基于大数据的大学生网络行为分析研究*

王海燕，桑晓斐，赵可云

（曲阜师范大学 传媒学院，山东 日照 276826）

基于大数据的大学生网络行为分析研究*

王海燕，桑晓斐，赵可云

（曲阜师范大学 传媒学院，山东 日照 276826）

正确引导大学生的网络行为是提高大学生网络媒介素养的首要任务，而个性化的分析大学生网络行为现状是正确引导大学生网络行为的前提条件。大数据为实现大学生网络行为的个性化分析带来了可能。本研究摆脱了“现状+建议”的分析模式，在分析了大数据下网络行为的内容构成及大数据技术架构的基础上，构建了集数据采集、处理、分析、评价、反馈于一体的大学生网络行为的分析模型，实现了个性化的分析，并为个性化的引导大学生网络行为提供了新的途径。同时，研究对利用大数据分析大学生网络行为可能遇到的挑战进行了阐述。

大数据；大学生；网络行为；网络行为分析模型

一、引言

大数据已不仅是一个流行的新潮词汇，英国学者维克托·迈尔-舍恩伯格在《大数据时代》一书中指出，大数据带来的信息风暴正开启一次重大的时代转型，将极大变革人们的生活、工作和思维。[1]目前，“大数据”在学术研究领域、商业、军事、教育、通讯等行业都具有广泛的影响和应用。

随着互联网的快速发展，网络成为最普遍的大众媒介，受到了人们的青睐和关注，作为特殊的社会群体和大众传媒受众的大学生成为网络社会中最活跃的群体。在大学生中电脑和手机等上网终端的普及化程度非常高，通过网络进行学习、获取信息、交流沟通、表达思想等越来越普遍，这些网络行为已经成为大学生学习和生活的重要组成部分。[2]在大数据时代的背景下，利用大数据针对性的对大学生个体的网络行为特点进行科学分析，为高校教育工作者引导大学生合理地运用网络资源、进行积极的网络交往及树立健康的上网理念提供可靠依据，已成为一个亟待研究的问题。

二、国内大学生网络行为分析现状

目前，国内有很多关于大学生网络行为分析研究的文献，利用我国目前比较权威和收刊量最大的数据库——CNKI的“中国期刊全文数据库”，对2005-2015年发表的论文进行统计分析，来源类别限定为“核心期刊和CSSCI”，以“网络行为”为篇名进行检索，共检索到167篇。按照文章的年发表量统计如图1所示。

图1 “网络行为”相关文献年发文量统计

通过对这些文献进行梳理发现，对“网络行为”的研究主要集中在理论思辨、“现状+建议”以及利用具体的某种技术或算法建立网络行为分析系统上。如：对大学生网络行为失范对策的理论思辨、对大学生网络行为现状的调查以及基于数据流分析的网络行为检测系统的建立等。在“网络行为”的实践研究层面，目前国内已有的关于网络行为分析的实践研究大多是以问卷和访谈的形式对特定的群体进行网络行为的调查，根据调查问卷或访谈结果归纳总结出大学生网络行为存在的问题，然后针对一类人提出相应的建议和对策。

国内在对网络行为进行分析时研究方法比较单一，主要采用的手段还是问卷调查，基于问卷调查的网络行为分析具有一定的优势和可靠性，但是其分析结果也存在一定的局限性，一是学习者可能故意输入不准确的数据或因为完成调查问卷需要花费时间，增加了被调查者的时间负担，可能存在胡填乱答的情况；二是分析结果较为笼统，只可以针对一个群体发现问题并提出解决对策，无法实现个体的网络行为测量，以及无法为大学生提供针对性的个性化建议。而随着大数据的产生，这个问题能得到有效的解决，利用大数据分析大学生网络行为不仅可以实现个性化指导，还能实现个人网络行为预测。

三、大数据对大学生网络行为分析的价值

大数据并非一个确切的概念。从“数据”这个词来分析，大数据是海量的，巨大的，它关乎数据量。简单的说，大数据就是一个体量特别大、数据类别特别丰富的数据集。也就是说，“大数据”本身并不是一种新的技术，也不是一种新的产品，而是我们这个时代出现的一种现象。[3]大数据的特点可以概括为4个“V”：第一，数据量巨大（Volume），一般是以TB为单位，现在跃升到了以PB为单位；第二，数据的种类复杂多样（Variety），包括各种商业信息、教育数据、地理位置等各种类型的数据；第三，处理速度快（Velocity），遵循“1秒定律”，可从各种类型数据中快速的获得具有高价值的信息。第四，数据的价值(Value)，主要表现为大数据的巨大的预测价值。

大数据作为一个新生的领域，对实现大学生网络行为分析拥有巨大的应用价值。与以往的问卷调查的分析方法相比，利用大数据进行网络行为的分析，会使其结果更加精准，更加具有针对性。

表1 大数据对大学生网络行为分析的价值

1.大数据保证了网络行为分析的精确性

与以往利用问卷调查实现大学生网络行为现状分析的方式相比，通过收集大学生网络行为数据来分析大学生网络行为的现状更加具有针对性和精确性。将大学生网络行为记录下来通过大数据挖掘技术进行分析，可以发现每个大学生网络行为存在的具体问题，保证了大学生网络行为分析的精确性和针对性。

2.大数据保证网络行为评价的及时性

以往对于大学生的网络行为评价的实现主要是通过问卷调查的方式。通过问卷调查的方法发现问题，并针对一类人提出比较宏观的建议和对策。而大数据的出现使评价内容更全面、评价方式更加多样化，利用大数据实现了对网络行为的过程性评价。只要大学生一上网，产生了网络行为，就会将网络行为数据记录并存储下来，通过数据挖掘分析技术，根据大学生网络行为评价指标体系，对大学生的网络行为实现过程性、及时性的评价。总之，只要有网络行为的产生就会有评价。

3.大数据实现网络行为的个性化服务

大数据时代的个性化指导就是对以往获取到的数据进行深度挖掘分析，获得大学生的网络喜好和网络兴趣所在，为其提供和推荐相关的信息，以满足用户的需求。大数据下的个性化服务，更加便捷，针对性更强。同时可以将大学生网络行为的分析结果以可视化的方式反馈给学生和老师，对学生提出个性化的指导和建议，教师针对不同学生存在的问题进行干预和指导。

4.大数据实现了对网络行为的预测

预测价值是大数据最重要的价值之一，其达到的效果是前所未有的。大数据的预测功能是基于之前记录下来的各种数据进行深入的挖掘、研究、分析，发现其中隐含的规律特征，从而对以后作出预测。针对预测得出的结论，及时对用户网络行为进行干预，以避免网络行为的失范。

四、基于大数据的网络行为分析模型

1.大数据下网络行为的内容构成

李云先（2013）[4]、楼巍（2014）[5]认为大学生网络行为方式大致可以从网络学习、网络社交、网络娱乐和网络交易 4 个方面来概括；李庆真（2015）[6]、郭玉锦（2005）[7]、李一（2006）[8]按照使用网络的目的将其分为互动交流类、休闲娱乐类、实用工具类和公共参与类等4种类型。

根据已有的文献，笔者按照大学生的行为习惯和爱好，在调查和总结其网络使用行为现状的基础上，将大学生网络行为划分为网络学习、网络社交、网络娱乐、网络消费四个方面。网络学习可以细分为信息获取、网络平台两个子方面；网络娱乐可以细分为网络小说、网络音乐、网络游戏、网络影视四个子方面；网络社交可以细分为网络交流、网络互动两个子方面；网络消费主要是指网上购物。

图2 网络行为的构成

（1）网络学习主要包括信息获取和网上课件，信息获取主要是指大学生通过各种搜索引擎工具搜索学习资料或者通过百度文库、豆丁网等下载学习资料；网络平台主要是包括各种网络学习平台的使用以及教育社区的使用。

（2）网络娱乐主要包括网络游戏、网络影视、网络小说和网络音乐，主要包括浏览各种新闻（时政、娱乐、体育等）；使用网站（如PPTV、豆瓣、百度音乐等）看电影、电视剧、听音乐、看小说，玩游戏；使用下载工具（如迅雷等）下载音乐、电影、电视剧、游戏。

（3）网络社交包括网络交流和网络互动，网络交流主要包括使用即时通讯工具（如QQ、MSN、飞信、电子邮件等）进行交流；网络互动主要指使用社交网站（QQ空间、人人网等）互动、使用网络发微博（如新浪微博、腾讯微博等）。

（4）网络消费主要是指通过天猫、淘宝、苏宁等网络购物平台进行网络购物。

表2 网络行为具体内容构成

2.大数据的技术架构

大数据是近年来随着数据集的急剧扩展和汇聚从数据科学中发展形成的一个研究前沿。[9]大数据基础架构必须具有分布式计算能力，以便能在接近用户的位置进行数据分析，减少跨越网络所引起的延迟。[10]大数据可以采用四层堆栈式技术架构：基础层、管理层、分析层、应用层。[11]基础层是整个大数据技术架构基础的最底层，主要作用就是实现数据的获取。利用现有的网络行为监测系统将大学生通过网络进行学习、娱乐、社交和消费的一系列网络行为跟踪并记录下来，为后续的数据挖掘奠定了良好了数据基础；管理层是大数据技术架构的第二层，本层主要包括数据的存储和管理，以及数据的计算。大数据架构中需要一个管理平台，使结构化和非结构化数据可以实现一体化管理，具备实时传送、查询和计算功能。该层主要是对网络行为监测系统收集到的数据进行数据抽取、数据转化、数据的装载，使数据格式统一，以保证后续数据挖掘和分析的可行性；分析层主要完成的任务就是对上一环节存储下来的数据进行分析和深度价值挖掘，提供基于统计学的数据挖掘和机器学习算法，用于分析和解释数据集，从而获得对数据价值深入的领悟。[12]通过数据挖掘发现大学生网络行为的潜在联系，以保证后续决策的可靠性；应用层是对针对数据分析所得出的结果提出实时决策，以及为终端用户提供服务应用。

3.大数据下大学生网络行为分析模型构建

要利用大数据实现大学生网络行为现状分析并提出个性化的建议，首先要构建基于大数据的大学生网络行为分析模型。在大数据的思想指导下，结合对大数据技术架构的分析，构建了基于大数据的大学生网络行为分析模型。该模型主要包括了网络行为监测客户端、客户端后台、以及线下教师学生活动三个层面，客户端层面是以校园网为依托，主要实现网络行为数据的收集、网络行为的评价以及指导性反馈三个模块；客户端后台主要是以大数据技术为支持，包括数据预处理和数据分析两个模块；线下教师和学生的主要活动就是根据反馈结果采取适当手段规范大学生的网络行为，加强对大学生的思政教育。

（1）客户端层面

客户端所有功能的实现主要是以校园网为依托，只要学生连接上校园网，网络行为监测客户端就可以捕捉到学生的个人信息以及在网络上产生的各种行为数据。目前市场上存在很多网络行为监测管理客户端，这些软件的开发设计在行为数据收集和上网控制方面比较成熟，但是对于行为数据的评价和反馈方面较为欠缺，需进一步的完善。

图3 大数据下大学生网络行为分析模型

1）网络行为数据采集

通过网网络行为监测客户端可以对大学生产生的网络行为数据进行捕获，这类数据主要是指在校园网环境下大学生产生的网络行为数据。网络学习行为数据是指浏览和下载的学习资料、使用的学习平台、使用的数字化图书馆所产生的一系列数据；网络娱乐数据是通过捕获浏览的娱乐新闻、网页游戏、网页小说、通过网页观看影视、网页版音乐、下载的游戏、下载的小说、下载的影视、下载的音乐而获得的；网络社交数据是指使用即时通讯工具（QQ、MSN、飞信、电子邮件）、社交网站（QQ空间、人人网等）、网络发微博（如新浪微博、腾讯微博等）所产生的一系列行为数据；网络消费数据是指通过使用淘宝、天猫、苏宁进行购物所产生的一系列数据。

2）网络行为评价

网络行为评价主要是根据已有的网络行为评价标准，对大学生的网络行为进行评价，评价方式主要包括过程性评价和总结性评价。过程性评价主要是对大学生日常的网络行为不定期的、及时的进行评价，通过反馈，干预，然后再评价，从而让学生明确的知道自己网络行为存在的不足从而及时改进，同时对网络行为提供及时预警。总结性评价主要是在一段时间后对学生的网络行为进行总体的评价，将评价结果反馈给学校和教师，从而为学校开设课程提供一定的量化依据。

3）指导性反馈

指导性反馈最重要的功能就是将过程性评价结果和总结性评价结果以可视化的方式反馈给学校、教师和学生。其次是根据每个学生的网络行为特点进行个性化的指导和推送，主要包括基于内容的推荐：向学生推荐与他过去偏爱的内容相似的内容；协同推荐[13]：向学生推荐那些与他具有相似偏好的人在过去喜欢的内容；基于评价的推送：根据评价结果，向学生推送其较为欠缺的内容。同时对学生的上网有拦截控制功能，以防学生长时间的沉迷网络或者浏览不健康的信息等。利用大数据的预测功能对大学生的网络行为进行预测并将其结果反馈给学校、教师和学生，达到预警效果。

（2）客户端后台层面

客户端后台是以大数据技术为支撑的，主要实现的功能就是数据的预处理和数据分析。为后续的网络行为评价和反馈提供依据。

1）数据预处理

由于在获取大学生网络行为的原数据时，会收集来自于不同平台、网站、应用等产生的数据，而这些行为数据都不是规范的数据仓库形式，其中包含了很多冗余的信息并且格式不一，所以必须经过数据预处理之后才能顺利的将其存储到仓库中。数据预处理要完成的主要工作就是对网络行为监测客户端收集到的数据进行数据抽取、数据转化、数据的装载。数据的抽取主要就是将数据从不同的网络、不同的操作平台、不同的数据库及数据格式、不同的应用中抽取出来，经过数据转化，将不同格式的数据重新格式化，转换成相同的格式，最后通过数据装卸将数据跨网络、跨操作平台装载到目标数据仓库中。

2）数据分析

将捕获到的网络行为数据按照一定的主题域进行组织和存放，有利于对数据进行挖掘，发现彼此之间潜在的联系，以达到预测的效果。数据分析模块主要是采用聚类、预测分析、社会网络分析等方法进行数据统计和挖掘。该模块对大学生的网络行为数据主要完成两方面的处理：一是对大学生在使用网络过程中产生的主要信息点进行统计分析；二是采用数据挖掘技术对不同主题中的行为数据进行挖掘并探寻之间的相互关系。

3）线下活动层面

将整个学校学生的评价结果以可视化的方式反馈给学校，根据目前学生的网络行为现状，制定或完善相应的课程，开展适当的讲座，以防网络行为失范现象的发生。教师是学校课程的执行者，及时了解学生网络行为现状，有利于调整教学方式和侧重点，有针对性的预防大学生网络行为失范。对于反馈结果中个别网络行为存在问题的学生，教师可以单独指导。学生根据过程性评价的反馈结果，明确自己网络行为存在的问题，针对个性化的推送，提高自己的网络行为水平。

五、利用大数据分析大学生网络行为可能遇到的挑战

大数据虽然为分析大学生网络行为带来了便利，提供了精准化的分析和预测，但是过于精准的量化分析同时也带来了一些挑战，在利用大数据分析大学生网络行为时，要一并兼顾这些问题的处理。

1.客户端与网络行为分析关联性低

目前市场上存在的网络行为监测客户端基本上可以实现对网络行为数据的采集，但是对于网络行为数据的挖掘分析技术欠缺，而且缺少网络行为评价功能、可视化反馈功能以及个性化指导的功能。所以需要进一步的开发和完善，加强与大学生网络行为的关联性分析。

2.网络行为分析模型的技术薄弱

大数据时代的大学生网络行为分析最重要的是需要技术的支持。目前，大数据技术的运用仍存在一些困难与挑战，利用大数据对大学生网络行为进行分析，要获取大量的数据，数据的类型之多，数量之大，对数据采集技术要求相当高；对于采集到的海量数据的存储对数据存储技术也产生了很大的挑战，同时对数据的处理和分析技术提出了很高的要求。

3.网络行为分析人才的缺乏

利用大数据解决问题，不仅仅需要技术的支持，更需要能驾驭技术的人才。要想实现大数据价值的最大化，至少需要三类关键人才队伍:一是对大数据进行分析的分析型人才;二是申请、使用大数据分析的管理者;三是实现大数据的技术支持人才。[14]但是在利用大数据分析大学生网络行为的现阶段，大数据人才相当缺乏。就目前情况而言，我们急需培养一批高精尖的大数据技术人员，能熟练的使用大数据技术，对数据进行获取、存储、分析和应用。这无疑是一个巨大的挑战。

4.网络行为隐私的泄漏

在对大学生网络行为进行数据收集并进行精准化分析的同时，会涉及到个人隐私并可能会对其个人隐私造成泄漏。目前的大数据技术还无法做到过滤私人的信息、留下有效的信息，这是大数据无法避免的道德问题。同时，通过数据挖掘和学习分析所做出的预测和推荐，将会大大增加大学生网络行为的透明性，这也将带来一系列的社会伦理道德问题。[15]

5.网络环境存在局限性

该分析模型主要是对大学生在利用校园网络上网时产生的网络行为数据进行采集和分析。而大学生的上网方式很多，上网的地点没有限制，所以该分析模型的实现会受网络环境的制约。在高校内，大学生一般都是使用校园网进行上网，这样的学生，可以对其网络行为分析，但是还有一部分学生会使用自己的个人电脑进行上网的，对这部分学生，在网络行为分析的过程中，统计比较困难，可能造成统计数据的不完善。

六、总结与展望

伴随着互联网的快速发展，各种技术都逐渐完善，有关网络行为的问题也随之而来。笔者通过对文献进行梳理发现，目前网络行为实践研究层面存在一定的局限性。基于此，本文深入分析了利用大数据分析大学生网络行为的价值，据此构建了基于大数据的网络行为分析模型，分析了利用大数据分析网络行为可能面临的多种挑战。希望此模型能实现大学生网络行为的个性化分析，为正确引导大学生的网络行为提供可靠依据，从根本上提高大学生整体的网络媒介素养。

[1]维克托·迈尔-舍恩伯格,肯尼思·库克耶著;盛杨燕,周涛译.大数据时代[M].杭州:浙江人民出版社,2012.

[2]滕建勇,严运楼,丁卓菁.大学生网络行为状况分析及教育对策[J].思想理论教育,2015(5):81-84.

[3][9][10][11]李军.大数据从海量到精准[M].北京:清华大学出版社,2014.

[4]李云先,彭敦陆.大学生网络行为方式的模糊分析[J].上海理工大学学报,2013(2):107-112.

[5]楼巍.大学生网络行为分析及网络德育文化建设路径探究[J].思想理论教育,2014(5):76-80.

[6]李庆真.不同代青年群体网络行为的共性与差异性研究[J].中国青年研究,2015(1):84-90.

[7]郭玉锦,王欢.网上公共领域[J].北京邮电大学学报:社会科学版,2005(3):4-7.

[8]李一.网络行为:一个网络社会学概念的简要分析[J].兰州大学学报:社会科学版,2006(5):48-53.

[12]康红霄,王爱冬.基于大数据技术的公共危机预测研究[J].科技管理研究,2015(6):175-178.

[13]Adomavicius,G.,Tuzhilin,A..Toward the Next Generation of Recommender Systems：A survey of the State-of-the-Art and possible extensions[J].IEEE Transactions on Knowledge and Data Engineering,2005(6）：734-749.

[14][15]胡弼成,王祖霖.“大数据”对教育的作用、挑战及教育变革趋势——大数据时代教育变革的最新研究进展综述[J].现代大学教育,2015(4):98-104.

（编辑：王晓明）

G40-057

A

1673-8454（2017）13-0006-05

本文受国家社会科学基金项目“农村留守儿童学习社会化的影响因素及新媒体干预机制研究”（项目编号：15CSH054）课题资助。