網格化背景下高校學生行為規范預警系統的設計與應用

安樹庭　龔睫茜　羅靖　蔡佳悅

摘要：網格化管理是高校學生工作發展的必然趨勢之一。本文構建了高校學生行為規范預警系統，將學生的行為劃分為模范帶頭行為、典型失常行為和失聯可疑行為三大類，典型失常行為又根據學生的晨跑簽到、食堂就餐、上網時長和晚歸時長等信息分為四小類。并根據聚類分析模型和判別分析模型探討各類行為對應學生群體的分類準則，最后利用計算機仿真進行系統的檢驗，結果顯示本文構建的模型和系統具有較好的實用性。

關鍵詞：網格化；行為規范；聚類分析；判別分析

中圖分類號：G647 文獻標志碼：A 文章編號：1674-9324（2016）03-0057-02

一、引言

網格化管理是將管理對象按照一定的標準劃分成若干網格單元，利用現代信息技術和各網格單元間的協調機制，透明地共享組織資源，提高管理效率的現代化管理模式[1]。與傳統管理相比，網格化管理對管理活動中產生的問題及早發現、及時反饋，有助于對組織資源進行全面的管理[2]。也正因如此，將網格化管理的思想引入到高校學生管理的工作中，成為了越來越多的學者和高校管理部門所討論的問題。

2014年8月，湖北省教育廳發布了《關于推進高校學生網格化管理工作的通知》。該通知強調，實行網格化管理，有利于及時全面掌握高校學生信息，提高學生教育服務管理的時效性、針對性、科學性，是實現高校治理體系和治理能力現代化的有效途徑[3]。網格化管理是高校學生工作發展的必然趨勢之一。

本文基于“宿舍—樓棟—學院—學工部”的四級網格化管理結構，構建行為規范預警系統，并根據聚類分析模型探討各類行為對應學生群體的分類準則，最后結合計算機仿真驗證系統的實用性。

二、網格化行為規范預警系統的構建

根據作者從事學生管理工作的一些經驗，將行為規范預警系統分為三個子系統，分別是模范帶頭行為、典型失常行為和失聯可疑行為，其中典型失常行為子系統又分為四個小類，如圖1所示。

根據現階段一卡通化服務在高校中的普及情況，可建立“宿舍—樓棟—學院—學工部”四級網格，不再需要基層網格宿舍長進行數據的采集，所有數據都由一卡通采集并反饋到學工部，學工部對信息進行數據分析，將各類預警信息反饋到學院，由學院反饋給樓棟，再由樓棟反饋到宿舍，信息進行排查檢驗之后，再逐層向上反饋給學工部。

三、行為的分類及判別標準

（一）數據指標的采集與處理

以日為單位，采集學生如下四類數據：學生晨跑簽到時間、食堂就餐時間、每日上網時長、宿舍晚歸記錄。

用x1表示學生晨跑簽到指數，目前，許多學校的晨跑時間定于6∶30～7∶00，若在6∶30～6∶55之間簽到，可認為該生晨跑簽到積極，令晨跑簽到指數x1=1；若在6∶55～7∶00之間簽到，在一定程度上可認為該生晨跑簽到積極性不高，令晨跑簽到指數x1=0.5；若未在學校要求的時間內簽到，則令x1=0。

用x2表示學生就餐指數，一般而言，早、中、晚餐的參考時段分別為：6∶30～8∶30，11∶00～12∶00，

5∶00～7∶00，若學生在參考就餐時間段內就餐，說明該生的飲食習慣較為規律，令x2表示學生當日在參考時間內就餐的次數，顯然x2可取離散值0，1，2，3。

用x3表示學生上網指數，以該生上網時長來表示（單位：h）。

用x4表示學生晚歸指數，若學生在學校規定的宿舍關門時間之前返回宿舍，則令x4=0，否則x4用實際晚歸時長表示（單位：h），當實際晚歸時長達到8h時，可認為該生徹夜未歸，令x4最大值為8。

由于不同的指數量綱不同，因此需要對x1-x4進行標準化處理。用xij表示學生i的第j項指數得分，利用公式Xij=（xij-μj）/σj進行數據的標準化處理，其中μj表示指標j的均值，σj表示指標j的標準差。

（二）子系統分類標準的建立——基于聚類分析模型

聚類分析模型是將物理的或抽象的對象集合分組為由類似的對象組成的多個類的數據挖掘模型。同一類中的數據具有較大的相似性，不同類中的數據具有較大的差異性[4]，非常適合于對行為進行分類。

本文將學生行為分類6類，對應聚類分析的原理及步驟如下：

1.計算n個樣本點兩兩之間的距離：用x1i和x2i分別表示學生1和學生2的信息數據指數，αi>0分別表示各個指數的權重，體現了四項指數在判斷學生行為中的重要性。定義學生1和學生2的行為距離d（1，2）=

[α1（x11-x21）2+α2（x12-x22）2+α3（x13-x23）2+α4（x14-x24）2]1/2。

2.首先構造n個類，每一類中包含且僅包含一個樣本點，每一類的平臺高度均為0。

3.合并距離最近的兩類為新類，并且以這兩類的距離值作為聚類圖中的平臺高度。

4.計算新類與當前各類的聚類，若類的個數等于6，轉入步驟5，否則回到步驟3。

5.得到聚類結果并進行結果分析。根據聚類圖及每一類別下學生的信息特征，即可將其進行分類。

（三）學生行為的分類——基于判別分析模型

在行為規范預警系統分類完成的條件下，對任意一名學生，可以根據判別分析將其歸納到最恰當的類別中。判別分析是根據所研究的個體的觀測指標來推斷其所屬類型的一種統計方法[4]。其基本思想是：計算所研究個體與各數據子庫的距離，并將其判定為與其距離最近數據子庫中。

四、模型測試與分析

（一）數據生成

利用MATLAB隨機產生110組學生連續7天的信息進行仿真實驗，取7天信息數據的均值作為本周的平均值。其中前100組作為樣本內數據來確定子系統的分類標準，后10組作為樣本外數據來對學生進行歸類。每一個學生樣本產生簽到指數、就餐指數、上網指數和晚歸指數。

（二）聚類結果

取4項指標權重均為0.25，對MATLAB生成的原始數據進行標準化處理后，利用SPSS將其聚成6類，得到100組學生的分類信息，結果如表1所示。

結合表1和MATLAB產生的原始數據信息可以發現如下結論：

1.整體結果呈正態分布。這個結果是顯然的，因為在利用MATLAB產生隨機數時，主要使用了正態分布；

2.分類準確，同一類別下的學生具有較大的共性。例如，模范帶頭學生中未簽到的比例不足5%，沒有人一日三餐都沒有消費記錄，上網時長比較穩定，有晚歸記錄的學生比例不超過5%；晨跑缺勤學生普遍具有明顯的晨跑缺勤現象；上網異常的學生群體普遍上網時間過長；晚歸異常的學生群體普遍具有晚歸現象。

3.問題學生挑選精確。在這100個樣本中，編號為29的學生屬于失聯可疑行為學生。其最近7天4種指數均為0。說明該學生未在學校進行任何活動，很可能已經失聯，需要發出預警并及時處理。

（四）判別結果

產生10組需要進行判別的學生數據，利用上述模型進行判別，得到分類結果如下：

從表2可以看出：

1.整體分類情況較為滿意，測試樣本所屬類別基本符合其數據信息反映出來的特征。

2.存在部分學生，如107號，簽到指數、就餐指數和晚歸指數均偏離參考行為，但是出于綜合考慮，將其判定為晚歸頻繁學生，這也說明本模型在分類上還可以進一步細化，提高分類精度。

五、結語

在網格化管理背景下，構建高校學生行為規范預警系統，并根據聚類分析模型和判別分析模型探討各類行為對應學生群體的分類準則，可作為服務系統平臺開發與設計的參考依據之一。

參考文獻

[1]鄭士源，徐輝，王烷塵.網格及網格化管理綜述[J].系統工程，2005，（3）：1-7.

[2]何理，杜祥軍.以宿舍為基礎單元的大學生安全網格化管理模式探索[J].高教學刊，2015，（8）：57-58.

[3]佚名.省委高校工委、省教育廳關于推進高校學生網格化管理工作的通知[EB/OL].http：//www.hbe.gov.cn/content.php？id=12137.2015-06-08.

[4]司守奎，孫璽青.數學建模算法與分析[M].北京：機械工業出版社，2011.