一種GIS專業學生日常移動軌跡與學業表現關系初探

李軍利 張鑫 陳宇

[摘 要]學生的日常學習行為是教學質量監控的一個重要方面。方法：以15位GIS專業本科生志愿者30天的日常行為位置軌跡數據，結合DBSCAN算法與相關性分析，探討志愿者日常移動軌跡信息與學業表現的關聯性。研究表明：學生的日常移動行為與學生學業表現存在相關性。該研究有助于學生日常學習行為教育管理，可為人才質量監控提供借鑒。

[關鍵詞]質量監控;移動軌跡;DBSCAN算法;學業表現

[基金項目]2017年安徽省高等教育教學改革研究重點項目“大數據時代地理信息科學專業實踐教學環節質量監控研究”（2017jyxm1175）;2016年安徽農業大學質量工程重點研究項目“精品課程”（2016-42-147）

[作者簡介]李軍利（1976—），男，安徽無為人，博士，安徽農業大學資源與環境學院副教授，主要從事地理時空數據分析等相關教學與科研工作;張 鑫（1996—），女，山西大同人，安徽農業大學資源與環境學院本科畢業生，研究方向為地理信息科學;陳 宇（1998—），女，安徽宣州人，安徽農業大學資源與環境學院本科生，研究方向為地理信息科學。

[中圖分類號] G455[文獻標識碼] A[文章編號] 1674-9324（2020）27-0127-02[收稿日期] 2019-12-04

當前，高等院校面臨的迫切任務是保障和提升高等教育質量，適應國家經濟社會發展對人才的需求[1]。為緊緊抓住國家大力發展空間信息領域、支持發展新興交叉學科專業的機遇，安徽農業大學地理信息科學專業自招生以來，始終堅持教學的中心地位，堅持以培養雙創型人才為目標。專業以2016年審核性評估與2019年專業評估為契機，在學校與學院不斷完善教學質量保障體系與運行機制的大背景下，不斷強化本科教育教學過程管理，取得了一些成效。為了更好地了解學生日常學習行為狀態，本文初步研究了學生日常移動行為與學業表現之間的關聯性，以期為學生日常教學管理與專業人才質量監控提供有益幫助。

一、日常教學管理制度執行情況

圍繞地理信息科學專業發展定位及人才培養目標，我校地理信息科學專業依據教育主管部門相關規定與章程建立了科學完備的專業教學質量標準體系。該體系包括專業質量、課程質量、實踐教學質量等一系列資源標準，地理信息科學專業嚴格按照上述標準開展教學工作，有力地保障了教學質量。根據學校有關政策，本專業完善了本科教學的日常考核方式與程序。圍繞教學效果質量監控，學校每學期都會開展“評教”工作，針對教師的教學任務、教學內容、教學研究與改革、師德師風等方面開展質量評價。同時，專業任課教師每學期也同步開展“評學”工作，以每一個本科生的學習狀態與效果為對象，對學生的學習自主性、日常學習狀態、創新創業活動效果與學習成績等方面進行評價。上述方法在我校GIS專業取得了一些成效，專業在教學管理制度執行與教學質量監控執行方面做得相對較好。對于學生的學業情況，學校都會適時給出學業預警。但實際工作中還存在一些問題，對學生日常學習行為的教育管理還需要不斷完善。

二、學生日常移動軌跡空間熱點聚集

受伯納德·韋納歸因理論啟示，學生的學業情況受教育環境、學生的智力、心理狀況、學生的日常行為習慣等因素有關[2-3]。學生群體在生活中有著不同的日常行為模式，部分軌跡存在一定的相似性。開展移動模式分析可以發現學生群體軌跡相似停留模式，有助于了解學生學習行為狀態。

在創新實踐活動中，我們結合新興地理數據引入課堂環節，采用學生自愿上報的方式，獲取了15位志愿者30日移動軌跡數據。學生移動軌跡位置包含豐富的語義信息，軌跡語義挖掘有助于理解用戶行為日常行為。每一條軌跡數據語義描述主要常去的場所，如寢室、教學樓、實驗樓、學院樓、食堂、運動場與商場等，并且包括日期，開始時間，結束時間，軌跡開始點與軌跡結束點。通過這些數據，可以計算學生在不同生活與學習場所停留的時間。為識別志愿者學習行為狀態軌跡空間聚集，選擇一種常用的基于密度聚類的DBSCAN算法，通過相關參數進行軌跡活動熱點的劃分[4]。對于志愿者提供的學生樣本所經過的位置，根據不同作息時段，提取不同的POI數據，在Python環境下進行DBSCAN算法分析。對工作日（圖1）和非工作日（圖2）軌跡數據進行分析，發現軌跡在學習場所、飲食場所、休息場所與運動場所等呈聚集狀態，志愿者學生周一至周五學生出現在學習場所的頻率較高，其中圖書館、八教和九教呈現出較強聚集，停留時間較久;而在非工作日軌跡較為分散，公寓區域呈現密集，說明不少志愿者在周末往往是選擇在寢室休息。

三、日常行為與學業表現相關性分析

大學生的學業成績通常用平均成績和績點來衡量學生的學業情況。選取了15名志愿者樣本的軌跡數據進行統計，對每個樣本在30日在相關場所的停留時間進行累加，并去除其正常上課時間，以分鐘為單位，參照志愿者本人課表核算。通過志愿者軌跡路線圖和密度聚類發現，我校學生目前主要去的學習場所包括圖書館、九教和八教，停留相關場所時間統計僅以三個地方累加和表示，小于1小時短暫停留后就離開的忽略不計。為探究志愿者學生的日常移動行為特征和學業狀況之間的相關性，對志愿者停留相關場所與該學期學生的平均成績績點進行相關性分析，相關系數在相應置信水平通過檢驗。說明在志愿者學生群體中經常去學習場所并且停留在學習場所時間較長的學生在該學期平均績點較高。

四、結束語

本文旨在研究學生日常行為軌跡與學業情況的關系。首先對志愿者提供的軌跡數據進行處理，再運用DBSCAN算法進行聚類分析，最后分析志愿者停留相關場所的時間與學業表現。結果表明：①志愿者學生周一至周五學生停留在學習場所的頻率相關較高，主要集中圖書館、八教和九教，且停留時間相對較長;在非工作日聚類中心分散，在公寓區域呈現密集，說明志愿者學生在周末與工作日選擇停留場所有較大差異;②志愿者學生群體在學習場所停留時間和學業情況之間呈現正相關，并且停留在學習場所時間較長的學生在該學期終評成績相對較好。

本文存在一些不足，如學生學業情況影響因素還有待討論，分析還可能存在有偏性[2]，人類移動行為問題涉及多學科交叉，如何獲取高可信數據還存在困難[5]，后續將在獲取更多志愿者數據基礎上，不斷完善研究。

致謝：李妮妮、康雪純等同學參與了數據處理與分析。

參考文獻

[1]黃和飛，王斌，段利華.高校本科教學質量內部保障體系的探索與實踐[J].高教論壇，2019（10）：55-58.

[2]Weiner B. An Attributional Theory of Achievement Motivation and Emotion[J]. Psychological Review，1985，92（4）：548-573.

[3]蘇建華.英語專業學生學習歸因和成績預測研究[J].閩南師范大學學報（哲學社會科學版），2019，33（2）：53-57.

[4]鮑冠文，劉小明，蔣源，尚春琳，董路熙，唐少虎.基于改進DBSCAN 算法的出租車載客熱點區域挖掘研究[J].交通工程，2019，19 （4）：62-69.

[5]Ghosh，S. & Ghosh，S.K.Prog.Exploring the Association Between Mobility Behaviours and Academic Performances of Students：A Context-aware traj-graph（CTG） Analysis[J].Artif Intell，2018（7）：307.