浅析大数据在高校学生行为数据分析中的应用
来源:用户上传
作者:方勇
摘要：该文介绍了大数据的概念，分析了高校学生行为数据的特点，对大数据在高校学生行为数据分析中的应用进行了阐述。
关键词：大数据;机器学习;高校学生行为
中图分类号：TP31 文献标识码：A
文章编号：1009-3044（2019）30-0005-02
1大数据技术介绍
随着信息技术和互联网行业的飞速发展，人们各项日常生活产生了大量种类繁多的数据，这些数据非常复杂和庞大，迫切需要大数据技术来管理和挖掘有价值的信息。大数据的定义各式各样，比较有权威性的是麦肯锡咨询公司给出的：大数据指的是在大小超出常规的数据库工具获取、存储、管理和分析能力的数据集，具有海量的數据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。
当前，大数据作为一种宝贵的信息资产，正在全球飞速发展，引起了各行各业的极大关注。通过有效管理和分析大数据，提取其价值，能够为行业提供优质的服务，实现极其巨大的经济和社会价值。高校在信息化过程中产生了大量与学生相关的数据，形成了庞大的数据资源。很显然，应用大数据技术，整合教育教学管理等方面信息，将对“智慧校园”建设产生重大而深远的影响。
2高校学生行为数据的采集
目前各高校都围绕智慧校园建设了学习管理、教务管理、财务管理等系统，每个应用系统都有海量的非结构化、半结构化或者结构化的历史数据信息，加工处理这些大数据，可以产生很好的应用效果。
（1）采集大学生日常生活的一些数据，包括网络通信数据、学生生活消费数据、学生及财务数据等，实现海量数据的辨别、转换、传输和管理等功能。大数据平台的建立采用虚拟服务器，实现各类数据的独立处理和分析。
（2）数据抽取挖掘，包括对不完整、有杂音的不同类型数据的梳理、抽取、转换。它是大数据处理之前非常重要的一步，可以用Hadoop大数据处理技术中的Hive工具作为数据抽取工具，HBase作为数据存储库，MapReduce作为数据处理技术。
（3）数据清洗及汇总，包括对不同来源的各类复杂、无序数据的清洗，它是完成大数据原始汇集的最后一步。大数据来源众多，不一定是系统所需的目标数据，为避免某些数据在数据分析过程中影响分析结果，需要对它们做清洗、除燥，这样未来的分析结果会更准确。
3大数据在高校学生行为数据分析中的应用
3.1学生行为数据分析的核心技术
（1）机器学习
机器学习是一门涉及多领域交叉学科，它通过对已知的大量数据进行分类器或算法的训练，实现自我完善，求出决策函数，快速准确的对未知样本预测，逐步实现机器代替人工的工作。常用的机器学习算法有决策树、K-means、SVM、贝叶斯分类器等。
（2）大数据技术
传统技术难以满足对海量数据实现实时分析和处理，迫切需要由大数据技术来协调各部分之间的关系，实现对数据分析与挖掘。Spark作为一种开源通用并行框架，更好地利用了内存，相比于Hadoop更加适用于数据挖掘和机器学习等需要反复迭代的算法。
（3）舆情分析技术
学生的对于某些事件的评论无处不在，这些评论带有主观的感情色彩。利用大数据技术对他们的观点及评论进行分析，判断评论者的态度及情感性质。目前对于这类文字的分析可以从词语、句子及篇章三个方面进行，初期通过词语分析，对其词性的情感进行判断，而后逐步通过句子的形式及特点，结合一定的算法，判断文章的性质。
3.2应用大数据分析高校学生行为数据
学生行为数据众多，可以从以下几个方面应用大数据进行分析：
（1）在学习方面，通过大数据分析在校学生的选课及考试数据，一方面对成绩优异的学生建立学习榜样模板，研究其学习、生活行为规律，广泛在其他学生中宣传应用，提升教师的教学水平和学生的学业成绩。另一方面对有成绩异动波动的学生进行监控，引起教师和管理人员警觉，找出异动的原因，对症下药。
（2）在学生就业方面，通过大数据分析学生的综合测评数据、就业反馈信息，通过对学生就业情况的分析以及在校表现综合分析，总结教学中的优缺点，对不同专业的学生，重点加大对影响学生成长就业的关键点进行投资，大力度发展学生社会实践，提高教学质量和就业率。
（3）在消费方面，通过大数据分析学生的饭堂消费数据、小卖部消费数据以及水电费消费数据，挖掘学生的频繁出入地点，绘制学生每日热点活动区域，总结学生的业余生活规律，供辅导员管理，及时指导改善。
（4）在德行方面，通过大数据分析学生的图书馆信用积分、师生评价、奖助信息、社会实践活动记录等，分析学生的思想道德和行为准则，对某些学生改进思想教育工作。
（5）在心理方面，通过大数据分析学生的日常消费数据、教师教学反馈信息、辅导员反馈信息，及时重点关注类似于孤僻、偏激、妄想等异常学生动态，采取有效措施，保障学生心理健康发展。这方面的例子很多，例如某学生某段时间内心比较孤僻，导致课堂表现差，成绩不好，就可以通过教学及消费数据分析预警。
4结束语
随着校园信息化和大数据技术应用的飞速发展，采用大数据分析学生的行为，为教师因材施教提供支持，能提升高校学生管理人员的工作效率、服务质量，相信将来会产生更加深远的影响。
转载注明来源:https://www.xzbu.com/8/view-15070496.htm
