基于数据挖掘的学生行为监测与预警系统设计

（江苏信息职业技术学院 江苏 无锡 214000）

数据挖掘是由多个学科进行相互交叉融合而产生的一种全新学科，大数据时代的来临使数据挖掘成为一种新兴技术，它能够从海量数据中对具有潜在价值又能被人理解的数据信息进行挖掘与处理，它包含数据库、统计学、可视化技术、人工智能、模式识别等众多领域的理论知识，这也使其被广泛应用于各个领域当中，并取得了一系列令人瞩目的成就。而在教育领域中，利用数据挖掘技术能够使教育体制得到进一步的完善，将其应用于青少年行为监测中，能够更加科学的对青少年行为进行界定，并通过青少年的行为举止来判断其心理及生理是否产生问题，进而帮助学校更好的对青少年的生理及心理问题进行实时掌握，并采取针对性的措施来预防或纠正青少年的行为问题。同时，通过数据挖掘技术来设计一种学生行为监测与预警系统，还能够对学校在管理过程中存在的问题进行客观反映，并为学校管理人员的决策提供相关依据，进而帮助学校管理人员对问题进行及时解决。

1.学生行为的界定、分类及表现形式

1.1 学生行为的界定

对于问题行为的界定，在不同层次上有着不同的定义，这也使问题行为的界定始终较为模糊。根据外国专家学者对问题行为的定义，所谓问题行为，是指这种行为会给青少年的完好状态、健康乃至青少年成长后的生活质量与健康造成间接或直接的损害。其他外国学者也同样给出了问题行为的定义，如雷伯在1996年按照心理学的角度对问题行为进行定义，其泛指该行为可能会引发心理问题，具备他人不可理解的行为表现和具有破坏性、顺应不良、反社会、分裂等特征的行为。我国对青少年问题行为的理解中，车文博将问题行为定义为对青少年和儿童的身心健康和品格发展带来不利影响的各种行为。还有学者定义，问题行为是指青少年个体或群体出现偏离个人、学校、家庭、社会的期望方向而表现出的行为，这种行为会给青少年的自身成长与健康乃至成长后的生活质量与健康带来间接或直接的损害。综上所述，可以看出问题行为会给学生个体乃至群体带来不利影响，该行为会对学生的良好品德形成与身心健康发展造成妨碍。而对学生的问题行为进行界定不能存在盲目性，应持有慎重的态度来进行界定，在界定过程中应注意以下三点，首先，应将学生的行为表现和其所属年龄段的正常行为进行比较，只有存在较大偏差时才能界定是问题行为。其次，问题行为应具备一定的危险性与破坏性，并对学生的道德观念行为、个人素质及学习生活造成影响，甚至会给家庭、学校、社会造成影响的行为才能界定为问题行为。最后，要注意对问题行为和犯罪行为之间的差距进行把握与区分。

1.2 学生行为的分类及表现形式

我国学者将学生行为的类别共分为七个方面，分别是神经性方面问题行为（如强迫性问题行为、心理不适等）、情感方面问题行为（如学校恐怖症、社交障碍等）、智能方面问题行为（如厌学、学习不适应）、性格方面问题行为（如偏执、急躁、抑郁等）、活动过度方面问题行为（如自控能力较弱、易冲动、多动症等）、习惯性方面问题行为（如习惯性抽搐、厌食等）及社会品德方面问题行为（如偷窃、抢劫、说谎等）。本文则是将问题行为划分为六个类别，分别是品德问题行为、学业问题行为、交往问题行为、情绪问题行为、性格问题行为、恋爱与性问题行为。这六种问题行为的表现形式是，品德问题行为表现为欺骗、违纪等，学业问题行为表现为学习方法不妥、学习动机偏差等，交往问题行为表现为交往障碍、自闭等，情绪问题行为表现为焦躁、攻击性强、自卑、自我为中心、依赖等，恋爱与性问题行为表现为婚前性行为、手淫、性自闭等。

2.学生行为影响因素及指标体系

学生行为的影响因素是与学生的性格类型、学习成绩、家庭环境、同学关系等因素有关。在学生行为指标体系方面，通常是将其分成三类，一类是人际交往指标，该指标的内容包括学生对爱情、亲情、友情的看法、态度及满意度等，同时还包含负性情绪指标，负性情绪指标的内容主要有负性强绪类型、持续时间、生理状况、强烈程度、应对方式、刺激源等。另一类是个人发展状态指标，主要包括个人对困难的应对方法及适用能力、学生的气质特征、学习兴趣、学习成绩、个体人格、学习动力等。最后一类指标则是社会环境指标，主要包括学生和父母、家庭成员之间的关系、学生成长环境及教养环境、学生对学校的管理满意度等。本文则是通过与学生数据资源的结合，并围绕学生的学习成绩、家庭环境、负性生活事件、生源地、性别等影响因素来实施观测的。

3.基于数据挖掘的学生行为监测与预警系统设计

为了对学生问题行为进行准确的监测与预警，本文提出了一种基于数据挖掘的学生行为监测与预警系统，并对该系统的功能需求、总体架构设计及系统功能设计进行研究。

3.1 系统功能需求分析

基于数据挖掘的学生行为监测与预警系统是一种数字化的校园综合学工系统，通过对原有综合学工系统中储存的数据资源进行二次开发来完成整个设计过程。原有的校园综合学工系统中包含有以下功能模块，包括学生信息模块、素质拓展模块、综合素质测评模块、评奖评优模块、公寓管理模块、系统维护模块、心理健康模块、学生资助模块、日常事务模块及违纪处理模块，这些模块的功能能够对学生的在校生活情况进行综合反映，同时还能为学校对学生的教育管理提供可靠而准确的理论依据。该管理系统的面向对象包括学生、思政教师、班主任、党团组织及管理人员。该系统包括多个子系统，包括迎新工作管理子系统、学生资助管理子系统、党团工作管理子系统、心理健康管理子系统等，该系统能够对学校人员及审批流程进行自定义，同时还能够对查询、报表输出打印、权限管理中的各种申请等功能予以支持。该系统几乎包含了学生在校期间的所有事务处理，且涉及到招生就业、学生管理、安全保卫、后勤管理、团委等多个职能部门的内容，正是由于这些部门间的工作机制存在沟通不畅与协调不佳等问题，因此需要将这些职能部门的学生管理工作进行集成化，进而实现学生管理工作的协同化办公方式。基于数据挖掘的学生行为监测与预警系统在原有数字化校园综合学工系统的基础上，通过实时交换与延时交换两种方式实现各个业务系统和数据中心的数据交换功能，同时还能够为其他应用系统提供数据接口，特别是一卡通系统与学工系统之间的数据交换与业务互动、和学生工作管理系统、学生体质健康测试系统、教务管理系统等多个系统间的互动，进而有效满足了学校对学生的整个在校周期的一体化服务和管理。在进行系统设计时，在原系统的基础上进行了二次开发，并成功扩展出了用于对学生问题行为进行监测与预警的数据挖掘模块。该数据挖掘模块的工作阶段共分为三个，第一个阶段是数据准备，第二个阶段是数据挖掘，第三个阶段是结果表太及解释，通过聚类、决策树等算法来进行数据挖掘，并最终获取到学生行为问题的价值决策信息。

3.2 系统总体架构设计

在基于数据挖掘的学生行为监测与预警系统的总体架构设计中，其总体架构共分为五个层面，分别是数据呈现层、数据分析层、数据存储层、数据处理层及数据源层，数据呈现层能够为用户提供人机交互界面，并对用户指令进行接收，同时为用户反馈相应的查询结果。数据分析层能够对用户的数据请求进行处理、查询与统计，该层面中，数据挖掘模块能够对数据间的内部关系进行探寻，并构建预测模型，而多维分析模块能够使系统具备多维化的数据管理环境。数据存储层则能够按照约定逻辑将数据处理层传输的数据进行存储，此外，数据存储层还具有能够对数据挖掘进行支持的模型库。数据处理层则能够对不同数据源的相关数据进行清洗、加载、抽取及转换等功能，数据源层则是该系统的数据产生来源，来源包括学生的校园卡消费信息数据库、教务管理数据库、学生工作管理数据库等。

3.3 基于数据挖掘的系统功能设计

基于数据挖掘的学生行为监测与预警系统中，数据挖掘系统主要由两个模块构成，分别是数据分析模块及数据挖掘模块，数据分析模块能够对学生的在校生活及学习等信息进行统计、查询与分析，而数据挖掘模块则由学生行为问题预警模块、学生综合素质测评模块及学生行为问题监测模块构成。

4.结语

综上所述，本文通过设计一款基于数据挖掘的学生行为监测与预警系统，能够有效帮助学校管理人员对学生的在线情况及行为特征进行实时掌握，并对学生的行为举止进行客观准确的判断与分析，进而了解学生在成长过程中遇到的生理及心理问题，并辅助管理人员进行正确的决策，采取针对性的措施来解决学生的行为问题，消除这些行为问题给学生自身带来的不利影响，并为学生的健康成长、树立良好品德保驾护航。