校園一卡通數據學生消費及學習行為的研究*

周 野 尹 建

吉林建筑大學電氣與計算機學院，吉林 長春 130118

?

校園一卡通數據學生消費及學習行為的研究*

周 野 尹 建

吉林建筑大學電氣與計算機學院，吉林 長春 130118

校園一卡通系統就是全面整合學校內的各種信息和資源，可以使信息與資源發揮最大的作用。在實現全面管理學生校園消費與學習活動時引入數據挖掘技術，第一，在利用數據預處理技術的基礎上收集各種數據的特點。第二，利用K-means聚類算法總結出學生的消費習慣與消費特點，同時利用決策樹算法確定聚類結果；第三，利用Apriori關聯規則算法研究出學生日常行為習慣與學習的關系程度，在高校開展學生管理過程中全面利用上述所得各項結果。 關鍵詞：數據挖掘；K-means

當前，高校廣泛引入了數字化管理系統，校園一卡通就是其中的一種，同時也得到了廣大師生的認可，同時也可以據此反映出高校信息化程度。高校管理對象的主體是學生，利用全面研究一卡通中的各項數據可以得出學生的行為規律，可以掌握存在于學生間的有價值信息，有利于幫助高校學生管理工作的不斷提高，而且也使校園各種信息集中在一起。作為自大量紛繁復雜的信息中提煉有價值信息技術手段的數據挖掘技術，當前已經進入科學研究與商業各個領域當中。在高校人力資源管理當中應用數據挖掘技術，可以發揮有價值數據的作用，提高高校管理水平。

一、學生校園消費及學習行為分析

筆者針對某大學的一卡通系統進行了研究發現，其數據庫主要應用了分布式處理和“客戶端/服務器”，利用服務器數據庫可以收集大量的學生信息，主要內容有學生消費、門禁、成績等各個方面的數據，有著龐大的數據量。依據數據處理流程將收集到的學生消費、學工、圖書館等各種數據庫中的數據全面應用數據挖掘技術進行整理，以求掌握學生消費習慣與學習行為規律。在oracle數據庫中保存原始數據，自概念方面對其進行研究發現，其主要內容有商戶與管理賬戶數據字典、全局設置數據字典，系統管理與運行環境設置數據字典、流水賬戶數據字典、報表部分數據字典等。所以必須對掌握的大量數據進行預處理，主要流程有清理、集成、轉換、歸約等五個部分，集中得到的全部結果成為一個小型數據庫，以利于今后的各種研究。

(一)消費習慣分析

利用K-means聚類方法處理消費數據庫中的各種數據，以求掌握學生的消費習慣，第一，先對數據庫中的消費數據進行清理，輸入屬性應用K-means算法。這一算法包括二種初始參數：初始聚類中心與聚類數目K。筆者認為在初始聚類中心選擇時可以應用一種較為先進的做法，主要就是利用改變初始聚類中心得到一種類內密集程度最高的情況，可以上升為研究結果，如果得到的類內密集程度較高，那么則表明類內點密集度較高，得到的結果最為有利。

(二)學習行為分析

利用Apriori算法全面研究消費數據、學工數據、圖書館數據，可以掌握學生各種學習行為間的聯系，如學生在圖書借閱中是否應用了獎學金，學生消費數量的多少是否與貧困生助學金有關。先清理數據庫的各種有關數據，可以得到學生不同學習行為間的關聯程度如何，以此掌握學生不同學習行為間的關系。

二、實驗分析

本篇通過上文所述數據預處理技術將原始消費數據進行了一系列的轉換與篩選，最終得到可供K-means算法輸入的待測數據，由于初始數據不同屬性顯示男、女生消費情況略有差異，因此本文針對男生、女生分別進行分析，男生數據393組，女生數據111組。此外，為便于聚類分析，將輸入數據離散化。根據直方圖均衡化的無指導離散法將屬性按值域劃分出五個區間，即很高(2)、高(1)、中(0)、低(-1)、很低(-2)5種水平，轉換為離散值，作為輸入數據，便于分析。經實驗，K=4，聚類結果最好，輸入K，改變初始聚類中心參數，循環直到P值最小結束。在本文中改變隨機初始聚類中心參數可以改變隨機初始聚類中心，最終對應P最小的結果(類內密集程度最大)即為最優的聚類結果，P即所有數據樣本的平方誤差總和如表1、表2所示：

表1 聚類結果比較(男生數據)

表2 聚類結果比較(女生數據)

從表1得出，男生數據第一組結果最佳，迭代次數為6，所有樣本數據的總方差P為最小值，因此，最終采用第一組聚類結果。從表2得出，女生數據第四組結果最好，迭代次數為6，方差之和P為最小值，因此，最終采用第四組聚類結果。

三、結論

為了全面研究高校信息化改革現狀，本文全面研究了高校學生一卡通中各種數據，同時引用了數據挖掘技術，選擇吉林建筑大學校園一卡通數據作為主要研究對象，對其中學生消費習慣與學習行為進行了研究。第一，在全面應用數據清理、集成、轉換、歸約等技術的基礎上得到一個小型數據庫。第二，利用K-means算法開展聚類研究，這一算法可以得到有效結果，利用分析類密集程度掌握最優聚類結果。依據結果可以對學生進行分類，同時研究各個類型的特點。第三，對得到的聚類結果應用決策樹模型與十折交叉驗證法進行研究，對學生各種學習行為規律應用Apriori關聯規則算法進行分析，利用這一結果，學生管理人員可以實現對學生的輕松分類，同時有利于后勤管理部門提高服務水平，可以進一步提高高校學生管理水平。

[1]王永建，張鑫，趙志明，王海兵.智慧校園一卡通系統安全監管平臺設計[J].電信快報，2016(09).

[2]劉新漢.校園一卡通系統的設計與安全性分析[J].中小企業管理與科技(中旬刊)，2016(10).

*吉林建筑大學大學生創新創業訓練計劃項目資助(201610191040)。

TP

A

1006-0049-(2017)03-0043-01