基于一卡通大数据对学生行为分析与研究

一、引言

随着高校信息化建设的大力发展, 校园的智慧化程度不断提升[1]。在此期间校园一卡通系统得到了快速的发展与应用, 在我国各大高校已基本普及。从而由一卡新系统产生的海量校园大数据受到很多学者和专家的关注。通过对大数据的分析和研究, 可以掌握在校大学生行为规律, 通过对学生在校生活和学生的动态大数据进项研究和分析, 可使学校对学生的被动管理转化为主动服务, 在提高学校管理水平的同时可更好的辅助学校各项发展决策[2]。

二、研究现状

近些年, 我国很多专家和学者开始运用一卡通校园大数据对高校学生行为进行研究和应用。其中, 徐鹏、沈学珺等专家就教育和大数据的关系问题展开了深入的研究[3]。蒋东兴、王晓光等就大数据进一步深入应用做了大量研究。同时, 苏州大学和河北科技大学运用K-means方法对在校生的生活行为进行聚类分析, 通过多种算法对各项数据进行评估与关联研究。

现阶段, 国外很多研究机构和个人通过大数据对学生在校行为进行了深入的研究。如:印度安纳波尔州立大学通过校园大数据开发的“热点地图”应用产品, 对在校生的生活行为进行有效的分析应用。通过类似校园一卡通的模式, 使用身份认证系统采集在校生的信息数据, 对学生的各种在校行为进行检测, 分析学生的性格趋向, 对学生的异常行为进行预判, 及时进行人为干预, 解决学生的各项生活困扰。

三、一卡通大数据的应用研究

随着大数据在学生行为中的研究与应用, 普遍出现了学生各项数据采集标准不统一、部分领域出现数据孤岛现象以及生成的大数据开发应用不足等问题。因此, 本文就利用一卡通校园大数据在应用和研究中的注意事项进行了进一步的研究。

(一) 运用一卡通系统建立学生校园基础大数据

学校可通过校园一卡通系统采集大数据, 将学生在校的学习行为数据、生活行为数据和思想动态行为数据等相关大数据经行整合。 (1) 学生学习行为数据的建立主要涉及的是学生在校学习习惯、各科学习状况信息以及课外培训与专业关注情况等。具体如下:学生在校学习习惯行为数据主要是反应个体学生周期性学习数据, 通过在校生学习习惯行为分析, 获得在校生各学习阶段的学习状态。相关信息如:上课考勤、自习时间、实践教学次数等具体信息。便于建立学生学习信息档案, 对在校生的学习行为趋势进行分析和预判。有利于动态监控学生的学习行为状态, 对学生学习行为进行预警和可行的人为协助。各科学习状态信息主要涉及的就是学生学科成绩, 通过学科成绩数据与学习习惯数据分析在校学生的学习方法, 对不同的学习方法进行交流学习, 对学生进行全面客观的综合评价。学校可以通过相关数据进行选课分析, 科学的安排各专业相关课程。课外培训和专业关注行为数据, 主要是对学生培训信息和课外关注信息的数据收集, 通过分析学生培训信息可掌握学生专业知识的不足, 利用一卡通系统获取学生图书馆借阅信息分析学生专业兴趣点, 有利于老师教学内容的调整优化。 (2) 生活行为数据的建立主要涉及的是在校生的生活行为数据, 如生活习惯数据、各种消费数据和业余文体生活数据等, 具体如下:生活习惯数据主要是涉及在校生的日常起居等习惯信息, 通过校园一卡通系统, 收集学生日常进出宿舍、教学楼和食堂等信息, 掌握在校生的校园生活轨迹。通过一卡通系统宿舍考勤、打水上网信息数据, 可对学生生活习惯进行科学分析, 对影响健康的不良嗜好进行及时警告和有效干预。消费行为数据主要涉及的是学生购餐、购物和学费相关数据, 学校可通过在校生的消费行为数据, 对学生进行定向资助和相关费用的减免和补贴, 避免学生困难信息虚假和遗漏, 同时也可优化校园消费区域与货品结构[4]。业余文体生活数据主要是通过一卡通体统收集学生日常的课外生活数据, 主要涉及的是学生进出活动场馆、参加社团活动和各项竞赛信息。通过相关数据可对学生兴趣点、活动热点和生活质量进行分析, 有利于学校开展各项文体活动, 同时可进一步丰富教育内容。 (3) 思想动态行为数据主要是通过校园一卡通对学生的心理动态, 品德素质和觉悟等相关数据进项分析研究。通过校园一卡通系统可对学生的行为轨迹数据进行分析, 可以分析出性格孤僻、形单影只的个体和时常迟到不遵守纪律的学生。学校通过对是想动态数据分析可以对行为特殊和性格缺陷学生进行针对性教育和认为干预, 完善学生行为预警机制。

(二) 对一卡通大数据的处理应具备以下分析能力

各种大数据处理平台对大数据进行分析都需要经过 (通过大数据对学生行为进行深入研究需要进过) 数据采集、数据清洗、数据存储和数据挖掘。通过一卡通获得的学生在校大数据, 通过不同算法对其进行分类, 从而分析大量数据之间的关联信息, 从中对学生的行为进行分析与预判。首先, 可对异构数据进行同构的能力。其次, 可将各领域的数据实现标准统一区域共享。第三, 相关类别数据应该具备扩展性。第四, 可实现大数据分类运算能力, 第五, 可对分类信息进行深度发掘能力, 高效可靠的寻找出各类数据的关联性。第六, 可满足大数据的并发处理能力。第七, 具备在线分析预警能力。第八, 要具备很强的兼容性和可移植性。

四、结语

随着一卡通与物联网技术的不断发展与结合, 基于校园一卡的大数据对学生行为的研究和应用的前景将更大, 科学有效的对一卡通大数据应用和研究不但可提高高校的管理对平、实现学生管理的动态监控和预警, 而且, 对高校早日建设成智慧化校园起到积极的推动作用。

摘要：近年来, 随着国内高校一卡通建设的普及与发展, 由一卡通系统生成的校园大数据倍受关注, 通过高校一卡通系统科学的建立学生校园基础大数据, 再对一卡大数据进行数据挖掘, 对大数据进行分析研究, 寻找大数据与学生行为的关联性, 不但可以完善学生异常行为预警机制, 而且可以进一步提高高校的教学管理水平, 同时可加快高校智慧化校园建设步伐。

关键词：一卡通,大数据,数据发掘