学生考勤画像可视化分析实验报告

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

• 工具平台：助睿数智（Uniplore）在线实验平台（访问地址：https://lab.guilian.cn/）

• 本次实验主要使用：

  • 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）

1.3 数据说明

student_attendance_stats 学生考勤主题标签表的结构如下：

样例数据：

2 实验步骤

2.1 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。

2.2 连接数据源

student_attendance_stats 存放于团队私有数据库中。上一个实验在“分析聚类簇编号对应的考勤群体分类”时已创建了数据库连接，因此可直接使用该数据源，无需重复连接。

2.3 构建数据集

步骤1：新建数据集

点击左边菜单【数据集】→ 左上角【+】→【新建数据集】。

输入数据集名称（如“学生考勤主题数据集”）、选择所属分组，点击【确认】。

步骤2：选择数据源

数据集创建成功后自动跳转到配置页面。选择数据源为“商业数据分析实验”，目录选择 labs。

步骤3：拖拽数据表

将 student_attendance_stats 表拖拽至画布中。

步骤4：保存并发布

由于建表语句中已包含字段中文备注，无需额外设置，直接点击画布左上角【保存】，在提示中选择【保存并发布】。

2.4 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【工作表】→ 左上角【+】→【新建分组】，创建“学生考勤主题分析”分组。

2.4.1 整体概况指标卡

指标卡用于直观展示核心统计数值，快速呈现关键指标。

2.4.1.1 纪律高危型总人数

步骤1：新建工作表

右键分组名称，选择【新建工作表】，命名为“纪律高危型人数”。

步骤2：选择数据集

在数据集下拉框中选择“学生考勤主题数据集”。

步骤3：选择指标卡图表

在左边基础图表中点击“指标卡”。

步骤4：配置数值字段

将字段 student_id（学生ID）拖拽到“值”区域，聚合类型选择“去重计数”。

步骤5：添加过滤器

点击图形设置图标打开设置面板，点击【过滤器】中的【+】，选择 attendance_group（考勤群体分类）。

点击过滤器中的 attendance_group → 【···】→【编辑】，选择“包含以下选项”，勾选“纪律高危型”，点击【确认】。

步骤6：样式设置

• 基础设置：四边距设为16

• 标题设置：字体大小16，颜色红色，显示位置顶部居中

• 值设置：字体大小30，颜色红色，粗体，水平居中

步骤7：保存并发布

点击【保存】，在提示中选择【保存并发布】。

2.4.1.2 纪律高危型男生人数

参考上述步骤，新建工作表“纪律高危型男生人数”，在过滤器配置中：

• 添加 attendance_group 过滤条件：包含“纪律高危型”

• 添加 gender 过滤条件：包含“男”

2.4.1.3 纪律高危型女生人数

新建工作表“纪律高危型女生人数”，过滤器配置：

• 添加 attendance_group 过滤条件：包含“纪律高危型”

• 添加 gender 过滤条件：包含“女”

2.4.1.4 纪律高危型未知性别人数

新建工作表“纪律高危型未知性别人数”，过滤器配置：

• 添加 attendance_group 过滤条件：包含“纪律高危型”

• 添加 gender 过滤条件：包含“未知”

2.4.1.5 整体指标分析

分析结论：高危群体整体规模清晰，其中男生人数（45人）多于女生（38人），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。

2.4.2 纪律高危型学生性别特征分析

2.4.2.1 纪律高危型学生男女人数占比

步骤1：新建工作表

命名为“纪律高危型学生男女人数占比”。

步骤2：选择饼图

图表类型选择“饼图”。

步骤3：配置图表

• 值：student_id（去重计数）

• 分类：gender

步骤4：添加过滤器

• 过滤 gender：排除“未知”

• 过滤 attendance_group：包含“纪律高危型”

步骤5：样式设置

• 标签显示形式：勾选“百分比”

• 内环大小：50%

• 扇形圆角半径：10

步骤6：保存并发布

2.4.2.2 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”，参考上述步骤，过滤器中只需排除性别“未知”，无需过滤考勤群体分类。

2.4.2.3 性别特征分析

分析结论：

排除性别未知数据后：

• 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%

• 在纪律高危型学生群体中，男生占比进一步上升至54.22%

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，后续管理需针对性加强男生考勤纪律引导。

2.4.3 纪律高危型学生年级特征分析

步骤1：新建工作表

命名为“纪律高危型学生年级特征分析”，图表类型选择“柱状图”。

步骤2：配置图表

• X轴：grade

• Y轴：student_id（去重计数）

• 过滤器：attendance_group 包含“纪律高危型”

步骤3：样式设置

主题色与饼图保持一致，边框色设为无边框。

步骤4：分析结论

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。

2.4.4 纪律高危型学生校区类型+年级交叉特征分析

步骤1：新建工作表

命名为“纪律高危型学生校区类型与年级交叉特征分析”。

步骤2：配置图表

• 先按年级分析配置柱状图

• 再将 campus_type 拖拽至“分组”，形成堆叠柱状图

步骤3：分析结论

从校区类型+年级交叉柱状图可以看出：

• 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

• 新校区整体风险可控，高危学生人数较少，高三年级无高危学生记录

2.4.5 不同校区类型各年级学生人数

步骤1：新建工作表

命名为“不同校区类型各年级学生人数”，参考交叉分析步骤，过滤器不添加任何字段。

步骤2：交叉对比分析

分析结论：

• 高三老校区是高危行为的绝对高发区：高危学生人数达到261人，是所有校区和年级中的最高值

• 新校区整体考勤纪律表现优于老校区：新校区学生基数较小，高危学生人数也相应较少

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。

2.4.6 纪律高危型学生班级特征分析

步骤1：新建工作表

命名为“纪律高危型学生班级特征分析”，图表类型选择“水平条图”。

步骤2：配置图表

• Y轴：class_name

• X轴：student_id（去重计数）

• 过滤器：attendance_group 包含“纪律高危型”

• 排序：按 student_id 降序

步骤3：分析结论

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）。多数班级高危人数极少，呈现明显的班级聚集性。这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。

2.5 搭建综合仪表盘

步骤1：新建仪表盘

点击左边菜单【仪表盘】→ 左上角【+】→【新建仪表盘】，命名为“纪律高危型学生用户画像分析”。

步骤2：添加标题文本

拖拽“文本”组件到画布，输入“纪律高危型学生用户画像分析”，设置字体颜色、大小、加粗、居中。

步骤3：调整组件大小

组件右下角可拖动调整大小。

步骤4：添加工作表

点击图表组件显示按钮，切换到【工作表】标签，将2.4节制作的所有工作表拖拽至画布中。

步骤5：布局调整

使用鼠标对图表大小和布局进行调整，同时使用“文本”组件将分析结论呈现在仪表盘中。

步骤6：保存并发布

点击【发布】，保存并发布仪表盘。

步骤7：预览与分享

点击【预览】全屏查看仪表盘，点击【分享】可生成分享链接。

3 纪律高危型学生画像分析总结

3.1 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。

3.2 核心特征

3.2.1 性别特征

结论：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。

3.2.2 年级特征

结论：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。

3.2.3 校区特征

结论：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。

3.2.4 班级特征

结论：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。

3.3 管理建议

4 核心组件说明

5 常见问题与解决

问题1：指标卡标题笔误

现象：制作“纪律高危型人数”指标卡时，误将工作表命名为“自律模范型人数”。

解决方法：重新命名为“纪律高危型人数”，确保命名与实际内容一致。

问题2：饼图中性别“未知”数据干扰

现象：纪律高危型学生性别占比饼图中出现了大量“未知”分类，影响分析准确性。

解决方法：在过滤器中添加 gender 字段，选择“排除以下选项”并勾选“未知”。

问题3：仪表盘图表显示不全

现象：部分图表数据点显示不完整。

原因：系统默认显示限额为2000条。

解决方法：在工作表设置中将显示限额设置为100%。

6 实验总结

本次实验完成了以下工作：

6.1 技术能力提升

• 助睿BI熟练应用：掌握了数据集构建、多种图表制作（指标卡、饼图、柱状图、水平条图）、过滤器配置、仪表盘搭建等可视化分析全流程；

• 多维度交叉分析：实现了性别、年级、校区、班级等多维度的数据交叉对比分析；

• 仪表盘分享：掌握了仪表盘的发布与分享功能。

6.2 业务价值实现

• 精准定位高危群体：通过多维度分析，清晰定位了纪律高危型学生的核心特征：

  • 男生占比偏高

  • 高度集中于高三年级

  • 老校区是高危行为高发区

  • 存在明显的班级聚集性

• 管理建议输出：形成了四条可落地的管理建议，为校园精细化管理提供数据支撑；

• 分析成果沉淀：搭建了完整的“纪律高危型学生用户画像分析”仪表盘，便于持续监控和分享。

6.3 平台优势总结

相比传统使用Excel或编写代码进行数据分析的方式，助睿BI平台提供了完整的零代码可视化解决方案：

本实验为后续更深入的学生行为分析（如成绩与考勤关联分析、消费行为与考勤关联分析等）奠定了良好的基础。