朱梓熙 劉文敏 徐寶焱 黃紅梅 敖新宇

摘 要：本文基于大數(shù)據(jù)分析技術(shù)對校園數(shù)據(jù)進(jìn)行分析和挖掘，建立學(xué)生相關(guān)模型和行為標(biāo)簽，通過分析校園數(shù)據(jù)對學(xué)生行為進(jìn)行畫像，為學(xué)生管理工作提供決策支撐，促進(jìn)學(xué)生管理與決策的科學(xué)化。

關(guān)鍵詞：聚類分析；學(xué)習(xí)行為分析；教育數(shù)據(jù)

中圖分類號：TP393 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-8454（2018）23-0021-03

一、引言

隨著信息技術(shù)的不斷發(fā)展，高校越來越重視數(shù)字校園、智慧校園的建設(shè)[1][2]，各高校的校園建設(shè)不斷走向數(shù)字化。本文通過對高職院校信息進(jìn)行收集和整理，整合有關(guān)學(xué)生考勤、成績和圖書借閱情況等方面的數(shù)據(jù)，尋找學(xué)生的行為規(guī)律、研究學(xué)生的行為特點(diǎn)，對學(xué)生分類進(jìn)行指標(biāo)判定，最后進(jìn)行聚類分析，并將分析結(jié)果進(jìn)行可視化展現(xiàn)，為促進(jìn)和提高學(xué)校在教育教學(xué)方面的決策提供了有力支撐。

本文用到的學(xué)生考勤數(shù)據(jù)來自于教師上課的考勤記錄。本文用到的學(xué)生借閱數(shù)據(jù)來自于學(xué)校圖書館的借閱軟件系統(tǒng)。

二、數(shù)據(jù)預(yù)處理

在數(shù)據(jù)挖掘中，由于數(shù)據(jù)來源的范圍廣且數(shù)量大，使得數(shù)據(jù)的質(zhì)量不是很高，為此，需要對數(shù)據(jù)進(jìn)行預(yù)處理。數(shù)據(jù)預(yù)處理的目標(biāo)是通過篩除掉有缺失的數(shù)據(jù)，從而保證數(shù)據(jù)的質(zhì)量，使數(shù)據(jù)處理能夠順利進(jìn)行，并通過一些操作來合并必要的數(shù)據(jù)，變換數(shù)據(jù)的某些分量使得對同種性質(zhì)數(shù)據(jù)標(biāo)準(zhǔn)的統(tǒng)一等。

由于數(shù)據(jù)主要由學(xué)校應(yīng)用系統(tǒng)導(dǎo)出，這些數(shù)據(jù)主要以Excel表文件的方式存在。其余數(shù)據(jù)是來自于不同的系統(tǒng)與部門，所涉及的范圍較多，采集到的原始數(shù)據(jù)中數(shù)據(jù)結(jié)構(gòu)標(biāo)準(zhǔn)沒有統(tǒng)一的格式，同時(shí)有很多無用屬性和本次研究的主題無關(guān)。另外，種種原因造成部分?jǐn)?shù)據(jù)缺失，如學(xué)生休學(xué)和缺考等原因，所以需要將這些數(shù)據(jù)內(nèi)容進(jìn)行清除，剔除這部分?jǐn)?shù)據(jù)。在收集的數(shù)據(jù)中，有些數(shù)據(jù)項(xiàng)被發(fā)現(xiàn)出現(xiàn)了重復(fù)，需要剔除這些重復(fù)的數(shù)據(jù)。本文采用合并表、學(xué)生信息過濾、篩選關(guān)鍵信息、統(tǒng)一數(shù)據(jù)類型等方法對數(shù)據(jù)進(jìn)行清洗，并把清洗后的數(shù)據(jù)制成數(shù)據(jù)表的形式保存到數(shù)據(jù)庫中，以保證數(shù)據(jù)的一致性。

三、數(shù)據(jù)整合與建表

確定數(shù)據(jù)表的數(shù)據(jù)結(jié)構(gòu)是數(shù)據(jù)分析的首要任務(wù)，將所收集到的數(shù)據(jù)經(jīng)過整合后可分成以下幾類：學(xué)生考勤數(shù)據(jù)、學(xué)生圖書館借閱數(shù)據(jù)、學(xué)生歷史成績數(shù)據(jù)以及學(xué)生部分信息數(shù)據(jù)。結(jié)合學(xué)生畫像的目標(biāo)，構(gòu)建學(xué)生信息結(jié)構(gòu)表、學(xué)生成績信息結(jié)構(gòu)表、學(xué)生缺勤信息結(jié)構(gòu)表、圖書借閱信息結(jié)構(gòu)表。如表1-4所示。

四、確立學(xué)生“畫像”指標(biāo)

通過分析現(xiàn)有數(shù)據(jù)特征和學(xué)生的學(xué)習(xí)行為來構(gòu)建學(xué)生的學(xué)習(xí)行為“畫像”的數(shù)據(jù)特征，為此，確定哪些行為可以用來構(gòu)建學(xué)生畫像是必要的。在本次數(shù)據(jù)中，學(xué)期缺勤次數(shù)、學(xué)期圖書借閱次數(shù)在很大程度上體現(xiàn)了一個(gè)學(xué)生對課堂老師授課內(nèi)容的重視和學(xué)習(xí)努力程度，而學(xué)期成績平均分則能直接客觀地體現(xiàn)出學(xué)生在本學(xué)期對所學(xué)內(nèi)容的掌握情況。因此，將學(xué)生考勤情況、學(xué)生圖書借閱情況以及學(xué)生成績等數(shù)據(jù)用來對學(xué)生的學(xué)習(xí)行為進(jìn)行畫像，并確定相應(yīng)的指標(biāo)，指標(biāo)細(xì)分如表5所示。

五、聚類分析

K-means算法[3]是一種應(yīng)用十分廣泛的聚類算法，它的目標(biāo)是將n個(gè)數(shù)據(jù)點(diǎn)劃分到m個(gè)類簇中，以距離作為數(shù)據(jù)對象間相似性度量的標(biāo)準(zhǔn)。在K-means算法中，需要預(yù)先設(shè)定k個(gè)初始質(zhì)心，由于K-means算法采取局部最優(yōu)，所以初始質(zhì)心的選擇直接關(guān)系到數(shù)據(jù)集中的最終聚類效果。

不同屬性往往具有不同的量綱和量綱單位，之間的差別可能很大，如本次處理中的學(xué)生成績與學(xué)生缺勤次數(shù)。對這些差別較大的屬性值不進(jìn)行處理可能會(huì)影響數(shù)據(jù)分析的結(jié)果，在以距離為基礎(chǔ)的算法中，取值較大的屬性會(huì)起到主導(dǎo)作用。在進(jìn)行K-means聚類前，要對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，消除屬性間量綱與大小差距過大的影響，提高聚類效果。

K-means算法計(jì)算高效，但是有一個(gè)缺點(diǎn)，就是要事先設(shè)定初始質(zhì)心的數(shù)量k，而k的選取直接關(guān)系到最終的聚類效果，所以一般要經(jīng)過多重分析來確立k的值，但這在實(shí)際項(xiàng)目中是比較難以確定的，特別是在處理一個(gè)高緯度、難以進(jìn)行可視化數(shù)據(jù)的時(shí)候。本文根據(jù)聚類模型內(nèi)部誤差平方和來確定聚類模型的好壞。獲得簇內(nèi)部的誤差平方和?；谶@個(gè)屬性值，采用肘部方法[4]，對給定的任務(wù)估計(jì)出最優(yōu)簇的數(shù)量。算法如圖1所示。在算法中，n_jobs是并行的進(jìn)程數(shù)，n_clusters是初始的簇的個(gè)數(shù)。

六、實(shí)驗(yàn)結(jié)果與分析

本文實(shí)驗(yàn)數(shù)據(jù)的來源是某高校校園各部門所積累的歷史數(shù)據(jù)，由于之前的數(shù)據(jù)過于雜亂，在此收集了該校某系學(xué)生的2017年9月到2018年2月這段時(shí)間內(nèi)的學(xué)習(xí)、考勤數(shù)據(jù)與圖書借閱數(shù)據(jù)，總共35808條數(shù)據(jù)，將這些數(shù)據(jù)進(jìn)行整合后存放到數(shù)據(jù)庫中用以分析實(shí)驗(yàn)。本次實(shí)驗(yàn)選取學(xué)生“畫像”特征庫中部分重要指標(biāo)來建立學(xué)生行為模型，在此使用python等語言來編寫相關(guān)的K-means代碼，進(jìn)行模型的構(gòu)建與分析，并將分析結(jié)果進(jìn)行可視化展示。

使用算法1處理結(jié)果如圖2所示。從圖3中可以知道聚類數(shù)為4時(shí)的拐點(diǎn)最為明顯，也就意味著針對本次數(shù)據(jù)來說，最優(yōu)簇的數(shù)量為4，一般而言，肘部方法所得出的結(jié)果并不是絕對的，還要結(jié)合對該數(shù)據(jù)的討論與設(shè)想才能得出較好的答案，在本次實(shí)驗(yàn)中，結(jié)合數(shù)據(jù)類型等各個(gè)方面情況，最終確立了簇的數(shù)量為4。

學(xué)生“畫像”特征搭建的時(shí)候選取三個(gè)指標(biāo)（借閱、考勤、成績），這三個(gè)指標(biāo)正好可以用三維的方式來進(jìn)行展示，并且效果是最好的，圖3是聚類完成后的可視化三維視圖，從圖3中可以看出，在本次的聚類中，各點(diǎn)分得較為均勻，聚類效果較好。

圖4的聚類雷達(dá)圖展現(xiàn)了本次聚類后每個(gè)類別的具體情況，在圖中可以看到，編號0的類別屬于借閱次數(shù)較低、考勤率高、成績較為普通的學(xué)生；編號1的類別屬于借閱次數(shù)較低、考勤率高、成績優(yōu)秀的學(xué)生；編號2的類別屬于借閱次數(shù)高、考勤率高、成績優(yōu)秀的學(xué)生；編號3的類別屬于借閱次數(shù)低、考勤率低、成績較差的學(xué)生。并由此得出表6，結(jié)合表6可以看到努力學(xué)習(xí)且學(xué)習(xí)成績較為優(yōu)異學(xué)生占到學(xué)生總數(shù)的65%，成績一般的學(xué)生也占到學(xué)生總數(shù)的33%，可以看出該校大部分學(xué)生學(xué)習(xí)還是比較刻苦的，只有極少數(shù)學(xué)生的努力程度不夠，努力程度不夠且成績較差的學(xué)生占學(xué)生總數(shù)的2%，對這方面的學(xué)生可以加以督促，以便提高他們的學(xué)習(xí)成績。

另外一個(gè)有意思的發(fā)現(xiàn)是平均借閱次數(shù)和平均成績的相關(guān)性不大，而且，第一類學(xué)生借閱次數(shù)比第二類學(xué)生借閱次數(shù)少很多，但成績還要高一些。似乎暗示圖書館的圖書借閱功能和學(xué)生學(xué)習(xí)成績沒有太大的相關(guān)性，而與考勤次數(shù)是息息相關(guān)的，可能需要更加細(xì)節(jié)的數(shù)據(jù)才能更好地分析圖書館學(xué)習(xí)資源是該如何被利用。

七、結(jié)束語

本文通過對校園學(xué)生數(shù)據(jù)的處理和聚類分析，對學(xué)生行為進(jìn)行畫像，一方面是可以對學(xué)生進(jìn)行一個(gè)行為描述；另一方面可以通過模型反饋，了解學(xué)生指標(biāo)間的影響因素，得到學(xué)生的行為特征以及學(xué)生的初步畫像。目前，由于數(shù)據(jù)類型較少，得到的學(xué)生行為特征還不夠詳細(xì)，僅在學(xué)生學(xué)習(xí)行為畫像上做了初步嘗試，如果想要更加全面地對學(xué)生行為進(jìn)行畫像，可以對學(xué)生的學(xué)習(xí)和生活各方面行為數(shù)據(jù)進(jìn)行補(bǔ)充，增加分析維度和分析內(nèi)容，從而能得到更加詳細(xì)的分析結(jié)果，為智慧校園的管理決策提供準(zhǔn)確、詳細(xì)的數(shù)據(jù)支持。

參考文獻(xiàn)：

[1]黃榮懷.智慧校園：數(shù)字校園發(fā)展的必然趨勢[J].開放教育研究，2012，18（4）：12-17.

[2]張九娟.校園“一卡通”在學(xué)校管理中的應(yīng)用研究[J].高校后勤研究，2014（2）：63-65.

[3]吳哲夫，張彤，肖鷹.基于Spark平臺的 K-means 聚類算法改進(jìn)及并行化實(shí)現(xiàn)[J].互聯(lián)網(wǎng)天地，2016（1）：44-50.

[4]鄭英鑫.數(shù)據(jù)挖掘中基于肘部法則的聚類分析在中小學(xué)生出行路線優(yōu)化設(shè)計(jì)的應(yīng)用[J].電子世界，2017（9）：146.

（編輯：王曉明）