基于關聯分析的學生活動參與度與高校社團管理實證研究

洪一洋+李玥玥

【摘 要】社團活動是高校第二課堂的重要載體，學生參與度不僅為評價高等教育質量提供了新視角，其數據還可成為學生分類研究的基礎，對高校社團管理提供科學依據。本研究應用weka軟件對學生活動參與度進行數據挖掘的關聯分析，通過分析學生活動參與度不同時間的差異變化，將數據分析引入日常學生工作，對高校社團進行更科學有效的管理。

【關鍵詞】關聯分析；weka；活動參與度；社團管理；高校第二課堂

0 引言

以學生為中心是現代大學強調的教育理念，特別是在高等教育大眾化階段，學生群體類型隨著學生數量的增加出現了新變化，同時高校社團的管理也成為衡量教育質量的一種方式。如今以大學生為主體的高校社團數量上急劇增加，但質量卻逐漸產生很大的差異分化，許多社團疏于管理和引導，導致許多大學生對社團活動的參與度逐漸降低。

隨著學校共青團深化改革的不斷深入和推進，作為高校共青團具有戰略意義的制度創新和高校素質教育的新探索——高校共青團“第二課堂成績單”逐漸引領新的趨勢。社團作為第二課堂載體的一部分，對學生從多方面進行性格和能力的補充，要想客觀地從第二課堂管理和引導學生，就應對不同類型學生的心理和行為特征進行分類個性化研究。

通過大學生參與社團活動的信息記錄，進行數據挖掘和分析，用科學的信息管理方法了解學生活動參與度變化的原因，從感性的方式轉變為量化的角度，針對性地改善社團質量、改變管理方式，真正做到“因材施教”。

1 理論與應用

1.1 數據挖掘

數據挖掘（Data Mining）是指從數據庫中挖掘信息模式發現知識模式的一個完整過程，是從海量的、非完整的、模糊的、隨機的數據集中，提取隱含在人們事先不知道領域且具有潛在價值信息的過程。

數據挖掘的過程，大體分為四步——明確挖掘目的、數據預處理、數據挖掘、后續處理。關聯規則挖掘是指從事務數據庫、關系數據庫和其他信息存儲中的大量數據集之間發現頻繁出現的模式、關聯和相關性。

1.2 Weka軟件

Weka全稱為懷卡托智能分析環境（Waikato Environment for Knowledge Analysis），是一個基于純Java技術并應用于數據挖掘和知識發現的開源項目。歷經十多年的發展，Weka已成為如今最完備的數據挖掘工具之一，用于數據挖掘的二次開發和算法研究，被譽為數據挖掘和機器學習歷史上的里程碑。

1.3 關聯分析

關聯分析是一種自動型數據分析與挖掘技術，作為數據挖掘技術最常用的方法，最早應用于分析消費者交易記錄中隱藏的購物模式，主要目的是從大量數據中尋找商品間關聯性的描述，以制定商品組合的營銷策略。

運用關聯分析進行數據挖掘時，只需將收集的數據按專業軟件的要求進行適當的抽取、預處理，并組織形成分析用的數據集合，在事務數據庫中設定支持度和置信度等相關參數等強關聯規則，剩下的工作全部由軟件完成，用戶只需對處理結果進行檢驗和分析即可。

2 實證研究數據的選取

2.1 數據選取依據和來源

學生活動參與度記錄是由筆者所在社團組織部，每次活動指派人員負責現場簽到得到的，采取活動開始前和活動結束后兩次簽到的方式，保證樣本數據的科學性和準確性。

筆者所在社團新一屆成員共32名，從工作記錄中查閱本學期各項工作活動的簽到記錄，用Excel進行數據的錄入，同時將中文字符刪除更換為X1、X2、X3……X8，將“參加”更換為YES標簽，檢查無誤后即完成了學生活動參與度的原始數據統計。

2.2 數據處理過程

數據處理過程主要是對數據原格式進行轉換，學生活動參與度的原始數據是Excel文件保存的xlsx格式數據，需轉換成Weka支持的arff或csv文件格式。由于Weka對arff格式的支持更好，故筆者優先選擇arff格式作為分類器原始數據的保存格式，數據預處理如圖1所示。

將activity.xlsx另存為activity.csv文件，運行Weka軟件，打開剛才通過Excel保存得到的activity.csv，將其保存為Arff data files（*.arff）文件類型，最終得到的數據文件為activity.arff。

3 數據挖掘實證研究

橫向對比分析，對原數據設定8個標簽（X1、X2、X3、X4、X5、X6、X7、X8），用Excel表格中用函數=COUNTIF（B5：B36，$B$42）計算不同標簽出現真值（YES）的頻率，并計算其所占百分比。

為從學生社團活動參與度數據中挖掘出更可靠且可能給活動組織舉辦提供建議的活動項目組合，本實證研究將Weka軟件進行關聯分析算法的參數——最小支持度lower Bound Min Support設定為0.3，即參加了前一活動的社團成員至少有30%的可能性參加后一個活動；將最小置信度min Metric設定為0.6，即至少有60%的可能性同時參加兩次活動。

設定完參數后啟動關聯規則的數據挖掘，整個規則的挖掘過程都由軟件直接自動完成，最終從學生活動參與度的統計數據中獲得置信度最高的12條關聯規則，如表1所示。

縱向關聯分析：

通過Weka分析得出的關聯規則共21條，因考慮學生活動實際參與情況的影響，這里只考慮分析置信度最高的10條規則。

1.在參加暑期實踐報告會彩排的同學中，79%同時也參加團校培訓開班儀式；

2.在參加演講比賽初賽的同學中，75%同時也參加了內部培訓；

……（規則解讀類似，此處省略）

9.在參加團校培訓開班儀式的同學中，71%同時也參加了內部培訓；

10.在參加演講比賽初賽的同學中，69%同時也參加了團校培訓開班儀式。

4 結論與對策建議

4.1 研究結論

在筆者所在社團里，本學期學生活動參與度相比而言處于較低水平，結合當時實際情況，從兩個不同角度分析其原因，對社團管理提出建議。

橫向對比分析，活動參與比例超過60%僅只有一個活動——X5內部培訓，活動參與度百分比低于50%的卻有2個活動——X2演講比賽決賽、X7暑期實踐報告會彩排。

新生的入學為高校社團注入了新的活力，將開學以來每次活動按時間進行列舉分析（如圖2所示），新生在入學后對大學的適應過程存在著一定的波動起伏，對大學生活初次接觸的新奇和陌生導致9月初到9月中旬，社團成員對開展的學生活動參與度不是很高，呈下降趨勢。

而在9月中旬持續到10月中旬，近1個多月的時間里，社團成員對學生活動的參與度大幅度增加，原因分析有兩方面：一方面因為新生進入大學一段時間后，帶著全新的認識一定程度上調整了生活狀態，逐漸進入正常軌跡；另一方面隨著對大學了解的深入，新生對社團活動新奇度不斷增加，促使其活動參與度也逐漸提高。

到達峰值點是10月中旬X5內部培訓，因為在此活動中是office和Photoshop等常用軟件的應用教學，“純干貨”的知識和經驗吸引了社團成員對活動的熱情，因此學生活動參與度達到22人，占比例68.8%。

10月中旬以后，社團成員對學生活動的參與度又出現降低現象，說明新生在入學后因活動頻繁、趣味性不強等原因，逐漸對活動失去了最初的熱情，同時因為進入大學生活后可能產生一定的厭倦情緒，導致對學生活動的參與度達不到之前的水平。

縱向關聯分析，通過對不同活動之間的關聯數據比較，可以發現暑期社會實踐與團校培訓開班儀式、演講比賽和內部培訓、手繪涂鴉大賽和社團聚餐、暑期實踐報告會和內部培訓的每兩個活動之間存在一定的聯系，如果利用好這些內在關聯，將活動“捆綁式”策劃，對社團人員管理和活動的開展有著重要的意義。

4.2 對策建議

橫向對比，在對社團今后的管理上，可結合不同活動舉辦時的學生活動參與度進行考慮，轉變思維從參與人的角度進行策劃。舉辦不同活動時調整活動的形式，結合微博微信等網絡新媒體，讓活動更貼近青年的生活和興趣。

縱向關聯分析，比較不同活動之間的關聯信息，可在社團管理和活動舉辦前，考慮不同活動是否可以結合，盡可能提高活動的參與度。通過剛才的數據挖掘發現，不同活動間存在一定的聯系，將此類活動同一時間舉辦不僅提高了活動內容的豐富性，還對社團活動的整體效果和實際意義產生積極的作用。

第二課堂是引領青年學生成長成才的“指揮棒”，是促進當代大學生融入社會的“通行證”，高校社團作為第二課堂的重要載體，嘗試改革創新，改變原先固定傳統的活動形式，以科學的角度在高校社團的組織和管理上進行有效的調整，讓大學生真正從社團活動中得到成長和進步。

【參考文獻】

[1]盧媛媛，張劍，何海燕.基于WEKA的客戶分類信息系統研究[J].計算機工程與科學，2011（5）：132-135.

[2]鄧曉梅.基于數據挖掘的電信客戶細分模型研究[D].大連理工大學，2006.

[責任編輯：楊玉潔]