基于教育大數據分析的高校學生行為預警研究

楊文君 劉新 薛寶平 李健 劉嬌

[摘? ? ? ? ? ?要]? 新的安全預警管理系統是以大量數據為基礎，運用決策樹、機器學習技術、聚類分析等方法，根據學生的身心發展規律，對不同類型的數據進行挖掘，從而分析出學生的學習、生活、思想特點和規律，進而幫助教師更加了解學生，并實現對可能發生校園突發事件的一類學生提前進行預警的目的。

[關? ? 鍵? ?詞]? 大數據;高校學生;行為預警;研究

[中圖分類號]? G645? ? ? ? ? ? ? ? ?[文獻標志碼]? A? ? ? ? ? ? ? [文章編號]? 2096-0602（2020）40-0020-02

一、大數據背景下高校學生管理研究的意義

大數據所具有的重要功能之一就是預測，可以收集學生在校園生活中所生成的各類數據，通過知識的融合對學生的情況進行實時預測，實現對學生學習、生活和思想數據的實時監管。郭曉科在《大數據》中指出大數據的到來使人們從自己的原有思維框架中走出，依靠大量數據的整合尋找彼此的相關性，是一個先看到結果再進行分析的過程[1]，利用大數據技術進行相應的數據處理，再對學生的數據進行關聯性分析，整理出學生在學校學習和生活過程中產生的各種問題并建立早期的預警系統。發現與校園突發事件相關聯的因素可提前進行干預，降低其可能帶來的不良影響和損失，還可以根據學生的情況提出合適的成長方法，這對高校的教育管理工作是一個飛躍提升。

二、研究內容及采取的措施

把學生的多種數據整合在一起，如學生教務數據、圖書館數據、一卡通數據、門禁數據、學工數據、上網數據、個人信息數據等，使這些數據在關系型數據庫和分布式存儲之間轉換，并把他們放在分布式系統HDFS中，通過對這些數據進行預處理來掌握學生的行為并預測他們的生活軌跡[2]。

學生行為的聚類分析，學生行為預測是通過Scala實現聚類分析、關聯規則挖掘、協同過濾等機器學習算法在Spark上的并行化，對學生的歷史數據運用該技術進行分布式處理。把分析結果用Java Web技術與ECharts以可視化的形式來展示，對需要重點關注以及一般關注的兩類學生進行相關性分析，提出具有建設性的參考意見，以便于動態監測學生行為，及時指導學生，使他們全面健康發展。

（一）數據集成與預處理

1.數據預處理

根據項目所提出需要的數據信息，觀察數據的特征，對學生個人信息數據、教務數據、學工數據等數據先進行數據的預處理，將不同來源的數據進行歸一化處理。

對于我們采集到的數據，有些學生存在已經退學、休學或者缺考、緩考等現象，這些不確定因素造成了數據的缺失。另外，由于教務管理系統里的數據錄入時間比較早，近幾年系統在不斷調整，已將數據結構打亂。通過對數據進行過濾清洗，保證數據的完整性和利用率，去掉一些無用的和冗余的數據。

學生行為預警主要是針對在校本科學生行為的預警分析與預測，而管理系統里數據內容非常多，有臨時聘用的人員、學校職工，還有碩士和博士，把這些冗余人員的記錄清洗掉，對數據信息進行過濾，同樣對一些上網數據、一卡通數據、圖書館數據等都要進行數據的過濾與清洗[3]。

2.數據轉換

由于學校保留的數據都是用戶的歷史記錄數據，這些數據數量龐大，而且質量不高，本項目將數據運用統計學、聚類和分類方法進行泛化和壓縮。同時，根據需要對數據進行轉換。例如把學生每天的消費次數、每個月的月消費額、消費時間段的頻次作為學生原消費數據的轉換方式內容，為使數據更有利用的價值，把不同數據做相應的轉換。

3.數據歸約

由于在不同的系統中有很多重復的數據，而且有些數據也不是此項目需要挖掘的目標，為了達到降低數據維度的目的，針對那些無關聯的數據屬性，在數據預處理過程中，對其進行規約和剔除。

（二）處理與分析實時學生數據

對收集到的各種數據（包括教務數據、圖書館數據、一卡通數據、門禁數據、學工數據、上網數據、消費數據）的集成和預處理，進行統計分析。建立學生畫像，根據學生畫像的特征對學生行為進行聚類分析，運用基于密度優化的K-means聚類方法來進行分析[4]。數據分析結果可視化模塊是以Java Web技術以Spring MVC框架為基礎，對數據處理與分析模塊數據分析結果進行可視化。通過對學生在校期間學習和生活的各種數據進行分析，產生數據分析結果，包括以下內容：學生出勤率的分析是每門課程的考勤情況以及每月到課率的波動曲線，學生成績的分析是對每門課程的統計以及對這些課程的成績在班級和專業里的排名情況和學生學分績點情況的分析。學生消費分析是指上大學以來的消費信息，每月的消費和每日的消費，與同學相比的消費情況。學生圖書借閱分析是指對學生入學以來進入圖書館的頻率以及入館時間、借閱時長、借閱的總冊數情況的分析。學生上網記錄分析，包括最長的上網時間、最短的上網時間及平均每天在線的時長以及經常在線的時間段等內容。門禁數據的分析包括離開宿舍樓的時間、回到宿舍樓的時間以及在宿舍停留的時間。

學生行為對比分析是將全校學生在本指標上的平均水平與學生本人行為指標的取值進行對比，基于學生歷史行為數據對學生的重要行為指標進行預測，幫助學生清晰地認識到自己的不足，并根據預測結果，對其進行預警提示。[5]

（三）學生行為預警干預

根據學生特征庫對學生實時數據進行多維分析。同時，對特定的一類學生進行關聯性分析，找到影響因素并設立預警機制，利用家校合作機制建立或完善學生行為預警干預管理體系。多角度開展預警干預工作。通過建立由宿舍管理、學校醫院等機構組成的預警干預支持小組以及由同伴網絡信息篩選員、網絡干預教師組成的預警干預小組，還有輔導員、心理咨詢師、心理健康中心教師、學生工作領導等組成的預警干預小組，有效開展預警干預工作。

1.教師在大學生行為預警干預中發揮作用

教師在大學生行為預警干預中發揮定心丸的作用，尤其是心理咨詢中心的輔導員和教師，在突發事件的預防、應對和處理中發揮著不可估量的作用。心理咨詢工作室教師為學生提供個別咨詢、團體咨詢、心理測試等服務，幫助學生更好地適應校園生活環境，解決學習、人際溝通、情感問題、情緒、職業和其他心理困惑。

2.輔導員應做好學生個人的保護工作

班主任、輔導員在反饋中應盡量避免反饋的負面影響，盡量遵守保密原則，使預警工作保密。預警信息評估對個人來說是一項重要而緊迫的任務（如那些有自殺傾向或自殘傾向的人），在兩端提供及時反饋，即立即向心理健康中心和咨詢師報告，以便相關人員及時作出相應的措施。在全面收集和整理個人信息的雙重監督下，心理健康中心和輔導員應做好個人保護工作。最后應向院系的學生工作領導和學生監護人進行反饋和溝通，形成有效的干預網絡，以確保有效的預警干預。

3.建立四級預警機制

建立四級預警機制，構建心理危機預警與防護網絡體系。建立高校危機干預機制，防止出現由于嚴重的心理危機危及生命的后果，避免惡性事件發生。該機制包括一套完整的方法，如心理評估、心理干預、急救和隨訪。建立一個全方位、多層次、三維互動的心理危機預警網絡系統是切實可行的根本保障。第一級由宿舍樓的學生生活區、宿舍管理人員和宿舍長組成;第二級由學生的輔導員和班級黨團干部組成;第三級是院系學生工作負責人、專家、教師;第四級是學校學生工作負責人、心理健康教育咨詢中心教師和有關部門的干部，通過建立四級預警機制及時指導學生行為全面健康發展。

三、結語

對實時數據進行挖掘和數據預處理，根據訓練得出的學生特征庫為現有學生進行多維分析并分類，將分析出的信息進行數據可視化并用平臺顯示。對需要重點關注以及一般關注的兩類學生再次進行相關性分析，提出具有建設性的參考意見供相關部門分析，以便于動態監控學生行為，發現問題及時預警，將學生的各類問題消除在萌芽狀態。

參考文獻：

[1]郭曉科.大數據[M].北京：清華大學出版社，2013.

[2]何偉.胡瑩瑩，朱必法.基于大數據分析的高校學生安全預警管理模式建設初探[J].學校黨建與思想教育，2015（4）：78-79.

[3]李慧芳，白珊，馬強，等.基于Spark的智慧校園數據挖掘研究[J].智能計算機與應用，2016，6（6）：106-107.

[4]姜楠，許維勝.基于校園一卡通數據的學生消費及學習行為分析[J].微型電腦應用，2015，31（2）：35-38.

[5]李嘉彬，施勇，薛質.基于大數據平臺的用戶行為分析研究[J].信息安全與通信保密，2016（4）：87-91.

編輯 郭起珍