高校学生思想与行为大数据相关性分析

于祥成　王莎

摘要： 通过问卷编制与统计分析，对样本高校1076名学生思想状况“人生观、政治观”等七个维度进行调研，依据分析结果的均值和标准差数据，将学生分为三类：红正、普通、困难，为衡量学生思想“层次”确定标尺。对学生在校期间的“政治、道德、学业、经济、求职、人际交往”六个主要维度的行为进行行为分析，通过构建若干个三级指标的行为体系，搭建来源于五大途径的高校学生行为大数据平台。借助SPSS进行统计学分析，研究思想数据与行为数据之间的关系，发现思想红正、普通和困难的学生的行为特点，得出与高校学生思想“好坏”呈显著正、负相关的行为指标，从而实现判断高校学生思想状况走向，对其进行预测、分类，发现规律，提升教育针对性与实效性的目的。

关键词：高校学生；思想；行为；大数据；相关性

中图分类号： G641

文献标识码：A

文章编号：1672-0717（2018）03-0079-08

收稿日期：2018-02-19

作者简介：于祥成（1970-），山东巨野人，历史学博士，湖南大学党委副书记、副教授，主要从事大学生思想政治教育研究；王莎，湖南大学教师，法学博士。

科学、准确掌握高校学生思想特征和发展规律是新时代切实提升思想政治教育亲和力和针对性的基础。“若知其人，先观其行”，思想与行为有高度相关性，思想决定行为，行为可以反映思想[1]。要真正了解个体“怎么想”，不光要看他“怎么说”，关键看他“怎么做”。人的行为方式十分复杂，通过传统的调研难以发现个体行为特点、无法解释思想-行为的逻辑联系，更加无法掌握群体行为规律[2]。大数据时代，高校学生网络化生存的特点，留下了海量的言行数据，给教育者提供进一步了解他们的重要途径。习总书记在十九大报告中提出，高校思想政治教育要“善于结合实际创造性推动工作，善于运用互联网技术和信息化手段开展工作。”[3]实践没有止境，理论创新也没有止境，高校思想政治教育者要乘势而为，借助国家大数据战略的东风，创新教育理论，改进教育手段与方法。

本研究以1076名在校学生为研究对象，从学生个体出发，紧密结合党中央对高校人才培养的目标，科学编制调查问卷，统计学生个体的思想状况得分，根据得分进行科学分组；同时，从校园信息化平台和职能部处等途径获取学生行为数据信息，用思想调研得分与标准化的行为数据以学号为连接点，建立相关性研究。对学生的思想-行为数据进行统计分析、相关性数据挖掘，可以科学、全面掌握学生的思想与行为特点，对其进行分类；可以通过行为数据预测思想状况，对其进行主动性、针对性教育；可以掌握新时期学生思想发展规律，实现思想政治教育理论与方法论的突破。

一、高校学生思想状况调研与统计分类

本调研设计的目的在于运用心理学、人口社会学的测量、实验与量化分析的方法，通过整群抽样的方法，调研样本人群的思想状况。在本调研中，以马克思主义的世界观、人生观和价值观为调研设计的理论根基，参照教育部26年来所做的高校学生思想政治状况滚动调查的最新研究进展，结合学生访谈所加入的新时代特色与元素作为调查问卷设计的理论脉络。调研设计的目的主要有两个：第一，获得每个样本个体思想状况的得分，获得衡量标准，建立起实证部分衡量个体行为的“标尺”。第二，根据每个样本个体的思想状况得分，将样本人群进行分类，对典型人群进行“分组管理”、特征分析。

1.问卷编制与验证

问卷的编制与验证主要经历三个阶段：初始问卷编制、初试与修正以及检验。

初始问卷编制。使用文献分析法梳理国内外高校学生思想行为研究文献，提炼高校学生思想动态概念的主要维度及其构成项目；运用一对一访谈对50名高校学生进行调查，充分了解他们对于人生观、价值观等看法，从中提取初始问卷可能选用的项目；將文献分析获得的结果与高校学生访谈得到的结果进行比较，保留重叠性高的项目；对所有剩余的项目进行归类分析，形成高校学生思想状况的最终调研维度；然后，根据获得的7个维度，编制高校学生思想动态调查初始问卷，并由专业教师对项目做了适当的修改，问卷采用5点量表形式，从“完全不同意”到“完全同意”，分别记1到5分。

初试与修正。将200个样本通过12所兄弟高校随机发放，对问卷进行初试。主要目的是对内容进行检查及进行初始问卷的项目分析和探索性因素分析，以筛选项目和初步考察问卷结构，进行进一步修正。

探索性因素分析。根据测试问卷结果对问卷进行语句调整、同时进行探索性因素、验证性因素分析。首先，探索性因素分析。对正式问卷的1076份样本进行Bartlett球形检验，结果显示KMO =0.908（P<0.001），说明可以进行因素分析。项目集中在7个因素上，与初始问卷维度一致，积累方差贡献率为43.92%。各因素的项目负荷、特征根和贡献率见表1。

信度检验。利用正式问卷的1076份样本进行问卷的信度检验，总体和各个维度的信度指标见表2。总体问卷的Cronbachsα系数为0.877，信度高，各个因素的Cronbachsα系数处于0.466到0.862之间，虽然有个别因素Cronbachsα系数较低，但整体信度良好。

综上，本研究高校学生思想调研问卷包含7个因素，即人生观、政治观、道德观、学习观、消费观、交际观和择业观，能够较好地解释高校学生思想状态问卷的各个维度。高校学生思想状态问卷具有良好的信度和效度，符合心理测量学规定的标准，可以作为评估学生思想状态现状的测量工具。而且，高校学生思想状态问卷简洁易测，集中反映了当代学生思想状态的主要内容，便于在大规模测评中使用。

2.正式调研与统计分组

正式问卷调研采取整群抽样方法，抽取湖南某985高校经管类专业的1126名学生作为样本，共收回1076份有效问卷。有效问卷回收率为95.6%，其中男生340人，占31.6%，女生736人，占68.4%；年龄均分布在18～24岁之间。使用SPSS21.0对问卷结果进行统计处理，并对样本高校学生思想调研结果分布进行统计分类，为判断学生思想确定“尺”，即衡量的标准，为学生思想与行为的相关分析、为学生思想分类打好基础。

问卷调查结果来看，均值为78分，大致呈现正态分布（见表3）。均值反映样本高校学生整体思想动态水平，可以认为样本高校学生整体具有较积极的学习观、消费观、交际观、就业观，较正面的人生观、政治观、道德观。以均值为中心，92.1%的得分分布在67分到88分的区域，不到8%的得分处于67分以下或者88分以上，中等得分的学生占绝大多数，少数样本学生的得分高于或者低于一般水平。统计结果说明，大多数的样本学生展现出相近的思想动态水平，少数学生的思想动态水平高于或者低于同龄人，最高分97，最低分55。根据频率分布直方图（见图1），将频数最多的三个值段作为分类标签的中间组，并按照组距划分其他组的上下限。为有效区别样本学生思想动态水平，将最高段与最低段的样本学生和中间段的样本学生区分开来，将得分状况分为五个组别：88分以上，81到88分，74到81分，67到74分，67分以下。组1的学生整体得分最高，各观念得分均为各组中最高；组2学生整体得分次高；组3学生整体得分“中游”；组4学生整体得分较低；组5学生整体得分最低。各组人数比例分别为5.04%，22.57%，43.53%，26.00%，2.86%。

对1076份思想调研问卷的统计与分析，根据表中的均值和标准差数据，可以概括出每个组别的学生思想状况特征。为增强高校学生思想政治教育的针对性，对不同类型的学生进行科学地分析，确定教育过程中对应的重点，满足思想政治教育实践中的可操作性，同时符合正态分布要求我们将大学生分为三个类型，类型一：红正，典型培育，由组1的学生构成；类型二：普通，加强引导，由组2、组3的学生构成；类型三：困难，重点关注，由组4、组5的学生构成（表3）。

二、高校学生行为大数据平台搭建与分析

高校学生思想状况典型调研对了解“95后”高校学生提供了重要视角，而行为数据能为进一步了解高校学生思想状况实际提供的科学依据。“行为反映思想”，行为大数据能够提供更为准确的观察学生思想动态的窗口。

1.高校学生主要行为分析及指標构成

高校学生行为研究是以国内外行为科学研究理论为依据，以“培养中国特色社会主义合格建设者与可靠接班人”为目标，以国家教育主管部门自1989年开始先后五次颁布的《高校学生行为准则》与《高校学生管理规定》为行为分类与规范标准，运用行为科学相关理论解构高校学生在校期间主要日常行为，并在此基础上建构既符合当代学生行为特征、又符合用中国特色社会主义人才培养标准的行为研究体系，主要包括政治行为，道德行为，学业行为，经济行为，求职行为，人际交往行为等六个维度[5-6]。通过对高校学生在校期间主要行为的分类以及对每种行为的科学分析，在行为分类与内容分析的基础上，结合高校学生的时代特点，具体落实到高校学生相对重要的日常行为。通过18个一级指标、48个二级指标、81个三级指标的划分，一方面有利于行为研究的分解，便于找到“症结”与作用点；另一方面有明确的数据收集指向，利于行为数据的采集。

2.高校学生行为数据平台及来源

高校有着丰富的数据来源。在大数据时代，曾经手写的纸质表格、试卷上鲜红的分数、鼠标的点击都变成了电脑中跳动的数据，生源信息、学生成绩、财务数字、网站流量，浩如烟海[7]。本研究中1076名高校学生六个维度的81个三级指标通过以下五种途径获得。第一，“大思政”信息数据梳理。“大思政”主要是指从事学生思想政治教育工作的相关人、财、物的总和，在高校内部主要包括：学生工作部（处）、团委、武装部、招生就业指导中心（处）等职能部门。第二，学生相关管理服务机构信息数据汇总。第三，校园内部相关网站数据获取。第四，商业合作信息数据采集。第五，问卷调查数据统计分析。问卷调查方式获取数据的前提是，一些数据确实无法通过其他途径获得，为了保证研究的合理性、完整性，通过问卷方式进行数据补充。

三、高校学生思想状况与行为表征的相关性分析

通过采集1076名学生六个维度的行为数据与其思想调研结果进行归集整合，借助SPSS21.0进行统计学分析运算，通过相关关系分析与发现，建立起“思想-行为”间的数据关系，并通过分类研究其对应特征，提炼出典型行为特征作为“标签”，进而实现通过客观行为数据对高校学生群体进行分类，为教育决策提供依据。

1.对高校学生思想呈显著正影响的行为分析

为了分析学生的行为与思想的关系，建立学生的行为与思想得分的逐步多元线性回归，通过思想得分与行为大数据的相关性分析可以得出对学生思想具有显著正影响的行为，如表5所示。若学生在学校存在这些行为，则说明该学生思想趋好。

调查表明，政治行为中，学生“4+1”课程考试成绩对思想呈现显著正影响，且“4+1”课程考试成绩每提高1%，学生思想得分将提高0.122%。这主要是因为“4+1”课程考试成绩是学生在学校对思想政治学习成效的具体表现，“4+1”课程考试成绩好体现了较高的思想政治素养，较高思想政治素养会有助于提高学生思想状态。学生参与社会志愿服务工作对思想呈现显著正影响，学生参与社会志愿服务工作、参与志愿服务比例每提高1%学生思想将提高0.354%。这主要是因为学生参与社会志愿服务体现了学生爱心与担当，与学习理论知识的情况不同，承担公益工作是思想化为行动的外在表现，从数据中可以发现，承担过公益组织工作的学生思想平均得分为79.6分，比没有过承担公益组织工作的学生高4.1分。对于学生成为党员发展对象，成为党员发展对象的比例每提高1%，学生思想得分将提高2.49%。能够加入中国共产党是学生的基本政治素养和思想觉悟较高的体现，一名合格的共产党员会体现出较高的思想素质。

道德行为中，没有参与志愿服务的思想得分为75.7分，而参与过志愿服务的思想得分为79.7分，可见参与过志愿服务的思想得分显著高于没有参与过志愿服务的学生。参与志愿服务是学生社会道德的体现，良好的社会道德行为不仅是学生精神文明的重要内容，还是学生立身做人的内在需要，可以促进学生脚踏实地的追求学习和提高自身素质，良好的社会道德必然与学生思想呈正相关关系。

学业行为中，获得评优的学生思想平均得分为79.1，比没有获得评优的学生高0.7分。每年对学生的评优是督促学生进步的外部动机，能够获得评优的学生整体上都是在学校综合表现比较突出的，一般这类学生都是学校的好学生也会表现出好的思想。在CET四＼六级情况中，没有通过在CET四＼六级的思想平均得分为77.4分，通过CET四级的思想平均得分为78.7分，通过CET六级的思想平均得分为80.8分，可见能够通过在CET四＼六级的学生普遍思想要好于没有通过CET四＼六级的。通过CET四＼六级并不是学生毕业的必要条件，但其情况往往能够体现学生对待学习的态度，学习的态度会与学生思想呈正相关关系。

求职行为中，没有获得求职能力加分项（参与各级学生组织、参加各级各类竞赛）的学生思想平均得分为78.2分，获得1-3项求职能力加分项的学生思想平均得分分别为78.4分、81.9分和85.7分。求职能力加分项（参与各级学生组织、参加各级各类竞赛）不仅说明了学生在校的表现优秀，还说明了毕业入职后也能具有的优秀的能力，能够获得的求职能力加分项越多说明学生越优秀，学生的求职行为与学生思想呈正相关关系。

为了更好地说明哪些行为更能夠说明学生思想进步，建立对学生思想状态有显著正相关的行为示意公式

y1=f（a，b，c，d，e……） 公式（1-1）

并通过建立正影响行为对学生思想的显著正影响关系，结果如表6所示。通过其系数大小来判定影响大小，则a是评优，b是“4+1”课程成绩，c是能否成为党员发展对象，d为CET四＼六级情况……。a，b，c等指行为的标签，按重要性排序，即a最重要，b次之，c再次。该公式的意义为，如果学生体现出以下行为特点：学生多次评优、“4+1”课程成绩好、成为党员发展对象、通过CET四＼六级……正向相关越强烈的，其思想表现为好的趋势越明显。

2.对高校学生思想呈显著负影响的行为分析

为了分析学生的行为与思想的关系，建立学生的行为与思想得分的逐步多元线性回归，通过思想得分与行为大数据的相关性分析可以得出对学生思想具有显著负影响的行为，如表7所示：表7中的行为表示若学生在学校存在这些行为（情况），则说明该学生思想较差。

道德行为中，学生存在违规违纪行为的思想平均得分为76.9分，比不存在违规违纪学生的思想平均分低1.9分。学生的违规违纪行为是纪律意识的体现，作为学生不能遵守学校纪律出现违规违纪情况是其行为恶劣的表现，不好的行为是不良的思想所引导的，因此，纪律意识越差越可能出现违规违纪的行为，其思想状况也必然不如纪律意识好的学生。

学业行为中，学习氛围（学生所在班级平均成绩）每提高1%，会导致学生思想得分下降0.478%。班级平均成绩体现了学习氛围，理论上学习氛围越好应该要给学生带来好的思想，但在分析中班级成绩反而给学生思想带来了负面的影响，原因可能是由于大学学习不同于高中学习，大学的学习更靠学生的自主性学习，周边同学的成绩越好，反而给其带来了思想压力，导致其思想状态不好。

人际交往行为中，无心理问题的学生思想得分为79.7分，有潜在心理问题的学生思想得分为79.3分，有一般心理问题的学生思想得分为78.4分，有严重心理问题的学生思想得分为76.5分，可见心理问题越严重思想得分越低。学生的心理存在问题往往会与人交往过程中存在问题，表现悲观、内向、孤僻的人容易与人产生距离，不好接触，其思想也往往呈现消极的一面。学生的心理存在问题与学生的思想呈负相关关系反应。

为了更好的说明哪些行为更能够说明学生思想不好，建立对学生思想状态有显著负相关的行为示意公式

y2=f（a，b，c，d，e……） 公式（1-2）

并通过建立负影响行为对学生思想的影响关系，结果如表8所示。通过其系数大小来判定影响大小，a，b，c等指行为的标签，按重要性排序，即a最重要，b次之，c再次。则a是违规违纪，b是心理问题……。该公式的意义为如果学生体现出以下行为特点：如果学生在学校有违规违纪问题或者心理问题……负向相关越强烈的，其思想表现为不好的趋势越明显。

3.其他相关发现与结论

在对行为数据指标与思想状况的相关关系进行关联分析后，还可以检验传统评价指标的正确性、突破传统智识，检验出一些与传统观念存在相违背状况的“伪指标”、发现新的可以评价思想状况的新行为指标。

第一，检验传统评价指标的正确性。自20世纪80年代形成学生思想评价以来，思想政治教育研究者在实践教学中形成了一系列完善的评价学生思想的指标，这些指标在选拔人才中发挥了巨大的积极作用。经过将近40年的发展，这些指标依然可以成为评价、选拔人才的标准，包括：理论知识学习效果（“4+1”课程考试成绩）、社会责任（参与社会公益服务）、获得奖学金情况、承担公益组织工作（参与社会志愿服务工作）、学生到课、出勤情况、参与各级学生组织、参加各级各类竞赛、纪律意识（有无违纪、违规记录）、有无心理问题。

第二，突破传统惯性思维，检验出一些与传统观念存在相违背状况的“伪指标”。这些指标是传统评价方法中惯用的指标，帮助思想政治教育者来判断学生思想好坏，在实际分析中并没有与思想呈显著相关。（1）学生校园卡“一卡通”的消费情况。传统观念中可能认为一个人在学校消费频率越高、次数越多、越规律，可能在校区停留时间比较久，生活作息比较规律，个人自控、自制能力比较强。大学学习主要靠自制、自控和自我规划的能力，相应自制、自控和自我规划能力比较强的学生理应表现出相对更加积极的思想，但实际情况来看，并没有直接关系。（2）图书馆借阅情况。传统观念中认为，喜欢“泡”图书馆是一个优秀的品质，出入图书馆频率越高、在图书馆借阅次数多、就相对更有求知欲、更爱学习，思想应该更加积极上进。但根据实际分析发现，是否喜欢“泡”图书馆与思想状况并无直接关系，其对于实践的指导意义在于，当我们得知一个学生喜欢“泡”图书馆的时候，不能再简单得出他是一个“好学生”了，要更进一步追踪其借阅内容方能有进一步结论。（3）学业成绩。长期实践中，对于成绩好的学生，都报以很高的奖赏与期待，只要成绩好，就可以包揽大小的奖学金，很大程度上就被认为是“好学生”，是要重点关注和培养的，对于其他的评价指标，并不会太在意。经过统计分析，学习成绩与思想好坏并无直接关系，学习好的并不一定就是“好学生”，学习成绩很差的并不能说明其思想也很差。其对于实践的指导意义在于，不要高估学习好的学生其对于社会的价值，要全面了解他；也不要因为学习成绩不好就直接否定一个人，更要善于发现他的“闪光点”。（4）学习氛围（班级平均成绩）。传统认为，学习氛围对于高校学生思想有较大影响，学习氛围越好的班级，学生思想状况应该越好，但在实践分析中却发现，班级学业成绩平均分越高、学生思想状况呈现出得分越低的情况。对于实践的指导意义在于，学习氛围越好的班级，越要注重思想引领和实践教育，如果班级一味注重学业，而忽略了思想政治教育日常活动的开展，对于学生思想的改善起不到积极的作用，很容易导致班级关系疏离、个体之间关系冷漠。

第三，发现新的可以评价思想状况的新行为指标。统计分析发现，通过CET4＼6级情况与学生思想得分呈现正相关。CET4＼6级通过、且分数越高的学生，其相对思想得分要高于没有通过、或者分数低的学生。虽然CET4＼6级已经取消与学位挂钩的政策实施已久，但学生对于此项考试的热度依然不减，其也是很好地反映学生自主学习能力、学习态度的很好指标。

通过上述行为指标的梳理，可以最终实现思想政治教育的主动预测、分类实施、把握思想发展规律。其一，根据行为指标数据，判断学生个体思想状况并分类，进行分类教育，有利于教育工作者快速找到切入点，实现“对症下药”。与来源于选择性、阶段性、局部性的传統调研数据相比，大数据来源于过程性、随机性的整体记录，具有海量化、复杂化、动态化的特征[8]，能够实时精准地捕捉学生个体思想状况的信息。利用学生日常活动中留下的海量行为指标数据，分析学生个体不同阶段的心理状况、情感走向和行为动态，发现隐藏规律，可较为准确地把握个体学生的思想动态。其二，根据行为指标数据，预测学生思想未来走向，实现防患于未然，进行主动教育。传统的教育决策往往是在已有的教育经验的基础上，结合国家的教育方针政策作出决策，具有滞后性。思想政治教育是一个动态的教育过程，且具有未知性，行为大数据能够对学生的行为进行分析，对思想进行预测，有利于优化教育决策，提升主动性[9]。相较而言，对大学生行为的一些规律性趋向和事件做出科学预测，化被动为主动，根据情况采取相应的措施，提前做好应急预案，在一定程度上避免一些极端事件的发生。其三，根据行为整体数据，预测群体态势和特点，发现规律。行为和思想之间的相关是存在的、有迹可循的，但学生的行为表征和思想状况之间的相关性是错综复杂的，且一些关系相关性较隐蔽，传统的分析手段难以直观地发现和定论。基于数据足够多、足够大，可以在群体思想和行为之间建立更加广泛的相关，建立相关性网络，通过大数据平台将行为信息集中，发现更多有价值的问题与思想发展规律。

参考文献

[1] 王莎，徐建军.运用大数据增强思想政治教育实效性研究[J] .思想理论教育，2016（9）：89

[2] 王莎.大数据评价：高校学生思想动态评价的现实选择[J].思想理论教育，2017（5）：107

[3] 习近平.[EB/OL]决胜全面建成小康社会 夺取新时代中国特色社会主义伟大胜利——在中国共产党第十九次全国代表大会上的报告. http：//www.gov.cn/zhuanti/2017-10/27/content_5234876.htm.，2017-10-27

[4] 习近平总书记点评的“95后”，要好好珍惜.[EB/OL].http：//politics.people.com.cn/n1/2017/0103/c1001-28996039.htm，2017-01-03.

[5] 《高等学校学生行为准则》（教学〔2005〕5号）[EB/OL] [http：//www.moe.edu.cn/jyb_xxgk/gk_gbgg/moe_0/moe_495/moe_1073/tnull_11916.html，2005.

[6] 中华人民共和国教育部.《普通高等学校学生管理规定》[EB/OL]http：//www.moe.edu.cn/srcsite/A02/s5911/moe_621/201702/t20170216_296385.html.360A02-03-2017-0022-1，2016-12.

[7] 蒋东兴，等.大数据背景下的高校智慧校园建设探讨[J]华东师范大学学报（自然科学版），2015（3）S1：119.

[8] 王莎，赵兰亭.数据肖像：“大数据”对高校学生思想的精准描绘[J].大学教育科学，2017（5）：102-107.

[9] 张远增.教育数据：制式化、设计及作为研究范式[J].湖南师范大学教育科学学报，2017（5）：57-63.