基于大数据挖掘的大学生上网行为分析与预警干预体系构建与研究

李强 李木昌

摘 要：为了提高大学生思想政治教育工作管理水平，充分发挥信息化、智能化技术手段在高校学生管理工作中的作用，利用大数据相关技术，研究了基于大数据挖掘的大学生上网行为分析与预警干预体系构建。本研究采用学生上网数据多维度进行深度建模分析，从而找出满足校园网贷、网络沉迷和风险用户行为特征的上网用户。及时向学校相关管理部门预警并提前做好预防，为学生管理工作人员提前干预提供可参考的依据，对提高高校学生管理工作具有重要的指导意义。

关键词：大数据技术;学生管理工作;大学生上网行为

中图分类号：TP311.13 文献标识码：A DOI：10.3969/j.issn.1003-6970.2021.02.005

本文著录格式：李强，李木昌.基于大数据挖掘的大学生上网行为分析与预警干预体系构建与研究[J].软件，2021，42（02）：018-020

Analysis and Warning Intervention of College Students Online Behavior Based on Big Data Mining System Construction and Research

LI Qiang， LI Muchang

（Zhuhai City Polytechnic， Zhuhai  Guangdong  519090）

【Abstract】：In order to improve the level of university student management， and give full play to the role of informatization and intelligent technology in the management of university students. Using big data technologies， it studies the construction of college students' online behavior analysis and early warning intervention system based on big data mining. This study uses multi-dimensional data from students to conduct in-depth modeling and analysis， so as to identify online users who meet the behavioral characteristics of campus online loans， Internet addiction， and risky users. Provide early warning to the relevant management departments of the school and take precautions in advance， provide a reference basis for the early intervention of the student management staff， and have important guiding significance for improving the management of college students.

【Key words】：big data technology;student management;online behavior of college students

0引言

在國外，90年代初开始对网络用户行为分析，美国针对网络用户行为进行了初步的统计、分析和研究，试图总结研究出网络用户活动的方式对网络的影响。

网络用户行为分析在我国内已经有了多年的发展，取得了长足的进步，使用大数据挖掘技术对上网用户网络行为开展的研究起步相对较晚，到2001年才有人发表了关于Web挖掘的综述性文献，文献研究重点还是在于对数据库和服务器日志进行的数据分析，来研究上网行为的特征和规律，并运用于网站优化、网络安全、网络行为预测等方面。高校大学生上网行为的相关研究主要可以概括为以下几类：

（1）采用不同分析方法来研究大学生上网行为，其中咸阳师范学院的弋改珍、浙江师范大学的徐长江等人分别采用主成分分析法、相关分析法、技术接受模式（TAM）等分析方法模型，以大学生上网行为数据为数据源研究对象，对数据源进行采集、整理、清洗，并建立评价指标进行分析，得出大学生思想政治教育相关研究结果，最终针对大学生上网行为提出合理的指导建议[1]。

（2）针对大学生上网行为与网络成瘾、网络沉迷、校园网贷等现象的相关研究，福州大学的林绚晖使用卡特尔十六种人格因素测验（16PF）、网络成瘾诊断问卷、网络使用情况调查表，对大学生上网行为及网络成瘾、网络沉迷、校园网贷等现象进行探讨[2];西安电子科技大学的侯其锋针对大学生的不同网络成瘾状态进行了研究，探讨不同网络成瘾状态大学生的人口资料、上网行为、人格心理特征及自我控制能力的差异[3];厦门大学的龙坚毅以理性行为理论和计划行为理论为基础架构，建立了大学生上网沉迷行为影响因素理论模型，运用结构方程分析方法分析大学生手机上网行为沉迷行为的直接影响因素[4];云南师范大学的王宁邦对高校校园网贷现象的成因进行分析，探索基于上网行为审计系统平台的校园网贷行为大数据分析，对高校大学生中的校园网贷行为进行发现和预警，提前做好防范和思想教育工作[5]。

（3）针对大学生上网行为与思想政治教育的研究，重庆医科大学的杨廷伟针对当前大学生上网行为的特点进行分析，从思想政治教育的方面入手，对如何加强大学生网络思想政治教育提出了建议与指导，用来有效改善大学生的思想状况，提升大学生的思想道德品质;吉林农业大学的于天红针对“90后”特性大学生上网行为进行深入研究，通过加强网络思想政治教育主题网站的建设、网络思想政治教师队伍建设来构建思想政治教育网络平台[6]。

1 本系统构建与研究的意义

1.1研究背景

截至2019年6月30日统计，我国上网人数达8.54亿左右，互联网普及率为61.2%，其中，高校大学生的上网人数占总数的25%，因此大学生已是网络社会的主体。在各高校相继推进数字化校园建设中，髙校信息化建设基础设施不断完善，高校无线WIFI、有线网络的全面覆盖，为学生校园上网提供了便利，学生上网学习、游戏、视频和购物等已经成为日常生活的重要组成部分。

但是由于网络上的信息监管体制和技术不到位，大学生群体思想单纯、明辨是非能力欠缺、学校社会家庭教育的缺失等因素，在网络为他们带来便利的同时，也带来了一系列社会问题，例如：大学生容易被网络上的不良信息所诱导超前消费，在还不能明辨是非的年龄时期深陷不良的网贷深渊;部分学生自律能力差，网络沉迷于网络游戏、色情视频等，严重影响了学业和身心健康;部分学生还没有明辨是非能力，通过网络进行一些黄赌毒等违法行为和传播不当言论，造成严重的社会影响甚至引发法律问题。这些现象严重影响了学生的身心健康成长，给学校、社会、家庭带来了很大的管理成本。

在网络普及的高校校园，大学生登录校园网络时将产生海量的上网行为数据，学生的上网行为数据可以真实反映出学生习惯、爱好、动机、愿望、异常动态等，从海量数据中挖掘出有价值的信息进行分析，提前针对学生不良上网行为进行预警，并采取必要措施及时干预就显得尤为重要，这必将成为当前学者们研究的热点课题，这也为进一步研究大学生校园学习生活提供了新的思路和方法。

1.2研究目的

本课题目的在于利用大数据挖掘技术为高校学生上网行为分析提供解决方案;对大学生校园网贷行为、网络沉迷以及风险用户提前进行研判、预警，及时向学校相关管理部门提供相关信息并做好干预工作，有助于遏制不良校园网贷、网络沉迷以及风险用户的蔓延;创新的提出了大学生思政工作新方法、新思路。

1.3研究意义

伴随着信息化技术的不断提升，互联网已经覆盖人们生产生活的各个方面。对于高校大学生来说，网络一方面为高校大学生的生活、学习带来便利。另一方面，一些学生由于自身和环境等因素影响，产生不良上网行为，近年来，大学生深陷网贷、网瘾以及网络违法行为等案例一次又一次为我们敲响警钟，一个又一个鲜活的生命提前凋零。因此，我们要正确的使用网络充分发挥网络教育资源的优势，反之会让学生迷失于网络世界，影响正常的学习，浪费大量的时间、精力、财力，更有甚者是失去自己的生命。无论是从社会角度、法律角度，还是从学校的利益角度、家庭及学生个人角度，对大学生上网行为的分析研究都是具有现实意义的。

2系统总体框架结构、研究主要思路

2.1研究目标

本研究主要以高校学生上网行为和通过网络挖掘相关数据为研究对象，多维度对数据进行深度建模分析，从而找出满足校园网贷、网络沉迷和风险用户行为特征的上网用户。对大学生的校园网贷行为、网络沉迷和风险用户提前进行研判，及时向学校相关管理部门预警并提前做好预防，极大地提高了校园网贷、网络沉迷和风险用户治理工作的主动性，通过大数据技术手段提升学生管理工作效率，为学生管理工作人员提前干预提供可参考的依据，对高校的学生管理工作具有重大意义。

2.2研究内容

（1）运用高校学生上网行为感知系统获取大学生上网行为数据，利用hadoop框架，将上网行为系统中海量的上网行为数据上传到HDFS系统中，之后利用Map Reduce从各个维度进行分析数据，最后将分析结果导入到MySQL数据库当中，并在java web前端进行可视化展示。针对校园网贷、网络沉迷以及风险用户的不同特点，分别选取相关属性进行分析，针对校园网贷选取“搜索贷款网站”“访问网贷URL”“发生网银行为”“发生账单数据”，针对网络沉迷选取“在线游戏时长”“在线视频时长”“下载游戏URL”“下载视频数量”，针对风险用户选取“暴恐网站种类和次数”“黄赌毒网站种类和次数”“相关网站时长”等作为研究属性，具体如图1所示。

（2）通过上网行为分析搭建访问网贷网站、网贷应用、搜索网贷关键词、涉黄、涉赌、涉毒、暴恐等行为高危信息库，并存储在MySQL数据库当中。高危信息库的建立是一个螺旋上升不断变化的过程，通过不断的积累，形成案例知识库，改进完善信息库，将极大地提升研判异常上网行为的准确率。

（3）通过大数据可视化功能模块展示学生上网行为分析的结果，期中有用户搜索关键词排行与搜索量排行展示，用户点击URL排行可视化展示，用户上网时间排行可视化展示，用户上网日期可视化展示，可视化展示是利用web可视化工具，可视化展示后台的数据由数据分析所在的MySQL数据库提供，通过对其中相关内容进行查询。

（4）通过上网行为大数据分析与高危信息库对比，判断出校园网贷、网络沉迷以及风险用户的高危人員，将按照设定的阈值分为黄色预警、橙色预警、红色预警等级。按照不同的预警等级协同学校学生工作处、党委宣传部、后勤保卫处以及各二级学院等相关管理部门，再由学生工作管理部门采取相应的干预措施，针对黄色预警上网行为采取以舆论引导为主的干预策略，针对橙色预警上网行为采取强化思想政治教育的干预策略，针对红色预警上网行为则需要采取必要应急预案进行提前干预，发动学院思想政治教育辅导员、班主任密切留意高危人员动向，及时追踪掌握相关情况，以便提前发现和预警，防止恶性事件发生。在处理预警干预过程中，需要上下联动，多部门协同，充分发挥全员育人、全方位育人、全过程育人的三全育人工作体制机制的必要性。图2为校园大学生网贷、网络沉迷及风险用户事件部门联动处置流程图。

3 结语

本文研究了基于大数据技术的高校学生上网行为分析模型的构建，通过大数据分析来研判校园网贷、网络沉迷以及风险用户的高危人员，按照不同的预警等级协调联动学校相关管理部门，及时追踪掌握学生相关情况，以便提前发现和预警，防止恶性事件发生。为学生管理工作人员提前干预提供可参考的依据，对高校的学生管理工作具有重要的指导意义。

参考文献

[1] 弋改珍.基于SAS的大学生上网行为数据的可视化分析[J].教育现代化，2017，4（15）：154-156.

[2] 林绚晖，阎巩固.中国心理卫生杂志[J].教育现代化，2001，15（4）：

281-283.

[3] 侯其锋，杨锆，陈岚岚.大学生网络成瘾与拒网自我效能及网络自我效能的关系探讨[J].浙江大学学报（理学版）.2013，40（4）：

483-488.

[4] 龙坚毅，王坤钟.大学生手机上网沉迷行为研究[J].黑河学刊.2011（8）：197-198.

[5] 王宁邦.大数据背景下自媒体时代高校突发事件网络舆情研判与应对[J].云南农业大学学报（社会科学），2021，15（1）：134-143.

[6] 杨廷伟.大学生上网行为特点与思想政治教育对策思考[J].科学咨询（科技·管理），2016（5）：81：82.