基于大数据技术的高校学生行为分析

洪海兵，刘星

（南京信息职业技术学院，江苏 南京 210023）

0 引言

在教育领域，若可以获得大数据技术的智能决策、校园安全预警，以及个性化自适应学习分析等方面的有力支持，既可以促进教育理念的及时更新，也能够为教育质量提升提供保障，实现教育公平。对此，为了进一步优化学生行为管理工作，本文就基于大数据技术的高校学生行为作出了深入分析研究，希望可以探索出更新颖有效的管理策略方法。

1 大数据技术

在信息技术广泛应用下，日常生活中也产生了越来越多的数据类型，数量也在快速不断增加。而面对复杂、庞大的数据，各高校不论是想做到高效管理，还是全面挖掘、利用有价值的信息，都离不开大数据技术的有力支持。大数据主要指的是，大小方面要超出常规数据库工具获取、存储、管理分析能力的数据集，且具有海量的数据规模，多样的数据类型，数据流转速度较快，加密密度较低这几项特征[1]。

通过对大数据的科学管理与综合分析，将其具有的价值全面提取出来，可以给各企业转型升级奠定坚实基础，同时也能够给各行业的创新发展带来更多契机。同时，各行业工作人员在整合利用大数据技术过程中也可以获得更多启发。高校也不例外，在信息化建设中产生了很多和学生密切相关的数据信息，通过基于大数据技术来分析、管理这些数据资源，可以为学生、学校的未来发展提供有力支持。

2 高校学生行为存在现状

在信息时代高速发展带动下，高校在进行信息化建设过程中，也在不断的优化数据安全、网络安全保障体系，也制定了与之相适应的信息化管理规范、技术指标。同时，还构建出了能够提供统一服务、统一认证身份、授权管理的平台，还有统一共享、交换数据的平台。在网络、业务系统的长期运行过程中，积累了丰富的运行、业务和日志数据。若能够实现对这些数据的全面采集与合理利用，一定可以对学生的整体情况作出更科学的分析把握。这也在某一层面说明了，要充分重视起基于大数据的高校学生行为分析预警平台的建立，整合现有力量与资源，从不同层面来加强研究分析[2]。

3 高校学生行为分析的总体方案

3.1 采集数据

基于学校业务系统来获得学生的静态数据，以及行为数据。其中，静态数据主要涉及学生的姓名、性别，以及学号等基本信息。而行为数据主要涉及的是宿舍门禁、课程成绩，以及上网等方面的一系列业务数据。在获取这些数据后，可以为后期数据分析工作提供有力支持[3]。

3.2 分析数据

在处理完原始数据之后，要作出全面、深入分析。在此过程中，主要是对相关事实数据进行抽取，然后结合这些数据来归纳出相应的模型，最后将学生的数据模型图抽象出来。通过分析这些数据，可以进一步把握学生的基本情况。

3.3 建立模型图

在分析完学生的所有属性之后，结合最终结果就可以明确学生的基本情况。通过将其结果进行分类处理，可以获得学习、娱乐、作息、工作与消费五类，结合数据分析结果可以清楚地知道学生各基础类对应的分数，基于此，可以进行五边形关系数据图的绘制。结合这一数据图，学生在每个基础类型下的实际情况可以更直观地反映出来。对于这一模型，可以大致分为优秀、良好、预警、危险四个类型。结合采集到的原始数据，以及对相关数据的综合分析，可以得到最终的分析结果，基于这一结果可以进行四种基本模型区域的建立。而通过对比分析学生的数据模型图、得到的分数与四种基本类型，便可以将学生划分到对应的等级类别当中[4]。

3.4 结果反馈

结合结果反馈，能够对学生行为作出更深入的挖掘，然后重点推送处于预警、危险状态的学生，以此来及时提醒学校相关部门，及其辅导员给予密切关注。同时，也可以结合具体情况，采取更科学有效的措施来给予科学管理与有效引导，帮助管理者在管理工作中作出宏观决策。

4 基于大数据技术的高校学生行为分析

4.1 核心技术

4.1.1 机器学习

作为一门多领域交叉的学科，机器学习主要是通过对现有大数据实施分类器，或者是算法训练来实现自我完善，从而将决策函数求出来，从而更准确且快速的预测出未知样本，慢慢实现由其来代替人工工作这一目标。就目前来看，决策树，以及贝叶斯分类器等都是引用较为广泛的机器学习算法。

4.1.2 舆情分析技术

学生非常喜欢评论一些事情，且这些评论大多都带有一定的主观感情色彩。基于此，通过引用大数据技术来分析学生的观点、评论，可以实现对其态度、情感性质的合理判断。针对学生的评论，主要可以从词语、句子，以及篇章三个层面来分析这类文字。初期可以围绕词语来判断学生的词性情感，之后，慢慢地通过句子形式、特点，结合一定算法来对文章的性质作出合理判断[5]。

4.1.3 大数据技术

以往引用的技术大多都难以做到实时分析、处理海量数据，所以，要想使得各部分之间的关系可以得到妥善处理，就必须要重视大数据技术的应用研究，以此来全面挖掘、分析各类数据。作为一种开源通用并行框架，Spark 实现了对内存的充分利用，与Hadoop相比，更适合应用在数据挖掘，以及机器学习等需要反复迭代的算法中。

4.2 学生行为数据分析

4.2.1 学习上

可以基于大数据技术的科学引用来对学生的选课、考试数据作出综合分析。在此过程中，可以针对成绩优异的学生来进行学习榜样模板的建立，对其学习、生活行为规律特点作出深入研究，然后分享给其他学生，这样既有助于提升教育水平，也可以帮助学生有效提升学业成绩。另外，针对成绩出现波动的学生，可以做到全面监控，帮助教师、管理人员快速准确地找出波动的产生原因，从而选择针对性的方式方法来给予教育引导。

4.2.2 消费上

可以引用大数据技术来对学生的食堂消费数据，还有小卖部、水电费等消费数据进行综合分析，以此来明确学生频繁出现在哪些地点，以此来进行学生每日热点活动区域的绘制。然后基于此来对学生的业余生活规律特点进行全面总结，为辅导员日常管理工作提供有力参考，及时发现问题，并把握契机，采取有效措施给予及时指导，改善学生的生活行为习惯。

4.2.3 就业上

通过引用大数据技术可以对学生的相关数据，以及就业反馈信息作出综合测评，以此来明确各界学生的就业情况，在此基础上，再联系学生的在校表现情况，对教学管理中的优缺点作出全面总结，明确针对不同专业的学生，在教育培养模式上应该作出哪些调整。同时，也可以结合各专业学生的未来就业发展前景，加强就业指导方面的投入，为学生尽可能多地争取社会实践的机会，促进教学质量、就业率的显著提升。

4.2.4 德行上

通过引用大数据技术可以对学生的图书馆信用积分、奖助信息，以及师生评价，还有社会实践活动记录等方面的具体情况作出综合分析。同时，进一步明确学生的思想道德、行为准则，从而及时采取有效措施来对思想教育工作内容、方式作出及时调整。

4.2.5 心理上

基于大数据技术，可以对学生的日常消费数据、辅导员反馈信息，还要及教师教学反馈信息等方面的全面分析来实现对孤僻、偏激，或者是存在妄想等异常动态的学生的密切关注。并基于不同阶段的分析结果来采取针对性较强的措施方法来为学生实施恰当、有效的心理教育，为学生的身心健康、全面发展提供科学指导。比如：学生某一段时间的内心较为孤独，或者是在学习生活中遇到了一些困难，课堂表现上会有明显的变化，或者是出现成绩大幅度降低等情况。对此，就可以通过教学、消费数据的分析来作出有效预警。

5 结语

综上所述，在信息时代高速发展带动下，校园信息化建设水平也得到进一步提升，同时大数据技术也得到了广泛应用。通过引用大数据技术来对高校学生行为作出深入分析，不仅能够实现对学生身心发展现状的准确把握，也能够为教师的因材施教、科学管理提供有力参考。此外，能够为学校管理人员工作水平的进一步提升奠定坚实基础，并且给学生现阶段，以及未来学习成长带来的影响也是不容忽视的，应给予足够重视。