一種基于SpringBoot框架校園宿舍管理系統的設計與實現

郭甲天 陳婷 向陽

摘要：在當今信息技術不斷創新的背景下，學生身心健康問題越來越引起人們的關注。為了提高學生在校的幸福指數以及對宿舍的整體滿意度，該系統在傳統的宿舍管理系統中加入了基于MBTI測試的舍友匹配功能，該功能使用決策樹算法，通過學生MBTI測試問卷的結果，進行算法預測分類，最后匹配出人格相似的室友，這樣可以大大降低室友因性格不合而引發的身心健康問題，同時也體現了大學的人文關懷。該系統采用SpringBoot、VUE、MyBatis框架和MySQL數據庫技術以及數據可視化技術相結合完成系統設計，同時設計了人員信息管理、宿舍信息管理、室友匹配管理、申請管理、測試問卷管理等功能模塊。

關鍵字：軟件開發；宿舍管理；SpringBoot；決策樹算法；MBTI

中圖分類號：TP311? ? ? 文獻標識碼：A

文章編號：1009-3044（2024）07-0037-04

開放科學（資源服務）標識碼（OSID）

0 引言

隨著高校招生規模不斷擴大，學生人數逐漸增多，宿舍中人際矛盾也愈發明顯。近年來不斷有高校惡性事件發生，如校園霸凌、宿舍傷人事件等，而宿舍作為學生在大學生活中最重要的場所之一，也是在校停留時間最長的地方，對大學生日后的發展以及心理有著極為重要的作用。

因此，宿舍管理工作需要改變思維方式，改革服務模式，以更好地滿足學生需求，提高管理效率，并推動校園信息化建設。所以，本系統旨在通過學生的MBTI測試，建立一個能夠分配室友的宿舍管理系統，以達到改善宿舍工作管理的效果。本系統的優勢在于：提高學生學習效率，改善宿舍整體滿意度；減少宿舍的矛盾與沖突，提升學生幸福感；提高宿舍管理效率，體現大學的人文關懷。

1 國內外研究現狀

2023年Han H等在“Research on the Intelligent Distribution System of College Dormitory Based on the Decision Tree Classification Algorithm”文獻中，根據大學生個人偏好收集大一新生數據，進行分類比較，采用基于信息增益原理的決策樹分類算法作為宿舍分配的核心算法，確定學生個人偏好和決策樹分類偏好的描述規則，滿足學生個性分類對宿舍的要求，為智能宿舍分配系統奠定了基礎[1]。

2020年Fosnacht K等在“The Relationship of First-Year Residence Hall Roommate Assignment Policy with Interactional Diversity and Perceptions of the Campus Environment”文獻中提出學生宿舍是進行多樣化互動的場所，并且一個多元化的學生群體是有價值的，能夠促進他們之間的學習和發展。研究了室友分配過程中如何影響學生的互動多樣性和校園環境的看法，以及這些關系是否因種族或民族而異[2]。

2021年吳志豐等在《一種基于學生特性的智能宿舍分配方法與系統》文獻中，設計了KMeans算法模型對學生進行統一的宿舍分配，包括學生客觀信息提取，學生主觀信息提取，綜合學生各項信息形成學生特性模型，宿舍預分配并生成宿舍屬性，學生選擇是否愿意入住，結合學生實際意愿重新調整宿舍分配。幫助學校更高效，更合理地分配學生宿舍資源，體現以人為本的理念[3]。

2021年蔣晟等在《基于SpringBoot的學生宿舍管理系統的設計與實現》文獻中，設計了SpringBoot架構模式與EasyUI前臺框架相結合的學生宿舍管理系統，實現了學生的入住寢室與交換寢室管理、寢室衛生與日常的評級管理、宿舍的報修管理等功能，降低了管理宿舍的難度[4]。

2023年李鏡煥等在《基于學生偏好的宿舍分配系統的設計與構建》文獻中，針對學生自身住宿偏好，提出“生活習慣差異”等四類調查問題，以調查問卷的回收數據作為分析依據，采用基于信息增益原則的決策樹分類算法作為宿舍分配的核心算法，確定基于學生自身偏好與決策樹分類的偏好狀態描述規則，得出最佳分類方法，以期滿足學生對住宿分配的個性化需求，為高校宿舍智能分配系統奠定基礎[5]。

2 算法設計

2.1 設計MBTI問卷

2.2 MBTI測試規則

通過對表1中用戶選擇的同類字母進行統計，選出個數最大的字母（共4個字母），作為最終的MBTI測試結果。本系統使用Java來調用Wake包中的J48決策樹算法，以預測學生的MBTI人格類型，并且如果四個字母中有三個相同，也就是相似度大于或等于75%，就將其視為性格相似，匹配為舍友。具體匹配步驟如下。

1） 數據預處理，首先，需要將MBTI問卷結果轉化為可以被J48算法接受的格式。每個字母可以作為一個特征，所以你需要將每個MBTI類型轉化為一個特征向量。

2） 訓練決策樹模型，使用Java語言調用Wake包中的J48算法，根據學生MBTI測試的結果，對所有數據庫中MBTI類型和對應的學生等數據來訓練決策樹模型。

3） 進行分類預測，對于每個學生，使用他們的MBTI類型和訓練好的模型來進行預測。模型將返回一個預測的人格類型。

4） 根據預測的MBTI類型匹配舍友，檢查每個學生預測的人格類型，當四個字母相似度大于等于75%時，進行舍友匹配，也可通過申請換宿，宿管進行審核后成為舍友。

2.3 決策樹算法

2.3.1 熵

在信息論和概率統計中，熵表示隨機變量不確定性的度量。設X是一個取有限個值的離散隨機變量，其概率分布為：P（X=Xi）=pi，i=1，2，...，n。則隨機變量X的熵定義為H（X）=-∑pi log pi。因熵只依賴于X的分布，而與X無關，所以可將X的熵記作H（p），即H（p）=-∑pi log pi。熵越大，隨機變量的不確定性就越大。

當pi=1或pi=1時，H（p）等于0，此時隨機變量是完全沒有不確定性的。當pi=0.5時，H（p）等于1，此時熵取值最大，隨機變量不確定性最大。

2.3.2 信息增益與ID3算法

信息增益是一種用來衡量特征對數據集分類能力的指標。在ID3算法中，特征選擇準則是最大化信息增益。信息增益是通過計算數據集在某個特征上的條件熵與數據集的熵之間的差異得到的。具體步驟如下。

1） 計算數據集的熵H（D），即所有樣本的類別分布的不確定性。

2） 計算特征A上進行劃分后的條件熵HA（D），即對特征A每個取值下，數據集的平均不確定性。計算方式為：

[HA（D）=i=1mDiD×H（Di）]

式子中，m是特征A的取值個數，|Di|是特征A取值的i種情況下的樣本數量，H（Di）是根據特征A的取值把數據集劃分后得到的子集信息熵。

3） 通過將數據集的熵減去特征A的條件熵，得到該特征的信息增益Gain（A）。

[Gain（A）=H（D）-HA（D）]

信息增益越大，表示特征對于數據集的分類能力越強，能夠減少數據集的不確定性。根據其大小選擇最優的特征進行節點劃分。ID3算法使用信息增益作為特征選擇指標，可以幫助決策樹算法確定最佳的特征來進行節點劃分，從而構建出具有較好分類能力的決策樹模型。

2.3.3 剪枝

決策樹生成算法是一種通過遞歸過程構建決策樹的方法，這個過程會持續進行直到無法進一步分割或者達到預設的停止條件。在構建決策樹的過程中，每個內部節點代表一個特征測試，每個分支表示該特征的一個可能取值，而每個葉子節點則對應一個決策結果。為了防止過擬合并提高模型的泛化能力，剪枝技術被廣泛應用。剪枝主要分為兩種策略：預剪枝和后剪枝。

預剪枝是在決策樹生長過程中實施的。該過程基于一些預先設定的規則或啟發式策略來判斷是否應繼續分裂某個節點。預剪枝的優點是操作簡單，但其缺點是可能會導致模型過于簡化，從而丟失一些重要的細節和模式。

后剪枝則是在決策樹完全生長之后進行的優化步驟。該過程首先構建出一棵完整的決策樹，然后從底部的葉子節點開始，逐層向上檢查是否可以通過刪除某些子樹或葉節點來改善模型的性能。如果刪除某個節點后，整體模型的復雜性降低且預測精度沒有明顯下降，那么就會保留這個剪枝操作。后剪枝的優點是可以更精細地控制模型的復雜度，減少過擬合的風險，但其缺點是計算成本較高[6]。

3 系統設計

3.1 用例圖設計

通過需求分析，本系統的總用例圖如圖1所示，共有3個參與者，分別為學生、宿舍管理員、超級管理員。

3.2 功能設計

1） MBTI問卷測試：學生在本模塊進行填寫屬于自己的人格特質測試問卷，填寫完后可顯示自己的人格類型。

2） 生活問卷測試問卷：學生可以在此模塊填寫自己的生活習慣。

3） MBTI舍友匹配：學生可以在此模塊匹配與之相似的舍友，具體是通過問卷中的4個字母組合進行分類預測。

4） 調宿管理：宿舍管理員可以在此模塊查看并批閱學生所提交的調宿申請。

5） 樓宇房間信息管理：宿舍管理員在模塊管理各個樓宇及房間信息。

6） 寢室人員分配：宿舍管理員通過后臺對未住滿的宿舍進行分配管理。

7） 學生信息管理：宿舍管理員在此模塊進行學生的賬號分配，學生信息等管理。

8） 宿管信息管理：超級管理員在此模塊進行宿管的賬號分配等管理。

9） 報修管理：宿舍管理員在此模塊可以查看學生所提交的報修申請并進行審核。

10） 公告管理：宿舍管理員可以在此模塊發送公告。

11） 訪客管理：宿舍管理員在此模塊可以進行訪客的信息管理。

本系統的功能結構圖如圖2所示。

3.3 數據庫設計

根據分析，可得到本系統的部分E-R圖如圖3所示。舍友分配需要7張表，分別存儲學生信息、舍友分配信息、樓宇房間信息、換宿信息、MBTI信息等。

1） 學生信息表：用來存儲學生基本信息，其中有性別、年齡、學號、姓名、聯系方式等。

2） 宿舍表：用來存儲整個學校宿舍的信息，其中記錄著宿舍的房間號、樓層號、可容納數。

3） 宿舍樓表：用來存儲學校有多少個宿舍樓的信息，其中有樓棟信息和樓棟屬性，樓棟屬性有3個，分別為：男生宿舍樓、女生宿舍樓、教職工宿舍樓。

4） 換宿表：用來存儲通過MBTI類型進行舍友匹配結果的信息，學生通過該匹配結果，選擇合適的室友，申請換宿，宿舍管理員可以進行對換宿的狀態進行修改。

5） 舍友分配表：用來存儲每個學生的宿舍分配情況，主鍵是學生學號，外鍵是宿舍表的id，床位位號是一個多值屬性，也就是多少個床位，床位數是根據宿舍表中的可容納數來決定。

6） MBTI測試結果表：用來存儲每個學生進行MBTI問卷測試得出結果的信息。

7） MBTI類型表：用來設置MBTI類型，其中需要設置16中MBTI類型，分別為INTJ、INTP、ENTJ、ENTP、INFJ、INFP、ENFJ、ENFP、ISTJ、ISFJ、ESTJ、ESFJ、ISTP、ISFP、ESTP、ESFP這16種人格特質類型。

4 系統實現

本系統的首頁會對學生的人數、宿舍等信息進行統計并可視化展示。其次，在我的宿舍里可以看到自己的宿舍信息，以及舍友MBTI類型。通過MBTI測試的結果對舍友進行匹配，若是匹配到的舍友不在同一個宿舍，也通過點擊“申請成為舍友”，最終宿管在后臺進行審核后成為舍友。舍友匹配實現如圖4所示。

5 結束語

本系統采用B/S模式進行開發，后端使用SpringBoot框架，前端使用VUE框架，數據庫使用MySQL進行開發本系統。先在首頁利用可視化技術進行數據展示，再根據學生MBTI的測試結果，結合決策樹算法進行相似度比較并分類預測，得出與之類型相似的室友，希望能有效地解決傳統管理方式存在的問題，提升高校宿舍管理效率，促進校園信息化建設的發展。

參考文獻：

[1] HAN H，WANG B.Research on the Intelligent Distribution System of College Dormitory Based on the Decision Tree Classification Algorithm[J].當代教育研究（百圖），2023，7（2）：7-14.

[2] FOSNACHT K，GONYEA R M，GRAHAM P A.The relationship of first-year residence hall roommate assignment policy with interactional diversity and perceptions of the campus environment[J].The Journal of Higher Education，2020，91（5）：781-804.

[3] 吳志豐，劉晨旭，姚金偉，等.一種基于學生特性的智能宿舍分配方法與系統：CN112766832A[P].2021-05-07.

[4] 蔣晟，陳科.基于SpringBoot的學生宿舍管理系統的設計與實現[J].現代信息科技，2021，5（12）：6-9.

[5] 李鏡煥，韓慧萍.基于學生偏好的宿舍分配系統的設計與構建[J].高校后勤研究，2023（8）：28-31.

[6] 鄭力嘉，宋冰.決策樹分類算法的預剪枝與優化[J].自動化儀表，2023，44（5）：56-62.

【通聯編輯：朱寶貴】