校园线下社交关系是学生校园生活的重要组成部分,其一般通过校园互动行为所驱动。良好的线下社交关系是学生德智体美劳全面发展的重要前提。然而,如何有效获取学生线下社交信息并应用在学生管理过程中仍是教育数据挖掘领域的一个难题。目前现实环境和国家政策均为教育数据挖掘领域发展提供了难得的机遇,且该领域在近几年获得了快速的发展。但由于教育领域的非盈利性与服务性,相比于其他大数据挖掘领域,教育数据挖掘的研究尚不深入,有许多问题仍未被关注或被解决。现阶段该领域的研究主要具有以下特点:（1）大学生校园行为在数据层面的时空规律与深层逻辑尚未被关注。（2）基于校园时空数据大规模实时的大学生社交链接仍无法有效挖掘。（3）结合大学生社交相关信息的学生管理评估方法较少。基于以上问题,本文的主要研究工作和创新点如下:1.提出一种消除数据时空聚集性与学生同质性的方法。首先分析了数据集中存在的时空聚集性,并通过基于签到密度的聚类方法将数据集分为聚集事件集与非聚集事件集,针对聚集事件中存在的同质性问题,分析单个学生在聚集事件中与他人的共现次数分布挖掘共现模式,根据此模式计算各院系同质共现概率矩阵,以此消除聚集事件中因同质性产生的噪音共现。2.提出一种两阶段的学生线下社交链接挖掘方法。针对目前校园社交链接挖掘仅仅简单使用了学生间的共现信息,而忽略了学生生活习惯、刷卡时间地点的具体情况等特征的问题。本文在聚集与非聚集事件集上提出基于假设检验的社交链接挖掘方法。首先,在前人的基础上,提出了学生共现是由随机因素所导致的零假设,并设计了统计检验量进行假设检验的验证。针对在聚集与非聚集事件中多个假设检验的显著水平选取问题,本文结合学生的日常生活特征提出了基于集成学习方法的社交链接深度挖掘方法。首先在数据集上使用递归消除方法进行特征选择,最后构造基于LR、SVM、GBDT、XGBoost四种方法的异质集成模型并使用不同集成策略进行测试。3.提出一种融合学生线下社交链接的贫困生评估方法。针对目前高校贫困生评估流程繁琐且传统利用学生生活特征评估方法效果较差的问题,本文融合了学生线下社交链接信息与学生生活特征数据,提出了融合学生线下社交链接的高校贫困生评估方法。首先,使用Deep Walk、Node2Vec、LINE、SDNE、Stru2Vec等图嵌入方法,构造学生线下社交链接网络并将其转为网络节点的学生向量表示;其次提出图嵌入增强的贫困生评估方法。结果表明,该方法有效地融合了学生的线下社交与生活信息,有效地提升了贫困生评估的效果。