智慧校園建設背景下基于模糊多屬性決策的大學生網絡游戲成癮評估與防治模型研究

宋海雨

(重慶工商大學 人事處， 重慶 400067)

一、引言

網絡游戲成癮現象在大學生中普遍存在，嚴重影響學生的學習和學校的校風，尤其在地方普通高校和高職院校中表現較為明顯。這嚴重影響正常的教學管理和運行秩序，也不利于大學生畢業后的成長和成才。高校承擔著培養人才和傳承文化的重要職能，在大量學生沉迷于網絡游戲的社會環境下，在百年老校北京師范大學仍然需要寫不要遲到、曠課等標語來提醒廣大學子的現實中，高校需要站出來承擔起培養和引導新一代青年的重任，更需要找出問題，分析原因，拿出解決方案并付諸行動，將教育貫穿到本科大學生教育的全過程。當代大學生沉迷于網絡游戲的主要原因是學生的懶惰思想主導著學習與生活，形成一種習慣難以改變；或者是沒有認識到社會的現實性，沉迷網絡游戲世界；或者是在現實激烈的社會競爭中無法找到存在感，退而求其次在網絡虛擬世界中尋找刺激與存在感；或者是在缺乏關愛的家庭和社會環境中成長，進而在網絡世界尋求心理安慰等。由于大學生沉迷網絡游戲，從而導致高校校風差、學風差，為了解決該問題，李昊等研究了大學生網絡成癮類型與生活事件的關系，采用調查問卷和青少年生活事件量表對在校大學生進行測量，結果發現網絡游戲成癮大學生的身心健康和適應性普遍較差，網絡游戲成癮者長時間沉溺于網絡游戲中，耗費了大量的體力和精力，因而不能更好地投入學習中[1]。朱灝等研究了大學生無聊情緒、主觀幸福感、認知失敗體驗與網絡游戲成癮的關系，采用大學生無聊傾向量表、認知失敗問卷、總體幸福感量表和網絡游戲成癮量表進行調查與分析，發現大學生的無聊傾向可以通過影響認知失敗進而對網絡游戲成癮產生影響，認知失敗在無聊傾向與網絡游戲成癮之間存在中介效應[2]。以上研究表明，網絡游戲行為會降低大學生睡眠質量，進而影響他們的身體和心理健康，不利于學生的學習和成長。

現代信息網絡科技的發展和“智慧地球”“智慧中國”“智慧城市”的提出，為教育現代化、科技化、智能化提供了便利，因而高校數字化、信息化建設日趨成熟[3]。但是，以往數字化校園所體現的數據應用集成已經不能滿足當今時代的需要，高校開始逐漸由“數字化校園”向“智慧校園”演進，并成為當今校園建設的主題[4]。“云端一體化”高校智慧校園提出協同校務管理，為學校各部門提供人、財、物整合統一的信息化管理支撐，并為全校師生提供個性集成、多維度、全方位的貼心信息服務[5]。蔣東興等提出高校智慧校園技術參考模型，通過建立高校智慧校園的層次化體系結構模型，設計高校智慧校園的成熟度模型及其評價指標體系，促進高校智慧校園建設的持續有序發展[6]。智慧校園之決策支持系統理論與應用研究以學生智能卡數據庫流水作為數據源來開展實驗，包括數據的收集和預處理、可視化、數據挖掘與決策支持，對學生的消費活動、消費地點、時間等進行分析，并且提出了關于貧困生認證模型的猜想和驗證[7]。

智慧校園的建設為校園內通信設備上網動態、數據庫信息和智能卡信息等數據(如學生的學習成績、借閱、食堂和超市消費、網絡游戲時長等)實現互連和共享提供了便利條件，切實反映學生的學習和生活狀態，在大數據時代應當是一筆財富。如何挖掘這些數據之間的內在聯系，以數據為基礎，分析學生的生活和學習狀況，并根據學生狀況采取相應決策，是實現智慧校園的關鍵。在治理大學生網絡游戲成癮的過程中，充分利用智慧校園的已知信息，幫助學生認清自身沉迷游戲的程度和把握自身在同班和學院同學中所處的狀態，并從正面引導，將有助于把學生從網絡游戲中解救出來。

本文提出一種智慧校園建設背景下基于模糊多屬性決策的大學生網絡游戲成癮防治模型，通過關聯分析大學生在校園內的行為數據，評估學生網絡成癮的程度，讓學校老師了解全校大學生玩網絡游戲的狀況并及時引導教育，讓學校相關管理部門制定準則限制學生上網時長、降低網絡消費。該模型提出從校園內部網絡管理端以發送上網時長過長和學業提醒的形式，對學生形成心理暗示和壓力提醒，幫助其合理安排學習和生活時間，調整心理狀態，走出網絡游戲，從而形成良好的校風、學風、班風。

二、網絡成癮評估與決策支持體系構建

智慧校園背景下，隨之而來的宿管門禁系統、學生教務管理系統、學生工作管理服務系統、一卡通數據查詢系統、圖書館數據系統、全球網絡開放課程、微課MOOC觀覽、學校新聞網絡公告等大學生信息門戶一體化已成為發展趨勢和時代需求。如果對大量學生數據信息需要進行處理，并通過數據挖掘、聚類分析、信息融合、行為預測以及決策支持進行態勢把控，將為高校利用已有數據信息管理和控制大學生網絡成癮行為提供便利。而在此過程中，將全校大學生信息管理作為建設中的切入點，為髙校管理者以及教師、學生提供決策支持，則便于教師和管理者管理、教育、服務、引導學生。

獲取的大量學生日常數據信息可以為引導網絡成癮的同學走出游戲和建設學風進行服務。以第一部分分析的游戲成癮原因和游戲成癮學生的現實表現為依據，對網絡游戲成癮行為進行衡量和程度測評。這就拋出在測評過程中，具體何種程度的行為可以界定為網絡游戲成癮的問題。基于國內外廣泛研究成果，筆者發現，網絡游戲成癮程度評估類似系統的多屬性決策，兩者都涉及大量不確定的主要因素，對于不確定性因素需要依賴人為經驗設定取值范圍，故利用多屬性決策的方式建立評估指標與決策支持體系。根據信息論相關知識，信息來源越豐富，采用的評估指標越多，對態勢的描述就越詳盡深刻；但過多的指標將導致計算量巨大，帶來不必要的冗余。針對特定的客觀情形對當前大學生生活與學習的影響的網絡行為特征，建立大學生網絡游戲成癮評估與決策指標體系，如圖1所示。

圖1 校園大學生網絡游戲成癮評估指標與決策支持體系

圖1將大學生網絡游戲成癮的日常行為、造成影響作為評估指標，進行量化建模，其中影響評估包含身心健康受損、不能正常畢業、意志力受挫3個子指標。在評估基礎上，分別從學業掛科、上課出勤、超時上網、個人消費上進行預警情況反映。對于出現預警并被認定是網絡游戲成癮的同學，分別從輔導、控制、家校聯動和推送信息4個方向采取決策，防治大學生網絡游戲成癮。

(一)網絡游戲成癮程度聚類劃分

由于對大學生網絡游戲成癮的日常行為和造成的影響進行衡量和程度評估時，涉及的指標和因素有著不同的數據屬性特點，而不同的屬性特點對評估結果有著不可忽視的影響，所以采用模糊C-均值(Fuzzy C-Means，FCM)聚類[8]對各數據集進行劃分，并通過最佳聚類準則確定最優聚類數。

最佳聚類準則：讓屬性間距離最大，屬性內元素距離最小。

域內距離：假設在一定范圍內，對于評估層的一個因素X={x1,x2,…,xN}，則每個因素涵蓋不同屬性。將每個因素當作聚類，N個聚類間距離平均密度為：

(1)

域間距離：兩個聚類間的距離，表示為：

(2)

其中：R為聚類中心的集合，ri和rj分別表示聚類i和j的中心，聚類間距離越大，聚類效果越好，因此最佳聚類準則可以表示為：

(3)

(二)網絡游戲成癮程度隸屬函數

由于信息具有不確定性，即影響大學生網絡游戲成癮程度評估和日常行為評估具有交叉性和模糊性，因此引入模糊集[9]進行處理，在多方位因素和行為評估上，調整評判數值，減少評估的偏差，提高評價的精確度。

圖2 梯形隸屬函數

現有的校園數字化系統都是單獨而且分離的，沒有考慮數據之間的內在聯系，不能有效運用校園各類系統數據。在將校園各類數據進行量化的過程中，存在諸多不確定性交互，因此借助模糊邏輯的方法，通過運用模糊集和隸屬度函數理論，對存在內在聯系的諸多因素和數據進行數學抽象建模，通過指標間融合計算，以獲取各因素間的聯系。從綜合評估的角度和以往的研究經驗出發，隸屬函數的設定要求隸屬函數開頭和結尾是單調的，相鄰兩個隸屬函數曲線是交叉的，不相鄰的兩個隸屬函數之間沒有交集，某一個指標的所有隸屬程度之和為1。以下采用梯形隸屬函數作為不同屬性和因素之間相似性度量的主要依據，如圖2所示，將各個大學生網絡游戲成癮體系中評估屬性數據中心集合定義為{r1,r2,…,r6}。

根據梯形隸屬函數法，對大學生網絡成癮程度進行分段劃分，圖2將成癮程度劃分為六段，而實際應用中可以根據需要，對程度分段個數和數值最大值、最小值進行調整。

三、多因素網絡游戲成癮評估與策略防治

在對大學生網絡游戲成癮數據進行聚類劃分和隸屬函數處理后，以下利用多因素評估模型對網絡游戲成癮數據進行評估，并提出策略進行防治。由于導致大學生網絡游戲成癮的因素是多方面的，為了避免考慮不周，提出與實際重要程度不一致的矛盾數據，根據上述因素在導致網絡游戲成癮的問題中的重要程度，量化因素權重。多因素評估模型是根據指標集和評判集得到，指標集U={U1,U2,…,UN}，其中第i個因素的模糊集合為Ui={u1,u2,…,uni}。評判集為因素評估等級集合Vi={v1,v2,…,vk}。結合多屬性決策的方法、過程等基本理論，通過權重分配方法進行建模。從心理學觀點來看，在多因素網絡游戲成癮評估的實現過程中，由于多個因素可能會影響人們的判斷，增加了判斷難度，為了客觀地反映各因素的影響程度，模型通過一致性檢驗進行模糊一致矩陣的調節，利用和法或方根法得到所需要的權值向量β=(β1,β2,…,βN)[9],其中隸屬函數單因素評估給出從U到V的一個模糊映射f:U→F(V)。而在對第i個因素進行ni個屬性模糊劃分之后，各個評估因素的隸屬等級評估矩陣為：

(4)

對應的權為ωi=(ω1,ω2,…,ωni)，模糊算子采用扎德算子[9]，即主因素決定型：

αi=∨(rj∧ω2),j=1,2,…,k

(5)

至此，獲得評估結果α=(α1,α2,…,αN)T，其中，αi=(α1,α2,…,αk)表示第i個因素進行k個評估等級設定后的隸屬度。根據評估結果和所有因素的影響權值，測試出影響大學生網絡游戲成癮的因素權值占比，以及大學生網絡游戲成癮程度的結果判定；評估完成后，考慮網絡成癮策略采取問題。

根據大學生日常行為表現暴露出來的問題，以及模型中造成不良影響評估狀況時已經發生的預警情況，采用模糊集層次分析法，在判定某位大學生是否網絡游戲成癮后，根據實際成癮程度采取相應決策。此模型將根據不同情況采取不同決策類型，模型預先設定4個決策，分別對應處理大學生網絡游戲偏好:正常、輕度上癮、重度上癮、極重度上癮。具體如下：

類型1：輕度上癮；決策1：生涯、心理輔導，推送勵志成長信息。

類型2：重度上癮；決策2：控制上網時長與消費，生涯、心理輔導，推送勵志成長信息。

類型3：極重度上癮；決策3：家校互聯教育，控制上網時長與消費，生涯、心理輔導，推送勵志成長信息。

類型4：正常；決策4：推送勵志成長信息。

模型可以根據以上設定的決策支持類型，針對因為不同因素導致網絡游戲成癮的同學，根據系統判定的網絡游戲成癮程度進行分類并采取相應決策支持，同時為學校教師和管理者輸送建議。最終，為了發揮模型的最大效用，也需要教師、家長、學生會干部、同寢室同學的教育和引導等人為干預，通過學校信息管理中心的數據反饋并輔助以系統設定限制的方式和以人機長期協作的方式，治理大學生網絡游戲成癮問題。以大學生日常學習生活網絡信息數據為研究載體，以多方面作用的方式，有效防治網絡游戲成癮行為。

四、數據測驗與分析

為了更形象直觀地反映模型的構建和實施過程，驗證模型的有效性和可行性，針對圖1中各指標，筆者對重慶市部分高校大學生日常行為表現進行了調查、測試。為獲取大學生網絡游戲成癮防治措施效果測評的原始數據，筆者共發放調查問卷200份對大學生進行調查，有效問卷196份，問卷有效率為98%。對問卷涉及的問題進行分析，根據大學生日常行為將數據分為3類：日常行為因素、造成影響因素以及預警因素；將教務成績取值范圍設定為[0,1]，出勤率、日均上網頻率、心理問題嚴重程度、健康受損程度、控制力摧毀程度、不能正常畢業概率和父母忽視程度設定數據范圍均設為[0,1]，學業預警、出勤率預警、上網超時預警、消費預警取值范圍設定為{1,2,3,4,5}。下文根據調查內容和問卷格式分類統計，進行數據預處理，并借助仿真軟件對數據進行分析。在數據預處理過程中，設定聚類范圍為[0,1]，采用第二部分所述的FCM聚類方法，使每個屬性切實反映特性，通過預處理找到大學生日常行為數據聚類數和中心，如表1所示。

表1 FCM大學生日常行為數據聚類

根據表1和梯形隸屬函數劃分每個屬性等級，將每個屬性進行等級劃分，令k=5，將評判集分為5個等級：很高、高、一般、較低、低。對每個屬性進行模糊劃分和隸屬函數計算后，結合各待評價參數，將一名網絡游戲成癮大學生的各項日常校園數據進行評估和分析后得到屬性等級評估表2，即以某位網絡游戲成癮大學生日常行為數據為參考。

表2 屬性等級隸屬度

單因素包含多個屬性，根據各個模糊屬性集合的歷史數據得到模糊集的權值分配表3，綜合考慮各項因素后，計算得到評估結果表4(某位網絡游戲成癮大學生評估結果)，最終通過表5判定大學生是否網絡游戲成癮。

根據大學生日常行為表現暴露出來的問題，以及模型中造成不良影響評估狀況時已經發生的預警情況，采用模糊集層次分析法，判定某位大學生是否網絡游戲成癮，并根據實際情況采取相應決策(表6)。

表3 模糊集屬性權重

表4 網絡游戲成癮評估結果

表5 網絡游戲成癮程度判定

表6 防治策略表

首先，筆者從大學生日常行為問題、系統是否產生預警、是否會對自身造成不良影響3個因素進行分析，采用模糊層次分析法計算大學生網絡游戲是否成癮以及嚴重程度，將評估等級隸屬度劃分為很高、高、一般、低、很低5個等級；其次，通過加權法獲得網絡游戲成癮各因素占比，進而進行大學生網絡游戲上癮程度判定；最后，根據系統判定的網絡游戲上癮程度，分類采取模型設定的策略，有效應對大學生網絡成癮問題。

五、結語

本文提出一種基于模糊多屬性的大學生網絡游戲成癮評估與防治模型，該方法利用FCM聚類法對數據進行聚類劃分，并采用模糊層次分析法對網絡游戲成癮的嚴重程度劃分等級，對大學生學業成績、網絡消費、上網時長等數據進行分析。模型將大學生日常行為數據作為研究的切入點，避免了主觀錯誤判斷，提高了評估結果的客觀性、準確性；在確定權重時采用固有系統模型，避免人為邏輯錯誤，最終根據大學生網絡游戲成癮評估結果，采用決策支持技術對大學生網絡游戲成癮進行防治。實驗結果表明，基于模糊多屬性的大學生網絡游戲成癮評估與防治模型，在智慧校園背景下，結合現有大數據關聯分析和數據挖掘技術，有效利用大學校園學生現有的和歷史的信息系統數據，實現對現有大學生網絡游戲成癮行為評估與防治，能有針對性地評估與防治大學生網絡游戲成癮。

但是，為了更好地發揮網絡游戲成癮評估與防治模型的效用，需要借助高校教師、管理員、學生干部以及學生家長的力量，共同幫助成癮大學生走出網絡游戲。模型在進行網絡游戲成癮原因分析的過程中，若考慮加入機器學習的方法，將有助于細化不同網絡游戲成癮大學生成癮的具體原因，在進行決策支持時，可以增加網絡游戲成癮學生成癮判定的準確性，從而輔助校方更有針對性地幫助和引導大學生，運用新媒體加強大學生思想引領[11]。