基于大數據挖掘的大學生上網行為分析與預警干預體系構建與研究

李強 李木昌

摘 要：為了提高大學生思想政治教育工作管理水平，充分發揮信息化、智能化技術手段在高校學生管理工作中的作用，利用大數據相關技術，研究了基于大數據挖掘的大學生上網行為分析與預警干預體系構建。本研究采用學生上網數據多維度進行深度建模分析，從而找出滿足校園網貸、網絡沉迷和風險用戶行為特征的上網用戶。及時向學校相關管理部門預警并提前做好預防，為學生管理工作人員提前干預提供可參考的依據，對提高高校學生管理工作具有重要的指導意義。

關鍵詞：大數據技術;學生管理工作;大學生上網行為

中圖分類號：TP311.13 文獻標識碼：A DOI：10.3969/j.issn.1003-6970.2021.02.005

本文著錄格式：李強，李木昌.基于大數據挖掘的大學生上網行為分析與預警干預體系構建與研究[J].軟件，2021，42（02）：018-020

Analysis and Warning Intervention of College Students Online Behavior Based on Big Data Mining System Construction and Research

LI Qiang， LI Muchang

（Zhuhai City Polytechnic， Zhuhai? Guangdong? 519090）

【Abstract】：In order to improve the level of university student management， and give full play to the role of informatization and intelligent technology in the management of university students. Using big data technologies， it studies the construction of college students' online behavior analysis and early warning intervention system based on big data mining. This study uses multi-dimensional data from students to conduct in-depth modeling and analysis， so as to identify online users who meet the behavioral characteristics of campus online loans， Internet addiction， and risky users. Provide early warning to the relevant management departments of the school and take precautions in advance， provide a reference basis for the early intervention of the student management staff， and have important guiding significance for improving the management of college students.

【Key words】：big data technology;student management;online behavior of college students

0引言

在國外，90年代初開始對網絡用戶行為分析，美國針對網絡用戶行為進行了初步的統計、分析和研究，試圖總結研究出網絡用戶活動的方式對網絡的影響。

網絡用戶行為分析在我國內已經有了多年的發展，取得了長足的進步，使用大數據挖掘技術對上網用戶網絡行為開展的研究起步相對較晚，到2001年才有人發表了關于Web挖掘的綜述性文獻，文獻研究重點還是在于對數據庫和服務器日志進行的數據分析，來研究上網行為的特征和規律，并運用于網站優化、網絡安全、網絡行為預測等方面。高校大學生上網行為的相關研究主要可以概括為以下幾類：

（1）采用不同分析方法來研究大學生上網行為，其中咸陽師范學院的弋改珍、浙江師范大學的徐長江等人分別采用主成分分析法、相關分析法、技術接受模式（TAM）等分析方法模型，以大學生上網行為數據為數據源研究對象，對數據源進行采集、整理、清洗，并建立評價指標進行分析，得出大學生思想政治教育相關研究結果，最終針對大學生上網行為提出合理的指導建議[1]。

（2）針對大學生上網行為與網絡成癮、網絡沉迷、校園網貸等現象的相關研究，福州大學的林絢暉使用卡特爾十六種人格因素測驗（16PF）、網絡成癮診斷問卷、網絡使用情況調查表，對大學生上網行為及網絡成癮、網絡沉迷、校園網貸等現象進行探討[2];西安電子科技大學的侯其鋒針對大學生的不同網絡成癮狀態進行了研究，探討不同網絡成癮狀態大學生的人口資料、上網行為、人格心理特征及自我控制能力的差異[3];廈門大學的龍堅毅以理性行為理論和計劃行為理論為基礎架構，建立了大學生上網沉迷行為影響因素理論模型，運用結構方程分析方法分析大學生手機上網行為沉迷行為的直接影響因素[4];云南師范大學的王寧邦對高校校園網貸現象的成因進行分析，探索基于上網行為審計系統平臺的校園網貸行為大數據分析，對高校大學生中的校園網貸行為進行發現和預警，提前做好防范和思想教育工作[5]。

（3）針對大學生上網行為與思想政治教育的研究，重慶醫科大學的楊廷偉針對當前大學生上網行為的特點進行分析，從思想政治教育的方面入手，對如何加強大學生網絡思想政治教育提出了建議與指導，用來有效改善大學生的思想狀況，提升大學生的思想道德品質;吉林農業大學的于天紅針對“90后”特性大學生上網行為進行深入研究，通過加強網絡思想政治教育主題網站的建設、網絡思想政治教師隊伍建設來構建思想政治教育網絡平臺[6]。

1 本系統構建與研究的意義

1.1研究背景

截至2019年6月30日統計，我國上網人數達8.54億左右，互聯網普及率為61.2%，其中，高校大學生的上網人數占總數的25%，因此大學生已是網絡社會的主體。在各高校相繼推進數字化校園建設中，髙校信息化建設基礎設施不斷完善，高校無線WIFI、有線網絡的全面覆蓋，為學生校園上網提供了便利，學生上網學習、游戲、視頻和購物等已經成為日常生活的重要組成部分。

但是由于網絡上的信息監管體制和技術不到位，大學生群體思想單純、明辨是非能力欠缺、學校社會家庭教育的缺失等因素，在網絡為他們帶來便利的同時，也帶來了一系列社會問題，例如：大學生容易被網絡上的不良信息所誘導超前消費，在還不能明辨是非的年齡時期深陷不良的網貸深淵;部分學生自律能力差，網絡沉迷于網絡游戲、色情視頻等，嚴重影響了學業和身心健康;部分學生還沒有明辨是非能力，通過網絡進行一些黃賭毒等違法行為和傳播不當言論，造成嚴重的社會影響甚至引發法律問題。這些現象嚴重影響了學生的身心健康成長，給學校、社會、家庭帶來了很大的管理成本。

在網絡普及的高校校園，大學生登錄校園網絡時將產生海量的上網行為數據，學生的上網行為數據可以真實反映出學生習慣、愛好、動機、愿望、異常動態等，從海量數據中挖掘出有價值的信息進行分析，提前針對學生不良上網行為進行預警，并采取必要措施及時干預就顯得尤為重要，這必將成為當前學者們研究的熱點課題，這也為進一步研究大學生校園學習生活提供了新的思路和方法。

1.2研究目的

本課題目的在于利用大數據挖掘技術為高校學生上網行為分析提供解決方案;對大學生校園網貸行為、網絡沉迷以及風險用戶提前進行研判、預警，及時向學校相關管理部門提供相關信息并做好干預工作，有助于遏制不良校園網貸、網絡沉迷以及風險用戶的蔓延;創新的提出了大學生思政工作新方法、新思路。

1.3研究意義

伴隨著信息化技術的不斷提升，互聯網已經覆蓋人們生產生活的各個方面。對于高校大學生來說，網絡一方面為高校大學生的生活、學習帶來便利。另一方面，一些學生由于自身和環境等因素影響，產生不良上網行為，近年來，大學生深陷網貸、網癮以及網絡違法行為等案例一次又一次為我們敲響警鐘，一個又一個鮮活的生命提前凋零。因此，我們要正確的使用網絡充分發揮網絡教育資源的優勢，反之會讓學生迷失于網絡世界，影響正常的學習，浪費大量的時間、精力、財力，更有甚者是失去自己的生命。無論是從社會角度、法律角度，還是從學校的利益角度、家庭及學生個人角度，對大學生上網行為的分析研究都是具有現實意義的。

2系統總體框架結構、研究主要思路

2.1研究目標

本研究主要以高校學生上網行為和通過網絡挖掘相關數據為研究對象，多維度對數據進行深度建模分析，從而找出滿足校園網貸、網絡沉迷和風險用戶行為特征的上網用戶。對大學生的校園網貸行為、網絡沉迷和風險用戶提前進行研判，及時向學校相關管理部門預警并提前做好預防，極大地提高了校園網貸、網絡沉迷和風險用戶治理工作的主動性，通過大數據技術手段提升學生管理工作效率，為學生管理工作人員提前干預提供可參考的依據，對高校的學生管理工作具有重大意義。

2.2研究內容

（1）運用高校學生上網行為感知系統獲取大學生上網行為數據，利用hadoop框架，將上網行為系統中海量的上網行為數據上傳到HDFS系統中，之后利用Map Reduce從各個維度進行分析數據，最后將分析結果導入到MySQL數據庫當中，并在java web前端進行可視化展示。針對校園網貸、網絡沉迷以及風險用戶的不同特點，分別選取相關屬性進行分析，針對校園網貸選取“搜索貸款網站”“訪問網貸URL”“發生網銀行為”“發生賬單數據”，針對網絡沉迷選取“在線游戲時長”“在線視頻時長”“下載游戲URL”“下載視頻數量”，針對風險用戶選取“暴恐網站種類和次數”“黃賭毒網站種類和次數”“相關網站時長”等作為研究屬性，具體如圖1所示。

（2）通過上網行為分析搭建訪問網貸網站、網貸應用、搜索網貸關鍵詞、涉黃、涉賭、涉毒、暴恐等行為高危信息庫，并存儲在MySQL數據庫當中。高危信息庫的建立是一個螺旋上升不斷變化的過程，通過不斷的積累，形成案例知識庫，改進完善信息庫，將極大地提升研判異常上網行為的準確率。

（3）通過大數據可視化功能模塊展示學生上網行為分析的結果，期中有用戶搜索關鍵詞排行與搜索量排行展示，用戶點擊URL排行可視化展示，用戶上網時間排行可視化展示，用戶上網日期可視化展示，可視化展示是利用web可視化工具，可視化展示后臺的數據由數據分析所在的MySQL數據庫提供，通過對其中相關內容進行查詢。

（4）通過上網行為大數據分析與高危信息庫對比，判斷出校園網貸、網絡沉迷以及風險用戶的高危人員，將按照設定的閾值分為黃色預警、橙色預警、紅色預警等級。按照不同的預警等級協同學校學生工作處、黨委宣傳部、后勤保衛處以及各二級學院等相關管理部門，再由學生工作管理部門采取相應的干預措施，針對黃色預警上網行為采取以輿論引導為主的干預策略，針對橙色預警上網行為采取強化思想政治教育的干預策略，針對紅色預警上網行為則需要采取必要應急預案進行提前干預，發動學院思想政治教育輔導員、班主任密切留意高危人員動向，及時追蹤掌握相關情況，以便提前發現和預警，防止惡性事件發生。在處理預警干預過程中，需要上下聯動，多部門協同，充分發揮全員育人、全方位育人、全過程育人的三全育人工作體制機制的必要性。圖2為校園大學生網貸、網絡沉迷及風險用戶事件部門聯動處置流程圖。

3 結語

本文研究了基于大數據技術的高校學生上網行為分析模型的構建，通過大數據分析來研判校園網貸、網絡沉迷以及風險用戶的高危人員，按照不同的預警等級協調聯動學校相關管理部門，及時追蹤掌握學生相關情況，以便提前發現和預警，防止惡性事件發生。為學生管理工作人員提前干預提供可參考的依據，對高校的學生管理工作具有重要的指導意義。

參考文獻

[1] 弋改珍.基于SAS的大學生上網行為數據的可視化分析[J].教育現代化，2017，4（15）：154-156.

[2] 林絢暉，閻鞏固.中國心理衛生雜志[J].教育現代化，2001，15（4）：

281-283.

[3] 侯其鋒，楊鋯，陳嵐嵐.大學生網絡成癮與拒網自我效能及網絡自我效能的關系探討[J].浙江大學學報（理學版）.2013，40（4）：

483-488.

[4] 龍堅毅，王坤鐘.大學生手機上網沉迷行為研究[J].黑河學刊.2011（8）：197-198.

[5] 王寧邦.大數據背景下自媒體時代高校突發事件網絡輿情研判與應對[J].云南農業大學學報（社會科學），2021，15（1）：134-143.

[6] 楊廷偉.大學生上網行為特點與思想政治教育對策思考[J].科學咨詢（科技·管理），2016（5）：81：82.