从“数据盲区”到“精准治校”：纪律高危型学生行为画像实证分析
一、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（student_attendance_stats），聚焦“纪律高危型”学生群体进行专项画像分析。
利用助睿BI（数据可视化探索平台）从性别、年级、校区、班级等多个维度制作可视化图表（指标卡、饼图、柱状图、条形图等），深入挖掘该高危群体的行为特征与分布规律。
通过数据下钻分析，为校园考勤精准干预、重点班级整治及学生行为管理提供客观的数据支撑和决策建议。
二、实验环境（实验用品）
工具平台：助睿数智（Uniplore）在线实验平台（https://lab.guilan.cn/），主要使用助睿BI、MySQL数据库。
数据源：student_attendance_stats（学生考勤主题标签表），该表已包含学生基础信息、考勤违纪统计次数及 attendance_group（考勤群体分类）字段。
实验设备：计算机（可连接互联网并支持助睿平台运行）。
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
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“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
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
3.4.1.3 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 2,225人，其中男生483人、女生416人、未知性别1,326人。高危群体整体规模较大，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（仅统计男、女）：
全校学生性别分布：男生占比约 65.13%（全校男生基数大），女生占比约 34.87%；
纪律高危型学生性别分布：男生占比约 53.73%（483/899），女生占比约 46.27%（416/899）。
这一结果表明：纪律高危型学生中男生占比（53.73%）远低于全校男生占比（65.13%），女生占比（46.27%）远高于全校女生占比（34.87%）。说明女生在考勤违纪上的实际风险更高（相对于自身基数），是高危群体的核心构成对象。后续管理需针对性加强女生考勤纪律引导（如关注心理状态、纪律意识培养）。
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“纪律高危型学生年级特征分析”柱状图看，高危学生在各年级分布差异显著：高三年级高危人数最多（1051人），高一（842人）、高二（923人）相对较少。这可能与高三升学压力、在校时间长度、课程安排调整（如备考节奏紧张、校外培训）等因素有关，易导致考勤行为波动。
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
点击“保存”按钮，“保存并发布”工作表
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 708 人、高二 655 人、高三 1051 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，各年级分布为高一 134 人、高二 268 人、高三 19 人。
仅从高危群体的分布来看，老校区的违纪风险远高于新校区，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：
从“不同校区类型各年级学生人数”和“纪律高危型学生校区类型与年级交叉特征分析”图可知：
老校区是高危险学生的主要聚集地（老校区全校人数：高一1169人、高三1883人、高二1374人；高危人数：高一708人、高三1051人、高二655人）；
新校区高危人数整体较少（新校区全校人数：高一148人、高三261人、高二295人；高危人数：高一134人、高三19人、高二268人）。
结合“全校各校区各年级人数”对比，老校区高危学生占比（如高三老校区高危1051人/全校高三1883人≈55.8%）远高于新校区（高三新校区高危19人/全校高三261人≈7.3%），说明老校区（尤其是高三）是高危核心聚集区，后续需重点聚焦该群体，制定针对性管理措施。
先点击“保存”按钮，“保存并发布”工作表
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
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
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
复制结果如下，其他人可以点击连接查看仪表盘
访问地址：来自undefined分享的资源
访问地址：http://47.109.153.89/#/share/dashboard/2056673626391973888
四、实验结果与分析（核心画像分析总结）
4.1 整体概况
从整体指标卡可见，纪律高危型学生总人数为2,225人，其中男生483人、女生416人、未知性别1,326人。高危群体规模较大，且男生人数多于女生，需从性别角度深入分析。
4.2 核心特征
性别特征：女生为高危群体主体。排除性别未知数据，全校男生占比约65.13%、女生约34.87%；但纪律高危型学生中男生占比约53.73%、女生约46.27%。女生在高危群体中的占比（46.27%）远高于其全校基数占比（34.87%），说明女生考勤违纪风险更高，是高危行为的主要发生对象（与女生心理状态、纪律意识波动相关）。
年级特征：高度集中于高年级。从年级分布看，高三年级高危人数最多（1051人），高一（842人）、高二（923人）相对较少，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，易导致违纪行为。
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。老校区全校人数（高一1169人、高三1883人、高二1374人）与高危人数（高一708人、高三1051人、高二655人）均远高于新校区（全校人数：高一148人、高三261人、高二295人；高危人数：高一134人、高三19人、高二268人）。老校区高危学生占比（如高三老校区高危占比≈55.8%）远高于新校区（≈7.3%），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。从班级水平条图看，高危学生集中在少数班级（如高三(09)班102人、高三(07)班98人、高三(01)班95人等），与班级管理强度、同伴效应直接相关，多数班级高危人数极少。
4.3 管理建议
重点关注高年级女生群体：针对性开展考勤纪律教育与心理疏导，强化规则意识，减少违纪行为发生。
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。
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。
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：
·
五、实验总结（心得与体会）
通过本次实验，我熟练掌握了助睿BI平台从数据集构建、多维度图表制作到仪表盘搭建的全流程操作，学会了如何利用过滤、分组、聚合计数等功能对特定群体（如纪律高危型）进行数据下钻和画像分析。在分析结果时，我认识到不能只看绝对人数，还需引入全校基数（如性别基数、校区年级基数）进行对比，才能排除基数干扰、得出客观结论。本次实验将抽象的考勤数据转化为直观的可视化图表和业务洞察，体现了数据可视化在校园精细化管理中的实际价值，也为我后续进行其他用户画像分析打下了坚实基础。