智慧校园建设背景下基于模糊多属性决策的大学生网络游戏成瘾评估与防治模型研究

宋海雨

(重庆工商大学 人事处， 重庆 400067)

一、引言

网络游戏成瘾现象在大学生中普遍存在，严重影响学生的学习和学校的校风，尤其在地方普通高校和高职院校中表现较为明显。这严重影响正常的教学管理和运行秩序，也不利于大学生毕业后的成长和成才。高校承担着培养人才和传承文化的重要职能，在大量学生沉迷于网络游戏的社会环境下，在百年老校北京师范大学仍然需要写不要迟到、旷课等标语来提醒广大学子的现实中，高校需要站出来承担起培养和引导新一代青年的重任，更需要找出问题，分析原因，拿出解决方案并付诸行动，将教育贯穿到本科大学生教育的全过程。当代大学生沉迷于网络游戏的主要原因是学生的懒惰思想主导着学习与生活，形成一种习惯难以改变；或者是没有认识到社会的现实性，沉迷网络游戏世界；或者是在现实激烈的社会竞争中无法找到存在感，退而求其次在网络虚拟世界中寻找刺激与存在感；或者是在缺乏关爱的家庭和社会环境中成长，进而在网络世界寻求心理安慰等。由于大学生沉迷网络游戏，从而导致高校校风差、学风差，为了解决该问题，李昊等研究了大学生网络成瘾类型与生活事件的关系，采用调查问卷和青少年生活事件量表对在校大学生进行测量，结果发现网络游戏成瘾大学生的身心健康和适应性普遍较差，网络游戏成瘾者长时间沉溺于网络游戏中，耗费了大量的体力和精力，因而不能更好地投入学习中[1]。朱灏等研究了大学生无聊情绪、主观幸福感、认知失败体验与网络游戏成瘾的关系，采用大学生无聊倾向量表、认知失败问卷、总体幸福感量表和网络游戏成瘾量表进行调查与分析，发现大学生的无聊倾向可以通过影响认知失败进而对网络游戏成瘾产生影响，认知失败在无聊倾向与网络游戏成瘾之间存在中介效应[2]。以上研究表明，网络游戏行为会降低大学生睡眠质量，进而影响他们的身体和心理健康，不利于学生的学习和成长。

现代信息网络科技的发展和“智慧地球”“智慧中国”“智慧城市”的提出，为教育现代化、科技化、智能化提供了便利，因而高校数字化、信息化建设日趋成熟[3]。但是，以往数字化校园所体现的数据应用集成已经不能满足当今时代的需要，高校开始逐渐由“数字化校园”向“智慧校园”演进，并成为当今校园建设的主题[4]。“云端一体化”高校智慧校园提出协同校务管理，为学校各部门提供人、财、物整合统一的信息化管理支撑，并为全校师生提供个性集成、多维度、全方位的贴心信息服务[5]。蒋东兴等提出高校智慧校园技术参考模型，通过建立高校智慧校园的层次化体系结构模型，设计高校智慧校园的成熟度模型及其评价指标体系，促进高校智慧校园建设的持续有序发展[6]。智慧校园之决策支持系统理论与应用研究以学生智能卡数据库流水作为数据源来开展实验，包括数据的收集和预处理、可视化、数据挖掘与决策支持，对学生的消费活动、消费地点、时间等进行分析，并且提出了关于贫困生认证模型的猜想和验证[7]。

智慧校园的建设为校园内通信设备上网动态、数据库信息和智能卡信息等数据(如学生的学习成绩、借阅、食堂和超市消费、网络游戏时长等)实现互连和共享提供了便利条件，切实反映学生的学习和生活状态，在大数据时代应当是一笔财富。如何挖掘这些数据之间的内在联系，以数据为基础，分析学生的生活和学习状况，并根据学生状况采取相应决策，是实现智慧校园的关键。在治理大学生网络游戏成瘾的过程中，充分利用智慧校园的已知信息，帮助学生认清自身沉迷游戏的程度和把握自身在同班和学院同学中所处的状态，并从正面引导，将有助于把学生从网络游戏中解救出来。

本文提出一种智慧校园建设背景下基于模糊多属性决策的大学生网络游戏成瘾防治模型，通过关联分析大学生在校园内的行为数据，评估学生网络成瘾的程度，让学校老师了解全校大学生玩网络游戏的状况并及时引导教育，让学校相关管理部门制定准则限制学生上网时长、降低网络消费。该模型提出从校园内部网络管理端以发送上网时长过长和学业提醒的形式，对学生形成心理暗示和压力提醒，帮助其合理安排学习和生活时间，调整心理状态，走出网络游戏，从而形成良好的校风、学风、班风。

二、网络成瘾评估与决策支持体系构建

智慧校园背景下，随之而来的宿管门禁系统、学生教务管理系统、学生工作管理服务系统、一卡通数据查询系统、图书馆数据系统、全球网络开放课程、微课MOOC观览、学校新闻网络公告等大学生信息门户一体化已成为发展趋势和时代需求。如果对大量学生数据信息需要进行处理，并通过数据挖掘、聚类分析、信息融合、行为预测以及决策支持进行态势把控，将为高校利用已有数据信息管理和控制大学生网络成瘾行为提供便利。而在此过程中，将全校大学生信息管理作为建设中的切入点，为髙校管理者以及教师、学生提供决策支持，则便于教师和管理者管理、教育、服务、引导学生。

获取的大量学生日常数据信息可以为引导网络成瘾的同学走出游戏和建设学风进行服务。以第一部分分析的游戏成瘾原因和游戏成瘾学生的现实表现为依据，对网络游戏成瘾行为进行衡量和程度测评。这就抛出在测评过程中，具体何种程度的行为可以界定为网络游戏成瘾的问题。基于国内外广泛研究成果，笔者发现，网络游戏成瘾程度评估类似系统的多属性决策，两者都涉及大量不确定的主要因素，对于不确定性因素需要依赖人为经验设定取值范围，故利用多属性决策的方式建立评估指标与决策支持体系。根据信息论相关知识，信息来源越丰富，采用的评估指标越多，对态势的描述就越详尽深刻；但过多的指标将导致计算量巨大，带来不必要的冗余。针对特定的客观情形对当前大学生生活与学习的影响的网络行为特征，建立大学生网络游戏成瘾评估与决策指标体系，如图1所示。

图1 校园大学生网络游戏成瘾评估指标与决策支持体系

图1将大学生网络游戏成瘾的日常行为、造成影响作为评估指标，进行量化建模，其中影响评估包含身心健康受损、不能正常毕业、意志力受挫3个子指标。在评估基础上，分别从学业挂科、上课出勤、超时上网、个人消费上进行预警情况反映。对于出现预警并被认定是网络游戏成瘾的同学，分别从辅导、控制、家校联动和推送信息4个方向采取决策，防治大学生网络游戏成瘾。

(一)网络游戏成瘾程度聚类划分

由于对大学生网络游戏成瘾的日常行为和造成的影响进行衡量和程度评估时，涉及的指标和因素有着不同的数据属性特点，而不同的属性特点对评估结果有着不可忽视的影响，所以采用模糊C-均值(Fuzzy C-Means，FCM)聚类[8]对各数据集进行划分，并通过最佳聚类准则确定最优聚类数。

最佳聚类准则：让属性间距离最大，属性内元素距离最小。

域内距离：假设在一定范围内，对于评估层的一个因素X={x1,x2,…,xN}，则每个因素涵盖不同属性。将每个因素当作聚类，N个聚类间距离平均密度为：

(1)

域间距离：两个聚类间的距离，表示为：

(2)

其中：R为聚类中心的集合，ri和rj分别表示聚类i和j的中心，聚类间距离越大，聚类效果越好，因此最佳聚类准则可以表示为：

(3)

(二)网络游戏成瘾程度隶属函数

由于信息具有不确定性，即影响大学生网络游戏成瘾程度评估和日常行为评估具有交叉性和模糊性，因此引入模糊集[9]进行处理，在多方位因素和行为评估上，调整评判数值，减少评估的偏差，提高评价的精确度。

图2 梯形隶属函数

现有的校园数字化系统都是单独而且分离的，没有考虑数据之间的内在联系，不能有效运用校园各类系统数据。在将校园各类数据进行量化的过程中，存在诸多不确定性交互，因此借助模糊逻辑的方法，通过运用模糊集和隶属度函数理论，对存在内在联系的诸多因素和数据进行数学抽象建模，通过指标间融合计算，以获取各因素间的联系。从综合评估的角度和以往的研究经验出发，隶属函数的设定要求隶属函数开头和结尾是单调的，相邻两个隶属函数曲线是交叉的，不相邻的两个隶属函数之间没有交集，某一个指标的所有隶属程度之和为1。以下采用梯形隶属函数作为不同属性和因素之间相似性度量的主要依据，如图2所示，将各个大学生网络游戏成瘾体系中评估属性数据中心集合定义为{r1,r2,…,r6}。

根据梯形隶属函数法，对大学生网络成瘾程度进行分段划分，图2将成瘾程度划分为六段，而实际应用中可以根据需要，对程度分段个数和数值最大值、最小值进行调整。

三、多因素网络游戏成瘾评估与策略防治

在对大学生网络游戏成瘾数据进行聚类划分和隶属函数处理后，以下利用多因素评估模型对网络游戏成瘾数据进行评估，并提出策略进行防治。由于导致大学生网络游戏成瘾的因素是多方面的，为了避免考虑不周，提出与实际重要程度不一致的矛盾数据，根据上述因素在导致网络游戏成瘾的问题中的重要程度，量化因素权重。多因素评估模型是根据指标集和评判集得到，指标集U={U1,U2,…,UN}，其中第i个因素的模糊集合为Ui={u1,u2,…,uni}。评判集为因素评估等级集合Vi={v1,v2,…,vk}。结合多属性决策的方法、过程等基本理论，通过权重分配方法进行建模。从心理学观点来看，在多因素网络游戏成瘾评估的实现过程中，由于多个因素可能会影响人们的判断，增加了判断难度，为了客观地反映各因素的影响程度，模型通过一致性检验进行模糊一致矩阵的调节，利用和法或方根法得到所需要的权值向量β=(β1,β2,…,βN)[9],其中隶属函数单因素评估给出从U到V的一个模糊映射f:U→F(V)。而在对第i个因素进行ni个属性模糊划分之后，各个评估因素的隶属等级评估矩阵为：

(4)

对应的权为ωi=(ω1,ω2,…,ωni)，模糊算子采用扎德算子[9]，即主因素决定型：

αi=∨(rj∧ω2),j=1,2,…,k

(5)

至此，获得评估结果α=(α1,α2,…,αN)T，其中，αi=(α1,α2,…,αk)表示第i个因素进行k个评估等级设定后的隶属度。根据评估结果和所有因素的影响权值，测试出影响大学生网络游戏成瘾的因素权值占比，以及大学生网络游戏成瘾程度的结果判定；评估完成后，考虑网络成瘾策略采取问题。

根据大学生日常行为表现暴露出来的问题，以及模型中造成不良影响评估状况时已经发生的预警情况，采用模糊集层次分析法，在判定某位大学生是否网络游戏成瘾后，根据实际成瘾程度采取相应决策。此模型将根据不同情况采取不同决策类型，模型预先设定4个决策，分别对应处理大学生网络游戏偏好:正常、轻度上瘾、重度上瘾、极重度上瘾。具体如下：

类型1：轻度上瘾；决策1：生涯、心理辅导，推送励志成长信息。

类型2：重度上瘾；决策2：控制上网时长与消费，生涯、心理辅导，推送励志成长信息。

类型3：极重度上瘾；决策3：家校互联教育，控制上网时长与消费，生涯、心理辅导，推送励志成长信息。

类型4：正常；决策4：推送励志成长信息。

模型可以根据以上设定的决策支持类型，针对因为不同因素导致网络游戏成瘾的同学，根据系统判定的网络游戏成瘾程度进行分类并采取相应决策支持，同时为学校教师和管理者输送建议。最终，为了发挥模型的最大效用，也需要教师、家长、学生会干部、同寝室同学的教育和引导等人为干预，通过学校信息管理中心的数据反馈并辅助以系统设定限制的方式和以人机长期协作的方式，治理大学生网络游戏成瘾问题。以大学生日常学习生活网络信息数据为研究载体，以多方面作用的方式，有效防治网络游戏成瘾行为。

四、数据测验与分析

为了更形象直观地反映模型的构建和实施过程，验证模型的有效性和可行性，针对图1中各指标，笔者对重庆市部分高校大学生日常行为表现进行了调查、测试。为获取大学生网络游戏成瘾防治措施效果测评的原始数据，笔者共发放调查问卷200份对大学生进行调查，有效问卷196份，问卷有效率为98%。对问卷涉及的问题进行分析，根据大学生日常行为将数据分为3类：日常行为因素、造成影响因素以及预警因素；将教务成绩取值范围设定为[0,1]，出勤率、日均上网频率、心理问题严重程度、健康受损程度、控制力摧毁程度、不能正常毕业概率和父母忽视程度设定数据范围均设为[0,1]，学业预警、出勤率预警、上网超时预警、消费预警取值范围设定为{1,2,3,4,5}。下文根据调查内容和问卷格式分类统计，进行数据预处理，并借助仿真软件对数据进行分析。在数据预处理过程中，设定聚类范围为[0,1]，采用第二部分所述的FCM聚类方法，使每个属性切实反映特性，通过预处理找到大学生日常行为数据聚类数和中心，如表1所示。

表1 FCM大学生日常行为数据聚类

根据表1和梯形隶属函数划分每个属性等级，将每个属性进行等级划分，令k=5，将评判集分为5个等级：很高、高、一般、较低、低。对每个属性进行模糊划分和隶属函数计算后，结合各待评价参数，将一名网络游戏成瘾大学生的各项日常校园数据进行评估和分析后得到属性等级评估表2，即以某位网络游戏成瘾大学生日常行为数据为参考。

表2 属性等级隶属度

单因素包含多个属性，根据各个模糊属性集合的历史数据得到模糊集的权值分配表3，综合考虑各项因素后，计算得到评估结果表4(某位网络游戏成瘾大学生评估结果)，最终通过表5判定大学生是否网络游戏成瘾。

根据大学生日常行为表现暴露出来的问题，以及模型中造成不良影响评估状况时已经发生的预警情况，采用模糊集层次分析法，判定某位大学生是否网络游戏成瘾，并根据实际情况采取相应决策(表6)。

表3 模糊集属性权重

表4 网络游戏成瘾评估结果

表5 网络游戏成瘾程度判定

表6 防治策略表

首先，笔者从大学生日常行为问题、系统是否产生预警、是否会对自身造成不良影响3个因素进行分析，采用模糊层次分析法计算大学生网络游戏是否成瘾以及严重程度，将评估等级隶属度划分为很高、高、一般、低、很低5个等级；其次，通过加权法获得网络游戏成瘾各因素占比，进而进行大学生网络游戏上瘾程度判定；最后，根据系统判定的网络游戏上瘾程度，分类采取模型设定的策略，有效应对大学生网络成瘾问题。

五、结语

本文提出一种基于模糊多属性的大学生网络游戏成瘾评估与防治模型，该方法利用FCM聚类法对数据进行聚类划分，并采用模糊层次分析法对网络游戏成瘾的严重程度划分等级，对大学生学业成绩、网络消费、上网时长等数据进行分析。模型将大学生日常行为数据作为研究的切入点，避免了主观错误判断，提高了评估结果的客观性、准确性；在确定权重时采用固有系统模型，避免人为逻辑错误，最终根据大学生网络游戏成瘾评估结果，采用决策支持技术对大学生网络游戏成瘾进行防治。实验结果表明，基于模糊多属性的大学生网络游戏成瘾评估与防治模型，在智慧校园背景下，结合现有大数据关联分析和数据挖掘技术，有效利用大学校园学生现有的和历史的信息系统数据，实现对现有大学生网络游戏成瘾行为评估与防治，能有针对性地评估与防治大学生网络游戏成瘾。

但是，为了更好地发挥网络游戏成瘾评估与防治模型的效用，需要借助高校教师、管理员、学生干部以及学生家长的力量，共同帮助成瘾大学生走出网络游戏。模型在进行网络游戏成瘾原因分析的过程中，若考虑加入机器学习的方法，将有助于细化不同网络游戏成瘾大学生成瘾的具体原因，在进行决策支持时，可以增加网络游戏成瘾学生成瘾判定的准确性，从而辅助校方更有针对性地帮助和引导大学生，运用新媒体加强大学生思想引领[11]。