基于大数据技术的大学生社会性发展促进模式研究

宛楠 张义 杨利

摘要：随着移动互联网技术和信息技术的发展，大数据技术在各个学科领域都有了普遍的应用。在大数据视角下对大学生社会性行为进行研究，再以数据采集层、数据存储层、数据分析层、特征发现层、应用层五个层次构建大学社会性发展的促进模式，可以有效促进大学生社会性发展，培养能适应社会发展需要的人才。

关键词：大数据技术;大学生;社会性发展;促进模式

1 概述

大学生社会性发展是指大学生通过自身努力和外界环境的辅助，在人际交往和社会互动过程中形成社会规范、掌握社会技能、学习社会角色、控制自身行为、协调人际关系、适应社会现实和发展要求、形成符合社会发展方向的价值观、传承主流文化的复杂过程[1]。随着大数据时代的到来，相关大数据技术已融合到科技、医疗、教育、商业以及每个人生活的各个方面，并发挥着积极作用[2]。本文在大数据视角下对大学生社会性行为进行研究，再以数据采集层、数据存储层、数据分析层、特征发现层、应用层五个层次构建大学生社会性发展的促进模式，旨在运用大数据技术，实时掌握并动态跟踪大学生的心理和日常社交行为，促进大学生的社会性发展，培养能适应社会发展需要的人才。

2 大学生社会性行为的数据处理与分析

大学生的社会性行为，指的是大学生在社会交往过程中所表现出的对某一事件或人物的观点、语言和行为反应。社会性发展存在欠缺的大学生往往表现出较差的独立性，生活自理能力有限，对社会事务不关心，自控能力不强，人际交往存在障碍等特点[3]。大学生的日常学习和生活中大量接触互联网络、移动终端，在网络上留下的痕迹会产生大量的数据，这些数据是动态、多样化和离散的，将这些数据记录保存下来可以用于探究学生在网络上的社会性行为背后的相关心理因素。本文运用大数据技术去对学生在互联网络和移动终端设备上的各种社会性行为进行数据采集、数据分析、数据挖掘，从以下四个方面去进行研究。

2.1大学生社会性行为的数据采集

1）数据采集技术支持

网络爬虫是目前进行网络数据采集的有效手段之一，其主要目的是采集互联网上的网页数据，并将其下载到本地存储单元以备数据分析使用。

高校学生在校内上网多数是通过校内VPN接入，网页浏览和操作过程中会留下大量的网页数据，运用爬虫技术及时采集这些数据可以实时掌握学生的心理和行为动态，了解学生社会性发展的状况。

2）日志收集

各个校园网络教学平台和信息管理系统在运行过程中都会产生大量的日志，日志往往包含有很多有价值的信息。在可靠的分析方法出现之前，日志通常会在存储一定时间后被自动清除。随着数据分析技术和能力的提高，日志的价值得到越来越多的重视。在分析日志之前，需要将分散在各个系统中的日志集中起来。本研究采用目前广泛应用的Flume日志收集系统，收集学生在各个网络平台和信息管理系统中产生的日志，从中挖掘能表现社会性行为的数据。

2.2 大学生社会性行为的数据分析

大学生社会性行为是其社会性发展状况的一种外在体现，往往受其心理状况所支配。通过相关的数据采集技术可以获取大量的个人或群体的行为原始数据，但这些原始数据在未经过处理前无法直接表现出大学生的行为特征，因此需要对原始数据进行预处理。大数据的处理按时间的跨度分为以下几类：

1）基于实时数据流的数据处理

流处理是数据传递的方式之一，它将获取的数据转成一个稳定而连续的流，持续的送至目的地。

2）基于历史数据的交互式查询

用户在使用查询系统时，按需定义自己的查询条件，交互式查询往往用于在线查询、实时数据分析以及信息反馈处理等。

3）复杂的批量数据处理

对收集的数据进行大规模并行处理，多进程、多线程开展处理工作。

本研究结合这三种数据处理方式，对从网络和系统收集的数据进行分析处理，根据时间跨度的不同和技术的特点对不同的数据选择相应的处理方法，使各种数据都能得到有效的处理，从中提取出能体现学生社会性行为的特征，可以为研究社会性发展迟滞的因素和促进社会性发展的途径提供有价值的信息。

2.3 大学生社会性行为的数据挖掘

数据挖掘是指通过有效的算法自动在数据库中对有价值信息的发掘和寻找。此技术主要通过对大型数据库的处理和分析，挖掘出未知的有价值的信息[4]。数据挖掘的源数据可以存放在诸如DB（Data Base）、DW（Data Warehouse）等信息库中[5]。运用数据挖掘研究大学生社会行为的思路是：利用数据采集大学生的客观行为数据，通过机器学习的方法建立基于大数据的大学生社会性行为数据模型，深度挖掘能够真实反映大学生社会性发展水平和影响因素的社会性行为特征。

3 构建基于大数据技术的大学生社会性发展促进模式

根据上文所述的相关技术，本研究构建的基于大数据结束的大学生社会性发展促进模式，如图2所示，总共分为五层，层层递进，从网络平台对学生的基本信息、学习和社会交往等数据完成数据采集、数据处理，再通过数据挖掘和数据分析去挖掘和发现大学生社会性行为特征和心理特征，在此基础上精准分析大学生社会性发展的需求，制定大学生社会性发展的策略，干预大学生社会性发展迟滞，有效地促进大学生人格、心理健康和社会关系的全面发展。

本模式的分层具体说明如下。

1）數据采集层

数据采集层用于采集网络平台上大学生社会性发展相关的数据，包括学生基本信息数据（比如性别、年龄、家庭结构等）、学生在网络平台上学习产生的行为数据、学生在网络上进行社交互动产生的数据。数据采集技术包括ETL离线采集、实时采集、互联网采集等。

2）数据处理层

数据处理层包括数据清洗、数据整合、数据转换、数据提取和数据维护等功能[6]。大学生存在于网络平台和信息系统内的各种学习社交行为产生数据的类型复杂多样。在完成了数据采集之后，需要根据不同的数据处理场景要求选择相应的计算框架对数据进行处理，主要目的是将原始数据加工转化为有用和高质量的信息。

3）数据分析层

数据分析层是整个模式架构中的一个核心关键层。该层的重点在于建模与分析，采用的技术手段有数据统计、数据挖掘和机器学习等，利用探索性数据分析的方式得到更多大学生社会性发展的规律、知识，对未来的大学生社会性发展趋势和程度进行预测和预判。

4）特征发现层

特征发现层是该体系架构的另外一个核心层，分为行为特征发现以及心理特征发现。行为特征发现是指分析和理解大学生社会性行为中蕴含的特征，包括社会性行为预测、社会性行为分析和社会性性行为监控，实时掌握大学生社会性行为特征。心理特征发现是指了解和掌握学生社会性行为背后的心理特征，分析产生行为的成因，包括心理发展预测、心理特征分析、心理特征分类聚集。

5）应用层

应用层是该模式结构价值的直接体现，旨在促进大学生的社会性发展水平，它即包括促进大学生社会性发展也包括大学生社会性发展的策略制定。

4 结论

大数据时代的变革已经渗透到高等教育的各个研究領域。本文通过借鉴其他学科领域的大数据研究，将大数据技术紧密地与大学生社会性行为的数据采集、数据处理分析、特征发现和数据应用紧密联系，构建基于大数据技术的大学生社会性发展促进模式，推动大学生的自我认知发展和社会认知发展，帮助构建良好的社会性发展环境，从而达到促进大学生社会性发展的研究目的。

参考文献：

[1] 巴雪冰. 思想政治教育视阈下大学生社会性发展研究[D]. 大连理工大学，2019.

[2] 陈雷. 大数据对大学生心理健康教育工作提升作用研究[J]. 江苏第二师范学院学报，2018，34（6）：112-115.

[3] 向松柏. 大学生社会性发展迟滞的成因及干预[J]. 绥化学院学报，2015，35（4）：154-160.

[4] 宗威， 吴锋. 大数据时代下数据质量的挑战[J]. 西安交通大学学报（社会科学版），2013，33（5）：38-43.

[5] Jiawei Han， MIcheline Kamber， Jian Pei.数据挖掘：概念与技术[M]. 北京：机械工业出版社，2012.

[6] 顾云锋，吴钟鸣，管兆昶，等.基于教育大数据的学习分析研究综述[J]. 中国教育信息化，2018（7）：1-6.

【通联编辑：王力】