基于SPSS的高校学生一卡通数据实证分析

郑海鹏

(淮南联合大学 信息工程学院，安徽 淮南 232001)

高校一卡通系统中存储了海量的学生行为数据，这些数据整体上是杂乱无章的，无法真实有效地映射学生的实际行为特征。如能充分发掘这些数据背后的真正价值和意义，将会给高校的学生管理工作提供巨大的帮助。

目前，已有许多高校科研团队对高校一卡通数据展开了相关研究工作。张四海等[1]对南开大学师生食堂的消费数据进行了深入分析，给出了师生的就餐规律曲线，用于优化食堂的膳食资源配置。邢窈窈等[2]对学生校园卡刷卡行为进行分析，利用逐步回归法得出学生成绩排名的回归模型，提出提高学生成绩的实际举措；王祎珺等[3]对校园一卡通的图书馆学生学习行为进行详细分析,有效地获取了学生的学习行为现状。本文使用SPSS软件中的K-Means算法对学生用餐数据进行聚类，对聚类后的不同群体做其他行为分析。

1 淮南联合大学一卡通系统简介

淮南联合大学一卡通系统于2009年正式开通。在图书馆、学校食堂、超市、洗浴中心、校园门禁等场所中均已投放使用，系统集成度高，完美地融合了信息通信技术[4]，实现了身份认证、数据共享、金融消费等多种功能[5]。给全校学生每天的生活提供了极为便捷的服务，加速了数字化、信息化管理的进程，切实提高了学校的科学管理水平，一卡通系统已成为学校不可或缺的核心业务系统[6]。

2 一卡通数据采集、预处理及建模

高校一卡通数据涵盖了学生在校内食堂、超市、洗浴消费场所及图书馆读书、借阅等相关记录，为便于对学生用餐行为数据进行聚类分析，需要对采集到的原始数据进行预处理，去除冗余及属性值无效或缺失的相关记录。

2.1 数据采集及导入

本文原始数据由淮南联合大学一卡通系统管理中心提供，所采集数据的真实及可靠性均能得到有效保证。(注：有极少量的学生学习成绩相关数据来自于学校的学工系统)将采集到的一卡通数据文件ecexpressquery.DMP导入到Oracle数据库中，具体操作如下：

(1)使用cmd命令打开命令提示符，输入sqlplus system/1211@orcl as sysdba;

命令，以管理员身份登录oracle数据库。

(2)创建表空间并指定其存储容量

创建一个表空间用于存放将要导入的ecexpressquery.DMP文件，输入命令：

create tablespace ecexpress datafile 'C:app Administratororadataorclecexpress.dbf' size 2048M;

(3)创建用户并指定默认表空间

创建一个用户用于管理将要导入的一卡通ecexpressquery.DMP文件，输入命令：

create user zhenghaipeng identified by 1211 default tablespace ecexpress;

(4)给创建的用户授权

输入命令： grant connect,resource,dba to zhenghaipeng; 授权zhenghaipenghp用户拥有连接、资源管理及管理员权限。

(5)将一卡通原始数据文件导入到Oracle数据库中

使用命令：imp zhenghaipeng/1211@orcl file= E:一卡通数据ecexpressquery.DMP full=y;

将ecexpressquery.DMP文件导入到Oracle数据库。

2.2 数据预处理

对导入的一卡通数据进行预处理，提取学生用户有效数据特征。是对学生用户数据进行聚类分析的必要前提。处理好这一环节至关重要，对后续研究的开展具有决定性作用，因此，需要慎重处理这一环节。

(1)使用Oracle数据库应用程序开发工具SQL Developer创建一个新的连接，连接名设置为“一卡通数据预处理”，使用用户zhenghaipeng、密码：1211进行连接登录，查看每个表的表结构及表中的记录，发现其中TTNSMFLWING表为所有一卡通用户的消费流水数据，共5 130 879条记录，如图1所示。

图1 一卡通消费流水数据表

(2)数据清洗。消费流水数据表中包含了学校行政管理人员、专任教师及学生等一卡通用户的相关数据。选取用户卡号在2000043243—2000046280之间的用户数据(这些卡号为2018级在校学生的校园一卡通卡号)，创建Student_water数据表，获取2018级在校学生在2018—2019学年度的全年消费流水记录，表记录数由原来的513万条数据缩减至170万条，保留accid、amount、instime、trdid四个有效字段分别代表：用户卡号、用户单笔消费金额、用户刷卡消费的日期和具体时间、用户消费终端pose机id，其中pose机id表示对应的刷卡场所。

(3)数据分类。依据Student_water表中trdid字段对学生数据进行分类，打开TBASMIRADE表，查看trd_id字段，找出代表食堂、超市、洗浴、图书馆等场所的trd_id的相关字段值，分别创建食堂消费、超市消费、洗浴消费、图书馆阅读等数据表，存储学生相关数据记录。用以区分学生刷卡记录的不同场所。由于学生食堂消费表Canteen_water中包含了学生的三餐记录，需要进一步细化，将学生的就餐时间分为6:00—8:30、11:00—13:30、17:00—19:30等三个时段。用于区分学生早餐、午餐、晚餐消费记录。最终生成了Breakfast_water、Lunch_water、Dinner_water、supermarket_water、Wash_water、Library_water六个数据表。

(4)数据整合。上述操作完成后，需要对Breakfast_water等六个表的数据进行整合，比如：同一天学生早餐食堂刷卡记录可能有多次，但统计时只算一次早餐用餐行为。需要创建新表将Breakfast_water数据表中的卡号和日期相同的多条记录合并为一条记录，在合并的过程中需要将amount字段值(刷卡金额)进行累加，用于统计学生每次早餐消费总金额。在创建Breakfast_amount表后，所有学生的每日早餐用餐总金额已经确定，根据Breakfast_amount表中相同的accid字段值(学生卡号)出现的次数，来统计每位学生年度的早餐次数及年度早餐总额。经过一系列的数据整合后生成了Breakfast_times_amount、Lunch_times_amount、Dinner_times_amount、Supermarket_times_amount、Wash_times_amount 、Library_times六个数据表。对整合后的六个表进行合并操作(Breakfast_times_amount与Lunch_times_amount两表合并过程实例如式1所示，然后再依次合并其他表，在此不再累述)。

create table b_l_times_amount as select Breakfast_times_amount.⋆,

Lunch_times_amount.Lunch_times, Lunch_times_amount.Lunch_amount

from Breakfast_times_amount full join Lunch_times_amount on Breakfast_times_amount.accid=Lunch_times_amount.accid;(式1)

最终将Breakfast_times_amount等六个表合并生成了Student数据表，包含了每位学生年度的早餐次数、早餐消费总额、午餐次数、午餐消费总额、晚餐次数、晚餐消费总额、超市次数、超市消费总额、洗浴次数、洗浴消费总额、图书馆阅读次数共十一个字段。祛除student表中字段值缺失值及无效记录，得到了2 259条有效记录，即采集2 259名2018级学生的相关数据作为研究对象，并从学校学工系统中采集了上述2 259名学生2018—2019学年度期末考试成绩数据信息，依据学生的成绩排名，利用公式：学生成绩排名/班级总人数，得到学生成绩在班级的所处位置，(如该班级30人，学生成绩排名第5，则该学生成绩排名占比为16.66%，将成绩的占比划分为：前20%、21%—40%、41%—70%、71%—100%计做：1、2、3、4等四个等级，其中等级为1代表成绩优秀)，最后依据student表中的trdid对应成绩占比表中的trdid字段将成绩占比表中的等级字段并入student表中，student表的相关信息，如图2所示。

图2 student数据表记录截图及记录总数

2.3 数据建模

为便于数据处理，将Student表从Oracle数据库中导出，转换为同名的excel文件。将之存放到数据仓库中，对数据仓库中的数据集进行建模，采用SPSS软件中的K-Means算法进行聚类。并对聚类结果加以详细分析。整体过程如图3所示。

图3 数据建模

3 数据分析

3.1 学生一卡通数据整体情况

3.1.1 学生各项消费数据占比

依据2018级所有学生年度用餐的总额、超市消费总额、洗浴消费总额、各项消费占比，如图4所示，从中发现学生的消费总额的80%左右用于三餐消费、超市消费和洗浴消费较为接近，两项消费占比约20%。

3.1.2 学生每日用餐高峰期情况

统计学生每日三餐不同时段刷卡频次(采样：2018年5月4日至2018年6月3日时段的学生用餐信息)，将每日三餐用餐时间以半小时为准划分为15个时段，分别用B1-B5、L1-L5、D1-D5表示早餐、午餐、晚餐各自的五个时段。获取学生用餐规律曲线。从图5中发现学生在工作日期间早餐、午餐、晚餐的用餐高峰期分别为：7:00—7:30、11:30—12:00、17:30—18:00,其主要由学校日常教学作息时间所致。学生一二节课上课时间为8:00，中午11:40放学、每天晚7点学生需要按照学校规定到固定教室上晚自习。故在工作日期间学生三餐的用餐高峰期的三个时段分布较为合理；节假日期间三餐用餐高峰期分别为：7:30—8:00、11:30—12:00、18:30—19:00，主要原因归结为：周末学生早晨有充分休息的意愿，且周末没有晚自习、故节假日早、晚餐用餐高峰期滞后一个时段。相同时段工作日与节假日平均刷卡频次相差不大，主要因为学校新校区所在位置相对比较偏僻，周围餐馆离学校距离较食堂偏远，故节假日学生也大部分选择在食堂就餐。学生可以依据自己的作息时间合理地避开用餐高峰期。

图 4 学生各项消费数据占比

图 5 三餐不同时段刷卡频次

3.2 学生一卡通数据K-means聚类分析

3.2.1 利用Python程序实现手肘法，确定K-Means聚类中心最优个数K值

(1)手肘法原理：随着聚类中心个数K值的增加，聚类划分会更加详细，每个聚类中心的聚合程度会逐步提高，那么误差平方和SSE则会逐渐减小。当K小于实际聚类个数时，随着K值的增大会大幅度加快聚类中心的聚合程度，加速误差平方和SSE的下降幅度，一旦K达到实际聚类数时，再次增加K所得到的聚合程度回报会急剧变小，SSE的下降趋势骤减，继而趋于平缓，即SSE和K的关系呈手肘状，手肘位置的K值为最佳。

(2)手肘法Python语言实现：(SSE和K的关系如图6所示：即K=4为最佳)

import pandas as pd

from sklearn.cluster import KMeans

import matplotlib.pyplot as plt

Student_data = pd.read_excel(r'E:学生一卡通数据student.xlsx') # 读入数据

SSE = [] # 存放每次结果的误差平方和

for K in range(1,8): # K值取值范围为1-8

estimator = KMeans(n_clusters=k) # 构造聚类器

estimator.fit(Student_data [['早餐次数','午餐次数', '晚餐次数']])

SSE.append(estimator.inertia_)

X = range(1,8)

plt.xlabel('K') # X轴坐标为：K值

plt.ylabel('SSE') # Y轴坐标为：SSE

plt.plot(X,SSE,'o-')

plt.show() # 数据可视化，显示K与SSE的关系图

3.2.2 K-Means聚类分析

打开SPSS17软件，导入student.xlsx文件，点击菜单“分析”-->“分类”--> “K-均值聚类(k)”,弹出“K均值聚类分析”对话框，将学生的早餐次数、午餐次数、晚餐次数三个选项导入到“变量”一栏中，在聚类数(U)的文本框内输入数值4，迭代次数设置为100，对数据进行聚类分析，最终经过聚类获取了4类学生个体的案例数，选择对聚类贡献最大的两个变量早餐次数和午餐次数做散点图，如图7：Y轴代表早餐，X轴代表午餐(数据经Z-Score 标准化处理)。通过散点图可以发现聚类效果较好，表明了本研究的有效性。

图6 K与SSE关系图

图7 散点图

3.2.3 学生群体行为分析

依据上述聚类结果，统计各类学生群体的相关指标的总和、均值，做图比较各类学生群体的各种行为规律和差异。

(1)学生群体不同场所消费占比，如图8所示。

第一、第二、第三类学生群体的三餐消费分别占总体消费的87%、80%、82%，其余消费占13%、20%、18%。说明这三类学生食堂就餐相对较为规律，第四类学生群体超市消费占比46%比三餐消费占44%还要多，说明此类群体用餐习惯不规律，推测用餐习惯偏向于外卖。对比图10和图6发现：图6中整体学生用餐消费占比81%，和前三类群体就餐占比的87%、80%、82%差距甚微，而第四类群体用餐占比仅占46%，间接说明第四类群体的案例数相对较少，并没有在较大程度上影响学生整体的用餐占比。四类学生群体的洗浴占比仅第二类超过了10%，说明个人卫生消费在整个群体的消费中不是主要支出。

图8 各类学生群体不同场所消费占比

(2)学生群体用餐行为分析，如图9(下页)所示

第一类学生群体。早餐、午餐、晚餐次数均为最多，均高于其他三类群体。说明第一类学生群体用餐习惯较好，拥有良好的生活作息时间，早晨不懒床，能够按时吃三餐，自控力极强。

第二类学生群体。晚餐次数较第一类学生群体差距巨大，主要原因在于学校下午放学时间在4点15左右，到7点上晚自习之间时间比较充沛，此类学生可以自主安排晚餐，而早餐、午餐次数与第一类相比差距不太大，表明这类学生群体有一定的自我约束能力，能够在大部分时间克制自己的惰性，维持较好的生活习性，有一定的自控力。

第三类学生群体。午餐、晚餐次数较前两类有一定差距，不是特别大，而早餐次数较前两类差距较大，说明该群体不喜欢早起吃早饭，有懒床的可能性。即使晚餐时间宽裕也选择在食堂就餐。因此，推测此类学生群体自控力较差、惰性较大，生活习惯需要进一步改善(第三类群体和第二类群体虽有两餐相对而言较为正常，但一定要区分其产生的本质原因，差异对待)。

第四类学生群体。三餐次数与前三类学生群体相比，差距一目了然，几乎很少或不去食堂吃饭，推测此类学生群体用餐倾向于外卖，自身的生活处于游离状态，与现实的校园生活相违背，生活轨迹已然发生了弯曲，此类学生群体自控力极差，生活萎靡、惰性十足。

(3)学生群体其他行为分析，如图10所示

图9 用餐行为次数统计

图10 其他行为次数统计

第一类学生群体。洗浴、图书馆次数相比其他三类群体均为最多，说明此类群体爱学习并注重个人卫生，超市次数相对较少，说明生活较节俭。

第二类学生群体。超市次数最少，说明比较节俭，洗浴、图书管次数与第一类相比差距不太，说明比较爱学习和注意个人卫生。表明了该类学生与第一类学生有许多相似之处，有成为第一类群体的潜力。

第三类学生群体。洗浴次数较前两类群差距不大，说明个人卫生情况较好，超市次数稍多，但超市消费占比并不大、图书馆次数较少，整体情况表明该类学生较为懒散、不太爱学习，与前两类学生群体有本质上的差异。

第四类学生群体。洗澡次数与前三类无大的差异，个人卫生较好；超市次数明显高于其他三类学生群体，成了此类学生的主要消费场所，图书馆次数最少，几乎不去或很少去图书馆看书。说明此类学生厌倦或讨厌学习。

(4)学生用餐行为与其他行为关联性分析

依据四类学生群体学习成绩等级为优秀的人次，统计每类群体的优秀率，研究表明：第一、二、三、四类学生群体的优秀率为分别为78.17%、54.52%、26.89%及5.73%。验证了学生用餐行为与学习行为之间存在明显的关联性。良好的用餐行为从侧面反映了学生自身良好的自律性，这种自律可以延伸扩展到学生的其他行为中，因此，拥有良好用餐行为的学生学习优秀率也非常高；四类学生群体个人卫生习惯均较好，说明用餐行为与个人卫生习性不具有关联性。