大数据挖掘技术和人工智能算法的不断完善与快速发展,为我们从海量数据当中挖掘出具有重大价值的信息和揭示事物发展潜在的规律奠定了良好的基础。无线网络技术的发展使得Wi-Fi网络设备的成本逐步降低,覆盖范围越来越广,加之无线网络接入的便捷性使人们对手持移动设备和无线网络的依赖性日益突出。此外,随着智慧校园等项目的大力开展,我们可以很轻松地获取校园人群产生的丰富数据。学生的学习质量是高校的生命线,因此高校学生的教务管理是学校管理的重中之重。教育大数据领域的研究已经成为人们研究的热点内容。本论文采用Wi-Fi数据定位技术、轨迹数据挖掘算法、社交网络分析方法以及机器学习分类预测算法,基于校园多域融合数据建立模型对学生成绩与社交性进行分析。首先,根据多域数据融合相关的理论,将包括Wi-Fi探针数据,校园网络数据以及校园卡消费数据在内的多域数据进行有机融合保证了实验结果的客观性与准确性,并从融合后的数据中提取学生轨迹,对数据融合前后学生轨迹数据的稀疏性进行了对比。接着,分别进行了学生社交与成绩关联性分析以及学业成绩的分析与预测。基于学生轨迹数据定义并计算不同学生之间的社交相似度,构建学生社交网络并对学生成绩与社交关系进行关联性分析,包括学生社交活跃度与成绩关联性分析,是否有情侣与成绩关联性分析以及情侣关系中性别与成绩关联性分析。提取表征学生成绩的行为特征,并进行相应的特征筛选,使用数据挖掘技术中非监督聚类算法对学生成绩进行分析,使用监督的分类预测算法训练分类预测模型,对学生成绩进行分类预测。