基于大数据的大学生网络行为分析

2019-04-26任清元徐美霞

电子技术与软件工程 2019年6期

文/任清元徐美霞

1 大数据对大学生网络行为分析的优势

大数据作为一个新兴领域，利用大数据对大学生的网络行为进行分析，可以让分析的结果更加准确，且针对性更强。在传统大学生网络行为分析过程中，都是通过问卷调查的方式来进行调查的，往往评价内容较为单一，且不够及时，而大数据技术会更加准确，只要学生产生看网络行为，就会直接记录、存储下来，并通过数据挖掘技术进行分析和评价。同时大数据技术还能够实现网络行为的个性化服务，通过对过去所获取的信息数据进行深度挖掘和分析，更好的了解大学生的网络兴趣所在，并将其直接反馈给学生和教师，对学生进行有效的指导和建议。

2 基于大数据的大学生网络行为分析模型

2.1 大数据下大学生网络行为内容构成

结合当前大学生的网络行为方式，可以直接将其分为网络学习、网络娱乐、网络社交和网络交易这几个方面，结合大学生应用网络的目的，可以分为实用工具、休闲娱乐、互动交流以及公共参与这几类。结合已有的经验，本文就在纳入全校学生指纹信息的基础上，对大学生的网络行为习惯和爱好进行调查，并将学生的网络行为直接分为网络学习、网络娱乐、网络社交和网络交易几个方面。具体如图1所示。

在明确大学生网络行为一级构成的基础上，进一步明确大学生网络行为的二级构成，比如，网络学习分为信息获取和网络平台，两个子方面，对于信息获取可以分析是通过各种搜索引擎工具搜索学习资料，还是通过百度文库、豆丁网等下载学习资料。以此，更加明确大学生的网络行为具体内容。

2.2 大数据的技术构架

图1：大学生网络行为构成

大数据的基础构架要具备分布式计算能力，确保能够在接近用户的位置，进行数据的分析，从而减小跨越网络引发延迟情况。大数据可以要运用四层堆栈技术，即基础层、管理层、分析层和应用层。基础层就是大数据技术架构基础的最底层，其就是进行数据的获取，通过网络行为检测系统，将大学生利用网络所进行的学习、娱乐和社交等网络行为进行跟踪、记录。而管理层作为大数据技术构架的第二层，其主要进行数据的存储、管理和数据计算，这一层主要就是对基础层所收集的信息，进行抽取、转化和装载，为后期数据的挖掘、分析提供保障。分析层就是对管理层存储的数据，进行深入的分析和挖掘，通过数据挖掘，找出大学生网络行为的潜在联系，为后期的决策提供可靠的依据。应用层就是对数据分析的结果，提出实时的决策，并为终端用户提供服务。

2.3 大数据下大学生网络行为分析模型构建

2.3.1 客户端层面

客户端的所有功能实现，是以校园网为依托的，只要学生连上校园网，就可以结合学生的指纹信息，捕捉到学生的个人信息和行为数据。首先进行大学生网络行为数据采集，直接捕获大学生的网络行为数据，这主要是指在校园网环境下，大学生所产生的一系列网络行为数据，包含网络学习、网络娱乐、网络社交和网络交易这几个方面的行为数据。其次要进行大学生网络行为评价，这是结合对应的网络行为评价标准，对其网络行为进行对应的评价，这主要包含过程性评价和总结性评价这两种。在对影响网络学习行为因素进行评价时，需要从个人因素、网络学习环境因素、网络学习内容因素以及外部服务环境因素这几个方面来出发。最后就是进行大学生网络行为的指导性反馈，其主要就是将过程性评价结果和总结性评价结果，用可视化的形式反馈给学生或教师，并结合学生的网络行为特征，进行针对性的指导和推送，可以推送学生喜欢的内容，也可以推送学生较为欠缺的内容，实现预警的效果。

2.3.2 客户端后台层面

客户端后台就是以大数据技术为支撑，主要就是进行数据的预处理和分析。在数据预处理过程中，在收集大学生的网络行为数据时，会收集到来自各个平台和网站所产生的数据，当中必然会有很多冗余的信息，这就要对其进行抽取、转化和装载，形成相同的格式，将其集中到目标数据仓库中。数据分析就是将捕获的数据，按照一定的形式进行组织、存放，以方便后期的数据挖掘工作，真正实现预测的作用和效果。