范型人数接下来我们可以点击“样式设置”对指标卡样式进行调整点开基础设置将4个边距都改为最大值16点开标题设置将标题字体大小改色16字体颜色改为红色显示位置改为顶部居中点开值设置将字体大小改为30字体颜色改为红色粗体开关保持打开显示位置保持水平居中点击“保存”按钮在保存提示中点击“保存并发布”点击“显示分组”按钮即可看到学生总人数指标卡已经发布成功3.4.1.2 纪律高危型男生人数参考“3.4.1.1 纪律高危型总人数”步骤重新新建工作表“纪律高危型男生人数”完成指标卡的制作只需要多一步操作在筛选器中添加“gender性别”字段并设置为包含“男”再调整一下样式即可3.4.1.2 纪律高危型女生人数参考“3.4.1.1 自律模范型人数”步骤重新新建工作表“纪律高危型女生人数”完成指标卡的制作只需要多一步操作在筛选器中添加“gender性别”字段并设置为包含“女”再调整一下样式即可3.4.1.4 纪律高危型未知性别人数参考“3.4.1.1 自律模范型人数”步骤重新新建工作表“高危型未知性别人数”完成指标卡的制作只需要多一步操作在筛选器中添加“gender性别”字段并设置为包含“未知”再调整一下样式即可3.4.1.5 整体指标分析从整体指标卡可以清晰看到纪律高危型学生总人数为 421 人其中男生 45 人、女生 38 人、未知性别 338 人。高危群体整体规模清晰其中男生人数多于女生说明高危群体存在明显的性别分布特点需要从性别角度进一步深入分析。3.4.2 纪律高危型学生性别特征分析在该环节我们制作纪律高危型学生性别占比饼图同时结合全校性别基数数据分析高危群体的性别倾向3.4.2.1 纪律高危型学生男女人数占比新建工作表“纪律高危型学生男女人数占比”数据集选择“学生考勤主题数据集”图表类型选择“饼图”将字段“student_id”拖拽到值“gender”拖拽到分类并将“student_id”的聚合方式设置为“去重计数”可以看到存在性别“未知”数据需要将“未知”数据过滤掉点击图像设置并点击过滤器中的“”在下拉列表中选择“gender”最后点击“确认”点击过滤器中的“gender”后的“···”并点击“编辑”在过滤器设置中点击“排除以下选项”勾选“未知”点击“确认”并点击过滤器中的“”在下拉列表中选择“attendance_group”最后点击“确认”点击过滤器中的“attendance_group”后的“···”并点击“编辑”在过滤器设置中点击“包含以下选项”勾选“纪律高危型”点击“确认”系统默认的饼图没有百分比标签数据我们可以点击“样式设置” - “图表元素设置” - “标签显示形式” - “勾选百分比”其他样式可根据自身需求设置例如图表元素设置中的内环大小设置为“50%”扇形设置中的扇形圆角半径设置为“10”还可以修改主题色样式调整完毕后点击“保存”按钮“保存并发布”工作表3.4.2.2 全校学生男女人数占比为了排除性别基数差异带来的误判我们需要分析全校学生男女人数占比新建工作表“全校学生男女人数占比”参考“3.4.2.1 纪律高危型学生男女人数占比”步骤完成饼图制作过滤器中只需要过滤掉性别“未知”的数据考勤群体分类“attendance_group”无需做过滤3.4.2.3 性别特征分析排除性别未知数据的情况下从全校性别分布来看男生本身基数略高于女生占比为 53.03%女生占比为 46.97%在纪律高危型学生群体中男生占比进一步上升至 54.22%女生占比则下降至 45.78%对比两组数据可以发现男生在高危群体中的占比54.22%略高于其在全校的基数占比53.03%而女生在高危群体中的占比45.78%则低于其在全校的基数占比46.97%这一结果表明纪律高危型学生中男生占比偏高并非由全校性别基数差异导致而是男生在考勤违纪行为上的真实风险更高。男生规则意识、时间观念相对薄弱更易出现高频违纪行为因此是高危群体的主要构成对象后续管理需针对性加强男生考勤纪律引导3.4.3 纪律高危型学生年级特征分析在该环节我们制作纪律高危型学生年级分布堆叠条形图观察不同年级高危学生的情况新建工作表“纪律高危型学生年级特征分析”数据集选择“学生考勤主题数据集”图表类型选择“柱状图”将字段“grade”拖拽到X轴“student_id”拖拽到Y轴并将“student_id”的聚合方式设置为“去重计数”点击图像设置按钮在过滤器中添加字段“attendance_group”点击“attendance_group”后的“···” - “编辑”在过滤器配置窗口中点击“包含以下选项”勾选“纪律高危型”最后点击“确认”分析从年级分布柱状图可以看出纪律高危型学生在各年级的分布存在明显差异其中高三年级的高危学生人数最多高一和高二年级的高危学生人数相对较少。这可能与高三学生面临的升学压力、在校时间长度以及部分学生的课程安排调整有关例如备考节奏紧张、校外培训或特殊升学路径安排都可能导致考勤行为出现波动。点击“样式设置”将主题色设置为与上一个饼图的主题色一样并点击“图表元素设置”将边框色设置为无边框色3.4.4 纪律高危型学生校区类型 年级交叉特征分析在该环节为进一步探究高危学生在不同校区、不同年级的分布规律我们制作纪律高危型学生校区类型 年级交堆叠状图直观呈现各年级下新、老校区高危学生的人数分布情况精准定位高危行为的高发区域新建工作表“纪律高危型学生校区类型与年级交叉特征分析”数据集选择“学生考勤主题数据集”图表类型选择“柱状图”参考“3.4.3 纪律高危型学生年级特征分析”的步骤先完成纪律高危型学生年级分布柱状图接下来将字段“campus_type”拖拽至“分组”将主题色设置成与上一个图表的主题色并取消边框色分析从校区类型 年级交叉柱状图可以看出纪律高危型学生的校区分布差异显著老校区是高危学生的主要聚集地各年级高危人数均明显高于新校区其中高一 80 人、高二 130 人、高三 261 人高三年级高危人数达到峰值。新校区的高危学生整体规模较小仅高一 10 人、高二 19 人有少量分布高三年级无高危学生记录。仅从高危群体的分布来看老校区的违纪行为发生率远高于新校区且高危人数随年级升高呈明显增长态势。为进一步判断这一差异是否由校区本身的学生基数导致下一步将引入全校新、老校区的学生总人数数据进行交叉对比排除基数干扰分析校区管理模式、通勤条件、学风氛围等因素对学生考勤行为的真实影响。先点击“保存”按钮“保存并发布”工作表3.4.5 不同校区类型各年级学生人数新建工作表“不同校区类型各年级学生人数”参考“纪律高危型学生校区类型 年级交叉特征分析”步骤完成不同校区类型各年级学生人数堆叠柱状图过滤器不添加任何字段分析高一老校区 1021 人新校区 148 人高二老校区 1079 人新校区 295 人高三老校区 1883 人新校区无学生分布结合纪律高危型学生校区类型 年级交叉特征分析可以发现高三老校区是高危行为的绝对高发区高三年级学生全部集中在老校区且高危学生人数达到 261 人是所有校区和年级中的最高值这一结果与高危群体年级分布特征高度吻合。新校区整体风险可控新校区学生基数较小高危学生人数也相应较少且高三年级无学生分布因此不存在高三高危学生整体考勤纪律表现优于老校区。综合来看老校区尤其是高三年级是纪律高危型学生的核心聚集区后续管理需重点聚焦老校区高年级学生群体结合校区通勤条件、管理模式、学风氛围等因素制定针对性的考勤管理措施。3.4.6 纪律高危型学生班级特征分析接下来我们分析纪律高危型学生的班级特征定位高危学生集中的班级新建工作表“纪律高危型学生班级特征分析”数据集选择“学生考勤主题数据集”图表类型选择“水平条图”将字段“class_name”拖拽至Y轴“student_id”拖拽至X轴并将“student_id”的聚合方式设置为“去重计数”过滤器中添加字段“attendance_group”点击“attendance_group”后的“···” - “编辑”过滤器设置中点击“包含以下选项”。勾选“纪律高危型”最后点击“确认”为了方便观察高危型学生的集中班级我们可以将“student_id”按降序排序这样人数多的班级就排在前面分析从班级水平条图可以清晰看到纪律高危型学生高度集中在少数班级其中高三 09 班高危人数最多38 人其次为高三 08 班、高三 02 班等多数班级高危人数极少呈现明显的班级聚集性。结合年级分布特征来看高危学生主要集中在高三年级的部分班级这既与高三学生升学备考节奏紧张、课程安排灵活有关也说明高危行为与班级管理强度、班风氛围、同伴影响密切相关。少数薄弱班级需要重点整治通过加强班主任监管、整顿班风阻断不良风气传染。点击样式设置将主题色设置为同之前的图表的主题色一样点击“保存”按钮“保存并发布”工作表3.5 搭建综合仪表盘点击左边菜单栏中的“仪表盘”点击左上角“” - “新建仪表盘”仪表盘名字输入“纪律高危型学生用户画像分析”备注信息输入“纪律高危型学生用户画像分析”点击“确认”在右边组件与工作表区域点击“基础组件”拖拽一个文本组件到画布中文本内容输入“纪律高危型学生用户画像分析”并设置字体颜色、字体大小、加粗、居中关闭组件窗口组件右下角可以拖动跳转组件大小参考下图调整点击图表组件显示按钮切换到“工作表”将3.4节中制作的工作表都拖拽至画布中拖入完毕后使用鼠标对图表大小和布局进行调整同时将以上的分析使用“文本”组件呈现在仪表盘中形成完成的分析仪表盘“文本”组件可通过关闭“超出隐藏”开关来实现换行预期效果如下设计完毕后点击“发布”保存并发布仪表盘点击“预览”即可全屏查看仪表盘发布成功后可以点击“分享”并选择不同的分享方式将仪表盘分享给其他人查看将分享的信息复制发送给其他人其他人即可点击仪表盘的分享链接进行查看复制结果如下其他人可以点击连接查看仪表盘来自undefined分享的资源访问地址http://47.109.153.89/#/share/dashboard/20555844002923192324 纪律高危型学生画像分析总结4.1 整体概况纪律高危型学生存在高频迟到、早退、请假及校服违规行为多维度违纪叠加是校园考勤管理中最需重点关注的群体。该群体人数占比虽可控但行为影响大易引发不良风气需专项治理4.2 核心特征性别特征男生为高危群体主体占比显著高于女生是高危行为的主要发生对象与男生规则意识薄弱、时间观念不足相关年级特征高度集中于高年级随年级升高高危学生占比明显上升高年级学生学业压力大、自主空间广、心态浮躁对考勤纪律重视度下降校区特征在不同校区呈现明显分布差异高危学生高度集中在老校区新校区风险较低与校区通勤条件、管理模式、学风氛围密切相关班级特征存在明显班级聚集性集中在少数管理薄弱、班风涣散的班级与班级管理强度、同伴效应直接相关4.3 管理建议1.重点关注高年级男生群体针对性开展考勤纪律教育与时间管理培训强化规则意识减少违纪行为发生2.加强老校区高年级管理针对老校区优化通勤管理、强化考勤监督营造严谨学风氛围降低学生违纪风险3.整治高危学生集中班级加强班主任监管力度整顿班风建立班级考勤责任制阻断不良风气传染4.建立高危学生台账一对一建档家校联动制定个性化矫正方案跟踪干预效果防止违纪行为固化以上分析总结可以添加在仪表盘后面#助睿数智#商业数据分析
保姆级教程：学生用户图像-考勤画像可视化分析实验
发布时间：2026/5/21 2:31:22
1 实验说明1.1 实验目的基于已完成 K-Means 聚类并标注考勤群体的学生考勤主题标签表本实验聚焦“纪律高危型”群体分析其行为特征。相比其他群体该群体存在高频违纪、多维度异常叠加等行为特征是校园考勤管理中风险最高、影响最大的群体。通过专项画像分析可为精准干预和重点整治提供数据支撑助力校园精细化管理。1.2 实验环境工具助睿数智Uniplore在线实验平台https://lab.guilan.cn/助睿数智Uniplore是AI驱动的一站式数据科学平台覆盖从数据接入、ETL处理、机器学习建模到可视化展示的全链路零代码功能产品官网为https://www.uniplore.com/本次实验主要用到 助睿BI 数据可视化探索平台、MySQL数据库数据源student_attendance_stats 学生考勤主题标签表实验设备计算机支持助睿平台运行具备数据库连接权限2 实验数据数据结构student_attendance_stats 学生考勤主题标签表的数据结构如下字段名字段类型idintstudent_idintstudent_namevarchar(50)class_idintclass_namevarcharr(50)gradevarcharr(10)gendervarchar(10)birth_datevarchar(10)political_statusvarchar(20)is_boardervarchar(10)campus_typevarchar(10)late_countintearly_leave_countintleave_countintuniform_violate_countintcreate_timedatetimeclustervarchar(10)attendance_groupvarchar(30)自增主键10331学生ID13012学生姓名张某某班级ID794班级名称高一(IB)年级高一性别女出生日期未知政治面貌共青团员是否住校否校区类型老校区迟到次数1早退次数0请假次数0没穿校服次数0统计入库时间2026/5/6 17:31:42聚类簇编号C1考勤群体分类轻微波动型样例数据idstudent_idstudent_nameclass_idclass_namegradegenderbirth_datepolitical_statusis_boardercampus_typelate_countearly_leave_countleave_countuniform_violate_countcreate_timeclusterattendance_group110842马某某672高三(09)高三未知未知未知否老校区10302026/5/14 16:00C3纪律高危型210844叶某某672高三(09)高三未知未知未知否老校区00502026/5/14 16:00C3纪律高危型310845孙某某672高三(09)高三未知未知未知否老校区30002026/5/14 16:00C3纪律高危型3 实验步骤3.1 进入助睿BI进入实验平台后点击左边菜单的“助睿BI”进入助睿BI可视化探索平台进入助睿BI 平台的首页可以看到该账户下的数据情况、数据分析处理流程、支持的数据源有哪些3.2 连接数据源student_attendance_stats 存放于我们的团队私有数据库中而上一个实验在“分析聚类簇编号对应的考勤群体分类”时已经创建了团队私有数据库的连接因此我们可以直接使用这个数据源无需再连接数据源。3.3 构建数据集接下来我们使用 student_attendance_stats 构建数据集用于后续分析点击左边菜单中的“数据集”点击左上角“” - “新建数据集”在弹窗中输入数据集名称、所属分组、备注信息后点击“确认”数据集创建成功后会自动跳到该数据集的配置页面第一步需要先选择数据源助睿BI 平台为防止这个步骤遗漏做了强提醒点击“好的我知道了”可关闭提醒数据源的第一个选项选择我们刚刚新建的数据源“商业数据分析实验” 第二个选项则选择student_attendance_stats 所在的目录“labs”数据源选择完成后labs目录下的数据表自动出现在画布左边将student_attendance_stats拖拽至画布中查看数据的表结构及数据由于我们之前实验中的建表语句中已经包含了字段的中文备注因此这里我们不需要设置字段备注直接点击画布左上角“保存”按钮在保存提示中点击“保存并发布”只有发布后的数据集才能在工作表中引用3.4 制作工作表工作表是承载可视化图表、开展数据分析的基础单元点击左边菜单中的“工作表”进入工作表模块为方便管理相同主题分析的工作表最好都放置在一个目录下点击左上角的“” - “新建分组”在弹窗中输入分组名称、选择所属分组、填写备注信息后点击“确认”3.4.1 整体概况指标卡指标卡是助睿BI 平台中用于直观展示核心统计数值的基础组件能够快速呈现关键指标便于整体把控高危群体概况。3.4.1.1 纪律高危型总人数右键或者点击学生考勤主题分析分组的“…”在操作列表中点击“新建工作表”在弹窗中输入工作表名称为“自律模范型人数”、选择所属分组、填写备注信息后点击“确认”自动跳转到工作表设计页面点击右上角“好的我知道了”来关闭提醒在数据集下拉框中选择广告构建的数据集“学生考勤主题数据集”自律模范型人数自律模范型中的所有学生ID去重计数在左边基础图表中点击“指标卡”将字段“student_id学生ID”拖拽到值点开字段“student_id”的聚合类型点击“去重计数”点击图形设置图标打开设置面板点击过滤器中的“”在下拉框中选择“attendance_group考勤群体分类”并点击“确认”点击过滤器中“attendance_group”后的“···” - “编辑”在过滤器配置中点击“包含以下选项”并勾选“自律模范型”在点击“确认”指标卡即显示自律模范型人数接下来我们可以点击“样式设置”对指标卡样式进行调整点开基础设置将4个边距都改为最大值16点开标题设置将标题字体大小改色16字体颜色改为红色显示位置改为顶部居中点开值设置将字体大小改为30字体颜色改为红色粗体开关保持打开显示位置保持水平居中点击“保存”按钮在保存提示中点击“保存并发布”点击“显示分组”按钮即可看到学生总人数指标卡已经发布成功3.4.1.2 纪律高危型男生人数参考“3.4.1.1 纪律高危型总人数”步骤重新新建工作表“纪律高危型男生人数”完成指标卡的制作只需要多一步操作在筛选器中添加“gender性别”字段并设置为包含“男”再调整一下样式即可3.4.1.2 纪律高危型女生人数参考“3.4.1.1 自律模范型人数”步骤重新新建工作表“纪律高危型女生人数”完成指标卡的制作只需要多一步操作在筛选器中添加“gender性别”字段并设置为包含“女”再调整一下样式即可3.4.1.4 纪律高危型未知性别人数参考“3.4.1.1 自律模范型人数”步骤重新新建工作表“高危型未知性别人数”完成指标卡的制作只需要多一步操作在筛选器中添加“gender性别”字段并设置为包含“未知”再调整一下样式即可3.4.1.5 整体指标分析从整体指标卡可以清晰看到纪律高危型学生总人数为 421 人其中男生 45 人、女生 38 人、未知性别 338 人。高危群体整体规模清晰其中男生人数多于女生说明高危群体存在明显的性别分布特点需要从性别角度进一步深入分析。3.4.2 纪律高危型学生性别特征分析在该环节我们制作纪律高危型学生性别占比饼图同时结合全校性别基数数据分析高危群体的性别倾向3.4.2.1 纪律高危型学生男女人数占比新建工作表“纪律高危型学生男女人数占比”数据集选择“学生考勤主题数据集”图表类型选择“饼图”将字段“student_id”拖拽到值“gender”拖拽到分类并将“student_id”的聚合方式设置为“去重计数”可以看到存在性别“未知”数据需要将“未知”数据过滤掉点击图像设置并点击过滤器中的“”在下拉列表中选择“gender”最后点击“确认”点击过滤器中的“gender”后的“···”并点击“编辑”在过滤器设置中点击“排除以下选项”勾选“未知”点击“确认”并点击过滤器中的“”在下拉列表中选择“attendance_group”最后点击“确认”点击过滤器中的“attendance_group”后的“···”并点击“编辑”在过滤器设置中点击“包含以下选项”勾选“纪律高危型”点击“确认”系统默认的饼图没有百分比标签数据我们可以点击“样式设置” - “图表元素设置” - “标签显示形式” - “勾选百分比”其他样式可根据自身需求设置例如图表元素设置中的内环大小设置为“50%”扇形设置中的扇形圆角半径设置为“10”还可以修改主题色样式调整完毕后点击“保存”按钮“保存并发布”工作表3.4.2.2 全校学生男女人数占比为了排除性别基数差异带来的误判我们需要分析全校学生男女人数占比新建工作表“全校学生男女人数占比”参考“3.4.2.1 纪律高危型学生男女人数占比”步骤完成饼图制作过滤器中只需要过滤掉性别“未知”的数据考勤群体分类“attendance_group”无需做过滤3.4.2.3 性别特征分析排除性别未知数据的情况下从全校性别分布来看男生本身基数略高于女生占比为 53.03%女生占比为 46.97%在纪律高危型学生群体中男生占比进一步上升至 54.22%女生占比则下降至 45.78%对比两组数据可以发现男生在高危群体中的占比54.22%略高于其在全校的基数占比53.03%而女生在高危群体中的占比45.78%则低于其在全校的基数占比46.97%这一结果表明纪律高危型学生中男生占比偏高并非由全校性别基数差异导致而是男生在考勤违纪行为上的真实风险更高。男生规则意识、时间观念相对薄弱更易出现高频违纪行为因此是高危群体的主要构成对象后续管理需针对性加强男生考勤纪律引导3.4.3 纪律高危型学生年级特征分析在该环节我们制作纪律高危型学生年级分布堆叠条形图观察不同年级高危学生的情况新建工作表“纪律高危型学生年级特征分析”数据集选择“学生考勤主题数据集”图表类型选择“柱状图”将字段“grade”拖拽到X轴“student_id”拖拽到Y轴并将“student_id”的聚合方式设置为“去重计数”点击图像设置按钮在过滤器中添加字段“attendance_group”点击“attendance_group”后的“···” - “编辑”在过滤器配置窗口中点击“包含以下选项”勾选“纪律高危型”最后点击“确认”分析从年级分布柱状图可以看出纪律高危型学生在各年级的分布存在明显差异其中高三年级的高危学生人数最多高一和高二年级的高危学生人数相对较少。这可能与高三学生面临的升学压力、在校时间长度以及部分学生的课程安排调整有关例如备考节奏紧张、校外培训或特殊升学路径安排都可能导致考勤行为出现波动。点击“样式设置”将主题色设置为与上一个饼图的主题色一样并点击“图表元素设置”将边框色设置为无边框色3.4.4 纪律高危型学生校区类型 年级交叉特征分析在该环节为进一步探究高危学生在不同校区、不同年级的分布规律我们制作纪律高危型学生校区类型 年级交堆叠状图直观呈现各年级下新、老校区高危学生的人数分布情况精准定位高危行为的高发区域新建工作表“纪律高危型学生校区类型与年级交叉特征分析”数据集选择“学生考勤主题数据集”图表类型选择“柱状图”参考“3.4.3 纪律高危型学生年级特征分析”的步骤先完成纪律高危型学生年级分布柱状图接下来将字段“campus_type”拖拽至“分组”将主题色设置成与上一个图表的主题色并取消边框色分析从校区类型 年级交叉柱状图可以看出纪律高危型学生的校区分布差异显著老校区是高危学生的主要聚集地各年级高危人数均明显高于新校区其中高一 80 人、高二 130 人、高三 261 人高三年级高危人数达到峰值。新校区的高危学生整体规模较小仅高一 10 人、高二 19 人有少量分布高三年级无高危学生记录。仅从高危群体的分布来看老校区的违纪行为发生率远高于新校区且高危人数随年级升高呈明显增长态势。为进一步判断这一差异是否由校区本身的学生基数导致下一步将引入全校新、老校区的学生总人数数据进行交叉对比排除基数干扰分析校区管理模式、通勤条件、学风氛围等因素对学生考勤行为的真实影响。先点击“保存”按钮“保存并发布”工作表3.4.5 不同校区类型各年级学生人数新建工作表“不同校区类型各年级学生人数”参考“纪律高危型学生校区类型 年级交叉特征分析”步骤完成不同校区类型各年级学生人数堆叠柱状图过滤器不添加任何字段分析高一老校区 1021 人新校区 148 人高二老校区 1079 人新校区 295 人高三老校区 1883 人新校区无学生分布结合纪律高危型学生校区类型 年级交叉特征分析可以发现高三老校区是高危行为的绝对高发区高三年级学生全部集中在老校区且高危学生人数达到 261 人是所有校区和年级中的最高值这一结果与高危群体年级分布特征高度吻合。新校区整体风险可控新校区学生基数较小高危学生人数也相应较少且高三年级无学生分布因此不存在高三高危学生整体考勤纪律表现优于老校区。综合来看老校区尤其是高三年级是纪律高危型学生的核心聚集区后续管理需重点聚焦老校区高年级学生群体结合校区通勤条件、管理模式、学风氛围等因素制定针对性的考勤管理措施。3.4.6 纪律高危型学生班级特征分析接下来我们分析纪律高危型学生的班级特征定位高危学生集中的班级新建工作表“纪律高危型学生班级特征分析”数据集选择“学生考勤主题数据集”图表类型选择“水平条图”将字段“class_name”拖拽至Y轴“student_id”拖拽至X轴并将“student_id”的聚合方式设置为“去重计数”过滤器中添加字段“attendance_group”点击“attendance_group”后的“···” - “编辑”过滤器设置中点击“包含以下选项”。勾选“纪律高危型”最后点击“确认”为了方便观察高危型学生的集中班级我们可以将“student_id”按降序排序这样人数多的班级就排在前面分析从班级水平条图可以清晰看到纪律高危型学生高度集中在少数班级其中高三 09 班高危人数最多38 人其次为高三 08 班、高三 02 班等多数班级高危人数极少呈现明显的班级聚集性。结合年级分布特征来看高危学生主要集中在高三年级的部分班级这既与高三学生升学备考节奏紧张、课程安排灵活有关也说明高危行为与班级管理强度、班风氛围、同伴影响密切相关。少数薄弱班级需要重点整治通过加强班主任监管、整顿班风阻断不良风气传染。点击样式设置将主题色设置为同之前的图表的主题色一样点击“保存”按钮“保存并发布”工作表3.5 搭建综合仪表盘点击左边菜单栏中的“仪表盘”点击左上角“” - “新建仪表盘”仪表盘名字输入“纪律高危型学生用户画像分析”备注信息输入“纪律高危型学生用户画像分析”点击“确认”在右边组件与工作表区域点击“基础组件”拖拽一个文本组件到画布中文本内容输入“纪律高危型学生用户画像分析”并设置字体颜色、字体大小、加粗、居中关闭组件窗口组件右下角可以拖动跳转组件大小参考下图调整点击图表组件显示按钮切换到“工作表”将3.4节中制作的工作表都拖拽至画布中拖入完毕后使用鼠标对图表大小和布局进行调整同时将以上的分析使用“文本”组件呈现在仪表盘中形成完成的分析仪表盘“文本”组件可通过关闭“超出隐藏”开关来实现换行预期效果如下设计完毕后点击“发布”保存并发布仪表盘点击“预览”即可全屏查看仪表盘发布成功后可以点击“分享”并选择不同的分享方式将仪表盘分享给其他人查看将分享的信息复制发送给其他人其他人即可点击仪表盘的分享链接进行查看复制结果如下其他人可以点击连接查看仪表盘来自undefined分享的资源访问地址http://47.109.153.89/#/share/dashboard/20555844002923192324 纪律高危型学生画像分析总结4.1 整体概况纪律高危型学生存在高频迟到、早退、请假及校服违规行为多维度违纪叠加是校园考勤管理中最需重点关注的群体。该群体人数占比虽可控但行为影响大易引发不良风气需专项治理4.2 核心特征性别特征男生为高危群体主体占比显著高于女生是高危行为的主要发生对象与男生规则意识薄弱、时间观念不足相关年级特征高度集中于高年级随年级升高高危学生占比明显上升高年级学生学业压力大、自主空间广、心态浮躁对考勤纪律重视度下降校区特征在不同校区呈现明显分布差异高危学生高度集中在老校区新校区风险较低与校区通勤条件、管理模式、学风氛围密切相关班级特征存在明显班级聚集性集中在少数管理薄弱、班风涣散的班级与班级管理强度、同伴效应直接相关4.3 管理建议1.重点关注高年级男生群体针对性开展考勤纪律教育与时间管理培训强化规则意识减少违纪行为发生2.加强老校区高年级管理针对老校区优化通勤管理、强化考勤监督营造严谨学风氛围降低学生违纪风险3.整治高危学生集中班级加强班主任监管力度整顿班风建立班级考勤责任制阻断不良风气传染4.建立高危学生台账一对一建档家校联动制定个性化矫正方案跟踪干预效果防止违纪行为固化以上分析总结可以添加在仪表盘后面#助睿数智#商业数据分析
