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

2.1 数据结构

本次实验沿用完善后的学生考勤主题标签数据表，完整字段及对应数据类型如下：

字段名称	数据类型
id	int
student_id	int
student_name	varchar(50)
class_id	int
class_name	varchar(50)
grade	varchar(10)
gender	varchar(10)
birth_date	varchar(10)
political_status	varchar(20)
is_boarder	varchar(10)
campus_type	varchar(10)
late_count	int
early_leave_count	int
leave_count	int
uniform_violate_count	int
create_time	datetime
cluster	varchar(10)
attendance_group	varchar(30)

2.2 数据样例展示

id	student_id	student_name	class_id	class_name	grade	gender	birth_date	political_status	is_boarder	campus_type	late_count	early_leave_count	leave_count	uniform_violate_count	create_time	cluster	attendance_group
1	10842	马某某	672	高三 (09)	高三	未知	未知	未知	否	老校区	1	0	3	0	2026/5/14 16:00	C3	纪律高危型
2	10844	叶某某	672	高三 (09)	高三	未知	未知	未知	否	老校区	0	0	5	0	2026/5/14 16:00	C3	纪律高危型
3	10845	孙某某	672	高三 (09)	高三	未知	未知	未知	否	老校区	3	0	0	0	2026/5/14 16:00	C3	纪律高危型

3 实验步骤

3.1 进入助睿 BI

成功登录助睿数智实验平台主页后，在页面左侧功能菜单栏中找到助睿 BI 选项并点击，正式进入数据可视化分析操作界面
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

进入首页后可直观查看个人账户下已存数据资源、各类数据分析流程以及平台支持的全部数据源类型。

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

1、在助睿 BI 左侧功能栏点击数据集入口，进入数据集管理页面

2、点击页面左上角新建按钮，填写数据集名称、归属分组与相关备注信息后确认创建。

3、系统自动跳转至数据集配置页面，关闭平台操作提示弹窗，在数据源选择栏选定此前配置好的实验专属数据库，再选中数据表所在文件目录。

4、将目标数据表student_attendance_stats拖拽至编辑画布当中，由于数据表字段已提前配置好中文注释，无需二次修改字段别名，确认无误后点击保存，选择保存并发布，完成数据集创建，确保后续工作表能够正常调用该数据。

3.4 制作工作表

3.4.1 整体概况指标卡

1、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

2、进入新建工作表页面

3、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”，选定已发布的学生考勤数据集，选用指标卡可视化组件

3、把学生编号字段拖拽至数值展示区域，将聚合统计方式设置为去重计数。

4、打开图表设置面板，添加过滤器

5、勾选考勤群体分类为纪律高危型，快速统计出该群体总人数。

6、配置样式，对指标卡样式进行调整

7、保存并发布

8、依照相同操作流程，依次新增工作表，在原有筛选条件基础上叠加性别筛选条件，分别统计出纪律高危群体内男生、女生以及性别信息未知的学生人数。

9、纪律高危群体内男生学生人数

10、纪律高危群体内女生学生人数

11、纪律高危群体内未知学生人数

3.4.2 制作高危群体性别占比分析饼图

新建工作表“纪律高危型学生男女人数占比”

图表样式选择饼图，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”

添加双层筛选条件，首先剔除性别信息为空、标注为未知的无效数据

筛选出仅纪律高危型群体数据，保证统计结果精准有效。

编辑进入图表样式设置界面，开启饼图百分比数据标签，自主调整圆环粗细、扇形圆角以及整体配色风格，清晰展示高危群体内部男女占比结构。

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”

取消考勤群体筛选条件，仅过滤未知性别数据，用来对照全校整体性别分布情况，排除人数基数带来的分析误差

完成后保存发布图表。

结合两张饼图数据开展对比研判，判断性别因素对学生考勤违纪行为的实际影响程度。

3.4.3 制作高危学生年级分布柱状图

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”

选用基础柱状图样式，将年级字段放置横轴，学生人数统计字段放置纵轴。

设置数据筛选规则，只保留纪律高危型学生数据，系统自动统计各个年级当中高危学生的具体数量。

统一匹配前期图表配色风格

取消多余边框装饰，让图表视觉风格保持一致

根据柱状图高低分布，总结不同年级高危学生的聚集规律，分析年级差异带来的考勤行为变化，完成设置后保存发布。

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”

沿用柱状图格式，依旧限定数据范围为纪律高危型学生，在年级统计基础之上，把校区类型字段添加至分组维度当中。一键生成不同校区、不同年级组合下的高危学生分布数据，清晰区分新老校区高危人群数量差距。

同样将主题色设置成与上一个图表的主题色，并取消边框色

同步制作全校各校区各年级人数统计图表

用作对照参考，区分清楚是校区学生基数大导致人数偏多，还是校区管理环境造成违纪行为高发，调整样式后完成保存发布。

3.4.5 制作高危学生班级分布水平条形图

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”

切换图表类型为水平条形图，把班级名称设置为纵向维度，学生人数作为横向统计数值。

筛选锁定纪律高危群体数据

将统计结果按照人数从高到低进行降序排列，让高危学生人数较多的班级优先展示。

通过条形图直观锁定违纪学生集中的重点班级，结合班级整体情况分析班风、班级管理力度对学生考勤纪律的影响，完成图表美化后正式发布。

3.5 搭建综合仪表盘

点击左边菜单栏中的“仪表盘”

确认创建空白可视化大屏。

先添加文本标题组件，编辑大屏总标题

调整字体格式、字号大小与排版位置并固定组件位置，完善页面标题布局。

在组件资源库中切换至已发布工作表列表，将前面制作完成的人数指标卡、各类占比图、分布统计图全部拖拽添加至仪表盘画布内。

自由拖动调整每一张图表的摆放位置与展示尺寸，同时新增文本说明组件，把各项数据分析结论填写至仪表盘对应位置，完善整体分析内容。

全部布局排版完成后，执行保存并发布操作，支持一键生成分享链接，可直接转发分享，他人通过链接即可在线查看整套高危学生考勤分析成果。

4 纪律高危型学生综合画像与管理对策

4.1 群体整体行为概况

纪律高危型学生是校园考勤管理中问题最为突出的群体，普遍存在经常性迟到、无故早退、频繁请假、校服穿戴违规等多项叠加的不良考勤行为。该群体虽占比不高，但其不良行为易引发同伴效仿、扰乱校园正常作息秩序，是校园纪律管控的核心重点对象。

4.2 多维群体核心特征总结

性别特征：高危群体中女生（301 人）人数略高于男生（267 人），且超过半数（530 人）性别信息缺失，数据完整性不足。剔除信息缺失样本后可见，女生在纪律高危群体中的占比，高于其在全校学生中的整体占比，反映出女生在纪律高危群体中的相对风险更高。
年级特征：高危学生人数整体呈现随年级递增逐步上涨的趋势，高三年级高危学生数量达到峰值。高年级学生面临升学备考压力大、课余自主时间增多，对待日常考勤约束重视程度下降，是造成违纪行为增多的主要原因。
校区特征：老校区聚集了绝大部分纪律高危学生（约 850 人），显著高于新校区（约 460 人），新校区整体违纪学生数量极少，二者差距十分明显。结合实际情况来看，校区通勤距离、日常管理严格程度、整体学风氛围，都是造成两大校区考勤纪律差距较大的关键因素。
班级特征：该群体具备极强的班级聚集特点，违纪学生大多集中在少数几个固定班级内，其余班级高危学生数量极少，充分体现出班级管理成效、班风建设以及同伴之间的行为影响，直接决定班级整体考勤纪律水平。

4.3 校园实际管理优化建议

精准锁定重点管控人群，将高年级学生作为考勤纪律宣教的主要对象，同时优先补齐高危群体性别信息台账，定期开展纪律宣讲、时间管理主题教育，从思想层面强化规则意识，纠正散漫作息习惯。
实行校区差异化管理模式，着重强化老校区日常考勤巡查力度，优化学生上下学通勤管理，从严落实各项校园作息制度，营造严谨规整的校园风气。
落实班级分层管理机制，针对高危学生集中的班级，压实班主任日常管理责任，重点整顿班级风气，规范班级日常考勤考核制度，遏制不良风气蔓延扩散。
建立高危学生专属管理档案，实行一人一档登记管理，联合家长搭建家校协同教育模式，根据学生实际违纪情况制定个性化行为整改方案，持续跟进督促整改，帮助学生逐步规范日常考勤行为。

5 问题与解决

5.1 现存核心问题

数据完整性不足：纪律高危群体中近半数学生性别信息缺失，导致性别维度的风险分析不够精准，难以支撑针对性的性别化管理策略制定。

5.2 针对性解决措施

补齐数据短板：通过学籍系统、班主任台账交叉核验，完成高危学生性别、通勤方式等关键信息补录，建立完整的学生纪律风险数据库，为精准施策提供数据支撑。

6 实验总结

本次针对学生的纪律风险画像分析，清晰呈现了纪律高危群体的规模、性别分布、年级与校区聚集性特征，验证了校园纪律管理中 “重点人群、重点校区、重点班级” 的管控逻辑。数据显示，近四成学生属于纪律高危型，高危群体性别数据缺失近半，整体纪律基本面稳定但干预压力较大。
通过本次分析，明确了后续管理工作的核心方向：以数据补全为基础，以分层分类干预为关键，以家校协同为保障，推动校园纪律管理从 “被动处理违纪” 向 “主动预防风险” 转变。未来将持续跟踪高危学生的行为变化，动态优化管理策略，切实降低校园违纪率，维护良好的校园秩序与学风氛围。