作者：李元芳
《北京日报》近日揭秘了高校图书馆借阅排行榜（《校图书馆借阅排行榜：清华学子独爱金庸武侠江湖》），发现不同高校在图书借阅上有明显的差异。
清华大学的学生钟爱武侠、科幻、通俗历史等读物，包括《明朝那些事儿》《三体》《天龙八部》《平凡的世界》《冰与火之歌》《围城》等，清华学子的世界里总有一个江湖。
而北京大学的学生不钟爱国内作家，喜欢引进版社科读物，包括《心理学与生活》《幻夜》《文明的冲突与世界秩序的重建》《自杀论》《动物庄园》等，北大学子探索世界的“野心”盛浓。
上海交通大学的学生则充满着浓浓的理工味道，充分展现了该校的理工特色，图书借阅top排行榜包含《Python基础教程》《硅谷之谜》等数据类、工具类书籍，可以看到上海交大满校园的公式在飘荡。
通过对高校图书借阅数据的深入分析，我们发现了更有趣的结论：学习成绩、毕业去向都与图书借阅偏好有着密切的关系。
探索图书借阅，发现学生的借阅偏好
1、成绩好VS成绩差
成绩一般的学生，更倾向于借阅初级类的图书，而成绩好的学生更喜欢高级类的图书。这是对学习掌握程度不一致造成的差异。
2、出国VS考研
出国学生更偏爱外国历史、文化相关的图书，考研学生偏好考研相关的数学类和外语类的图书 。
难道图书借阅仅仅只能分析学生的借阅偏好？学生借阅偏好的结论还能否进一步地被利用，进行再分析？
自建算法模型，预测学习成绩变化趋势
挂科对学生毕业、求职甚至未来发展会造成很大的影响，同时也是高校管理的重要考核部分。提前进行成绩预测可以提醒学生，同时推进辅导员和管理者及时干预，就能防止挂科给学生带来不利的影响。
那么，图书借阅与成绩趋势有没有关联性？为此，我们研究了图书推荐和成绩预测的协同分析，深入探讨如何通过图书借阅数据预测学生的学习成绩变化趋势。
高校图书馆藏书量巨大，但过去学生借阅多使用图书借阅卡，而未采用数字化的存储，导致了存储的数据少，造成借阅历史数据的稀缺性，如果直接将学生借阅图书作为预测成绩的特征仍具有很高的挑战难度。为此，我们提出一种有监督的能应对稀疏性的降维方法，找到借阅图书的一种低纬嵌入表示，把成绩作为监督信号，使提取得到的图书表示能与成绩信息保持一致，从而使成绩预测的结果更准确。高校图书馆的书目成千上万册，哪些图书才是预测成绩的关键？在低维嵌入的基础上，运用现有方法仍无法解决这个问题。因此，我们在降维模式下建立图书重要性算法模型，可以精准地发现和成绩正负相关的最重要的图书（如下表所示）。
(计算机学院与预测成绩正/负相关的图书)
服务新选择，协同作业提高学习成绩
通过挖掘与成绩正相关的图书，再比对学生的借阅趋势，一方面，学校可以为不同成绩水平的学生推荐正确的图书，辅助不同阶段的学习，建立高效的学习通道；另一方面，利用学生借阅数据预测学生的成绩走势，在挂科发生之前提前进行预警和干预，引导学生建立自主学习能力，避免挂科带来的不良影响。通过两方面的协同作业，进一步地提升学生的学习成绩，引导学生自主学习，也为高校的精细化管理于服务带来新“花样”。
本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流，内容版权归原作者所有，如涉作品、版权和其他问题请给「我们」留言处理。
