淺析大數據在高校學生行為數據分析中的應用

方勇

摘要：該文介紹了大數據的概念，分析了高校學生行為數據的特點，對大數據在高校學生行為數據分析中的應用進行了闡述。

關鍵詞：大數據;機器學習;高校學生行為

中圖分類號：TP31 文獻標識碼：A

文章編號：1009-3044（2019）30-0005-02

1大數據技術介紹

隨著信息技術和互聯網行業的飛速發展，人們各項日常生活產生了大量種類繁多的數據，這些數據非常復雜和龐大，迫切需要大數據技術來管理和挖掘有價值的信息。大數據的定義各式各樣，比較有權威性的是麥肯錫咨詢公司給出的：大數據指的是在大小超出常規的數據庫工具獲取、存儲、管理和分析能力的數據集，具有海量的數據規模、快速的數據流轉、多樣的數據類型和價值密度低四大特征。

當前，大數據作為一種寶貴的信息資產，正在全球飛速發展，引起了各行各業的極大關注。通過有效管理和分析大數據，提取其價值，能夠為行業提供優質的服務，實現極其巨大的經濟和社會價值。高校在信息化過程中產生了大量與學生相關的數據，形成了龐大的數據資源。很顯然，應用大數據技術，整合教育教學管理等方面信息，將對“智慧校園”建設產生重大而深遠的影響。

2高校學生行為數據的采集

目前各高校都圍繞智慧校園建設了學習管理、教務管理、財務管理等系統，每個應用系統都有海量的非結構化、半結構化或者結構化的歷史數據信息，加工處理這些大數據，可以產生很好的應用效果。

（1）采集大學生日常生活的一些數據，包括網絡通信數據、學生生活消費數據、學生及財務數據等，實現海量數據的辨別、轉換、傳輸和管理等功能。大數據平臺的建立采用虛擬服務器，實現各類數據的獨立處理和分析。

（2）數據抽取挖掘，包括對不完整、有雜音的不同類型數據的梳理、抽取、轉換。它是大數據處理之前非常重要的一步，可以用Hadoop大數據處理技術中的Hive工具作為數據抽取工具，HBase作為數據存儲庫，MapReduce作為數據處理技術。

（3）數據清洗及匯總，包括對不同來源的各類復雜、無序數據的清洗，它是完成大數據原始匯集的最后一步。大數據來源眾多，不一定是系統所需的目標數據，為避免某些數據在數據分析過程中影響分析結果，需要對它們做清洗、除燥，這樣未來的分析結果會更準確。

3大數據在高校學生行為數據分析中的應用

3.1學生行為數據分析的核心技術

（1）機器學習

機器學習是一門涉及多領域交叉學科，它通過對已知的大量數據進行分類器或算法的訓練，實現自我完善，求出決策函數，快速準確的對未知樣本預測，逐步實現機器代替人工的工作。常用的機器學習算法有決策樹、K-means、SVM、貝葉斯分類器等。

（2）大數據技術

傳統技術難以滿足對海量數據實現實時分析和處理，迫切需要由大數據技術來協調各部分之間的關系，實現對數據分析與挖掘。Spark作為一種開源通用并行框架，更好地利用了內存，相比于Hadoop更加適用于數據挖掘和機器學習等需要反復迭代的算法。

（3）輿情分析技術

學生的對于某些事件的評論無處不在，這些評論帶有主觀的感情色彩。利用大數據技術對他們的觀點及評論進行分析，判斷評論者的態度及情感性質。目前對于這類文字的分析可以從詞語、句子及篇章三個方面進行，初期通過詞語分析，對其詞性的情感進行判斷，而后逐步通過句子的形式及特點，結合一定的算法，判斷文章的性質。

3.2應用大數據分析高校學生行為數據

學生行為數據眾多，可以從以下幾個方面應用大數據進行分析：

（1）在學習方面，通過大數據分析在校學生的選課及考試數據，一方面對成績優異的學生建立學習榜樣模板，研究其學習、生活行為規律，廣泛在其他學生中宣傳應用，提升教師的教學水平和學生的學業成績。另一方面對有成績異動波動的學生進行監控，引起教師和管理人員警覺，找出異動的原因，對癥下藥。

（2）在學生就業方面，通過大數據分析學生的綜合測評數據、就業反饋信息，通過對學生就業情況的分析以及在校表現綜合分析，總結教學中的優缺點，對不同專業的學生，重點加大對影響學生成長就業的關鍵點進行投資，大力度發展學生社會實踐，提高教學質量和就業率。

（3）在消費方面，通過大數據分析學生的飯堂消費數據、小賣部消費數據以及水電費消費數據，挖掘學生的頻繁出入地點，繪制學生每日熱點活動區域，總結學生的業余生活規律，供輔導員管理，及時指導改善。

（4）在德行方面，通過大數據分析學生的圖書館信用積分、師生評價、獎助信息、社會實踐活動記錄等，分析學生的思想道德和行為準則，對某些學生改進思想教育工作。

（5）在心理方面，通過大數據分析學生的日常消費數據、教師教學反饋信息、輔導員反饋信息，及時重點關注類似于孤僻、偏激、妄想等異常學生動態，采取有效措施，保障學生心理健康發展。這方面的例子很多，例如某學生某段時間內心比較孤僻，導致課堂表現差，成績不好，就可以通過教學及消費數據分析預警。

4結束語

隨著校園信息化和大數據技術應用的飛速發展，采用大數據分析學生的行為，為教師因材施教提供支持，能提升高校學生管理人員的工作效率、服務質量，相信將來會產生更加深遠的影響。