一、实验背景

1.1实验目的

基于已完成的学生考勤主题标签表（student_attendance_stats），使用 K-Means 聚类算法对学生考勤行为进行自动分群。通过迟到、早退、请假、校服违规次数等核心指标，识别不同类型的考勤群体，生成可解释的考勤画像，为校园学生管理、行为分析提供精准数据支撑。

1.2实验环境

• 零代码在线实验平台：本次实验基于助睿数智（Uniplore）一站式数据科学平台完成。该平台提供可视化 ETL 数据集成能力，覆盖数据接入、转换、加载全流程，支持零代码拖拽式开发，适用于教学与企业数据加工场景。产品官网为 https://www.uniplore.com/，本次实验的访问地址为 https://lab.guilian.cn/。本次实验用到以下功能：
  • 数据集成平台（助睿 ETL）
  • 人工智能平台（助睿 AI）
  • 助睿BI 数据可视化探索平台
• MySQL
• 前置数据：学生考勤主题标签表（student_attendance_stats）

二、实验步骤

2.1 AI Studio 聚类建模

点击左边菜单“人工智能”，进入人工智能平台（AI Studio），进入人工智能模块用户空间，点击“+” - “新建工作流”

搜索“数据库加载”控件，拖拽至画布，双击“数据库加载”控件，右边会出现参数配置窗口，将团队私有数据库的信息填入，并点击“连接”

选择后会自动加载表信息，我们主要是分析各类异常考勤占比的特征，所以只需保留 student_id 、class_id、late_count、early_leave_count、leave_count、uniform_violate_count，其他字段跳过（skip）；为保留的字段选择对应的属性类型，最后点击“确定”

字段对应的属性类型参考如下：

属性名称	属性类型	属性名称	属性类型
id	skip	political_status	skip
student_id	categorical	is_boarder	skip
student_name	skip	campus_type	skip
class_id	categorical	late_count	numeric
class_name	skip	early_leave_count	numeric
grade	skip	leave_count	numeric
gender	skip	uniform_violate_count	numeric
birth_date	skip	create_time	skip

右键数据库加载空间，点击“运行该控件”，成功后可右键点击“查看输出结果”

拖入“K-Means”组件，创建数据库加载组件到“K-Means”组件的连线

双击“K-Means”组件，配置窗口中，簇数量选择固定3个，其他保持不变

右键运行该控件，查看输出结果，可以看到每个学生分别标记了对应的簇类C1/C2/C3

拖拽“数据入库”组件到画布，创建“K-Means”组件到“数据入库”组件的连线

在弹出的窗口中，选择“新建数据表”，表名称修改为“student_cluster”，并点击“确定”

运行工作流，各控件均运行成功则工作流运行成功

2.2 分析聚类簇编号对应的考勤群体分类

点击实验平台左边菜单“助睿BI”，进入助睿BI平台

点击左边菜单中的“数据源”，点击左上角“+” - “新建连接” - “MySQL”

输入数据库连接信息，然后测试连接，出现“测试连接成功”表示我们的连接正确，点击“确认”

点击新建的数据库目录，可以看到本次实验所用的学生考勤主题标签表（右键点击-查看表数据，可以预览表内数据）

点击左边菜单中的“数据集”，点击左上角“+” - “新建数据集”

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_cluster 所在的目录，数据源选择完成后，目录下的数据表自动出现在画布左边，将student_cluster 拖拽至画布中

查看数据的表结构及数据，为方便进行后续分析，将字段备注分别修改为中文，在字段备注输入框中输入中文备注，并点击“√”保存

字段备注参考如下：

原字段名	字段备注
student_id	学生ID
class_id	班级ID
late_count	迟到次数
early_leave_count	早退次数
leave_count	请假次数
uniform_violate_count	没穿校服次数
Cluster	聚类簇编号
Silhouette	轮廓系数

字段别名修改完成后，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

点击左边菜单中的“工作表”，进入工作表模块，为了方便管理，我们将本次制作的工作表集中存放在一个目录下，点击左上角的“+” - “新建分组”

右键或者点击聚类簇对应的考勤画像群体分类分析分组的“…”，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“迟到早退次数的聚类簇分析”、选择所属分组、填写备注信息后点击“确认”

数据集选择刚刚创建的“聚类簇编号数据集”

图表类型选择“探索器”，将字段“late_count（迟到次数）”拖拽到X轴，“early_leave_count（早退次数）”拖拽到Y轴，点击图形设置按钮，打开设置面板

在设置面板中，点击颜色区域的“+”，在下拉框中选择“Cluster（聚类簇编号）”，并点击“确认”

点击信息区域的“+”，在下拉框中选择“student_id（学生ID）”，并点击“确认”

将“student_id（学生ID）”设置为“维度”，系统默认限额为2000条数据，因此，需要将限额设置为100%，避免数据过多不显示全部

为了区分更明显，我们可以设置聚类簇编号的颜色，点击颜色区域的设置按钮，切换主题

点击保存按钮，保存并发布工作表

同样的，重新新建工作表，依次两两分析4个异常考勤次数的3个聚类簇的表现情况

点击左边菜单“仪表盘”，点击左上角“+” - “新建仪表盘”，仪表盘名字输入“聚类簇分析”，备注信息输入“聚类簇分析”，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“学生考勤主题分析”，并设置字体颜色、字体大小、加粗、居中

切换到“工作表”，将前面制作的工作表都拖拽至画布中

拖入完毕后，可以对图表大小和布局进行调整，预期效果如下：

2.3 将映射结果加入学生考勤主题标签表

进入上一个实验在数据集成平台中创建的ETL项目，新建转换流“增加考勤主题扩展标签字段”，拖拽并组件到画布中

双击“执行一个SQL脚本”组件，在配置窗口中，数据库连接“团队私有数据库”，输入SQL脚本并确定，然后执行转换流

SQL：

-- 为学生考勤统计表添加聚类结果字段

ALTER TABLE student_attendance_stats

ADD COLUMN cluster VARCHAR(10) NULL DEFAULT NULL COMMENT '聚类簇编号',

ADD COLUMN attendance_group VARCHAR(30) NULL DEFAULT NULL COMMENT '考勤群体分类';

创建转换流“增加考勤群体分类标签”

拖入如下组件并进行相关配置

表输入组件：

字段选择组件

值映射组件：

更新组件：

这里需要注意，我们在增加扩展字段时，聚类簇编号的字段为cluster，所以在表字段的 Cluster 字段中需要双击后点击下拉框选择正确的表字段

配置完成后运行转换流，运行结束后切换“元数据”选项，右键“团队私有数据库”，点击“加载元数据”，加载成功后点击“数据探查”，在团队私有数据库中点击 student_attendance_stats ，在点击“查询”，可以看到 cluster、attendance_group的数据已经更新成功了

2.4 构建数据集

同前面的实验步骤构建数据集操作一样，接下来，我们使用 student_attendance_stats 构建“学生考勤主题数据集”数据集，用于后续分析

2.5 制作工作表

新建学生考勤画像分析分组，后续将在此分组下构建工作表。

2.5.1 整体概况指标卡

新建“纪律高危型人数”工作表，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）”

编辑 “attendance_group”，在过滤器配置中点击“包含以下选项”，并勾选“纪律高危型”，在点击“确认”

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。如下图，设置完成后保存并发布。

参考“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，注意：在筛选器中需要额外一个添加“gender（性别）”字段用于过滤性别，并设置为包含“男”

参考“纪律高危型男生人数”步骤，重新新建工作表“纪律高危型女生人数”、“高危型未知性别人数”，完成指标卡的制作，筛选器 “gender（性别）”字段分别设置为包含“女”、“未知”

分析：

       从整体指标来看，纪律高危型学生总人数为 710 人，其中男生 57 人、女生 70 人、未知性别 583 人。高危群体整体规模清晰，在已知性别的群体中，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。

2.5.2 纪律高危型学生性别特征分析

新建工作表“纪律高危型学生男女人数占比”，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”

点击过滤器中的“+”，在下拉列表中选择“attendance_group”，编辑过滤器，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”

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”，点击“确认”，在过滤器设置中点击“排除以下选项”，勾选“未知”，点击“确认”

可以在样式设置中调整图形样式与主题颜色

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“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

分析：

       排除性别未知数据后，从全校性别分布来看，男生占比为 53.03%，女生占比为 46.97%；而在纪律高危型学生群体中，男生占比为 44.88%，女生占比为 55.12%。对比两组数据可以发现：女生在高危群体中的占比（55.12%）显著高于其在全校的基数占比（46.97%）；而男生在高危群体中的占比（44.88%）则低于其在全校的基数占比（53.03%）。这一结果表明，纪律高危型学生中女生占比偏高，并非由全校性别基数差异导致，而是女生在违纪行为上的真实风险更高，女生规则意识、时间观念相对薄弱，更易出现违规违纪行为，因此是高危群体的主要构成对象，后续管理需针对性加强女生的纪律引导。

2.5.3 纪律高危型学生年级特征分析

新建工作表“纪律高危型学生年级特征分析”，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

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”

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”；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，最后保存并发布

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：高三年级的高危学生人数最多，为 340 人；高二年级次之，为 289 人；高一年级最少，为 223 人。整体呈现 “高一 < 高二 < 高三” 的递增趋势，说明随着年级升高，学生出现违纪高危行为的概率显著上升。这一分布特征，可能与高三学生面临的升学压力、在校时间长度、课程节奏变化以及部分特殊升学安排（如校外培训、自主复习）有关，这些因素都可能导致考勤、纪律行为出现波动，因此高三是纪律管理的重点年级。

2.5.4 纪律高危型学生校区类型 + 年级交叉特征分析

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”，参考“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”，最后将主题色设置成与上一个图表的主题色，保存并发布

分析：

       从校区类型与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，老校区高一高危人数 209 人、高二 261 人、高三 340 人；新校区高危人数整体极少，仅高一 14 人、高三 27 人，高二年级无高危学生记录。这说明老校区学生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，高三年级达到峰值。后续需重点对比两校区在管理模式、通勤条件、学风氛围、家校沟通机制等方面的差异，探究影响学生纪律行为的深层原因。

2.5.5 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：
       从不同校区各年级学生人数柱状图可以看出，老校区各年级的学生基数均显著大于新校区：高一年级老校区 1021 人、新校区 148 人；高二年级老校区 1079 人、新校区 295 人；高三年级老校区 1883 人、新校区 295 人。这一基数差异，是导致老校区高危学生人数整体远高于新校区的重要基础，但对比高危占比可以发现，老校区学生的高危率仍高于新校区，说明除了学生基数外，校区管理、环境等因素对纪律行为也存在额外影响。其中高三年级老校区学生基数最大，也进一步放大了该年级的高危人数规模，是后续管理的核心聚焦群体。

2.5.6 纪律高危型学生班级特征分析

新建工作表“纪律高危型学生班级特征分析”，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

将“student_id”的聚合方式设置为“去重计数”，“student_id”按降序排序，这样人数多的班级就排在前面

过滤器中添加字段“attendance_group”，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”。将主题色设置为同之前的图表的主题色一样，最后保存并发布

分析：

       从班级水平条形图可以清晰看到，纪律高危型学生高度集中在少数班级，其中高三 09 班、高三 13 班高危人数并列最高（均为 36 人），其次为高二 11 班（32 人），其余如高二 13 班、高三 07 班、高三 08 班等高危人数均为 27 人，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，高二年级次之，高一年级整体占比偏低，这既与高三学生升学备考节奏紧张、课程安排灵活、部分学生参与校外学习等特殊安排有关，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。少数高危人数突出的薄弱班级需要重点整治，通过加强班主任监管、整顿班风学风、开展针对性教育引导，阻断不良风气传染，降低班级整体违纪风险。

2.6 搭建综合仪表盘

点击左边菜单栏中的“仪表盘”，新建“纪律高危型学生用户画像分析”仪表盘

添加文本组件以及前面制作的用户画像分析工作表，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：

2.7 其他仪表盘

纪律规范型学生用户画像分析、轻微波动型学生用户画像分析仪表盘的构建参考“2.5制作工作表”与“2.6搭建综合仪表盘”即可完成。

2.7.1 纪律规范型学生综合仪表盘

2.7.2 轻微波动型学生综合仪表盘

三、实验结果

3.1 纪律高危型学生画像分析总结

3.1.1 整体概况

纪律高危型学生普遍存在高频迟到、早退、请假及校服违规等多维度叠加违纪行为，是校园考勤与行为管理中最需重点关注的核心群体。该群体整体人数占比虽处于可控范围，但个体行为的负面传导性强，易在同伴间形成不良示范、涣散整体学风，需通过专项治理实现精准管控与正向引导。

3.1.2 核心特征

性别特征：已知性别数据中，女生在高危群体中的占比显著高于其在校内的整体基数占比，男生则低于校内基数占比，女生是高危行为的主要发生对象，这一特征与部分学生规则意识薄弱、时间观念不足、自我约束能力偏弱直接相关。

年级特征：高危学生高度集中于高三年级，其次为高二年级，高一年级占比最低，整体呈现随年级升高高危人数递增的趋势。高年级学生受升学备考节奏紧张、自主学习空间扩大、部分校外培训安排等因素影响，对考勤纪律的重视度明显下降，违纪风险随之上升。

校区特征：高危学生在不同校区呈现显著分布差异，高度集中于老校区，新校区高危人数极少。这一差异与两校区的通勤条件、日常管理模式、学风氛围及学生基数特征密切相关，老校区整体管理复杂度更高，是风险防控的重点区域。

班级特征：存在极强的班级聚集性，高危学生集中分布在少数班级，其中高三 09 班、高三 13 班高危人数并列最高，部分班级甚至出现 “多学生高频违纪” 的集中现象，与班级管理强度不足、班风学风涣散、同伴负面效应传导直接相关。

3.1.3 管理建议

精准关注重点性别与年级群体：针对高危集中的女生及高三学生，开展分层分类的考勤纪律教育与时间管理培训，强化规则意识与自我约束能力，减少违纪行为的发生频次。

强化老校区高年级专项管理：针对老校区优化通勤保障、细化考勤监督机制，通过年级联动、班主任责任制等方式，营造严谨的学风与纪律氛围，降低学生违纪风险。

整治高危学生集中班级：对高危人数突出的薄弱班级实施专项整治，加强班主任日常监管力度，整顿班风学风，建立班级考勤公示与责任机制，阻断不良风气的同伴传染。

建立高危学生 “一人一档” 管理台账：一对一建档跟踪，联动家长开展家校协同教育，结合学生违纪原因制定个性化矫正方案，定期跟踪干预效果，防止违纪行为固化为长期习惯。

3.2自律规范型学生画像分析总结

3.2.1 整体概况

自律规范型学生是校园中遵守考勤、校服等各项纪律要求的主体群体，无高频或偶发违纪行为，是校园学风与纪律建设的核心正向力量。该群体规模庞大，占比显著高于其他类型群体，是维持校园整体纪律秩序稳定的基础，需通过正向激励与榜样示范，进一步巩固其良好行为习惯，并发挥其对其他群体的带动作用。

3.2.2 核心特征

性别特征：男生在规范型群体中的占比略高于其在校内的整体基数占比，女生则略低于校内基数占比，男生是自律规范行为的主要构成对象，女生中仍有部分学生处于轻微波动状态，整体纪律稳定性弱于男生。

年级特征：各年级分布相对均衡，高一、高二年级人数略高于高三年级，整体无明显年级偏差，说明自律规范的行为习惯在各年级均有广泛体现，仅高三受学业压力影响，部分学生出现轻微波动，导致规范型人数略低。

校区特征：老校区仍为规范型学生的主要聚集地，但新校区学生的规范率明显更高，新校区学生整体纪律表现更稳定，与校区管理模式、学风氛围密切相关，而老校区受基数与管理复杂度影响，仍有部分学生未进入规范型群体。

班级特征：分布相对广泛，无极端聚集现象，多数班级均有稳定的规范型学生群体，高三班级的人数整体略高，反映出即使在学业压力较大的阶段，仍有大量学生保持了良好的纪律行为习惯，可作为班级正向榜样。

3.2.3 管理建议

强化正向激励与榜样示范：针对自律规范型学生群体，开展纪律标兵、文明学生等评选活动，树立班级与年级榜样，发挥其同伴带动作用，引导轻微波动型学生向规范型转化。

关注高三学生的行为稳定性：针对高三规范型学生，结合其学业压力状态，开展针对性的心理疏导与纪律提醒，帮助学生在备考阶段保持稳定的行为习惯，防止因压力导致行为波动。

推广新校区管理经验：总结新校区在学生纪律管理中的有效做法，如精细化考勤、学风建设等，向老校区推广，优化老校区的管理模式，提升整体规范率。

建立分层引导机制：以自律规范型学生为核心，建立班级 “一对一” 帮扶机制，通过结对互助的方式，帮助轻微波动型学生改善行为习惯，筑牢校园纪律管理的正向基础。

3.3 轻微波动型学生画像分析总结

3.3.1 整体概况

轻微波动型学生以偶发、低频次的迟到、请假或校服违规行为为主，未形成高频违纪习惯，是校园管理中需重点关注、防止向高危群体转化的关键过渡群体。该群体规模较大，占比明显高于纪律高危型群体，虽单次违纪行为影响有限，但基数庞大、分布广泛，若不及时干预，易受同伴影响或因管理疏忽固化为长期违纪行为，需以 “防微杜渐” 为核心开展精细化引导。

3.3.2 核心特征

性别特征：女生为轻微波动型群体的主体，在该群体中占比达 61.62%，显著高于其在校内 46.97% 的整体基数占比；男生占比仅 38.38%，低于校内 53.03% 的整体基数占比。这一特征表明，女生更易出现偶发的纪律波动行为，与部分学生自我约束能力不足、对纪律细节重视度不够，或受情绪、作息等因素影响导致行为不稳定直接相关。

年级特征：该群体高度集中于高三年级，人数达 604 人，其次为高二年级 350 人，高一年级仅 187 人，整体呈现随年级升高人数递增的趋势。高年级学生受升学备考节奏紧张、学业压力增大、自主学习安排增多等因素影响，偶发的迟到、请假行为明显增多，是轻微波动行为的主要集中阶段。

校区特征：轻微波动型学生高度集中在老校区，新校区人数极少。老校区高一、高三、高二的波动型学生人数分别为 187 人、604 人、349 人，新校区仅高二年级有 1 人，分布差异极为显著。这与老校区学生基数大、通勤条件复杂、管理模式下学生自主空间更广，以及部分学生因通勤距离、校外学习安排等因素导致行为波动密切相关。

班级特征：轻微波动型学生同样存在一定的班级聚集性，高三年级班级占比突出，其中高三 07 班人数最多（70 人），高三 05 班（66 人）、高三 01 班（57 人）等班级人数也处于较高水平，整体集中于高三的部分班级，与班级管理强度、学生备考状态及班风学风的细微差异直接相关。

3.3.3 管理建议

精准关注女生与高年级群体：针对轻微波动型群体中占比最高的女生及高三学生，开展针对性的纪律细节教育与时间管理引导，强化对考勤、校服等日常纪律的重视度，帮助学生建立稳定的行为习惯，防止偶发违纪向高频违纪转化。

强化老校区精细化管理：针对老校区通勤、管理模式等特点，优化通勤保障与考勤提醒机制，通过年级联动、班主任日常沟通等方式，及时了解学生波动行为的背后原因，缓解学生因学业压力、通勤不便等产生的纪律波动，降低向高危群体转化的风险。

聚焦重点班级开展预防性引导：对轻微波动型学生集中的班级，尤其是高三 07 班、高三 05 班等，加强班主任的日常关注与正向引导，通过班会、个别谈话等方式，帮助学生认识到纪律细节的重要性，营造严谨的班级氛围，减少波动行为的同伴传导。

建立动态监测与早期干预机制：为轻微波动型学生建立行为台账，跟踪偶发违纪行为的频次与趋势，家校联动了解学生状态，针对情绪、作息、学业压力等不同原因制定个性化引导方案，通过及时提醒、正向激励等方式，帮助学生稳定行为习惯，筑牢从 “轻微波动” 到 “纪律高危” 的防线。

四、问题与解决

4.1 问题

问题：执行考勤标签主题表字段扩展时“执行一个SQL脚本”组件运行报错

4.2 原因

原因：表中已存在需要拓展添加的字段，重复添加引起报错

4.3 解决

解决：删除字段重新添加或是放弃执行SQL脚本，直接将数据导入已存在字段

五、实验总结

本次实验依托可视化图表工具，对全校学生纪律行为数据开展多维度统计分析，按照行为表现将学生划分为自律规范型、轻微波动型、纪律高危型三类群体。通过制作整体指标、性别、年级、校区 - 年级交叉、班级等系列柱状图与条形图，直观呈现各群体人数规模、占比及分布规律：数据可视化结果清晰反映出，纪律问题集中出现在高三年级、老校区以及部分管理薄弱班级，女生在轻微波动、纪律高危群体中占比偏高，高年级学业压力、校区管理差异、班级班风及同伴影响是主要诱因。结合图表分析得出完整学生纪律画像后，后续将针对不同群体、重点区域落实分层管控、正向激励、早期干预与专项整治等举措，借助数据可视化成果实现校园纪律精细化、精准化管理。