基于大數據技術的地方高校學生行為預測預警應用＊

東華理工大學地球物理與測控技術學院 肖昆 段忠義 朱云峰 姚金奎 劉名根

隨著信息化技術的飛速發展，高校信息化建設也得以快速提升。高校信息化網絡門戶匯集的海量數據僅在其對應管理部門發揮作用，缺乏了信息資源的綜合應用。利用大數據分析手段可以分析并挖掘出學生在線活動歷史數據的隱藏特征，實現對學生行為的分類和智能管理，對于學生評優、貧困生評定、學生學習預警等給出指導建議，有效轉變高校傳統管理與教育模式，最大限度地提升地方高校學生培養的質量。

1 研究背景

東華理工大學是中國核工業第一所高等學校，辦學歷史超60年，現為江西省人民政府與國家國防科技工業局、自然資源部、中國核工業集團有限公司共建的具有地學和核科學特色的多科性地方高校[1-3]。東華理工大學網絡與信息中心于2003年初成立，負責全校信息化建設規劃與實施管理工作，經歷20 余年的發展，已建立了較為完備的智慧校園網絡服務體系，為全校師生提供各類在線服務。隨著時間的推移，信息網絡后臺管理系統記錄了海量的學生活動信息，包括一卡通消費記錄、學生公寓門禁系統學生進出入信息、校園新聞平臺信息、教務系統學生成績管理信息等。然而，這些海量數據信息目前都只是孤立分配所在管理部門用于部門信息的核對與匯總，缺乏了信息資源的綜合應用。為了更好地提升教學管理者的管理水平，發揮數據多跑路、師生少跑腿的優勢，本文基于大數據分析方法和高校各信息系統的歷史數據，對數據進行分析挖掘，建立高校海量數據的綜合分析計算平臺，分析出高校學生在校消費規律、學習作息規律、學習行為規律等特征數據，建立分類管理的智能分析模型，對于學生評優、貧困生評定、學生學習預警等給出指導建議，有效轉變高校傳統管理與教育模式，提高地方高校的管理服務質量和教學管理水平，切實提升學校的綜合競爭力，最大限度地提升地方高校本科人才培養的質量。

2 基于大數據分析的高校學生行為預測預警分析

大數據分析技術是一種高效處理海量數據的技術手段[4]。隨著高等教育信息化進程的快速發展，高校教育教學領域也隨著產生了大量的學生行為大數據庫，利用大數據分析手段對學生行為大數據庫進行挖掘與分析，準確真實地還原高校學生各位行為特征，進而掌握學生的在校學習和生活規律，可以更好地因材施教，提升高校教學管理人員管理的決策力、洞察力和行動力，讓學生真正受益，為學生在校的學習生活保駕護航。

2.1 住宿學生行為分析

高校學生行為習慣的養成對于學生學習起著積極向上的引導作用[5]。大學就好比一個微縮的社會，不同地域的學生匯聚在一起，彼此的文化背景、性格特點都存在差異，因此在學生宿舍相處過程必須彼此尊重，逐步建立起良好的行為習慣。對于高校住宿學生行為習慣的引導，應當構建起合理的評價分析手段，有針對性地實施不同學生差異化管理。依托學生宿舍刷卡門禁系統和學生宿舍用電量的統計數據，構建數據模型，利用各種數據挖掘分析技術分析學術各種行為數據之間的關系，挖掘出不同學生在集體生活中所存在的問題[6]。通過門禁數據可以有效監測出生活習慣不好、晚睡晚起，進而影響同宿舍正常休息的學生群體；通過宿舍用電量情況可以有效監測出違規使用大功率電器，易造成消防安全隱患的學生群體。通過對上述大數據的分析結果，可以為學工管理人員高效篩查住宿學生中所存在的問題學生提供參考，也為宿舍管理人員快速排查消防隱患提供快速決策信息。

2.2 學生校園一卡通分析

高校學生校園一卡通包含了海量的學生校內學習活動數據，包括校園消費、圖書借閱等多種數據，為分析學習的行為特征提供了基礎數據。基于學生校園一卡通的大數據分析信息，可以用來研究學生的各種學習生活規律，進而搭建學生行為特征庫，為學校教學管理者提供有效的決策支持和智慧服務[7]。在對學生行為的特征分析過程中，可以利用指標數據將學生的行為特征定量表征出來，比如表征學生的學習習慣、學習行為、消費特點等。如表1所示是用于評價學生消費特點的各項指標，其中學生消費水平表示對學生的消費記錄數據進行聚類分析，結合學生的消費水平進行標簽分類；消費習慣指標表示綜合學生的消費點、消費時間段、消費次數和消費金額，判識學生是否為正常規律性消費[8]。

表1 高校學生校園一卡通消費評價指標Tab.1 Campus one-card consumption evaluation index of college students

對學生校園一卡通的消費評價指標的綜合分析，歸類總結出高校學生群體消費的偏好和存在的問題，尤其是在貧困生評定方面，通過對學生消費數據的挖掘，篩查出在校內消費水平標簽低的學生群體，在貧困生認定以及助學金的評定方面給予重點關注，為學校貧困生的精準幫扶提供可靠的數據支撐，從而提升學校學工管理部門的學生管理工作效率。東華理工大學目前在貧困生認定和學生獎學金評定方面，部分學生管理工作的老師已經開始使用學生校園一卡通的消費信息作為評定的重要參考標準，但是由于獲取數據困難等因素的影響，致使使用范圍受到一定限制，亟需建立相應的數據分析平臺，提升學生一卡通消費信息的利用價值。

2.3 網絡學習平臺分析

現代信息化教學手段的飛速發展，使得高校學生在線獲取各類專業知識的需求越來越多，校園網絡教學平臺記錄了大量學生在線學習的信息，通過對這些數據的挖掘分析，可以用來監控學生的學習行為，同時也用于預測預警學生的學習成績[9]。東華理工大學建設了課程建設與服務平臺，主要依托超星網絡教學平臺為學校教師提供了一個快速搭建在線教學的平臺。在疫情防控期間，為了保障學生不受疫情的影響而停課，目前平臺所建課程基本覆蓋了學校所有專業的課程，為利用大數據分析學生的行為特征提供了基礎數據。利用學校網絡教學平臺所獲取的學生行為數據，主要包括學習過程是否做筆記、視頻學習過程是否停留時間較長、學生作業提交情況、學生互動討論情況等，通過對上述數據的綜合分析，診斷出學生在線學習的學習狀態和薄弱環節，進而為在線教學的管理者提供針對性的教學服務建議，包括加強在線學習效率低學生的監督以及課后復習掌握程度低學生的專項輔導，進而提升在線教學的質量。

2.4 高校網絡輿情分析

高校的網絡安全與輿情控制是考核高校綜合治理能力的重要指標，因此基于大數據分析的高校網絡輿情分析勢在必行[10，11]。高校網絡輿情分析主要針對學生在學校各類論壇、貼吧、公眾號、校長信箱等平臺發表的文本數據，利用大數據分析手段進行聚類分析，識別出學生的熱點輿情信息、熱點言論內容、發表時間、發表平臺和轉發情況，通過對上述信息的綜合分析，及時掌握在校學生的思想動態，有效提升高校網絡輿情的預測預警分析能力。高校負責網絡輿情管理工作的人員應當采取靈活多樣的方法對學生進行引導，嚴格實施校園網絡平臺嚴格審核發布的審核制度，最大限度減少校園突發網絡輿情事件的發生。東華理工大學目前依托學校大數據平臺高度集成性的優勢，通過預測分析、語義引擎、數據挖掘等處理手段實現了快速定位校園網絡輿情源頭、預判網絡輿情等快速處置措施。同時，建立了校園新聞稿件責任人制度，堅持“誰主管、誰負責”和“文責自負”的原則，對稿件內容的政治性、準確性、真實性嚴格審核，確保校園信息發布的安全，更好地為學校的教育改革與事業發展服務。

3 基于大數據的學生行為綜合分析平臺構建

東華理工大學目前已經建立了網上辦事服務大廳，智慧校園建設的也逐漸形成，在學校信息化建設的進程中，目前已經完成教務系統、校園一卡通系統、學工系統、研究生管理系統、教學督導與評教系統、宿舍門禁系統等業務信息系統與智慧校園平臺的數據集成與對接工作，促進了全校各信息系統數據共享與交換，為基于大數據分析的學生行為特征預測預警模型的構建提供了原始基礎數據。

基于大數據分析的地方高校學生行為特征預測預警模型的構建是一項綜合性的系統工程[12，13]。基于Hadoop大數據框架中可擴展的運行分布式應用程序，構建基于大數據的地方高校學生行為綜合分析平臺[14，15]。平臺構建的具體流程如圖1所示，其中輸入參數包括學校網上辦事服務平臺所存儲的各類學生數據，作為整個綜合分析平臺的基礎數據；對上述原始輸入數據進行預處理，篩選出有利于分析的數據形成數據倉庫；經過數據感知層、分布式數據分析層、數據交互服務層及數據分析可視化層等四個流程，構建形成學生行為特征分析模型和預測模型；根據構建的分析和預測模型提供預測預警服務，主要包含貧困生認定、獎學金評定、網絡輿情預警、學業預測預警、學生行為異常預警等服務。學生在校學習生活的各種行為特征都可以通過上述預測預警平臺進行量化，對學生在校期間的一卡通消費情況、圖書借閱情況、網絡平臺學習情況、作息時間、網絡發帖情況等多維度屬性特征的綜合分析，給出學生行為特征的定量評價結果，為高校教學管理人員提供精準的科學管理依據。

圖1 基于校園大數據分析的高校學生行為分析預測模型Fig.1 Student behavior analysis and prediction model based on campus big data analysis

4 結語

通過學生校園一卡通信息與學校網絡服務平臺的數據的對接，有效消除了在校學生信息管理的“信息孤島”。基于大數據分析手段構建的學生行為特征預測預警模型，能夠綜合分析學生在校期間的各種學習和生活狀態，分析并挖掘出學生在校活動歷史數據的隱藏特征，實現對學生行為特征的分類和智能管理，有效實現對學生的動態監控和預警，為地方高校的智慧校園建設助力，同時也能夠為高校教育教學管理者提供學生管理的各種決策信息和建議，符合當前高等教育的改革發展方向。