大数据分析下大学生行为记录和分析系统的设计与实现分析

摘要：大学校园相比于中小学校园而言，多了几分开放性，这也造成了管理的开放，因此很多时候老师都无法明确学生在校期间的行为活动，这致使校园管理方面存在很多不足之处。该课题主要依靠Java语言加以开发，期间遵照MVC模式搭建SSH框架进行具体实现。大数据分析技术在当前时代发展非常迅速，本次就借助该技术收集学生的在校活动，为了建立清晰的模块，我们按照一定的思路将其分为三大块，分别为大学生行为记录、大学生行为分析以及后台管理。老师就可根据出勤、作业、销假、未到校等记录内容判断学生是否在校，这对于提高管理效率有着极大的帮助。

关键词：大学生;在校行为;大数据分析

中图分类号：TP311.13    文献标识码：A         文章编号：1007-9416（2020）10-0000-00

迈入大学校园，也就意味着迈进了社会，因为大学的种种特性造就了其具有社会的大部分特点。这从学生的角度看，虽然有了更多的自由权，但是从管理者的角度而言，还存在许多问题，过分自由的发展空间会造成监管不及时、教学与管理的脱节等问题的出现。为此，作为老师以及学校的管理层人员，必须要明确每位学生的到课情况、请销假情况、作业完成度情况等等。在大学生行为记录以及分析系统中，我们会借助大数据分析技术对学生的具体在校行为进行分析。如此一来就为学生干部、老师减轻了一部分工作压力，对于弥补管理漏洞很有帮助。

1关键技术

本系统的开发主要借助了SSH框架，其主要运用的技术包括Struts2、Spring、Hibernate。Struts2是标准的MVC框架，主要对MVC框架的三方面（控制、模型、视图）进行开发，且效率较为不错。Spring的主要作用是提供依赖注入、AOP以及声明式事务。Hibernate是一种ORM框架，该技术也较为优秀，它能够将JDBC的代码完美封装在一起，同时还能将数据访问层的操作进行相应的简化。由以上三种技术组成的SSH架构具有诸多优势，可以将框架的效用发挥得淋漓尽致，对于优化项目结构具有突出作用。

系统页面的构建依据的是JSP网页开发技术，这种技术只要编译一次就可以存入内容，从运行速度上来看，效果较为理想。由于后台数据比较繁杂，故而需要借助数据库技术加以解决，本系统采用的是MySQL数据库技术[1]。要想开发一个系统，服务器是必不可少的，本次选择的是tomcat服务器，该服务器属于轻量级，并且源代码免费开放，能够为系统开发节省一部分精力与成本，并且其所占空间也较少，如果系统规模不是特别大，且网页访问人数不多，用这种服务器绰绰有余。

首先需要确定获取技术，Deep Web数据获取技术是一个不错的选择。该技术利用表单爬取手段收集表单中的数据，此外该技术能够有效识别表单中的各个属性值如网页标签中的ID等，如果查找到与数据库中字段相同或相似的，可以进行近一步的关联。当获得有价值的数据后，接下来按照分析、处理、展示结果等步骤展开工作。

2 大学生行为记录和分析系统需求分析

行为记录是利用数据化的方式统计学生的在校行为，这里所说的行为主要包括作业的完成度、出勤情况、请假销假记录以及离校到校情况等。利用互联网技术将学生能够跟踪記录的在校情况如实反映给系统，系统会根据相关运算法则进行记录处理，这样就可以为老师以及学校管理层提供一定的便捷，有利于相关人员对学生的行为记录进行掌控分析。行为记录除了学生的记录内容以外，还应该包括任课老师以及导员等角色的记录。

要想设计完善的系统，必须要明确系统的关键所在，经分析，以大数据技术为基础的行为分析是关键要点，系统需要对涉及行为记录的内容进行统一的整理统计，之后还要对其进行深入分析。如果只是将行为记录的有关数据存储在系统中，并不能完全、清晰地展现每位大学生的近期行踪，为此，在系统开发过程中添加数据分析功能，就可以使得这个问题得到有效的解决，这样一来，无论是任课老师还是辅导员都能根据系统分析功能得到学生状况的整体信息以及个体信息。此外在设计之初，还要明确行为分析的面向对象以及服务对象，其中学生不仅是分析的对象，同时也是服务的对象。

后台管理模块的作用对象是基础数据，所需要具备的功能有管理、维护。通过细致的划分，可以将其分为多个管理模块：学生人员管理、角色管理、模块管理、菜单管理、教师课程管理、教学基本信息管理等。从系统使用对象来看，可以分为五大块：学生、代课老师、班主任、系领导、院领导，不同的角色所能使用的权限也各不相同，当然一个用户可以拥有的角色数量并不是唯一的，例如有的班主任还可以是系领导，当然所进入的角色不同，可以使用的菜单权限也各有区别。

3 大学生行为记录和分析系统的实现

3.1 登录模块实现

登录模块是每个系统都必须具备的基础模块，不同的系统都有各自不同的登录信息。本系统在登录页面主要设置了四个字段：用户名、用户权限、密码以及验证码。系统会根据用户填入的表单信息与数据库存储信息进行比对审核，如果用户名、权限、密码、验证码都审核无误后，系统将会从登录页面跳转至用户所能操作的权限界面。如果四者之中有任意一条与数据库中的记录不匹配，那么都无法得到系统的认可，用户可以根据提示的错误信息重新输入数据，请求进入系统[2]。

3.2 后台管理模块实现

用户在登录界面选择的角色不同，后台管理界面也会显示不同的菜单管理内容。如果是管理员进入后台，则可以对所有的后台数据进行增、删、改、查等管理操作，管理员可以添加、删除某个角色，同时也可为某个角色增加权限或删减权限，在整个系统运行当中，管理员的责任重大。

3.3学生行为跟踪模块实现

学生行为跟踪是系统中的基础模块之一，它是系统分析的重要对象，学生作业的完成情况、出勤情况、请销假等情况都收集在这一模块。该模块的出现代替了纸质登记学生行为的操作，相比于手工记录，更加快捷方便。代课老师在这一模块主要记录学生的出勤情况以及学生作业的完成度。导员、院系领导则会根据跟踪模块的请销假情况进行实际核实。

以学生请销假操作为例，学生在操作时可以看到自己所有的请销假情况，同时在此页面还设置了筛选功能，根据筛选条件的约束，学生可以快速找到所需的信息。此外在申请假期时，如果状态栏显示正在审核中，则表示辅导员尚未通过申请，在这种情况下学生有权撤销此次申请，这样的设置增添了一些人性化处理思想。

3.4 学生行为分析模块实现

学生行为分析模块是整个系统中最为重要的模块之一。这个模块可以实现分析处理信息的功能，学生跟踪模块收集的数据就是为这一模块打基础。该模块需要利用一项关键技术—大数据分析技术，借助这一技术就可以对学生行为数据进行分析汇总，之后还可以转化为报表形式方便用户观察。利用这一分析技术，任课老师可以得到全班的作业完成情况以及个人的作业表现，这样一来既能大致摸清班级整体学习质量，还能掌握学生个人的学习动态。院系领导可以得到整个系甚至整个院校的学习情况。

4 数据挖掘技术应用解析

4.1 分类、聚类技术

当需要对学生进行分类工作时，需要采用这一技术。具体来说，这一技术具有指导的意义，在进行划分工作时，会直接划分到提前设定好的类别中。比如，可以按照成绩来做划分工作，将学生分成两个组，也可以进行更详细的划分，将学生分成不同的等级，比如优、良、中等等。聚类技术属于无指导的性质，分组情况不能提前进行明确，主要根据数据的特点来做分组工作，最后的结果也需要自行进行识别。

4.2 关联规则技术

通过这一技术，能够对影响学生学习的一些原因进行查找，比如学生在生活习惯方面，晚上熬夜，总是会有逃课的现象，那么对学生的学习成绩来说有着很大的不利影响，这时就会根据这些情况推出相应的关联规则，通过对这一规则的使用，教师能够得知学生在学习方面所存在的一些问题，并根据这些问题，对学生进行针对性的疏导，从而使得管理机制能够更加的完整，更好的对学生进行管理[3]。

4.3 序列模式挖掘技术

如果需要对学生的学习行为进行检测，这时就需要运用这一技术，如果学生存在昼伏夜出的情况，那么接下来就很容易出现逃课的现象，最后就会使得学习成绩受到一定的影响，甚至对毕业也会造成相应的影响。通过使用这一模式，教师可以及时的发现学生的问题，从而可以提前对学生进行疏导，防止学生出现不好的情况，提升教学的质量。

教师除了可以用自身的多年经验来对学生进行管理之外，还可以使用更多的先验知识来对学生进行指导。通过大数据的处理，教师能够对学生的情况有较好的把控，对学生自身存在的一些问题能够及时的发现，并根据这些问题，采取具有针对性的策略将问题进行较好的处理。所以，教师在管理时，可以对这一技术进行使用。

5 系统测试

软件的测试并不仅仅体现于系统完成的这一刻，它融入于系统开发的整个周期，这样能够避免很多问题的出现。我们在开发完成后对系统进行的测试主要是为了保证上线系统的正常性，维护阶段也需要进行测试，测试目的是为了保证系统的长久运行。

测试分为多个方面，最为重要的是安全测试，它防护的是各个页面的安全性，通过测试发现，虽然安全性方面没有较大的问题，但仍存在一些小瑕疵，经过反复测试修改，已经使得系统的各个功能都能运行如常。虽然经过不懈的努力，系统开发已经告一段落，但是要明白系统漏洞只能减少而不能彻底消除，我们能做的是尽最大的可能消除漏洞，保障系统的运行正常。

参考文献

[1] 包婷，章志刚，金澈清.基于手机大数据的城市人口流动分析系统[J].华东师范大学学报（自然科学版），2015（5）：162-171.

[2]王若成.大数据环境下学生行为分析系统中关键技术的研究[J].信息技术与信息化，2019（7）：196-198.

[3]高殷，苏强林.基于大数据的大学生行为风险分析研究[J].计算机产品与流通，2019（3）：201.

收稿日期：2020-07-15

作者簡介：张熙然，女，河北承德人，本科，研究方向：大数据。

指导老师：缪宁（1983—），男，江西赣州人，硕士，副教授，研究方向：社会科学数据挖掘和人工智能。

Design and Implementation of College Students' Behavior Record and Analysis System Based on Big Data Analysis

ZHANG Xi-ran

（Zhujiang College， Tianjin University of Finance and Economics，Tianjin  301800）

Abstract：Compared with the primary and secondary school campuses， the university campus is a little more open， which also leads to the opening of management. Therefore， teachers often can't make clear the students' behavior and activities in school， which leads to many deficiencies in campus management. This project mainly depends on Java language to develop， during which SSH framework is built according to MVC mode for specific implementation. Big data analysis technology is developing very rapidly in the current era. This time， we use this technology to collect students' activities in school. In order to establish a clear module， we divide it into three parts according to certain ideas， which are college students' behavior record， college students' behavior analysis and background management. In this way， teachers can judge whether students are in school according to the records of attendance， homework， resumption of leave and absence from school， which is of great help to improve management efficiency.

Key words： college students; school behavior; big data analysis