基于大数据技术的地方高校学生行为预测预警应用＊

东华理工大学地球物理与测控技术学院 肖昆 段忠义 朱云峰 姚金奎 刘名根

随着信息化技术的飞速发展，高校信息化建设也得以快速提升。高校信息化网络门户汇集的海量数据仅在其对应管理部门发挥作用，缺乏了信息资源的综合应用。利用大数据分析手段可以分析并挖掘出学生在线活动历史数据的隐藏特征，实现对学生行为的分类和智能管理，对于学生评优、贫困生评定、学生学习预警等给出指导建议，有效转变高校传统管理与教育模式，最大限度地提升地方高校学生培养的质量。

1 研究背景

东华理工大学是中国核工业第一所高等学校，办学历史超60年，现为江西省人民政府与国家国防科技工业局、自然资源部、中国核工业集团有限公司共建的具有地学和核科学特色的多科性地方高校[1-3]。东华理工大学网络与信息中心于2003年初成立，负责全校信息化建设规划与实施管理工作，经历20 余年的发展，已建立了较为完备的智慧校园网络服务体系，为全校师生提供各类在线服务。随着时间的推移，信息网络后台管理系统记录了海量的学生活动信息，包括一卡通消费记录、学生公寓门禁系统学生进出入信息、校园新闻平台信息、教务系统学生成绩管理信息等。然而，这些海量数据信息目前都只是孤立分配所在管理部门用于部门信息的核对与汇总，缺乏了信息资源的综合应用。为了更好地提升教学管理者的管理水平，发挥数据多跑路、师生少跑腿的优势，本文基于大数据分析方法和高校各信息系统的历史数据，对数据进行分析挖掘，建立高校海量数据的综合分析计算平台，分析出高校学生在校消费规律、学习作息规律、学习行为规律等特征数据，建立分类管理的智能分析模型，对于学生评优、贫困生评定、学生学习预警等给出指导建议，有效转变高校传统管理与教育模式，提高地方高校的管理服务质量和教学管理水平，切实提升学校的综合竞争力，最大限度地提升地方高校本科人才培养的质量。

2 基于大数据分析的高校学生行为预测预警分析

大数据分析技术是一种高效处理海量数据的技术手段[4]。随着高等教育信息化进程的快速发展，高校教育教学领域也随着产生了大量的学生行为大数据库，利用大数据分析手段对学生行为大数据库进行挖掘与分析，准确真实地还原高校学生各位行为特征，进而掌握学生的在校学习和生活规律，可以更好地因材施教，提升高校教学管理人员管理的决策力、洞察力和行动力，让学生真正受益，为学生在校的学习生活保驾护航。

2.1 住宿学生行为分析

高校学生行为习惯的养成对于学生学习起着积极向上的引导作用[5]。大学就好比一个微缩的社会，不同地域的学生汇聚在一起，彼此的文化背景、性格特点都存在差异，因此在学生宿舍相处过程必须彼此尊重，逐步建立起良好的行为习惯。对于高校住宿学生行为习惯的引导，应当构建起合理的评价分析手段，有针对性地实施不同学生差异化管理。依托学生宿舍刷卡门禁系统和学生宿舍用电量的统计数据，构建数据模型，利用各种数据挖掘分析技术分析学术各种行为数据之间的关系，挖掘出不同学生在集体生活中所存在的问题[6]。通过门禁数据可以有效监测出生活习惯不好、晚睡晚起，进而影响同宿舍正常休息的学生群体；通过宿舍用电量情况可以有效监测出违规使用大功率电器，易造成消防安全隐患的学生群体。通过对上述大数据的分析结果，可以为学工管理人员高效筛查住宿学生中所存在的问题学生提供参考，也为宿舍管理人员快速排查消防隐患提供快速决策信息。

2.2 学生校园一卡通分析

高校学生校园一卡通包含了海量的学生校内学习活动数据，包括校园消费、图书借阅等多种数据，为分析学习的行为特征提供了基础数据。基于学生校园一卡通的大数据分析信息，可以用来研究学生的各种学习生活规律，进而搭建学生行为特征库，为学校教学管理者提供有效的决策支持和智慧服务[7]。在对学生行为的特征分析过程中，可以利用指标数据将学生的行为特征定量表征出来，比如表征学生的学习习惯、学习行为、消费特点等。如表1所示是用于评价学生消费特点的各项指标，其中学生消费水平表示对学生的消费记录数据进行聚类分析，结合学生的消费水平进行标签分类；消费习惯指标表示综合学生的消费点、消费时间段、消费次数和消费金额，判识学生是否为正常规律性消费[8]。

表1 高校学生校园一卡通消费评价指标Tab.1 Campus one-card consumption evaluation index of college students

对学生校园一卡通的消费评价指标的综合分析，归类总结出高校学生群体消费的偏好和存在的问题，尤其是在贫困生评定方面，通过对学生消费数据的挖掘，筛查出在校内消费水平标签低的学生群体，在贫困生认定以及助学金的评定方面给予重点关注，为学校贫困生的精准帮扶提供可靠的数据支撑，从而提升学校学工管理部门的学生管理工作效率。东华理工大学目前在贫困生认定和学生奖学金评定方面，部分学生管理工作的老师已经开始使用学生校园一卡通的消费信息作为评定的重要参考标准，但是由于获取数据困难等因素的影响，致使使用范围受到一定限制，亟需建立相应的数据分析平台，提升学生一卡通消费信息的利用价值。

2.3 网络学习平台分析

现代信息化教学手段的飞速发展，使得高校学生在线获取各类专业知识的需求越来越多，校园网络教学平台记录了大量学生在线学习的信息，通过对这些数据的挖掘分析，可以用来监控学生的学习行为，同时也用于预测预警学生的学习成绩[9]。东华理工大学建设了课程建设与服务平台，主要依托超星网络教学平台为学校教师提供了一个快速搭建在线教学的平台。在疫情防控期间，为了保障学生不受疫情的影响而停课，目前平台所建课程基本覆盖了学校所有专业的课程，为利用大数据分析学生的行为特征提供了基础数据。利用学校网络教学平台所获取的学生行为数据，主要包括学习过程是否做笔记、视频学习过程是否停留时间较长、学生作业提交情况、学生互动讨论情况等，通过对上述数据的综合分析，诊断出学生在线学习的学习状态和薄弱环节，进而为在线教学的管理者提供针对性的教学服务建议，包括加强在线学习效率低学生的监督以及课后复习掌握程度低学生的专项辅导，进而提升在线教学的质量。

2.4 高校网络舆情分析

高校的网络安全与舆情控制是考核高校综合治理能力的重要指标，因此基于大数据分析的高校网络舆情分析势在必行[10，11]。高校网络舆情分析主要针对学生在学校各类论坛、贴吧、公众号、校长信箱等平台发表的文本数据，利用大数据分析手段进行聚类分析，识别出学生的热点舆情信息、热点言论内容、发表时间、发表平台和转发情况，通过对上述信息的综合分析，及时掌握在校学生的思想动态，有效提升高校网络舆情的预测预警分析能力。高校负责网络舆情管理工作的人员应当采取灵活多样的方法对学生进行引导，严格实施校园网络平台严格审核发布的审核制度，最大限度减少校园突发网络舆情事件的发生。东华理工大学目前依托学校大数据平台高度集成性的优势，通过预测分析、语义引擎、数据挖掘等处理手段实现了快速定位校园网络舆情源头、预判网络舆情等快速处置措施。同时，建立了校园新闻稿件责任人制度，坚持“谁主管、谁负责”和“文责自负”的原则，对稿件内容的政治性、准确性、真实性严格审核，确保校园信息发布的安全，更好地为学校的教育改革与事业发展服务。

3 基于大数据的学生行为综合分析平台构建

东华理工大学目前已经建立了网上办事服务大厅，智慧校园建设的也逐渐形成，在学校信息化建设的进程中，目前已经完成教务系统、校园一卡通系统、学工系统、研究生管理系统、教学督导与评教系统、宿舍门禁系统等业务信息系统与智慧校园平台的数据集成与对接工作，促进了全校各信息系统数据共享与交换，为基于大数据分析的学生行为特征预测预警模型的构建提供了原始基础数据。

基于大数据分析的地方高校学生行为特征预测预警模型的构建是一项综合性的系统工程[12，13]。基于Hadoop大数据框架中可扩展的运行分布式应用程序，构建基于大数据的地方高校学生行为综合分析平台[14，15]。平台构建的具体流程如图1所示，其中输入参数包括学校网上办事服务平台所存储的各类学生数据，作为整个综合分析平台的基础数据；对上述原始输入数据进行预处理，筛选出有利于分析的数据形成数据仓库；经过数据感知层、分布式数据分析层、数据交互服务层及数据分析可视化层等四个流程，构建形成学生行为特征分析模型和预测模型；根据构建的分析和预测模型提供预测预警服务，主要包含贫困生认定、奖学金评定、网络舆情预警、学业预测预警、学生行为异常预警等服务。学生在校学习生活的各种行为特征都可以通过上述预测预警平台进行量化，对学生在校期间的一卡通消费情况、图书借阅情况、网络平台学习情况、作息时间、网络发帖情况等多维度属性特征的综合分析，给出学生行为特征的定量评价结果，为高校教学管理人员提供精准的科学管理依据。

图1 基于校园大数据分析的高校学生行为分析预测模型Fig.1 Student behavior analysis and prediction model based on campus big data analysis

4 结语

通过学生校园一卡通信息与学校网络服务平台的数据的对接，有效消除了在校学生信息管理的“信息孤岛”。基于大数据分析手段构建的学生行为特征预测预警模型，能够综合分析学生在校期间的各种学习和生活状态，分析并挖掘出学生在校活动历史数据的隐藏特征，实现对学生行为特征的分类和智能管理，有效实现对学生的动态监控和预警，为地方高校的智慧校园建设助力，同时也能够为高校教育教学管理者提供学生管理的各种决策信息和建议，符合当前高等教育的改革发展方向。