基于社交网络的学生分类和精准化管理探究

◆吴 霞 吴 霜

(电子科技大学；四川省泸州市高级中学校)

一、导言

在第36次《中国互联网络发展状况统计报告》中显示，截至到2016年7月，我国网民规模已达7.10亿，互联网普及率为51.7%。就各大社交软件而言，腾讯QQ(以下简称QQ)实时在线人数已超过2亿，微信用户数量已达6亿。

高校大学生群被备受家庭、学校、社会等各方面的关注。大学生作为一个重要复杂的群体，对于传统的大学生行为分析，有以下几个弊端：

(1)主要进行理论分析，对于学生行为缺乏量化考核。对于学生工作者而言，对学生的定位及判定主要通过观察、与学生交流以及自己的工作经验对比获得，其中参杂过多的主观因素，而少了客观量化考核标准，导致对学生的行为分析结果不准确。

(2)容易造成管理盲区。现高校辅导员与学生配比为1︰200，辅导员日常事情繁多，对于特殊学生群体的监控力度及完备度不够，容易造成对重要学生群体的管理缺失。此外，容易忽略对高端学生群体的引导和服务工作。

(3)重点针对性不明显。由于学生的现实行为表现有明显的滞后性，因此，对学生潜在问题的发现难度提高，管理人员无法在限定时间内找到重点学生群体已解决问题。

社交网络的自由、开放、网络、互动性，让高校学生通过实名注册和认证，在线上还原或者拓展下线交流功能，被广泛的接受和推广。一方面，社交网络可以提高学生的自我认知性：通过好友的言论、印象、交流能够对自己进行一个判断和审视，也让学生能够更好地表达自己意见看法、培养自己的兴趣爱好、适应生活环境；另一方面，若不能正确处理现实和网络，则会导致学生错误定位，沉溺于网络，不少学生现今已经成为了手机控，严重者影响其思想和精神状态。基于社交网络研究学生群体的特点，科学合理分析，掌握学生性格形成内因，才能更好地做好大学生的思想政治教育工作。本文采取基于电子科技大学通信与信息工程学院12级学生的QQ、微信信息进行社团划分，通过对学生采取问卷调查、保证学生个人隐私的基础上，对年级学生的社交网络进行分析，实验结果是可视化的，可以让学生工作管理者直观地分析年级学生情况，通过划分的不同学生群体针对性地开展工作。

二、方法

1.方法概述

我们将高校学生群体关系采用复杂网络中图的形式表现出来，边代表节点之间的连接，应用于高校学生群体，节点抽象为学生，边即代表学生之间的交互。学生联系的频繁度可以用权值来表示，通过这样的方式，可以将学生抽象为复杂网络图中的节点，学生之间的联系抽象为复杂网路图中的边。那么，高校学生之间的网络社交关系能够生成一张复杂网络图，这里我们称之为高校学生网络社交关系图。在高校中，学生之间的种种关系其本质在于学生的联系紧密度，即学生A与学生B的联系紧密度一定程度上反映出学生A与学生B在现实生活中的关系好坏。不同的节点连接方式同样能够反映学生之间的社交结构，一些不直观的图参数，例如共同节点数，代表着两个学生之间的共同好友，同样能够反映学生之间的关系。

反演，简单来说就是反向演化，在物理学中主要是将力反向变化。根据反演的思想，如果我们抓住了学生在网络社交中的本质关系，那么就可以通过这样的本质关系反向推出学生群体在现实生活中的实际关系，发现隐藏才现实生活中但在本质网络中暴露无遗的学生关系，即现实关系通过复杂网络映射于社交网络本质。基本思想是，首先建立高校学生现实关系与社交网络本质的映射体系，然后通过获取高校学生社交网络的基本数据，采用复杂网络的基本思想，构造高校学生网络社交图，运用复杂网络中对于社团、子图等处理方式，挖掘高校学生群体关系在社交网络中的本质特征，通过之前建立的映射关系反向发现高校学生群体关系的现实表现，同时根据所研究的本质特征，挖掘与探索出新的高校学生群体关系。

2.特征分析及提取

通过对大学生群体特征的分析，本文提出大学生群体关系的三个特征参数。

(1)联系频率，指学生之间的发生社交关系的频率，该参数能够一定程度上反映学生的关系紧密度，但并不是最准确的。例如在大学中，联系最频繁的不一定关系最紧密，尤其是对于联系频率较高的时候，可能存在一些由于社交原因导致的被迫联系，因此，该参数还不足以体现出大学生的社交特征。

(2)好友度，特指学生主观认为自己好友的关系紧密度，该参数是衡量两个学生之间关系的主要参数，通过好友度，能够有效判定学生群体中联系紧密的小群体，挖掘出隐藏社团。

(3)共同好友比例。高校学生关系紧密度与共同好友比例呈正相关关系，即共同好友数越多，二者关系越紧密，该特征参数在高校学生群体中尤其突出，因为大学交友目的的单纯性，该特征参数能够全面体现学生之间的关系紧密度。

3.高校学生QQ、微信连接关系数据集获取

目前，QQ中所含信息量比较大，本实验主要研究学生社交网络的群体信息，实验对象已固定且所需学生的基本信息已经核实。学生的班级信息或者其他群组织信息对于学生社团划分起到了非常关键的作用，因此，收集了学生常用的若干年级群信息，包括群名称或群号，并对群的联系紧密度进行打分，分值位于0～10分，由学生进行自我判别。此外，收集对应学生的好友QQ号或者姓名，并对所列好友紧密度进行打分，分值位于0～10分，数量不限。

QQ中的好友成分较为复杂，部分同学为其隐私考虑，主要用QQ接受群消息，微信较QQ而言更加私密，微信群也没有QQ群普及。因此，在对微信好友信息收集时省略掉了群信息，而直接选择好友姓名及联系紧密度，也为0～10分。

三、结果及分析

1.班级离群学生群体

班级离群学生群体指根据加权连边相似度划分出的社团，班级标识不明显的社团，即在该社团中，会出现各个班级的人员，而且人数相差不大，难以定义该社团属于哪个班级。对年级200人左右的网络社交关系图进行社团划分，并挖掘其中的班级离群学生群体，发现该群体均为在年级中具有相同工作或兴趣的一类人，例如学生会、摄影兴趣小组等，说明该方法对于我们发现学生的隐藏关系提供了巨大的帮助。

2.社交网络边缘学生群体

社交网络边缘学生群体指在网络社交关系图中，处于边缘地位的叶子节点所代表的一类学生，表明该类学生在网络中与其他学生联系较少，属于网络中不活跃的一类群体。提取年级上200名学生中的度为1的节点，分析其结果得出社交网络边缘学生群体大多为现实生活中同样性格孤僻的学生，该类学生往往很少与人联系，同时表现为成绩不高、容易被忽视等特征。

3.社交网络活跃学生群体

社交网络活跃学生群体指在网络社交关系图中，出于核心地位的中心节点所代表的一类学生，该类节点通常度很高，表明该类学生在网络中与其他学生联系较多，属于网络中及其活跃的一类群体。提取年级200名学生中的度排名前20的节点，分析其结果得出社交网络边缘学生群体大多为现实生活中同样活跃的学生，该类学生往往担任学生干部职务，例如班长、班委、学生干部等，并且20人之间有12人存在互相联系，但在这20人中，平均成绩为75.8。充分说明了社交网络中及其活跃的人物大多具有广泛的群众基础，能够胜任社会职务。

4.社交反常群体

在现实生活中，部分学生表现孤僻、冷漠、少语言、人际关系淡薄，是高校管理中的重点关注对象。但活动在各类社交平台中，成为社交达人，这类同学信息获取、收集能力强，且在社交网络与人交流顺畅，且经常发表个人观点及看法，社交好友丰富，这部分同学在现实生活和社交网络中的变现判若两人，社交习惯与方式和绝大多数同学不同。

(1)游戏群体。在高校中可以快速定位到游戏个体，但由于游戏间的合作时常发生变化、游戏个体间的特点相似等特点，对于管理者的引导和教育工作造成了不变。通过社交网络中反应的连接关系，可以划分出高紧密度的游戏群体或者游戏个体所在的其他社团关系，通过对社团或其成员特点的分析，可以得出工作新的突破口。

(2)管理助力群体。高校管理者日常主要通过班级干部进行班级管理和信息把控，但部分班级因管理者管理不当或者其他原因导致班级凝聚力不强、班级认同感不够等现象。但每个班级中都存在向心力同学，这一部分同学对于班级的走向、价值观的形成至关重要，我们可以通过对班级社交网络的分析，得出隐藏在班级中的隐形领导者，辅助班级建设和管理。

(3)两级分化群体。学生有许多聚类特点，其中一点便是优秀的同学的优秀朋友更多，反之也成立。但在实际中，无法把握大批量同学的连接关系及紧密度，对于分析缺乏证据支持。在社交网络中，寻找最活跃的学生与最不活跃的学生群体，并寻找其中的共同特点相对简单且容易实现。

(4)社交困难群体。高校中有部分同学由于各种原因社交关系薄弱，没有较强的好友关系或者只是和班级、寝室的部分同学有少部分的交流，无法进行定量的评估。通过对同学社交网络的分析，可以特定分析这一部分同学的特点，发现深层次的原因，更科学得进行引导工作。

(5)隐关系群体。由于高校中学生交友广泛，无法大范围定位学生的好友信息或者收集信息有所缺失。在社交网络平台中，可以挖掘在现实中无法获取的连接关系，这些连接关系可能来自于：老乡、社团、朋友的朋友、其他组织或通过各种关系后形成的新型关系。透过此类信息，管理者可以深度查询在目标关注名单中的同学好友信息，间接有效地进行工作。

以上学生群体在实际管理中具有隐蔽性、不易发觉性，在工作中不够有抓手，给管理工作提出了要求。

三、总结及建议

本文分析了社交网络对高校学生群体的影响，提出了在互联网时代下基于社交网络的高校学生群体新分类，基于复杂网络理论，采用改进的社团划分算法对学生的QQ好友、微信好友连接关系，进行社团划分，发现具有特殊关系的学生群体。辅导员工作是个育人工程，1︰200的师生配比需要辅导员对工作进行思考，如何高效有效地成为一个教育者、管理者、服务者、协调者、研究者，任重而道远。