基于大數據技術的大學生社會性發展促進模式研究

宛楠 張義 楊利

摘要：隨著移動互聯網技術和信息技術的發展，大數據技術在各個學科領域都有了普遍的應用。在大數據視角下對大學生社會性行為進行研究，再以數據采集層、數據存儲層、數據分析層、特征發現層、應用層五個層次構建大學社會性發展的促進模式，可以有效促進大學生社會性發展，培養能適應社會發展需要的人才。

關鍵詞：大數據技術;大學生;社會性發展;促進模式

1 概述

大學生社會性發展是指大學生通過自身努力和外界環境的輔助，在人際交往和社會互動過程中形成社會規范、掌握社會技能、學習社會角色、控制自身行為、協調人際關系、適應社會現實和發展要求、形成符合社會發展方向的價值觀、傳承主流文化的復雜過程[1]。隨著大數據時代的到來，相關大數據技術已融合到科技、醫療、教育、商業以及每個人生活的各個方面，并發揮著積極作用[2]。本文在大數據視角下對大學生社會性行為進行研究，再以數據采集層、數據存儲層、數據分析層、特征發現層、應用層五個層次構建大學生社會性發展的促進模式，旨在運用大數據技術，實時掌握并動態跟蹤大學生的心理和日常社交行為，促進大學生的社會性發展，培養能適應社會發展需要的人才。

2 大學生社會性行為的數據處理與分析

大學生的社會性行為，指的是大學生在社會交往過程中所表現出的對某一事件或人物的觀點、語言和行為反應。社會性發展存在欠缺的大學生往往表現出較差的獨立性，生活自理能力有限，對社會事務不關心，自控能力不強，人際交往存在障礙等特點[3]。大學生的日常學習和生活中大量接觸互聯網絡、移動終端，在網絡上留下的痕跡會產生大量的數據，這些數據是動態、多樣化和離散的，將這些數據記錄保存下來可以用于探究學生在網絡上的社會性行為背后的相關心理因素。本文運用大數據技術去對學生在互聯網絡和移動終端設備上的各種社會性行為進行數據采集、數據分析、數據挖掘，從以下四個方面去進行研究。

2.1大學生社會性行為的數據采集

1）數據采集技術支持

網絡爬蟲是目前進行網絡數據采集的有效手段之一，其主要目的是采集互聯網上的網頁數據，并將其下載到本地存儲單元以備數據分析使用。

高校學生在校內上網多數是通過校內VPN接入，網頁瀏覽和操作過程中會留下大量的網頁數據，運用爬蟲技術及時采集這些數據可以實時掌握學生的心理和行為動態，了解學生社會性發展的狀況。

2）日志收集

各個校園網絡教學平臺和信息管理系統在運行過程中都會產生大量的日志，日志往往包含有很多有價值的信息。在可靠的分析方法出現之前，日志通常會在存儲一定時間后被自動清除。隨著數據分析技術和能力的提高，日志的價值得到越來越多的重視。在分析日志之前，需要將分散在各個系統中的日志集中起來。本研究采用目前廣泛應用的Flume日志收集系統，收集學生在各個網絡平臺和信息管理系統中產生的日志，從中挖掘能表現社會性行為的數據。

2.2 大學生社會性行為的數據分析

大學生社會性行為是其社會性發展狀況的一種外在體現，往往受其心理狀況所支配。通過相關的數據采集技術可以獲取大量的個人或群體的行為原始數據，但這些原始數據在未經過處理前無法直接表現出大學生的行為特征，因此需要對原始數據進行預處理。大數據的處理按時間的跨度分為以下幾類：

1）基于實時數據流的數據處理

流處理是數據傳遞的方式之一，它將獲取的數據轉成一個穩定而連續的流，持續的送至目的地。

2）基于歷史數據的交互式查詢

用戶在使用查詢系統時，按需定義自己的查詢條件，交互式查詢往往用于在線查詢、實時數據分析以及信息反饋處理等。

3）復雜的批量數據處理

對收集的數據進行大規模并行處理，多進程、多線程開展處理工作。

本研究結合這三種數據處理方式，對從網絡和系統收集的數據進行分析處理，根據時間跨度的不同和技術的特點對不同的數據選擇相應的處理方法，使各種數據都能得到有效的處理，從中提取出能體現學生社會性行為的特征，可以為研究社會性發展遲滯的因素和促進社會性發展的途徑提供有價值的信息。

2.3 大學生社會性行為的數據挖掘

數據挖掘是指通過有效的算法自動在數據庫中對有價值信息的發掘和尋找。此技術主要通過對大型數據庫的處理和分析，挖掘出未知的有價值的信息[4]。數據挖掘的源數據可以存放在諸如DB（Data Base）、DW（Data Warehouse）等信息庫中[5]。運用數據挖掘研究大學生社會行為的思路是：利用數據采集大學生的客觀行為數據，通過機器學習的方法建立基于大數據的大學生社會性行為數據模型，深度挖掘能夠真實反映大學生社會性發展水平和影響因素的社會性行為特征。

3 構建基于大數據技術的大學生社會性發展促進模式

根據上文所述的相關技術，本研究構建的基于大數據結束的大學生社會性發展促進模式，如圖2所示，總共分為五層，層層遞進，從網絡平臺對學生的基本信息、學習和社會交往等數據完成數據采集、數據處理，再通過數據挖掘和數據分析去挖掘和發現大學生社會性行為特征和心理特征，在此基礎上精準分析大學生社會性發展的需求，制定大學生社會性發展的策略，干預大學生社會性發展遲滯，有效地促進大學生人格、心理健康和社會關系的全面發展。

本模式的分層具體說明如下。

1）數據采集層

數據采集層用于采集網絡平臺上大學生社會性發展相關的數據，包括學生基本信息數據（比如性別、年齡、家庭結構等）、學生在網絡平臺上學習產生的行為數據、學生在網絡上進行社交互動產生的數據。數據采集技術包括ETL離線采集、實時采集、互聯網采集等。

2）數據處理層

數據處理層包括數據清洗、數據整合、數據轉換、數據提取和數據維護等功能[6]。大學生存在于網絡平臺和信息系統內的各種學習社交行為產生數據的類型復雜多樣。在完成了數據采集之后，需要根據不同的數據處理場景要求選擇相應的計算框架對數據進行處理，主要目的是將原始數據加工轉化為有用和高質量的信息。

3）數據分析層

數據分析層是整個模式架構中的一個核心關鍵層。該層的重點在于建模與分析，采用的技術手段有數據統計、數據挖掘和機器學習等，利用探索性數據分析的方式得到更多大學生社會性發展的規律、知識，對未來的大學生社會性發展趨勢和程度進行預測和預判。

4）特征發現層

特征發現層是該體系架構的另外一個核心層，分為行為特征發現以及心理特征發現。行為特征發現是指分析和理解大學生社會性行為中蘊含的特征，包括社會性行為預測、社會性行為分析和社會性性行為監控，實時掌握大學生社會性行為特征。心理特征發現是指了解和掌握學生社會性行為背后的心理特征，分析產生行為的成因，包括心理發展預測、心理特征分析、心理特征分類聚集。

5）應用層

應用層是該模式結構價值的直接體現，旨在促進大學生的社會性發展水平，它即包括促進大學生社會性發展也包括大學生社會性發展的策略制定。

4 結論

大數據時代的變革已經滲透到高等教育的各個研究領域。本文通過借鑒其他學科領域的大數據研究，將大數據技術緊密地與大學生社會性行為的數據采集、數據處理分析、特征發現和數據應用緊密聯系，構建基于大數據技術的大學生社會性發展促進模式，推動大學生的自我認知發展和社會認知發展，幫助構建良好的社會性發展環境，從而達到促進大學生社會性發展的研究目的。

參考文獻：

[1] 巴雪冰. 思想政治教育視閾下大學生社會性發展研究[D]. 大連理工大學，2019.

[2] 陳雷. 大數據對大學生心理健康教育工作提升作用研究[J]. 江蘇第二師范學院學報，2018，34（6）：112-115.

[3] 向松柏. 大學生社會性發展遲滯的成因及干預[J]. 綏化學院學報，2015，35（4）：154-160.

[4] 宗威， 吳鋒. 大數據時代下數據質量的挑戰[J]. 西安交通大學學報（社會科學版），2013，33（5）：38-43.

[5] Jiawei Han， MIcheline Kamber， Jian Pei.數據挖掘：概念與技術[M]. 北京：機械工業出版社，2012.

[6] 顧云鋒，吳鐘鳴，管兆昶，等.基于教育大數據的學習分析研究綜述[J]. 中國教育信息化，2018（7）：1-6.

【通聯編輯：王力】