学业预警是加强学校学业管理,提高学生自我管理、自我约束能力,形成学校、家长共同管理模式的重要手段。大量高校实施学业预警制度的实践证明,通过学业预警工作的开展,学校、家长、学生共同协作,可以更有针对性的督促学生端正学习态度,努力学习,顺利完成学业。为此,如何利用在校大学生的学习、生活数据和课业成绩之间隐含的各种信息,建立更加科学精准的学业预警模型以及时帮助学生避免在学习过程中出现问题,不仅引起了教育界的广泛关注,而且成为教育领域数据挖掘和人工智能研究的一个热点和难点问题。基于上述背景,近年来国内外学者从学生行为模式、综合评价、成绩预警等多方面开展了大量的研究并取得了一定的研究成果。但总体而言,由于大学不同专业的课程体系不同以及学业影响因素的复杂性,成绩预警方法的研究仍然存在着较大的发展空间。有鉴于此,本文在学习借鉴已有的研究成果基础之上,针对在校大学生成绩预警问题,从课程关系网络和学生行为模式两方面入手开展了相关研究,主要研究内容如下:(1)通过采集某高校学生在校园活动中产生的多种行为数据,包括消费数据,门禁数据,上网数据等,构建了学生行为数据集。在此基础上,分析确定了学生行为数据背后蕴含的多种行为模式以及与学生课业成绩相关的主要影响因素,并从多个角度出发进行了学生行为数据的特征选择和特征提取。(2)提出了一种基于MSW_Apriori算法的课程关系网络构建方法。该算法针对传统Apriori算法反复扫描数据库,自连接效率低下等问题,采用向量矩阵并优化自连接的计算方法,更高效地挖掘有效关联规则,避免了无效和无趣的关联结果产生。并将其应用于学生课程关系网络的构建和管理规则挖掘之中。通过实验验证,证明了所提出方法用于构建课程关系网络、挖掘不同课业成绩关联规则的有效性。(3)结合提取到的学生行为特征以及所构建的课程关系网络,利用决策树、NB、SVM等算法建立了多种课业成绩预警模型并进行了对比分析。在此基础上,提出了一种基于Stacking集成学习的大学生成绩预警模型构建方法。利用该方法,通过选择某高校2009-2012级某专业总计275人的大学期间所有课程成绩数据、生活数据和上网记录数据作为实验数据进行模型训练得到学生成绩预警模型,在实证预测2013级总计67人的学业成绩中,取得了较好的预测效果,证明了所提出方法能够有效提升大学生成绩预警的准确性。