基于K-means算法的高校學生上網行為研究分析

唐鷺?李智?蔣方茂

摘? 要：為了更好地了解醫學類院校的學生上網行為特征，研究分析了一年內學生在校期間的上網時長和流量的變化情況，以及不同年級學生的上網時間和流量的特征，利用K-means算法對醫學院校學生上網時長和上網流量進行聚類，聚類研究結果反映了各類學生在校期間的上網情況和使用特點，為科學化管理學生上網行為提供參考，為學校信息化建設提供支持。

關鍵詞：上網行為;醫學院校;大數據

中圖分類號：TP391 ? ? ?文獻標識碼：A文章編號：2096-4706（2022）06-0038-03

Research and Analysis of College Students Online Behavior Based on

K-means Algorithm

TANG Lu， LI Zhi， JIANG Fangmao

（Guilin Medical University， Guilin? 541199， China）

Abstract： In order to better understand the characteristics of students online behavior in medical colleges， this paper studies and analyzes the change situation of students online time and flow during school in one year， as well as the characteristics of students online time and flow in different grades. K-means algorithm is used to cluster the online time and flow of medical college students. The clustering research results reflect the online situation and use characteristics of all kinds of students during school， and it provides reference for scientific management of students online behavior， and provides support for school information construction.

Keywords： online behavior; medical college; big data

0? 引? 言

隨著教育信息化技術的不斷發展，傳統的校園在經過數字化校園后演變成現在的智慧校園。高校信息化基礎設施的不斷完善、有線無線網絡已全面覆蓋整個校園，影響著學生生活和學習的方方面面，為學生的校園生活和學習提供了便利。例如校園門禁、一卡通、數字圖書館、多媒體教室等。同時，基于智慧校園建立的各個業務系統在長年累月地運行過程中也產生了大量數據，諸如學生的基本信息、消費、成績、以及學生上網行為等，這些數據客觀反映出了學生的學習生活及社交活動規律。由于數據量較大且每日呈現指數級的增長，使得學生管理和網絡管理變得日益復雜。而如何更好地利用這些數據，挖掘它背后所潛藏的價值信息，利用這些信息更好地開展學校的教學管理工作，給廣大師生以更大的利益，成為高校信息化建設面臨的難題[1]。

校園網作為互聯網的重要組成部分，是學生學習和生活不可或缺的一部分，隨著大數據、云計算等技術的成熟，對學校的管理來說，怎樣利用大數據技術挖掘學生的上網行為，提供更優質的教學有著重要的意義。在學生上網行為分析方面，茆漢國對校園網行為分析系統的結構進行總體設計，并提出了用K-均值算法結合AGNES聚類算法的挖掘方法來分析研究校園網用戶的上網行為?；矢Υ簌i以校園網用戶的行為特征進行聚類，為合理的分配出口帶寬提供了數據依據[2-5]。

1? 相關原理介紹

在相關研究中，大多數都是采用用戶上網一天或者一個月為單位的上網時間，很多研究都是針對綜合性的高校或者工科類高校，醫學類的院校上網行為研究很少，有的甚至沒有對數據進行清洗。本文首先選擇校園網認證計費Drcom系統2021年的數據，并對數據進行預處理，清除掉不完整、不一致、錯誤亂碼等數據，保證數據源的可靠性、完整性、一致性、準確性和關聯性，再用K-means算法對上網時長和上網流量兩方面進行聚類，分析不同年級的學生上網行為的特點進行總結，有助于教師了解學生上網行為規律特征，提升學生管理工作的精準化和科學化水平。

1.1? 數據來源

本文研究的數據來源于某醫學院校的校園網認證計費Drcom系統，系統的數據內容包括上網用戶每次登錄的賬號、時間、IP地址、登陸的MAC地址、訪問的URL地址等相關信息。由于寒暑假大多數學生不在校，對于網絡的使用情況研究價值低，結合實際情況，因此本文只提取2021年4月—12月，一共6個月的數據作為分析對象。

1.2? 數據清洗

由于獲取到的用戶行為記錄日志屬于用戶訪問的原始信息沒有任何的加工和處理，有的數據甚至是不完整、不一致、錯誤亂碼等數據，當然還存在一些無關的數據，這對于數據挖掘毫無意義。因此，基于數據特點和實際需求，我們對這些原始數據進行預處理，進行數據清洗工作，刪除錯誤亂碼等數據，消除數據冗余，只挑選出學生的訪問信息，保證數據源的可靠性、完整性、一致性、準確性和關聯性，這一步是上網行為分析過程比較重要的基礎，決定分析結果高效和準確性。802F7ABF-8692-4F7E-97A3-D0100F551BBA

2? 學生上網行為分析與結論

2.1? 上網行為分析方法

在經典的聚類算法中，常用的距離公式有歐式距離、絕對距離、明氏距離、切氏距離、方差加權距離、馬氏距離、余弦距離以及相關系數與相關距離公式。其中經典的K-means算法采用歐式距離計算樣本之間的距離，這是聚類算法中使用頻率最高的距離公式[6]，相比較而言也具有偏小的復雜度，是一種基本的已知聚類類別數的劃分算法[7]。是一種簡單、收斂速度快、易實現的經典聚類算法，適用于數值型數據集聚類。該算法的核心思想是找出 K個聚類中心，使得每一個樣本點和與其最近的聚類中心的平方距離和被最小化[8]。滿足本文研究需要，因此，本文主要采用了K-means聚類算法。

2.2? 上網行為分析結果

通過對大量學生上網數據進行整理分析發現，與學生的日常生活表現基本相符。雖然是醫學類院校，女生占比較高，男女比例大概1：3.4，但上網時長也并不低，平均每人每天上網時長8～10小時，但從使用流量來看，流量使用并不算太高。

2.2.1? 上網時長

在使用K-Means算法的過程中，最重要和核心的就是確定K個聚類數，經過反復的實驗對比和調整，發現當K=4時使得聚類結果最為緊湊，分類也是最為獨立的，可以得到最好的聚類效果。

從上網時長的數據中我們可以總結出一些學生上網行為的特點與規律：

（1）從圖1可以看到，在4，5，6月上網的時長比較短，呈平穩上升趨勢，而10，11，12月平均每天上網時長達到10小時。呈急劇上升趨勢。從圖2可以看出，在4月的時候平均每人每天上網時間8小時，而到了12月，平均每人上網時長達到了11小時。總的來說，一年內整個上網時長呈上升趨勢。經分析上網主要時間集中在18：00—22：00。從22：00到23：00點有很大的回落，說明很多學生在這個時間休息，從0點到7點熬夜上網學生較少。

（2）如圖3所示，大一的新生由于9月才入校，所以4，5，6月沒有數據。而從10月開始呈現急劇上升的趨勢，10月到11月的時候由于剛入校，在新環境結交新朋友，各種社團活動多，因此比大二、大三、大四的學生相對會上網少。大二和大三的學生上網時長最為相近。大四學生上網時長最長。而大五的學生由于要經常外出醫院實習和面臨著找工作、考研究生等重要事情，因此上網時長相對最少。

（3）從表1聚類來看，34%的學生每月上網時長并不算長，平均每月上網時間大概4 254分鐘，只有少數6%的學生上網時間比較長。

2.2.2? 上網流量

從上網流量的數據中我們可以總結出一些學生上網行為的特點與規律：

（1）從圖4可以看出，從4月到6月呈平穩上升趨勢，而從6月和10月對比，呈急劇下降的趨勢，從10月到12月呈急劇上升趨勢，總的來說在10，11，12月的流量對比4，5，6月上網的流量呈上升趨勢。圖5與圖4類似。

（2）如圖6所示，從趨勢來看，大一的學生從9月開始入學，因此4，5，6月沒有流量使用情況。從10月開始呈急劇上升的趨勢，流量使用情況上升最快，但還是低于大四和大五的學生。大二和大三的學生使用流量情況相似，從4月到12月呈現平穩上升趨勢。大四和大五的學生使用流量情況相似，4，5，6月逐漸下降，從10月最低點開始又急劇上升到12月達到最高點。

（3）從月均上網流量聚類表2分析來看，當K=4時取得了最好的效果，分為4類，其中B類只有2%的學生平均每月上網流量最大，達到了102 550 2 MB，C類72%的學生平均每月上網流量只有440 01 MB。這類用戶最多，但使用網絡流量和占用寬帶卻最小。說明大多數學生使用網絡只是用于查詢資料、收發郵件等學習和生活需要以及微信、QQ等社交需求。只有2%的學生，經分析研究是由于長時間開機，使用P2P下載電影等非學習資料。

3? 結? 論

本文主要以醫學院校學生的校園網上網日志作為分析對象，通過學生在校期間的上網日志數據，對學生的上網行為進行分析，研究反映了各類學生在校期間的上網情況和使用特點。用K-means算法對使用時長和使用流量情況進行聚類分析，分析得出大二和大三的上網時間和使用流量情況是最為相似。而大五的學生使用網絡資源相對最少。對于大多數學生而言，流量異常行為較少，學校應加強學生對網絡安全知識的學習，發揮網絡的積極作用，使其利用網絡資源查找學習資源，最大程度降低其負面影響，合理健康地使用網絡資源，避免沉溺網絡。可為學生的管理工作提供參考，更好地開展學校的教學管理工作。

隨著智慧校園的建設，各個業務系統的數據暴增，為分析學生的上網行為提供了更為豐富的數據信息，因此下一步會利用網絡日志數據結合學生成績、一卡通使用情況等做更進一步的分析。

參考文獻：

[1] 周愛娟.基于計費系統的校園用戶行為分析與建模 [D].北京：北京交通大學，2019.

[2] 茆漢國.基于K-均值與AGNES聚類算法的校園網行為分析系統研究 [J].現代電子技術，2016，39（23）：116-120.

[3] 皇甫大鵬，陳平，王興建.基于一種改進的K-means算法的校園網用戶行為分析研究 [J].廣西大學學報（自然科學版），2011，36（S1）：69-72.

[4] 胡茜茜.基于學生個人大數據的行為特征分析 [D].武漢：華中師范大學，2019.

[5] 李騫，王碩，隋繼學.基于機器學習算法的校園網學生上網行為評估方法研究 [J].科技創新與應用，2021，11（33）：1-5+11.

[6] 凌玉龍，張曉，李霞，等.改進kmeans算法在學生消費畫像中的應用 [J].計算機技術與發展，2021，31（10）：122-127.

[7] 郭玉彬，吳宇航，薄傲峰，等.基于認證數據的學生上網時間特征分析 [J].計算機應用與軟件，2019，36（11）：101-106+133.

[8] 孫吉貴，劉杰，趙連宇.聚類算法研究 [J].軟件學報，2008，19（1）：48-61.

作者簡介：唐鷺（1984—）女，漢族，廣西桂林人，工程師，碩士研究生，研究方向：計算機應用技術;通訊作者：李智（1990—）男，漢族，廣西桂林市人，高級工程師（信息系統項目管理師），工程碩士，研究方向：數據挖掘技術與信息安全;蔣方茂（1976—），男，漢族，廣西桂林人，助理工程師，本科，研究方向：計算機網絡、教育技術的應用。

收稿日期：2022-02-15

基金項目：2020年度廣西高校中青年教師科研基礎能力提升項目（2020KY12009）;2021年度廣西高校中青年教師科研基礎能力提升項目（2021KY0506）802F7ABF-8692-4F7E-97A3-D0100F551BBA