时空数据驱动的大学生在校行为模式挖掘研究

摘要 校园一卡通系统正被广泛应用于各大高校并产生海量时空数据，利用数据挖掘技术可以从中挖掘出隐藏的大学生在校行为模式。文章首先利用映射时空数据得到学生共现数据；然后采用超几何分布与多重假设检验的方法挖掘大学生社交关系；最后基于交友数量和亲密度得到三种行为模式，发现封闭型行为模式更易形成脆弱的交往关系。根据大学生在校行为模式，学校可以准确掌握学生动态，为其提供更加人性化的管理和精准化的服务。

关键词 时空数据；超几何分布；行为模式

中图分类号：G645文献标识码：ADOI：10.16400/j.cnki.kjdk.2023.18.044

随着高校信息化和数字化建设向纵深发展，校园一卡通（CampusSmartCard，CSC）系统迅速得到普及。CSC系统中存储了海量的学生时空数据，利用数据挖掘技术对这些数据进行深度挖掘，可以得到一些学生的隐性行为信息。利用这些信息反哺于教育，对于高校的教育与管理均具有十分重要的现实意义[1]。

数据挖掘技术源于国外，基于用户行为数据展开的研究起步较早。加拿大湖首大学的学生行为分析系统利用历史数据分析学生行为。国内也有许多学者利用CSC数据进行针对学生群体的研究。姜楠等利用数据挖掘技术分析学生消费及学习行为[2]。邓帅等统计食堂消费高峰并建立可视化系统，根据分析结果改善食堂运营方式[3]。徐晶晶等利用Aproiri算法将CSC数据和成绩做关联分析，研究影响学生成绩的因素[4]。田雨等通过门禁、签到和消费等记录，对长时间不在校的学生进行预警[5]。由此可见，国内利用CSC数据展开的研究已在贫困资助、消费行为和异常行为分析、与成绩的关联性等方面取得较多成效，但鲜有基于CSC数据进行学生在校行为模式挖掘及分析的相关研究。

1数据采集与预处理

数据集源于国内本科院校的CSC系统。系统由无线射频识别标签系统、校园卡以及数据库三部分组成。当学生在校园内的活动场所刷卡时，后台数据库实现学生校园活动所产生时空数据的有效存储。以这种方式，学生的校园活动被CSC系统记录下来。本研究所用时空数据包括学生在食堂、超市、充值中心以及校医院等公共场所发生的刷卡行为。

CSC系统中的数据存在少量内容缺失和格式不规范的记录。为了提高分析结果的准确度，在对这些数据进行分析之前，需要对原始数据进行清洗和标准化处理。对于极少量格式不规范的数据采用人工方式补齐，对于内容缺失数据采用热卡填充法处理[6]。经过处理得到如表1所示的636，304条有效数据。

2映射时空数据

①共现的定义。美国社会学家戈夫曼认为，相遇是公共场合人们之间持续性地相互看见对方，这种时空上的相遇被称为共现。由于学生群体具有独特性，关于共现做如下定义，在未特别声明情况下，文中的共现均由定义1解释。

定义1（共现）：两名学生在时空上的“前后脚”（相同时间出现在相同地点）行为，被认定是一次共现。

一般情况下，一个学生更倾向与好友结伴而行。因此，本文选择学号、刷卡时间、刷卡地点等属性组成的时空数据来挖掘学生的社交关系。

③映射时空数据得到共现数据。对636，304条时空数据进行遍历得到204，407个含时地点。然后对刷卡行为二部图在学生集合上进行映射得到学生共现数据。为了最大程度避免偶然性，过滤共现次数为1的情况，最终得到266，120条共现数据。

3挖掘在校行为模式

通过对比两个网络，利用复杂网络的连通子图[8]指标分析发现，学生在校社交关系网络更稀疏，其中的微型连通子图586个，6≤C≤10的小型连通子图65个，11≤C≤25的中型连通子图16个，C>25的大型连通子图4个。这说明学生群体更倾向于形成5以内的微型社交圈，也有极少数成员多于25人的大型社交圈[9]。

4行为模式分析

行为模式是人们有动机的日常活动以及有规律的行为系列，是行为内容和方式的定型化。从行为心理学角度讲，人际关系的好坏需要交往行为来体现。具有良好人际关系的双方，能够相互表现出积极、有意义的行为，如友好等。

根据社交关系数量对在校社交关系网络进行聚类。从社会行为学角度将其分为开放型、謹慎型和封闭型三种行为模式。如图3所示，仅有3.74%的学生属于开放型交友模式，18.86%的学生交友较谨慎，绝大部分学生处于较封闭的状态。这种情况被解释为，测试对象为大一新生，学生仍处于适应新环境的阶段。也反映出当今大学生将更多的时间花在独处，交友意愿有减弱甚至出现交友障碍的风险。

5总结

本文利用数据挖掘技术对校园时空数据进行研究，挖掘出隐藏的有价值信息。首先将数据预处理并映射得出共现数据；然后采用超几何分布与多重假设检验方法挖掘大学生社交关系；最后基于交友数量和亲密度得到三种交往行为模式。根据交往行为模式分析结果，给予当前高校教育在人性化管理和精准化服务方面一定的指导建议。

基金项目：江西省教育科学“十三五”规划2020年度课题（20YB206）。

参考文献

[1]郭鹏.基于校园一卡通数据的学生消费行为与成绩的关联性研究[D].咸阳：西北农林科技大学，2019.

[2]姜楠，许维胜.基于校园一卡通数据的学生消费及学习行为分析[J].微型电脑应用，2015，31（2）：35-38.

[3]邓帅，屠添翼，纪寿安.基于大数据分析的高校食堂运营管理探索[J].大众标准化，2021（15）：198-200.

[4]徐晶晶.基于校园卡数据的学生行为分析研究[D].新乡：河南师范大学，2018.

[5]田雨露.基于校园一卡通系统的决策支持和数据分析研究[D].北京：北京化工大学，2018.

[6]杨帆，庞新生.处理缺失数据的分数插补法研究[J].统计与决策， 2017（14）：15-18.

[7]刘涛.基于校园一卡通数据的大学生社交关系挖掘和演化规律研究[D].武汉：华中师范大学， 2019： 1-46.

[8]Li M X，Palchykov V，Jiang Z Q，et al.Statistically validated mobile communication networks： Evolution of motifs in European and Chinese data[J].New Journal of Physics，2014，16（8）：1037-1092.

[9]董潇潇，胡延，陈彦萍.基于校园数据的大学生行为画像研究与分析[J].计算机与数字工程，2018，46（6）：1200-1204，1262.