大数据处理技术在高校学生管理中的应用研究

陈 辉

(淮南职业技术学院，安徽 淮南 232001)

一、大数据技术在高校学生管理应用中存在的问题

高校在学生管理方面有比较成熟的规章制度，在保障学生的学习、生活等方面起着十分重要的作用。但随着互联网技术的发展与普及，高校的学生管理工作面临着很多新问题、新挑战。

(一) 互联网的发展与普及给学生管理工作带来的新问题与新挑战

随着信息技术的进步，特别是互联网的普及移动终端的广泛应用，给大学生的学习、生活、思想都带来深远的影响，给高校的学生管理带来新的挑战。一是信息获取渠道的便捷性，给学生的思想教育带来严峻的挑战。在信息爆炸的时代，学生面对纷繁复杂的信息资源，如何取舍深刻着影响学生的世界观、价值观，如何引导学生给传统学生教育与管理带来了新的挑战。二是网络信息的迷恋性。一些学生迷恋网络, 沉缅于人机交流, 少数学生精神空虚, 内心封闭等。三是教育资源的对等性。信息时代带来了教育资源的对等性，打破了过去教师和学生的不对等的地位，使教育者的话语权大打折扣。这些都给高校教育和管理学生带来新的挑战。

(二) 高等教育滞后于社会需求带来的问题与挑战

随着社会化大分工的深入发展、全民素质的提高、社会生产由劳动密集型向技术密集型产业的转变，社会急需大国工匠型高、专人才，高校在通识教育下培养的人才满足不了社会的需求。虽然高校也在积极变革，但是通才教育的基本格局没有变化，满足不了对人才的精准培养。

(三) 高校的应急机制在应对突发事件时的问题与挑战

进入21世纪后，随着生活节奏的加快，自媒体的丰富多彩和西方部分媒体的鼓吹，高校的部分大学生逐渐迷失自我，高校突发事件层出不穷，从马加爵到药家鑫、从复旦大学投毒事件到安徽医科大学图书馆命案。高校在应对处理突发方面有些力不从心，迫切需要在源头上遏制突发事件。

二、大数据处理技术在学生管理中的应用

(一) 基础数据处理

大数据处理技术依据海量数据，从中找出有用数据加以处理。大数据处理技术应用于高校学生管理，需要掌握学生动态数据。在高校校园功能区设置采集点，采集学生移动端信号，获取学生动态数据。

1.采集点设置。把高校校园按功能分区，分别设置为教学科研区、生活服务区、体育运动区、休闲娱乐区、综合办公区和出入口区等。各功能分区分别设置无线热点，也可依托智慧校园平台或无线运营商的平台硬件，依靠热点实时采集学生动态数据。

2.基础数据编码。数据格式化。学生动态基础数据量庞大，需要用数据库处理技术，可对学生数据格式化设计，获取固定格式数据，见表1。以移动终端标识号为标识，建立采集表，以表1为采集表结构保存采集数据，形成基础数据数据库。采集点编号数字化。采集点编号依据其在校园内的功能分区编码，设置相应的权值，可数字化学生动态数据，见表2。把采集到的数据保存入数据库，实时动态更新数据库，保存最新数据，删除过期数据。基础数据编码。通过表1和表2配合采集，得到原始数据数据库。该数据库数据不利于数据处理，需要对其进行数据编码，转化为方便被处理的数据格式。设置采样数据分析频率，默认为5分钟，把学生动态原始数据编码为分时段存储格式，见表3。数据编码后，每天学生动态数据从早上5时到晚上11时共19小时，每小时12个采样数据共228个采样数据。对于不在分界点上的时刻，采用比重方式取舍。例如某同学在6点28分离开02采样点，进入06采样点，因为28分钟在当前5分钟采样频率中的比重为60%，所以其取值为02。

表1 高校学生动态数据表样式

表2 高校校园功能区域数值化表

表3 高校学生动态数据编码表

(二) 大数据数据处理方法

1.时刻数据。数据采集一段时间后，产生批量的学生动态数据，采用不同的处理方法，可产生相应的趋势图，依据趋势图，可以分析学生行为趋势。依据移动终端标识号，采集编码后形成时刻数据，依据采样频率可得时刻趋势，其趋势处理方式为：时刻线：

T(t)=At

(1)

其中t为当前时刻，At为高校校园功能区域数值，其值为t在表3对应的分时号的取值。

2.时段数据。按移动终端标识号区分，依据采样频率，1段时间可以采集n个数据，其动态数据趋势可处理为：时段线：

H(t)=(T(t1)+T(t2)+……+T(tn))/n

(2)

其中t为当前时段，取值是n个5分钟，t1、t2……tn为该时内第1个5分钟到第n个5分钟。它和分时号的转变为：(t-5)*12，tn是t1～t228之一，是当前时刻在本时段内的第n个5分钟。

3. 乖离率。乖离率(BIAS)，又称偏离率，简称Y值，是通过计算市场指数或收盘价与某条移动平均线之间的差距百分比，以反映一定时期内价格与其MA偏离程度的指标，从而得出价格在剧烈波动时因偏离移动平均趋势而造成回档或反弹的可能性，以及价格在正常波动范围内移动而形成继续原有势的可信度。乖离率，是用百分比来表示价格与MA间的偏离程度(差距率)。乖离率：

(D-MA(12))/MA(12)*100

(3)

其中MA(12)为默认选12日均线数据。利用乖离率，监测动态数据的偏离程度，设置阈值后，可用于设置动态预警。

三、大数据数据处理方法在高校学生管理中的应用策略

(一) 点数据管理

1.点数据趋势图。点数据趋势图是运用大数据处理技术对学生的动态数据进行处理得到的趋势图。运用大数据处理方法可以精确管理到单个学生，数据库表3中保存学生的5分钟动态时刻数据，运用公式(1)处理，可以得到该生的时刻动态趋势图；运用公式(2)处理，可以得到该生在某一时段时间内的趋势图；运用公式(3)分别对时刻线、时线处理，可以得到该生相应的乖离率。

2.点数据用于学生课内时间的管理。数据趋势图分析应用于学生课内时间的管理。由于学生的在校生活是有规律的，所以某个学生的各种趋势图也应该是周期性的，管理部门依据该学生的课程表，分析其课内时间段的趋势图数据，可以得出单个学生课内时间的时刻、时段和乖离率的具体数据，对数据进行统计分析，高校管理部门可实施具体的管理行为。一是统计出该生在该时间段内的出勤率、迟到、早退等具体学习指数，依据其学习指数等级实施预定管理方案。二是预测学生未来行为趋势，得出预测指数，依据指数采取预定管理方案。三是分析该生的乖离率，关注拐点数据，依据设置的阈值实施管理方案。高校运用点数据管理学生的课内时间，实现了在课堂内对学生的全面掌握，精准定位，精确培养，因材施教。

3.点数据用于学生课外时间的管理。高校学生的课外时间才是学生自主的时间，只有全面掌握学生的课外时间数据，才能实现对他们的精细培养。课外时间才是大学生展示个性的时间，统计分析学生的课外时间段的趋势图数据，得出其在校园各功能区域的数据指标，配合高校的人才培养计划，高校管理部门可实施具体的管理方案。一是统计出该生的兴趣指数，管理部门依据管理方案决定是引导或阻止该生的后续行为，实施培养管理方案。二是对兴趣爱好不突出的学生，依据本校的管理方案，是引导培养或是再深入挖掘等，对其实施管理。三是分析该生的乖离率，精确掌握其拐点，依据设置的阈值实施管理方案，防患突发事件。点数据用于管理学生的课外时间，实现了在课外时间对学生的全面掌握，精准定位，精确培养，因材施教。

(二) 线数据管理

1.线数据趋势图。运用大数据处理技术对班级学生的数据处理可以看作是线数据处理。线数据处理是基于点数据处理的，首先，设置学生班级。在数据库里，对基础数据添加分班设置，见表4。其次，班级数据处理方法。班级数据是采用取平均值的方法，依次取出班级里的每位学生的数据，进行求平均值运算，可以得到该班级的时刻线、时段线、和乖离率。

表4 高校学生班级表

2.线数据用于学生课内时间的管理。线数据趋势图分析应用于课内时间的管理，管理部门依据班级课表，统计分析出班级的课内时间段的趋势图数据，形成班级课堂内数据指数，依据指数实施管理方案。一是统计出该班在该时间段内的出勤率、迟到、早退等具体学习指数，依据班级学习指数等级实施预定管理方案。二是预测班级未来行为趋势，得出预测指数，依据指数实施预定管理方案。三是分析班级的乖离率，关注拐点数据，依据设置的阈值实施管理方案。高校运用线数据管理学生的课内时间，实现了在课堂内对班级的全面掌握，精准定位，精确培养，因材施教。

3.线数据用于学生课外时间的管理。高校的校风、校貌体现在班级的课外活动时间，只有全面掌握班级的课外时间数据，才能实现对他们的全面了解，精准定位和精细培养。统计分析班级课外时间段的趋势图数据，得出班级在校园各功能区域的数据指标，配合高校的人才培养计划，高校管理部门实施具体的管理方案。一是统计出该班的兴趣指数，管理部门依据本校该专业的人才培养计划，决定是引导或阻止该班的后续行为，实施培养管理方案。二是对兴趣爱好不突出的班级，依据本校的管理方案，对该班级实施兴趣引导或实践引导等，实施管理方案。三是分析该班的乖离率，精确掌握其拐点，依据设置的阈值实施管理方案，防患突发事件。线数据用于管理班级的课外时间，实现了在课外时间对班级的全面掌握，精准定位，精确培养，因材施教。

(三) 面数据管理

1.面数据处理方法。运用大数据处理技术对学生的动态数据进行面数据处理的方法。构造面数据。系部全体学生或分院的全体学生或某一些团体学生的大数据，可以看作是面数据。首先，面数据结构设置。在数据库里，对基础数据添加分班设置，见表5。其次，面数据处理方法。面数据处理也是基于点数据处理的，依次取出构造团队中组织单元里的每位学生的数据，进行求平均值运算，可以得到面数据的时刻线、时段线和乖离率。

表5 高校学生团队表

2.面数据用于学生管理。面数据趋势图分析应用于学生管理。管理部门可以研究相应趋势线的规律，得出相应学期该面数据趋势图的基本数据指标，实施管理方案。一是深化专业培养。面数据来源广泛，大家一定有相同的目标，对于以专业爱好为目标的面数据，管理部门要宏观调控，调集最强专业力量，定期对其进行指导，实现个性化培养。二是引导兴趣培养。对于以相同兴趣爱好为目标的面数据，管理部门要组织力量，定期在理论和实践场所上给予指导和帮助，引导其向更高层次发展。三是分析其乖离率，关注拐点数据，依据设置的阈值，实施管理方案。面数据来源广泛，大家目标相同，管理部门要在宏观上重视，集高校之全力给予其在专业上或兴趣上的支持，以此来达到对高校学生的全面掌握，精准关注，细致培养，因材施教。

四、结语

高校学生在校学习、生活期间，大部分时间是遵守学校的各种管理章程的，他们的活动轨迹的动态数据是有规律的。学生的个性化培养、课外时间的有效利用、突发事件的防患，都是有规律可循的。依据采集的学生基本动态数据，运用大数据处理方法，可以处理单个学生、班级学生和团队学生的数据，得出相应的学习指数、兴趣指数、趋势变化拐点等指标，依据高校制定的管理办法，及时采取措施，即可以为社会培养合格的高、专人才，又可以及时消除事件爆发的隐患，防范不良事件的发生，营造和谐的校园学习环境。运用大数据处理技术处理学生基本数据，可以得出有利于学生管理的学生、班级和团体的指标，管理部门依据指标，可以实现对学生的精准关注，细致培养，因材施教。