基于校园大数据的学生综合行为研究.pdf

第3 1卷第2 期2023 年6 月广州航海学院学报JOURNAL OF GUANGZHOU MARITIME UNIVERSITYVol.31No.2Jun.2023基于校园大数据的学生综合行为研究陈彦全,陈林发,刘小卉,李思坤,雷学生,封?斌,邓小方!（1.广州航海学院信息与通信工程学院，广东广州510 7 2 5;2.广州航海学院海运学院，广东广州510 7 2 5）摘要：高校学生的多样化生活产生了丰富且有价值的行为数据.现如今，在大数据时代下，将大数据技术运用到在校学生的课程学习、校内活动等方面，多维度、多指标、多角度进行分析与挖掘，建立基于教育大数据的面向群体及个体的学生综合行为画像，具有较强的实践意义.本文将基于机器学习方法的数据分析模型应用于学生行为数据，对学生综合行为进行研究，根据学生消费行为分析结果辅助进行贫困生认定，加快转变传统教学的管理理念，推进校园管理实现高效化管理，最终达到学生学业预警、作息规范、精准资助、舆情预警等目的.关键词：大数据；行为研究；数据分析中图分类号：TP319随着大数据技术的飞速发展，各个行业的信息化程度不断加深，大数据技术对教育领域也产生了重要的影响.高校信息化建设经历了从数字化校园到智能化校园的跨越，随着公共支撑平台及管理信息系统的持续建设与不断完善，校园信息化环境中积累的数据也在迅速膨胀增加，大学生在日常学习生活行为中产生的海量数据通过大数据技术能够被全面采集、处理、挖掘并分析其潜在价值.校园智能化过程中产生了结构化的常规业务管理数据、非结构化的多媒体教学资源数据以及位置追踪数据等多维度、大体量的教育数据.库克耶在大数据时代中指出，“当今社会所独有的一种新型能力：以一种前所未有的方式，通过对海量数据进行分析，获得有巨大价值的产品和服务，或深刻的洞见.”1 因此,如何处理、分析挖掘校园学生庞大数据中的潜在价值成为建立学生行为分析模型的关键.本文通过建立数据分析模型，以学生行为、一卡通校园餐厅消费、贫困生认定为研究对象，构建收稿日期：2 0 2 3-0 2-0 1基金项目：国家级大学生创新训练项目（2 0 2 11110 6 0 0 8）；阿里云&教育部高校数字化创新专项课题（2 0 2 1ALA03009）；广州市教育科学规划2020年度课题（2 0 2 0 12 58 9）第一作者简介：陈彦全（2 0 0 2 一），男，本科生，主要从事大数据处理与分析研究通信作者：雷学生（19 6 6 一），男，副教授，主要从事大数据技术及其应用研究,E-mail:文献标志码：A文章编号：10 0 9-8 52 6(2 0 2 3)0 2-0 0 7 4-0 5学生个人大数据分析模型，利用智能化平台累积的大数据，通过大学生综合行为画像，分析学生的行为习惯和特点，从而更好地了解和引导学生。1学生行为数据分析1.1学习成绩数据分析模型假设G为学生学年评定成绩，计算如下：G=Zi.F.式中,G,表示在校某名学生在第i门课程中的学年评定成绩;F,表示某学生第i门课程的分数值;n表示在校某名学生学年所选择的课程之和.G,的公式如下：=1S,式中,R,表示在校某名学生在第i门课程中的学年成绩排名；S,表示第i门课程的班级人数.对学年评定成绩进行分析，可以了解学生对于(1)R(2)第2 期一年来所学知识的掌握程度,基于此，教师可以提供针对性的学习指导，学校可以根据评定成绩开设奖学金制度，奖励优秀的学生，也可以激发其他学生的学习兴趣，提高学习动力.1.2社交系统数据分析模型因为大学生群体较大，记录会比较多，这里就以相隔5位同学作为目标同学的共现对.例如，假设同学n所在队列中获取有效共现对（xn-5,xn），（x n-4,x n+1），（x n,x n+5)，可以采集相关数据,并计算出共现对出现的次数.利用Louvain社区发现算法来识别在校学生的校园关系，从而发现学生群体中比较不合群的学生在学校里除了学习知识外，人际交往的培养也尤为重要.马克思曾讲过：人是各种社会关系的总和,每个人都不是孤立存在的.因此，良好的社会交往能力以及良好的人际关系是生存和发展的必要条件,在大学校园里建立良好的人际关系，形成一种团结友爱、朝气蓬勃的环境，将有利于大学生形成和发展健康的个性品质.通过社交关系的数据分析，老师掌握学生的基本社交情况，对于不怎么社交甚至社交为零的学生可以约谈，进行心理上的指导.学校可以根据分析得到的情况开展社交关系方面的活动，促进学生之间的社交关系也是不错的选择.1.3上网日志数据分析模型设N为在校某名学生单日平均上网的时间系数,单日平均上网时长t与网络依赖程度指数具有线性相关性.利用在校某名学生单日平均上网时间系数N可以推出学生安全上网的系数N=f(1.725+0.321t).通过分析在校学生的上网时间，可以进一步延伸出其他问题，比如上网时间过长是缩短了学习时间、睡眠时间来换取的，这些行为是不可取的，沉迷于上网甚至会影响身心健康.因此学校方面就可以根据分析得到的模型结果进行限制网络开放的时段，比如晚上11点至次日7 点时段关闭校园网络，保证学生的睡眠质量.又或者可以开展“合理上网”相关讲座、活动等，以此增强学生的安全上网意识.2一卡通校园餐厅消费数据分析模型通过对学生一卡通校园餐厅消费的数据分析，得到学生消费特征，学校管理者可以合理地设定各陈彦全，等：基于校园大数据的学生综合行为研究其计算公示如下所示：Zi-MT.u,Nm;入=Zi-INm式中,MTsd,表示第i个餐别就餐时间的标准差；N,表示第i个每次差别类型的总和；n表示餐别种类.两者的公式如下所示：MT.=/Z1.(,-T):式中,n表示其中一个餐别种类的所有次数；T表示其中一个餐别的第i次就餐所消耗的时间；T表示某个餐别种类就餐的平均时间.2.3学生早起系数设Vbre为在校某名学生早起情况指数，顾名思义，该指数用于反映学生早起习惯情况.其公式如下所示：Vbre=M,-TmimTma-Tmin式中,Tmax表示在校某名学生早餐最晚的就餐时间；Tmin表示在校某名学生早餐最早的就餐时间；M,表示在校某名学生一整学年的早餐就餐时间的平均75个食堂的窗口数量和开放时间，既可以满足学生的用餐需求和饮食喜好，又可以节约管理成本和水电资源，这是值得深入研究分析的 。2.1就餐时间段划分和餐别定义一般来说排除某些特殊情况（例如节假日）,每个学校都会规律地安排早餐、午餐、晚餐.由于课程安排和社团与部门活动等因素影响，大学生的作息时间可能存在差异.为准确地描绘出学生的饮食规律，提出就餐时间段和类型的分类方法，如表1所示 2 表1学生就餐时间段的分类就餐时间段餐别定义5,10早餐 10,11早中饭 11,15午餐 15,16 下午茶 16,21晚餐22,23 夜宵2.2京就餐时间稳定系数假设入为在校某名学生就餐的稳定状况系数，其功能主要是表达学生学年就餐时间的稳定程度，(3)(4)Nm(5)餐别类型主餐辅餐主餐辅餐主餐辅餐76M,-Tm值，Tmin表示在校某名学生一整学年的早起时-Tmaxmin间,Nm表示在校某名学生一整学年的早餐就餐次数.2.4窗口选择稳定度设MTcL为挑选窗口的稳定系数,其表示学生对食堂不同窗口挑选的情况.其计算方式如下所示：MTl=/Z.(Cl-CL)(6)式中,l,表示在校某名学生在第i个窗口用校园卡刷卡次数的对数;CL表示在校某名学生在该窗口前用校园卡刷卡次数的对数的平均值；n表示在校某名学生经过饭堂窗口并选择消费的次数.MTc的值越大，表明该学生在食堂就餐时选择窗口越稳定.2.5学年早餐就餐率和年度正餐就餐率设R,为在校某名学生学年早餐的就餐系数,R为某学生学年三餐就餐系数，它们都能反映学生的饮食频率和饮食习惯.其计算公式如下所示：RNNR=(Nm-Nm)-NmimNm-Nmi式中,N,表示在校某名学生一学年内的早餐就餐次数,N.表示学年的总天数；Ngm表示在校某名学生在不同学年的早餐和正餐总就餐次数；Nbm表示该学生每学年就餐行为总次数；Nma表示在校某名学生在不同学年的最大就餐次数；Nmin表示在校某名学生在不同学年的最小就餐次数.2.6就餐消费水平和就餐消费稳定度设RCL为学生就餐消费能力系数,其能反映学生的就餐成本.计算公式如下所示：Z-(MC,-MC)N.mRCL=tanhZi.,Nm.设RCS为学生就餐消费成本稳定系数,其能反映学生消费成本的变动水平.计算公式如下所示：Ei.,(MC.u.-MCu)Nm;RCS=tanh式中,MC表示在校某名学生全部餐别类型就餐成本之平均值;MC,表示第i个餐别类型就餐成本之平均值；MCs表示全部餐别类型就餐成本的标准差；MCsd,表示第i餐别类型就餐成本的标准差;Nm表示在校某名学生第i个餐别类型的就餐次数；n表示餐别种类.广州航海学院学报3贫困生认定分析模型认定学校贫困生的方式主要是观察学生的经济状况，除了获取学生家庭经济数据以外，还得获取学生近期或长期在校生活的消费信息数据，以此更全面地反馈出学生的真实情况.【5 其中，比较客观、能够直接反馈学生经济状况的数据则是在校的消费数据，而数据模型的最终样貌也受阈值的定值所影响，且应从学生校园卡系统的消费数据来确定阈值定值.为了确保阈值区间的计算准确率，还需要根据相应的比例和学生消费数据进行调整.由于低年级学生与高年级学生的人学时间不同，还需要将低年级学生与高年级学生的月消费数据区分开来,且大一新生开学在校内的消费会比较高，因此，相同的值模型不能用于这两类学生群体，两者需要采用不同的阅值模型来进行认定 3 。在学校的管理体系中,辅导员是与学生接触最(7)接近的管理角色,往往比较详细地掌握了学生的数据,所以,最终将会由辅导员根据学生的校园生活、(8)学习交流、交际表现等方面情况进行主观认定来验证模型.假如学生的贫困程度发生变化，通过与学生的进一步接触，了解相对应的情况后，可以最终确定学生的贫困生等级.通过学生家庭状况数据和学生校园卡消费数据计算模糊综合评价法中的认定因子.进一步分析采集到的数据后，可以将因子类型划分为数值型、是非型和程度型数据，如图1所示 4.学生校园卡消费情况可以反馈出学生的整体消费情况，综合判断学生经济能力.在校园卡消费系统中，这些学生数据可以分为四部分：交易天数、消费额、平均消费额、消费次数.通过整理数据，将每个月的消费天数(9)和平均消费额代人贫困生认定模型，成为认定的限制因子和影响因子 5.(10)数值型月均有效消费天劳受教育子衣动力人口女值比数第3 1卷困难因素是非型月老少边均消费穷明庭女疾儿数图1学学生困难因素分类程度型是否线车否孤突发事故自然灾害低单烈亲家店保证家人惠重子重病第2 期一般情况下，高校会将学生家庭经济情况划分为四个等级,分别是家庭经济一般困难（A）、家庭经济困难(B）、家庭经济特殊困难（C)和家庭经济不困难(D).我们可以借助模糊综合评价法中的隶属度概念，将其应用于校园卡消费数据和家庭经济情况数据处理，以更准确地计算学生的隶属等级，并通过隶属度的相对大小来判断学生的贫困等级.以N个因子为例：V=WR=(wi,W2,wn)公式中，W矩阵中N个致贫因子所占权重为W1到wn,各个因子隶属于A、B、C、D 四个等级的隶属度为R矩阵.矩阵中每个元素的值都能通过处理数据的相关经验来确定权重.每个不同致贫因子的隶属度都有自己的计算方式，数值型数据和程度型数据的隶属度公式如表2 所示.表2 数值型数据和程度型数据的隶属度公式数据类型数值型数据程度型数据结合隶属度计算，我们可以对学生的四个等级进行评定.评定时，首先考虑是否为残疾、烈士家庭等家庭父母相关因素.若识别出这种情况，则可认定为家庭经济特殊困难（C类）.对于其他致贫因素，通过计算隶属度的方法将认定分为三个部分，如图2 所示.陈彦全，等：基于校园大数据的学生综合行为研究Max-vl()vIv3T11T12T13(11)LTnlT2Tn3J隶属度公式1,X,S;r0,X,St,X,S3X;-StS,-S,SiX,S2(X.)=)X,-S2,S,X,1一3.-5,(1,X;=S2.0,X,S2f(X,)=L1,X,S,程度严重:(10.50)程度比较严重：(0.510)无此情况：(0 10）77评定信息残疾或烈为孤儿特别困难Max-v2单亲特别困难一是一老少边穷&受教育千女数困难一是(B)困难一是(B)困难一是老少边穷&受数(B)子女数一般困难(A)图2 学生贫困评定流程4结语X,v1低保户&特别困难装少边穷&受教育(C)天女数低保户低保户老少边穷老少边容低保户&受教低保户&受教是子女数郁子女数老少边穷&受款一是一育天女数一般困难(A)不困难D)特别困难(C)困难(B)困难(B)困难(B)78广州航海学院学报第3 1卷Research on Comprehensive Behavior of Students Based on Campus Big DataCEHN Yan-quan,CHEN Lin-fa,LIU Xiao-hui,LI Si-kun,LEI Xue-sheng,FENG Bin,DENG Xiao-fang(1.School of Information and Communication Engineering,Guangzhou Maritime University,Guangzhou Guangdong510725,China;2.School of Navigation,Guangzhou Maritime University,Guangzhou Guangdong 510725,China)Abstract:There are a large number of students in universities,and they produced many complex and valuablebehavioral data.Now,in the era of big data,it is of great practical significance to make good use of big datatechnology,apply it to students curriculum learning,school activities and other issues,analyze and excavate frommulti-dimensional,multi-indicator and multi-angle,and establish a group-oriented and individual-orientedcomprehensive behavior portrait of students based on education big data.This paper applies the data analysis modelbased on the machine learning method to the students behavior data,studies the students comprehensive behavior,assists in the identification of poor students under the condition of the students consumption behavior analysisresults,speeds up the transformation of the management concept of traditional teaching,promotes the efficientmanagement of campus management,and finally achieves the purposes of students academic early warning,workand rest standards,accurate funding,public opinion early warning,etc.Key words:Big data;Behavioral research;Data analysis(上接第3 6 页）学者不断探索改进和完善AIS设备，推动国内厂家研发性价比更高的AIS产品，降低设备故障概率,逐步改变依赖进口AIS产品的现状.参考文献：1崔嘉.构建基于AIS-ECDIS的船用信息安全系统方案研究J.舰船科学技术,2 0 16(14):154-156.Design of Ship AIS Fault Remote Intelligent Diagnosis SystemJIA Ai-peng,PENG Xiao-xing,ZHOU Jian-min,DING Tian-ming,LIU Zhu,LIU Xian(1.Zhejiang International Maritime College,Marine Navigation School,Zhoushan Zhejiang 316021,China;2.Zhejiang Ocean University,School of Naval Architecture and Maritime,Zhoushan Zhejiang 316000,China)Abstract:AIS is becoming more and more important for navigation safety.AIS must work continuously and hasmany associated equipment,which is prone to failure.Due to the low efficiency of traditional fault diagnosis andmaintenance,especially the inability to board the ship for maintenance because of COVID-19,the industry istroubled.Based on the analysis of various possible faults of AIS terminal,a diagnostic expert knowledge base iscreated,and an AIS intelligent fault diagnosis expert system is designed.The maintenance of AIS faults is realizedthrough the cooperation of crews on-site operation and experts remote guidance,which can solve the potentialproblems caused by AIS faults.The practice proves that the detection accuracy and adaptability of the system reachthe expected effect,and it is universal for various types of AIS fault diagnosis.Key words:AIS;Fault analysis;Remote diagnosis;Design2陈武.内河海事监管中AIS 故障处理案例分析 J.中国水运,2 0 19(0 6):44.3施剑群，柯幼登，陆回.福建北部沿海岸基AIS信号覆盖问题探讨 J.航海,2 0 2 1(0 4）:6 2-6 5.4付裕，邓艳菲.自动识别系统AIS的信道抗干扰与噪声抑制技术 J.舰船科学技术,2 0 2 1（0 2）：3 1-3 3.5贾琼，沈志江，姚高乐，等.船载AIS设备异常播发卫星报文的问题分析和对策研究 J.中国海事,2 0 2 1(12）：6 3-6 5.