基于校園大數據的學生行為分析及預警機制研究

胡旭昊,韓成浩

(吉林建筑大學電氣與計算機學院 吉林 長春 130022)

0 引言

隨著大數據時代的降臨,物聯網、云計算等新型信息技術得到廣泛應用,高校學生的信息化、智慧化也得到了空前發展。高校通過日益完善的教務系統、圖書管理系統、一卡通管理系統等數據共享平臺,以數據挖掘為重要的技術支撐,獲取并處理成績、圖書借閱、一卡通(包括就餐、打水、購物等)等多源融合的學生行為數據[1]。大量學生行為數據的積累為高校對學生行為分析提供了數據基礎,但數據的有效分析利用缺乏經驗,數據孤島、數據資源利用不到位等問題依然存在,不能挖掘出信息真正的價值。

因此,針對在校學生存在的學業困難、消費異常及上網作息不規律等問題,在校園大數據平臺的基礎上,提出學生行為分析及預警總體方案,研究了集數據抽取、清洗、轉換、歸約和分析一體的運行系統方案,并闡述了運用行為分析、預警等相關算法及關鍵技術,對學生行為數據的全面挖掘和深入分析,對學生的行為動態提前掌握,并對重點學生的行為發展做出預判。

1 基于大數據的學生行為分析與預警平臺設計

1.1 平臺架構

在大數據技術高速發展的大環境中,高校智慧化、信息化基本普及,伴隨研究分析的深入,部分學生偏科掛科、作息紊亂、消費異常等問題也逐漸暴露。隨著高校信息化的日益完善,產生了大量如就餐、圖書借閱、學科成績、消費等多源數據。如何運用這些數據解決數據孤島、正確引導規范學生在校行為,對學生行為實現精準、高效分析及趨勢預測、異常預警是研究的重點。

針對以上問題,首先以一卡通、釘釘、圖書管理及教務系統產生的就餐、消費、上網、期末成績等數據為原始數據源,通過數據預處理形成標準庫。其次,結合機器學習(machine learning,ML)和深度學習(deep learning,DL),將標準庫的數據做聚合建模分析,形成主題庫;為保障數據計算的高效性,結合算法分布式執行系統,實現數據計算節點并發運行,對學生行為進行綜合分析[2]。然后,基于主題庫數據,利用關聯分析和聚類分析等大數據分析技術,通過學業、消費、上網等行為數據進行學業預警、消費預警、上網預警等;為保證預警模型的準確性、降低單一時間點的偶然因素,加入了消錯決策和離群偏離度的方法進行異常行為檢測。最后通過應用層,利用Power BI將分析結果通過圖表的形式分模塊進行呈現。基于大數據的學生行為分析與預警平臺總體架構,如圖1所示。

1.2 數據處理

平臺以校園管理系統中積累產生的學生行為數據作為數據源,對采集的數據進行抽取、清洗、加工和整理,確保最終數據的安全性、高質量和高可用性,具體處理步驟如下。

(1)數據清洗

清洗采集數據,包括噪聲、重復、異常數據;識別、填補、刪除缺失數據和孤立點;對敏感數據進行脫敏處理[3]。

(2)數據集成

針對采集的多個數據源的文本或表格數據利用分布式文件系統(hadoop distributed file system,HDFS)進行集成存儲[4]。

在此基礎上,依據數據倉庫及大數據相關規范,合理制定并完成異構數據的關聯,建立標準的學生行為特征數據庫,并對其學業、消費規律及生活習慣3個維度進行分析。

1.3 分析模型

鑒于在校學生出現的學業、上網、三餐等問題,利用ML和DL等技術,分析并預警學生異常行為,同時告知學生管理者,加強對此類學生的關注和正確引導,有針對性地開展學生教育工作,降低學生異常情況發生的概率。

學生異常行為,包括學業異常、消費異常、上網異常等,分析模型建立如下。

(1)學業異常:通過對學生的期末成績、出勤率、上網等數據的分析,對存在學業困難或出勤率低導致掛科的學生提供掛科預警,提前引導。

(2)消費異常:根據學生一卡通消費記錄、就餐次數及時間,對消費異常、就餐不規律等情況進行消費預警[5]。

(3)上網異常:通過統計學生登錄校園網總時長、登錄時間段,挖掘上網異常的數據,對上網沉迷、作息紊亂的學生予以網絡預警[6]。

2 異常預警關鍵技術分析

由于學生個體差異性,各人的習慣指標體現在眾多行為指數上,形成獨特的數據分布形態。基于學生行為特征數據,進行群體關系關聯,在個人數據可查的同時對不同程度關系個體加以區分,通過刻畫學生的時空特征,分析離群點,可有效發現異于常規習慣的行為,快速提出應對措施。如:離散程度越高,標注顏色越紅,該群體越特殊,應加以重視。

2.1 三餐預警

針對學生三餐不規律的情況,采用基于正態分布的異常發現算法,該算法分別計算均值、方差并把分布在α倍標準差外的樣本定義為異常點。算法具體計算步驟如下:

步驟1 計算各學生日均膳食消費金額及近2個月的三餐平均消費金額均值(mean_x);

步驟2 確定標準差(std_x);

步驟3 確定正常區間:由于方差未知,假設數據呈t分布,則上下限為mean_x-α*std_x,mean_x+α*std_x。其中,α是t分布下自由度所對應的t值。

步驟4 采集某學生當前消費金額,若不在正常區間,則識別為消費金額異常。

步驟5 重復上述步驟,分別計算每個學生的消費金額是否異常,累計1周的情況,得到一個綜合指標值,根據指標值對三餐健康程度由輕到重警報分為藍色、黃色、橙色和紅色4個階段。綜合指標值介于0～0.25為藍色預警,介于0.25～0.50為黃色預警,介于0.50～0.75為橙色預警,介于0.75～1為紅色預警。

2.2 學業預警

為保障學生的學業水平,對在校生學業成績進行統計分析并計算掛科風險,對掛科風險高的學生發出預警。選擇了基于歷史成績預測的線性回歸算法[7],其算法流程如圖2所示。

其中,變量選擇模塊中的特征向量按其對目標的回歸平方和貢獻率大小逐個引入,已被引入的特征在引入新特征后若失去重要性,則必須從回歸方程中排除,以確保只包含影響引入新特征之前的回歸方程變量,而不顯著的變量則被剔除[8]。具體特征選擇步驟如下:

步驟1 確定顯著檢驗置信水平,引入水平為F_in,剔除水平為F_out;

步驟2 樣本量記為n,已選特征數記為l;

步驟3 訓練集X=[x1,x2,x3,…,xj-1,xj],其中xj為目標;

步驟4 計算特征相關矩陣

步驟5 計算貢獻值

步驟8 返回步驟5,直到特征不再改變,停止上述計算。

完成數據清洗及特征變量的選擇后,進行回歸模型的訓練,從線性相關的數據集合里面找出一條線(超平面),使得所有點距離線的距離之和最小。通過訓練的模型結果為一條回歸方程,當預測點的參數置信區間下限低于60分,則存在掛科風險,需要引起重視。

3 學生行為分析及預警

采集某高校2021年在校生“一卡通”記錄及各部門管理系統中的數據作為數據源,結合基于正態分布的異常發現算法及線性回歸算法,對學生各行為綜合指標值進行計算分析,總結學生行為規律并對異常行為進行預警。學業行為統計如圖3所示,圖中在校生各科平均成績均在70～80分,但部分學科如高等數學A、大學外語3等存在掛科人數較多的情況,分析其原因可能是由于大班授課,學生較多,老師不能及時掌握每個學生學習進度及知識接收程度,部分學生不夠自律,不能及時向老師反饋問題,學習較懈怠。經此統計分析,這些科目老師應及時調整教學方案,加強與學生的溝通,重點關注中后游學生的學習狀態,提前進行學業掛科預警。

圖3 2021年學生學習成績分析圖

基于部分在校學生自制力差、三餐及作息不規律等問題,從上網健康度、三餐規律2個維度對在校生生活習慣進行分析。統計情況如圖4所示,圖中半數以上的學生缺乏上網規劃、沉迷網絡,上網時間集中在00:00～02:00,嚴重影響睡眠和第二天上課狀態,且不規律的作息對學生三餐也產生了一定影響。大部分學生均存在三餐較不規律或規律一般的情況,究其原因,有以下2點:

①部分學生上網習慣較差,晚上不睡早上不起,外加沒有早課的約束,早餐直接省略;

②學生自律性較差,沒有課的日子蝸居宿舍,就餐時間有所改變,部分學生選擇吃“上午飯”和“下午飯”。

通過對某高校2021年在校學生學業、上網、消費、三餐4個維度的行為分析,并計算各行為的綜合指標值,得出預警結果見表1。可見,三餐、掛科、上網紅色預警、橙色預警(行為異常程度較為嚴重)的學生人數較多,分別占總預警人數的85%、64%、98%,針對該部分學生,教師及學生管理人員要及時干預引導,積極采取措施,避免不良行為的發生。

表1 某高校2021年學生行為預警結果

4 結語

在智慧校園及大數據的環境下,針對在校學生存在的偏科掛科、作息紊亂、消費異常等問題,提出了學生行為分析及預警總體方案,研究了集數據抽取、清洗、轉換、歸約和分析一體的運行系統方案,結合基于正態分布的異常發現算法及線性回歸算法,對學生行為進行分類及特征分析,并通過分析學業、消費、上網、三餐等產生的異常行為進行識別預警,最終通過Power BI實現分析結果的連接和可視化展示。該平臺系統實現了學生行為特性和共性的進一步挖掘,為高校教學和管理提供了參考和信息支持,對學生行為做到了防患于未然,對有針對性地指導學生健康發展具有非常重要的意義。