基于数据分析高校学生自画像的初探

赵国亮++陈晓军++李思奇++吴傲

摘要：随着互联网和人工智能的发展，数据的价值越来越得到广泛的重视，尤其是高校的数据价值，研究还处于初探期。本文首先对大数据和用户画像国内外研究现状进行分析，其次基于高校数据进行标签化、模型化，设计出基于高校的学生用户画像的模型，然后以高校学生成绩数据和消费数据为例，实现用户画像模型的初步验证，最后总结围绕高校学生自画像的研究前景，更好挖掘高校数据价值，为后期勤工助学、爱好培养、社团选拔、学生挂科预警、学生未在校预警等提供参考。

关键词：大数据；用户画像；高校学生；用户画像标签化

中图分类号：TP311 文献标识码：A 文章编号：1007-9416（2017）08-0233-02

随着互联网的出现，信息便逐渐趋向于爆炸的状态，以不同的形式展示，而这些数据蕴含巨大的价值。对于如此庞大的数据，可以通过大数据技术精准地获取自己想要的数据，从海量的数据中得到一些有用的价值，用户画像就是其中的一种应用。

1 大数据和用户画像

大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产[1]。

目前国内外的专家学者对大数据只是在数据规模上达成共识，重点对大数据与云计算、数据挖掘，并行计算和分布式处理等几个领域进行研究。国内大数据技术的应用最先开始的是淘宝、京东等几大电商的精准营销，消费者的一切行为在企业面前似乎都将是“可视化”。国外除在大数据的概念上的研究外，重点放在大数据分析算法和系统的效率。

用户画像是真实用户的虚拟代表，是建立在一系列真实数据之上的目标用户模型[3]。精准营销其实就是利用大数据技术，对用户购物数据行为进行分析，对购物人群贴上标签，进行用户画像虚拟化，有针对性地进行主动推销。高校用户画像由于受制于高校N个系统数据的独立性，同时学校往往只关心结果数据，对过程数据不重视导致众多行为数据的缺失，导致高校用户画像的研究还处于初探期。电子科大将用户画像用于挂科预警、南京理工将大数据应用于贫困生帮扶，本文将基于西南石油大学学生食堂消费、开水等数据进行用户画像初探。

2 高校的用户画像设计

高校用户画像设计主要是数据采集以及数据标签化两个方面。

2.1 数据及数据采集

基于高校的用户画像数据主要分为静态数据和动态数据。静态数据包括学生的基本信息，如性别、年龄、专业年级、成绩等信息；动态数据则包括访问课程数据、寝室门禁及校门门禁刷卡数据、澡堂刷卡数据、食堂吃饭刷卡数据、图书馆进出数据、图书馆借阅等数据。如图1所示。

2.2 数据标签化

数据标签化就是对原始数据进行分析，抽取出相关的事实数据，基于事实数据归纳出标签模型，最后抽象出预测标签。如图2所示。

通过对采集数据的分析，可以给学生贴上“标签”，将其行为标签化。例如，可以通过图书馆门禁、宿舍门禁、校门门禁以及访问课程中心次数给学生贴上“学渣”及“学霸”的标签；通过吃饭时间及金额、洗澡刷开次数以及宿舍门禁次数给学生贴上“勤劳”及“懶惰”的标签；通过图书馆书籍的浏览类别（爱好）、借书次数可以给学生贴上一个“图书馆读书情况”的标签。

3 学生自画像的初探

以高校食堂消费情况数据，采用脱敏方式，抽取了西南石油大学某专业196名学生的4169条数据。如图3所示。

通过分析其食堂吃饭刷卡时间以及GPA的实际数据，绘制了如下散点图，如图4所示。

根据如图所示的结果，可以将学生用餐时间划分为早上，中午和下午三个小组。对于早上这一组的数据可以划分为三个区间，这一组的数据的平均值即为，最大值为，最小值为。然后在至之间再找一个平均值，在至之间再找一个平均值，因此三个区间分别为早餐用餐时间早：-，早餐用餐时间中等：-，早餐用餐时间晚：-。同理，对于中午以及下午的两组用餐时间数据可以划分出相同的区间。

通过早餐、中餐及晚餐三组数据的分析，得出三餐吃饭早的时间段为：06：18：20-07：31：10，10：02：45-11：33：52，15：16：39-17：44：30；三餐吃饭中等的时间段为：07：31：10-08：45：56，11：33：52-12：17：35，17：44：30-18：21：35；三餐吃饭晚的时间段为：08：45：56-09：59：41，12：17：35-13：21：47，18：21：35-22：19：37。

得出结果，反馈到对应学生刷卡数据上，并定义吃饭次数超过1/2为早的则标签该学生为用餐勤快。同时可以把该标签与学生绩点发生关联，探索其中与成绩是否有相关性。

4 结语

构建学校用户自画像的研究，能够清楚地理解大数据在校园中的应用以及明白用户画像的影响，并且能够在大数据时代充分利用各种数据，对其进行大量深层次的挖掘 ，最终让这些数据转化为资产，更大地挖掘学校数据价值，为勤工助学、爱好培养、社团选拔、学生挂科预警、学生未在校预警等提供参考。

参考文献

[1]王军，刘金辉.大数据的国内外研究现状及发展动态分析[J].电子技术与软件工程， 2015，（23）：200-200.

[2]卞友江.“大数据”概念考辨[J].新闻研究导刊，2013，（5）：25-28.

[3]维克托·迈尔·舍恩伯格.盛扬燕，周涛，译.大数据时代[M].浙江人民出版社，2013.

[4]王振宇，郭力.基于Hadoop的搜索引擎用户行为分析[J].计算机工程与科学，2011，（04）：115-120.endprint