基于复杂网络的班级关系分析

杨茂云 陈倩宇 王改革

摘要：班级关系分析是班级管理的基础，班级成员在网络空间的交互信息可以为班级关系分析提供依据。采集班级成员的QQ空间点赞关系数据进行网络建模，分析表明QQ空间点赞关系网络具有社团结构，社团内成员在教室的位次分布较散，其重要节点大多是班干部或活跃分子，在教室的位次分布较集中。班级成员的QQ空间点赞关系网络分析可以用于遴选班干部以及小组划分。

关键词：复杂网络；班级关系；QQ空间；教室位次；数据挖掘

中图分类号：TN711.6 文献标识码：A 文章编号：1009-3044（2018）26-0026-02

Abstract：Class relationship analysis is the basis of class management. The interaction information of class members in cyberspace can provide basis for class relationship analysis. Firstly， the QQ cyberspace of the class is captured to construct the QQ cyberspace relationship network. The network analysis shows that the QQ cyberspace relationship network not only has the community structure， but also its important nodes are mostly class cadres or activists. The QQ cyberspace relationship can be used to choose class cadres and to divide class to subgroup.

Key words： complex network； class relationship； QQ cyberspace； classroom table；data minning

1 概述

班級是高校学生管理的基本单位，在教育教学、评优评先、学生实践活动方面发挥着重要作用。班级管理与建设一直以来是学生工作的重中之重。目前，高校的班级管理基本基于辅导员的工作经验，评优评先主要以学习成绩为主，不能进行科学化的班级管理。班级作为一个集体，班级成员必然通过不断交往建立联系。学生入学以后就固定了宿舍，学生在教室上课的座位也基本是固定的，班级同学的物理关系非常清晰。目前随着移动网络的飞速发展以及社交工具软件大量使用，学生在网络空间的活跃时间已经超过在实际空间的活跃时间，网络空间关系已经成为同学关系的重要组成部分，网络空间关系可以减少物理位置和面子文化的羁绊，更能反映真实的同学关系。高校普遍用QQ做信息发布平台，学生经常在QQ空间中发布自己的所感所想，好友会点赞或评论，虽然大学班级有50人左右，但是班级同学之间的点赞关系非常复杂，QQ空间的点赞关系组成了一个复杂系统。复杂网络已经成为研究复杂系统的一个工具，近年来吸引了许多研究者的注意。乐云等基于复杂网络研究了劳动力群体离职传播动力学模型及治理策略[1]，李勇军等研究了微博传播网络中的链路预测问题[2]，刘影等研究了复杂网络上疫情与舆情的传播及其基于免疫的控制策略[3]，许少杰等基于复杂网络进行了Ⅱ型糖尿病治疗药物分析研究[4]，迟宗正等基于复杂网络进行学生实验分组[5]。基于复杂网络和网络空间数据，分析班级同学之间的关系以及网络空间关系与物理位置之间的关联，指导班级管理具有现实意义。

2 背景知识

（1） 复杂网络：复杂网络是特殊的图，复杂网络的复杂性体现在网络拓扑结构，网络上的动力学行为等比较复杂[6]。社交网络的关注关系，人与人之间的关系都可以用复杂网络刻画。

（2） 度：节点关联的边数，有向网络的出度是离开节点的边数，入度是进入节点的边数[6]。

（3） 社团结构：目前，社团结构还没有统一的定义，较为常用的是网络中的节点可以分成若干组，组内节点连接稠密而组间节点连接稀疏，常采用基于模块度的社团检测算法[7]。

（4） 节点的重要性：节点重要性是复杂网络分析的重要指标，度数、介数、接近数、k核、PR值等都是节点重要性指标，这些指标各有优缺点[6]。

3 网络建模与分析

3.1 数据收集

（1） QQ空间点赞数据采集

选择我校计算机学院14级计算机科学与技术专业的一个班级，该班共有51名学生，其中新疆5名、内蒙2名、河北3名、四川1名、河南3名、湖北1名、云南3名、贵州2名、广西2名、江西2名、甘肃2名、福建1名、浙江1名、江苏19名。考虑到学生经过两年的交往后，关系往往比较固定，只采集大三学年的QQ空间点赞数据，如表1所示。

（2） 教室位次数据采集

虽然大学生的教室位次不是固定的，但是经过长期观察和问卷调查，一段时间以后，学生在教室的位置基本固定。我们采集10个不同时间段的学生教室位置，把每个学生经常做的位置做为他的教室位次，如表2所示。

3.2 网络建模

Gephi是一款开源的复杂网络可视化和分析工具，可用于社交网络分析，生物网络分析等。学生做节点，点赞关系做边（点赞学生做源点，被点赞学生做目标点），点赞次数做边的权重构建了具有51个节点的QQ点赞关系网络（以下简称点赞网络）。生成点赞网络的点表.csv文件和边表.csv文件，导入Gephi，再经过适当的布局和外观调整，得到如图1所示的点赞网络，其中节点圆圈的大小与度的大小成正比。

3.3 网络分析

（1） 社团结构

我们基于模块度的方法划分社团结构，发现点赞网络有4个社团结构，社团1有{23，24，25，26，28，30}，，社团2有{1，18，19，27，31，33，34，35，36，38，51}，社团3有{3，5，6，7，9，11，12，14，15，16，20，22，37，42，43，45，46，48，49，50，52，56，57，58}，社团4有{ 2，4，8，29，44，53，54，55，59，60 }，显然社团3是一个大社团，其他社团大小相当。当班级进行分组活动时，可以按照社团结构划分小组，社团中的重要节点可以做组长。

（2） 重要节点分析

基于节度和PageRank两个指标选择重要节点，表2是度和PageRank排名靠前的学生名单及其相关信息，可以看出点赞网络中的重要节点绝大多数是班干部或活跃分子，节点的重要性与智育成绩和德育成绩没有相关性，重要节点与他的班级表现正相关，因而点赞网络的节点重要性可用于选拔班干部，社团1没有学生在重要节点表中，进行分组活动时要关注特别社团1的学生。

（3） 点赞网络与教室位次关联分析

在教室位次表上标出点赞网络中的重要节点，可以发现它们集中在教室的左前半部分，分别在教室位次表上标出点赞网络的各个社团内的成员，发现社团成员在教室中基本不集中在一起，分布较散，因而网络空间关系与物理位置关系没有直接相关。

4 结束语

高校学生在网络空间中的活动时间已经超过在真实空间中的活动时间，学生在网络空间可以自由、无约束的表达自己的意见，网络空间的交互更能反映真实的班级成员之间的关系。抓取一个班级QQ空间点赞数据，构建点赞网络，通过复杂网络分析发现点赞网络具有社团结构，基于度和PageRank值获得的重要节点大多数是班干部或班级活跃分子，因而网络空间分析在班干部遴选以及班级分组方面提供了定量依据。学生有社交网絡使用偏好，还有性别、年龄、生源地等人口统计学属性，要获得准确的分析结果，应该结合多个社交网络、人口统计学信息、物理位置信息等构建多层网络进行分析，这是下一步的研究方向。

参考文献：

[1] 乐云，白居，李永奎，郑弦.基于复杂网络的劳动力群体离职传播动力学模型及治理策略[J].系统管理学报，2018，27（1）：175.

[2] 李勇军，尹超，于会，刘尊.基于最大熵模型的微博传播网络中的链路预测[J].物理学报，2016，65（2）：35-45.

[3] 刘影，王伟，尚明生，唐明.复杂网络上疫情与舆情的传播及其基于免疫的控制策略[J].复杂系统与复杂性科学，2016，13（1）：74-83.

[4] 许少杰，杨帆，李海英，邹兆重，李忆琴.基于复杂网络的2型糖尿病治疗药物分析[J].中国药房，2018，29（12）：1668-1672.

[5] 迟宗正，侯刚，赖晓晨，任志磊，惠煌，李大奎.计算机组织与结构课程群开放式实验建设探讨[J].实验室研究与探索，2016，35（1）：150-154.

[6] 汪小帆，李翔，陈关荣.网络科学导论[M].北京：高等教育出版社，2012.

[7] Blondel V D， Guillaume J L， Lambiotte R， et al. Fast unfolding of community hierarchies in large networks[J]. J Stat Mech， 2008， abs/0803.0476.

[通联编辑：王力]