基于K-means算法的高校學(xué)生上網(wǎng)行為研究分析

唐鷺?李智?蔣方茂

摘? 要：為了更好地了解醫(yī)學(xué)類院校的學(xué)生上網(wǎng)行為特征，研究分析了一年內(nèi)學(xué)生在校期間的上網(wǎng)時(shí)長(zhǎng)和流量的變化情況，以及不同年級(jí)學(xué)生的上網(wǎng)時(shí)間和流量的特征，利用K-means算法對(duì)醫(yī)學(xué)院校學(xué)生上網(wǎng)時(shí)長(zhǎng)和上網(wǎng)流量進(jìn)行聚類，聚類研究結(jié)果反映了各類學(xué)生在校期間的上網(wǎng)情況和使用特點(diǎn)，為科學(xué)化管理學(xué)生上網(wǎng)行為提供參考，為學(xué)校信息化建設(shè)提供支持。

關(guān)鍵詞：上網(wǎng)行為;醫(yī)學(xué)院校;大數(shù)據(jù)

中圖分類號(hào)：TP391 ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2096-4706（2022）06-0038-03

Research and Analysis of College Students Online Behavior Based on

K-means Algorithm

TANG Lu， LI Zhi， JIANG Fangmao

（Guilin Medical University， Guilin? 541199， China）

Abstract： In order to better understand the characteristics of students online behavior in medical colleges， this paper studies and analyzes the change situation of students online time and flow during school in one year， as well as the characteristics of students online time and flow in different grades. K-means algorithm is used to cluster the online time and flow of medical college students. The clustering research results reflect the online situation and use characteristics of all kinds of students during school， and it provides reference for scientific management of students online behavior， and provides support for school information construction.

Keywords： online behavior; medical college; big data

0? 引? 言

隨著教育信息化技術(shù)的不斷發(fā)展，傳統(tǒng)的校園在經(jīng)過(guò)數(shù)字化校園后演變成現(xiàn)在的智慧校園。高校信息化基礎(chǔ)設(shè)施的不斷完善、有線無(wú)線網(wǎng)絡(luò)已全面覆蓋整個(gè)校園，影響著學(xué)生生活和學(xué)習(xí)的方方面面，為學(xué)生的校園生活和學(xué)習(xí)提供了便利。例如校園門禁、一卡通、數(shù)字圖書(shū)館、多媒體教室等。同時(shí)，基于智慧校園建立的各個(gè)業(yè)務(wù)系統(tǒng)在長(zhǎng)年累月地運(yùn)行過(guò)程中也產(chǎn)生了大量數(shù)據(jù)，諸如學(xué)生的基本信息、消費(fèi)、成績(jī)、以及學(xué)生上網(wǎng)行為等，這些數(shù)據(jù)客觀反映出了學(xué)生的學(xué)習(xí)生活及社交活動(dòng)規(guī)律。由于數(shù)據(jù)量較大且每日呈現(xiàn)指數(shù)級(jí)的增長(zhǎng)，使得學(xué)生管理和網(wǎng)絡(luò)管理變得日益復(fù)雜。而如何更好地利用這些數(shù)據(jù)，挖掘它背后所潛藏的價(jià)值信息，利用這些信息更好地開(kāi)展學(xué)校的教學(xué)管理工作，給廣大師生以更大的利益，成為高校信息化建設(shè)面臨的難題[1]。

校園網(wǎng)作為互聯(lián)網(wǎng)的重要組成部分，是學(xué)生學(xué)習(xí)和生活不可或缺的一部分，隨著大數(shù)據(jù)、云計(jì)算等技術(shù)的成熟，對(duì)學(xué)校的管理來(lái)說(shuō)，怎樣利用大數(shù)據(jù)技術(shù)挖掘?qū)W生的上網(wǎng)行為，提供更優(yōu)質(zhì)的教學(xué)有著重要的意義。在學(xué)生上網(wǎng)行為分析方面，茆漢國(guó)對(duì)校園網(wǎng)行為分析系統(tǒng)的結(jié)構(gòu)進(jìn)行總體設(shè)計(jì)，并提出了用K-均值算法結(jié)合AGNES聚類算法的挖掘方法來(lái)分析研究校園網(wǎng)用戶的上網(wǎng)行為?；矢Υ簌i以校園網(wǎng)用戶的行為特征進(jìn)行聚類，為合理的分配出口帶寬提供了數(shù)據(jù)依據(jù)[2-5]。

1? 相關(guān)原理介紹

在相關(guān)研究中，大多數(shù)都是采用用戶上網(wǎng)一天或者一個(gè)月為單位的上網(wǎng)時(shí)間，很多研究都是針對(duì)綜合性的高?；蛘吖た祁惛咝＃t(yī)學(xué)類的院校上網(wǎng)行為研究很少，有的甚至沒(méi)有對(duì)數(shù)據(jù)進(jìn)行清洗。本文首先選擇校園網(wǎng)認(rèn)證計(jì)費(fèi)Drcom系統(tǒng)2021年的數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，清除掉不完整、不一致、錯(cuò)誤亂碼等數(shù)據(jù)，保證數(shù)據(jù)源的可靠性、完整性、一致性、準(zhǔn)確性和關(guān)聯(lián)性，再用K-means算法對(duì)上網(wǎng)時(shí)長(zhǎng)和上網(wǎng)流量?jī)煞矫孢M(jìn)行聚類，分析不同年級(jí)的學(xué)生上網(wǎng)行為的特點(diǎn)進(jìn)行總結(jié)，有助于教師了解學(xué)生上網(wǎng)行為規(guī)律特征，提升學(xué)生管理工作的精準(zhǔn)化和科學(xué)化水平。

1.1? 數(shù)據(jù)來(lái)源

本文研究的數(shù)據(jù)來(lái)源于某醫(yī)學(xué)院校的校園網(wǎng)認(rèn)證計(jì)費(fèi)Drcom系統(tǒng)，系統(tǒng)的數(shù)據(jù)內(nèi)容包括上網(wǎng)用戶每次登錄的賬號(hào)、時(shí)間、IP地址、登陸的MAC地址、訪問(wèn)的URL地址等相關(guān)信息。由于寒暑假大多數(shù)學(xué)生不在校，對(duì)于網(wǎng)絡(luò)的使用情況研究?jī)r(jià)值低，結(jié)合實(shí)際情況，因此本文只提取2021年4月—12月，一共6個(gè)月的數(shù)據(jù)作為分析對(duì)象。

1.2? 數(shù)據(jù)清洗

由于獲取到的用戶行為記錄日志屬于用戶訪問(wèn)的原始信息沒(méi)有任何的加工和處理，有的數(shù)據(jù)甚至是不完整、不一致、錯(cuò)誤亂碼等數(shù)據(jù)，當(dāng)然還存在一些無(wú)關(guān)的數(shù)據(jù)，這對(duì)于數(shù)據(jù)挖掘毫無(wú)意義。因此，基于數(shù)據(jù)特點(diǎn)和實(shí)際需求，我們對(duì)這些原始數(shù)據(jù)進(jìn)行預(yù)處理，進(jìn)行數(shù)據(jù)清洗工作，刪除錯(cuò)誤亂碼等數(shù)據(jù)，消除數(shù)據(jù)冗余，只挑選出學(xué)生的訪問(wèn)信息，保證數(shù)據(jù)源的可靠性、完整性、一致性、準(zhǔn)確性和關(guān)聯(lián)性，這一步是上網(wǎng)行為分析過(guò)程比較重要的基礎(chǔ)，決定分析結(jié)果高效和準(zhǔn)確性。802F7ABF-8692-4F7E-97A3-D0100F551BBA

2? 學(xué)生上網(wǎng)行為分析與結(jié)論

2.1? 上網(wǎng)行為分析方法

在經(jīng)典的聚類算法中，常用的距離公式有歐式距離、絕對(duì)距離、明氏距離、切氏距離、方差加權(quán)距離、馬氏距離、余弦距離以及相關(guān)系數(shù)與相關(guān)距離公式。其中經(jīng)典的K-means算法采用歐式距離計(jì)算樣本之間的距離，這是聚類算法中使用頻率最高的距離公式[6]，相比較而言也具有偏小的復(fù)雜度，是一種基本的已知聚類類別數(shù)的劃分算法[7]。是一種簡(jiǎn)單、收斂速度快、易實(shí)現(xiàn)的經(jīng)典聚類算法，適用于數(shù)值型數(shù)據(jù)集聚類。該算法的核心思想是找出 K個(gè)聚類中心，使得每一個(gè)樣本點(diǎn)和與其最近的聚類中心的平方距離和被最小化[8]。滿足本文研究需要，因此，本文主要采用了K-means聚類算法。

2.2? 上網(wǎng)行為分析結(jié)果

通過(guò)對(duì)大量學(xué)生上網(wǎng)數(shù)據(jù)進(jìn)行整理分析發(fā)現(xiàn)，與學(xué)生的日常生活表現(xiàn)基本相符。雖然是醫(yī)學(xué)類院校，女生占比較高，男女比例大概1：3.4，但上網(wǎng)時(shí)長(zhǎng)也并不低，平均每人每天上網(wǎng)時(shí)長(zhǎng)8～10小時(shí)，但從使用流量來(lái)看，流量使用并不算太高。

2.2.1? 上網(wǎng)時(shí)長(zhǎng)

在使用K-Means算法的過(guò)程中，最重要和核心的就是確定K個(gè)聚類數(shù)，經(jīng)過(guò)反復(fù)的實(shí)驗(yàn)對(duì)比和調(diào)整，發(fā)現(xiàn)當(dāng)K=4時(shí)使得聚類結(jié)果最為緊湊，分類也是最為獨(dú)立的，可以得到最好的聚類效果。

從上網(wǎng)時(shí)長(zhǎng)的數(shù)據(jù)中我們可以總結(jié)出一些學(xué)生上網(wǎng)行為的特點(diǎn)與規(guī)律：

（1）從圖1可以看到，在4，5，6月上網(wǎng)的時(shí)長(zhǎng)比較短，呈平穩(wěn)上升趨勢(shì)，而10，11，12月平均每天上網(wǎng)時(shí)長(zhǎng)達(dá)到10小時(shí)。呈急劇上升趨勢(shì)。從圖2可以看出，在4月的時(shí)候平均每人每天上網(wǎng)時(shí)間8小時(shí)，而到了12月，平均每人上網(wǎng)時(shí)長(zhǎng)達(dá)到了11小時(shí)。總的來(lái)說(shuō)，一年內(nèi)整個(gè)上網(wǎng)時(shí)長(zhǎng)呈上升趨勢(shì)。經(jīng)分析上網(wǎng)主要時(shí)間集中在18：00—22：00。從22：00到23：00點(diǎn)有很大的回落，說(shuō)明很多學(xué)生在這個(gè)時(shí)間休息，從0點(diǎn)到7點(diǎn)熬夜上網(wǎng)學(xué)生較少。

（2）如圖3所示，大一的新生由于9月才入校，所以4，5，6月沒(méi)有數(shù)據(jù)。而從10月開(kāi)始呈現(xiàn)急劇上升的趨勢(shì)，10月到11月的時(shí)候由于剛?cè)胄?，在新環(huán)境結(jié)交新朋友，各種社團(tuán)活動(dòng)多，因此比大二、大三、大四的學(xué)生相對(duì)會(huì)上網(wǎng)少。大二和大三的學(xué)生上網(wǎng)時(shí)長(zhǎng)最為相近。大四學(xué)生上網(wǎng)時(shí)長(zhǎng)最長(zhǎng)。而大五的學(xué)生由于要經(jīng)常外出醫(yī)院實(shí)習(xí)和面臨著找工作、考研究生等重要事情，因此上網(wǎng)時(shí)長(zhǎng)相對(duì)最少。

（3）從表1聚類來(lái)看，34%的學(xué)生每月上網(wǎng)時(shí)長(zhǎng)并不算長(zhǎng)，平均每月上網(wǎng)時(shí)間大概4 254分鐘，只有少數(shù)6%的學(xué)生上網(wǎng)時(shí)間比較長(zhǎng)。

2.2.2? 上網(wǎng)流量

從上網(wǎng)流量的數(shù)據(jù)中我們可以總結(jié)出一些學(xué)生上網(wǎng)行為的特點(diǎn)與規(guī)律：

（1）從圖4可以看出，從4月到6月呈平穩(wěn)上升趨勢(shì)，而從6月和10月對(duì)比，呈急劇下降的趨勢(shì)，從10月到12月呈急劇上升趨勢(shì)，總的來(lái)說(shuō)在10，11，12月的流量對(duì)比4，5，6月上網(wǎng)的流量呈上升趨勢(shì)。圖5與圖4類似。

（2）如圖6所示，從趨勢(shì)來(lái)看，大一的學(xué)生從9月開(kāi)始入學(xué)，因此4，5，6月沒(méi)有流量使用情況。從10月開(kāi)始呈急劇上升的趨勢(shì)，流量使用情況上升最快，但還是低于大四和大五的學(xué)生。大二和大三的學(xué)生使用流量情況相似，從4月到12月呈現(xiàn)平穩(wěn)上升趨勢(shì)。大四和大五的學(xué)生使用流量情況相似，4，5，6月逐漸下降，從10月最低點(diǎn)開(kāi)始又急劇上升到12月達(dá)到最高點(diǎn)。

（3）從月均上網(wǎng)流量聚類表2分析來(lái)看，當(dāng)K=4時(shí)取得了最好的效果，分為4類，其中B類只有2%的學(xué)生平均每月上網(wǎng)流量最大，達(dá)到了102 550 2 MB，C類72%的學(xué)生平均每月上網(wǎng)流量只有440 01 MB。這類用戶最多，但使用網(wǎng)絡(luò)流量和占用寬帶卻最小。說(shuō)明大多數(shù)學(xué)生使用網(wǎng)絡(luò)只是用于查詢資料、收發(fā)郵件等學(xué)習(xí)和生活需要以及微信、QQ等社交需求。只有2%的學(xué)生，經(jīng)分析研究是由于長(zhǎng)時(shí)間開(kāi)機(jī)，使用P2P下載電影等非學(xué)習(xí)資料。

3? 結(jié)? 論

本文主要以醫(yī)學(xué)院校學(xué)生的校園網(wǎng)上網(wǎng)日志作為分析對(duì)象，通過(guò)學(xué)生在校期間的上網(wǎng)日志數(shù)據(jù)，對(duì)學(xué)生的上網(wǎng)行為進(jìn)行分析，研究反映了各類學(xué)生在校期間的上網(wǎng)情況和使用特點(diǎn)。用K-means算法對(duì)使用時(shí)長(zhǎng)和使用流量情況進(jìn)行聚類分析，分析得出大二和大三的上網(wǎng)時(shí)間和使用流量情況是最為相似。而大五的學(xué)生使用網(wǎng)絡(luò)資源相對(duì)最少。對(duì)于大多數(shù)學(xué)生而言，流量異常行為較少，學(xué)校應(yīng)加強(qiáng)學(xué)生對(duì)網(wǎng)絡(luò)安全知識(shí)的學(xué)習(xí)，發(fā)揮網(wǎng)絡(luò)的積極作用，使其利用網(wǎng)絡(luò)資源查找學(xué)習(xí)資源，最大程度降低其負(fù)面影響，合理健康地使用網(wǎng)絡(luò)資源，避免沉溺網(wǎng)絡(luò)?？蔀閷W(xué)生的管理工作提供參考，更好地開(kāi)展學(xué)校的教學(xué)管理工作。

隨著智慧校園的建設(shè)，各個(gè)業(yè)務(wù)系統(tǒng)的數(shù)據(jù)暴增，為分析學(xué)生的上網(wǎng)行為提供了更為豐富的數(shù)據(jù)信息，因此下一步會(huì)利用網(wǎng)絡(luò)日志數(shù)據(jù)結(jié)合學(xué)生成績(jī)、一卡通使用情況等做更進(jìn)一步的分析。

參考文獻(xiàn)：

[1] 周愛(ài)娟.基于計(jì)費(fèi)系統(tǒng)的校園用戶行為分析與建模 [D].北京：北京交通大學(xué)，2019.

[2] 茆漢國(guó).基于K-均值與AGNES聚類算法的校園網(wǎng)行為分析系統(tǒng)研究 [J].現(xiàn)代電子技術(shù)，2016，39（23）：116-120.

[3] 皇甫大鵬，陳平，王興建.基于一種改進(jìn)的K-means算法的校園網(wǎng)用戶行為分析研究 [J].廣西大學(xué)學(xué)報(bào)（自然科學(xué)版），2011，36（S1）：69-72.

[4] 胡茜茜.基于學(xué)生個(gè)人大數(shù)據(jù)的行為特征分析 [D].武漢：華中師范大學(xué)，2019.

[5] 李騫，王碩，隋繼學(xué).基于機(jī)器學(xué)習(xí)算法的校園網(wǎng)學(xué)生上網(wǎng)行為評(píng)估方法研究 [J].科技創(chuàng)新與應(yīng)用，2021，11（33）：1-5+11.

[6] 凌玉龍，張曉，李霞，等.改進(jìn)kmeans算法在學(xué)生消費(fèi)畫(huà)像中的應(yīng)用 [J].計(jì)算機(jī)技術(shù)與發(fā)展，2021，31（10）：122-127.

[7] 郭玉彬，吳宇航，薄傲峰，等.基于認(rèn)證數(shù)據(jù)的學(xué)生上網(wǎng)時(shí)間特征分析 [J].計(jì)算機(jī)應(yīng)用與軟件，2019，36（11）：101-106+133.

[8] 孫吉貴，劉杰，趙連宇.聚類算法研究 [J].軟件學(xué)報(bào)，2008，19（1）：48-61.

作者簡(jiǎn)介：唐鷺（1984—）女，漢族，廣西桂林人，工程師，碩士研究生，研究方向：計(jì)算機(jī)應(yīng)用技術(shù);通訊作者：李智（1990—）男，漢族，廣西桂林市人，高級(jí)工程師（信息系統(tǒng)項(xiàng)目管理師），工程碩士，研究方向：數(shù)據(jù)挖掘技術(shù)與信息安全;蔣方茂（1976—），男，漢族，廣西桂林人，助理工程師，本科，研究方向：計(jì)算機(jī)網(wǎng)絡(luò)、教育技術(shù)的應(yīng)用。

收稿日期：2022-02-15

基金項(xiàng)目：2020年度廣西高校中青年教師科研基礎(chǔ)能力提升項(xiàng)目（2020KY12009）;2021年度廣西高校中青年教師科研基礎(chǔ)能力提升項(xiàng)目（2021KY0506）802F7ABF-8692-4F7E-97A3-D0100F551BBA