智慧校園建設(shè)背景下基于模糊多屬性決策的大學(xué)生網(wǎng)絡(luò)游戲成癮評(píng)估與防治模型研究

宋海雨

(重慶工商大學(xué) 人事處， 重慶 400067)

一、引言

網(wǎng)絡(luò)游戲成癮現(xiàn)象在大學(xué)生中普遍存在，嚴(yán)重影響學(xué)生的學(xué)習(xí)和學(xué)校的校風(fēng)，尤其在地方普通高校和高職院校中表現(xiàn)較為明顯。這嚴(yán)重影響正常的教學(xué)管理和運(yùn)行秩序，也不利于大學(xué)生畢業(yè)后的成長(zhǎng)和成才。高校承擔(dān)著培養(yǎng)人才和傳承文化的重要職能，在大量學(xué)生沉迷于網(wǎng)絡(luò)游戲的社會(huì)環(huán)境下，在百年老校北京師范大學(xué)仍然需要寫(xiě)不要遲到、曠課等標(biāo)語(yǔ)來(lái)提醒廣大學(xué)子的現(xiàn)實(shí)中，高校需要站出來(lái)承擔(dān)起培養(yǎng)和引導(dǎo)新一代青年的重任，更需要找出問(wèn)題，分析原因，拿出解決方案并付諸行動(dòng)，將教育貫穿到本科大學(xué)生教育的全過(guò)程。當(dāng)代大學(xué)生沉迷于網(wǎng)絡(luò)游戲的主要原因是學(xué)生的懶惰思想主導(dǎo)著學(xué)習(xí)與生活，形成一種習(xí)慣難以改變；或者是沒(méi)有認(rèn)識(shí)到社會(huì)的現(xiàn)實(shí)性，沉迷網(wǎng)絡(luò)游戲世界；或者是在現(xiàn)實(shí)激烈的社會(huì)競(jìng)爭(zhēng)中無(wú)法找到存在感，退而求其次在網(wǎng)絡(luò)虛擬世界中尋找刺激與存在感；或者是在缺乏關(guān)愛(ài)的家庭和社會(huì)環(huán)境中成長(zhǎng)，進(jìn)而在網(wǎng)絡(luò)世界尋求心理安慰等。由于大學(xué)生沉迷網(wǎng)絡(luò)游戲，從而導(dǎo)致高校校風(fēng)差、學(xué)風(fēng)差，為了解決該問(wèn)題，李昊等研究了大學(xué)生網(wǎng)絡(luò)成癮類型與生活事件的關(guān)系，采用調(diào)查問(wèn)卷和青少年生活事件量表對(duì)在校大學(xué)生進(jìn)行測(cè)量，結(jié)果發(fā)現(xiàn)網(wǎng)絡(luò)游戲成癮大學(xué)生的身心健康和適應(yīng)性普遍較差，網(wǎng)絡(luò)游戲成癮者長(zhǎng)時(shí)間沉溺于網(wǎng)絡(luò)游戲中，耗費(fèi)了大量的體力和精力，因而不能更好地投入學(xué)習(xí)中[1]。朱灝等研究了大學(xué)生無(wú)聊情緒、主觀幸福感、認(rèn)知失敗體驗(yàn)與網(wǎng)絡(luò)游戲成癮的關(guān)系，采用大學(xué)生無(wú)聊傾向量表、認(rèn)知失敗問(wèn)卷、總體幸福感量表和網(wǎng)絡(luò)游戲成癮量表進(jìn)行調(diào)查與分析，發(fā)現(xiàn)大學(xué)生的無(wú)聊傾向可以通過(guò)影響認(rèn)知失敗進(jìn)而對(duì)網(wǎng)絡(luò)游戲成癮產(chǎn)生影響，認(rèn)知失敗在無(wú)聊傾向與網(wǎng)絡(luò)游戲成癮之間存在中介效應(yīng)[2]。以上研究表明，網(wǎng)絡(luò)游戲行為會(huì)降低大學(xué)生睡眠質(zhì)量，進(jìn)而影響他們的身體和心理健康，不利于學(xué)生的學(xué)習(xí)和成長(zhǎng)。

現(xiàn)代信息網(wǎng)絡(luò)科技的發(fā)展和“智慧地球”“智慧中國(guó)”“智慧城市”的提出，為教育現(xiàn)代化、科技化、智能化提供了便利，因而高校數(shù)字化、信息化建設(shè)日趨成熟[3]。但是，以往數(shù)字化校園所體現(xiàn)的數(shù)據(jù)應(yīng)用集成已經(jīng)不能滿足當(dāng)今時(shí)代的需要，高校開(kāi)始逐漸由“數(shù)字化校園”向“智慧校園”演進(jìn)，并成為當(dāng)今校園建設(shè)的主題[4]?！霸贫艘惑w化”高校智慧校園提出協(xié)同校務(wù)管理，為學(xué)校各部門提供人、財(cái)、物整合統(tǒng)一的信息化管理支撐，并為全校師生提供個(gè)性集成、多維度、全方位的貼心信息服務(wù)[5]。蔣東興等提出高校智慧校園技術(shù)參考模型，通過(guò)建立高校智慧校園的層次化體系結(jié)構(gòu)模型，設(shè)計(jì)高校智慧校園的成熟度模型及其評(píng)價(jià)指標(biāo)體系，促進(jìn)高校智慧校園建設(shè)的持續(xù)有序發(fā)展[6]。智慧校園之決策支持系統(tǒng)理論與應(yīng)用研究以學(xué)生智能卡數(shù)據(jù)庫(kù)流水作為數(shù)據(jù)源來(lái)開(kāi)展實(shí)驗(yàn)，包括數(shù)據(jù)的收集和預(yù)處理、可視化、數(shù)據(jù)挖掘與決策支持，對(duì)學(xué)生的消費(fèi)活動(dòng)、消費(fèi)地點(diǎn)、時(shí)間等進(jìn)行分析，并且提出了關(guān)于貧困生認(rèn)證模型的猜想和驗(yàn)證[7]。

智慧校園的建設(shè)為校園內(nèi)通信設(shè)備上網(wǎng)動(dòng)態(tài)、數(shù)據(jù)庫(kù)信息和智能卡信息等數(shù)據(jù)(如學(xué)生的學(xué)習(xí)成績(jī)、借閱、食堂和超市消費(fèi)、網(wǎng)絡(luò)游戲時(shí)長(zhǎng)等)實(shí)現(xiàn)互連和共享提供了便利條件，切實(shí)反映學(xué)生的學(xué)習(xí)和生活狀態(tài)，在大數(shù)據(jù)時(shí)代應(yīng)當(dāng)是一筆財(cái)富。如何挖掘這些數(shù)據(jù)之間的內(nèi)在聯(lián)系，以數(shù)據(jù)為基礎(chǔ)，分析學(xué)生的生活和學(xué)習(xí)狀況，并根據(jù)學(xué)生狀況采取相應(yīng)決策，是實(shí)現(xiàn)智慧校園的關(guān)鍵。在治理大學(xué)生網(wǎng)絡(luò)游戲成癮的過(guò)程中，充分利用智慧校園的已知信息，幫助學(xué)生認(rèn)清自身沉迷游戲的程度和把握自身在同班和學(xué)院同學(xué)中所處的狀態(tài)，并從正面引導(dǎo)，將有助于把學(xué)生從網(wǎng)絡(luò)游戲中解救出來(lái)。

本文提出一種智慧校園建設(shè)背景下基于模糊多屬性決策的大學(xué)生網(wǎng)絡(luò)游戲成癮防治模型，通過(guò)關(guān)聯(lián)分析大學(xué)生在校園內(nèi)的行為數(shù)據(jù)，評(píng)估學(xué)生網(wǎng)絡(luò)成癮的程度，讓學(xué)校老師了解全校大學(xué)生玩網(wǎng)絡(luò)游戲的狀況并及時(shí)引導(dǎo)教育，讓學(xué)校相關(guān)管理部門制定準(zhǔn)則限制學(xué)生上網(wǎng)時(shí)長(zhǎng)、降低網(wǎng)絡(luò)消費(fèi)。該模型提出從校園內(nèi)部網(wǎng)絡(luò)管理端以發(fā)送上網(wǎng)時(shí)長(zhǎng)過(guò)長(zhǎng)和學(xué)業(yè)提醒的形式，對(duì)學(xué)生形成心理暗示和壓力提醒，幫助其合理安排學(xué)習(xí)和生活時(shí)間，調(diào)整心理狀態(tài)，走出網(wǎng)絡(luò)游戲，從而形成良好的校風(fēng)、學(xué)風(fēng)、班風(fēng)。

二、網(wǎng)絡(luò)成癮評(píng)估與決策支持體系構(gòu)建

智慧校園背景下，隨之而來(lái)的宿管門禁系統(tǒng)、學(xué)生教務(wù)管理系統(tǒng)、學(xué)生工作管理服務(wù)系統(tǒng)、一卡通數(shù)據(jù)查詢系統(tǒng)、圖書(shū)館數(shù)據(jù)系統(tǒng)、全球網(wǎng)絡(luò)開(kāi)放課程、微課MOOC觀覽、學(xué)校新聞網(wǎng)絡(luò)公告等大學(xué)生信息門戶一體化已成為發(fā)展趨勢(shì)和時(shí)代需求。如果對(duì)大量學(xué)生數(shù)據(jù)信息需要進(jìn)行處理，并通過(guò)數(shù)據(jù)挖掘、聚類分析、信息融合、行為預(yù)測(cè)以及決策支持進(jìn)行態(tài)勢(shì)把控，將為高校利用已有數(shù)據(jù)信息管理和控制大學(xué)生網(wǎng)絡(luò)成癮行為提供便利。而在此過(guò)程中，將全校大學(xué)生信息管理作為建設(shè)中的切入點(diǎn)，為髙校管理者以及教師、學(xué)生提供決策支持，則便于教師和管理者管理、教育、服務(wù)、引導(dǎo)學(xué)生。

獲取的大量學(xué)生日常數(shù)據(jù)信息可以為引導(dǎo)網(wǎng)絡(luò)成癮的同學(xué)走出游戲和建設(shè)學(xué)風(fēng)進(jìn)行服務(wù)。以第一部分分析的游戲成癮原因和游戲成癮學(xué)生的現(xiàn)實(shí)表現(xiàn)為依據(jù)，對(duì)網(wǎng)絡(luò)游戲成癮行為進(jìn)行衡量和程度測(cè)評(píng)。這就拋出在測(cè)評(píng)過(guò)程中，具體何種程度的行為可以界定為網(wǎng)絡(luò)游戲成癮的問(wèn)題。基于國(guó)內(nèi)外廣泛研究成果，筆者發(fā)現(xiàn)，網(wǎng)絡(luò)游戲成癮程度評(píng)估類似系統(tǒng)的多屬性決策，兩者都涉及大量不確定的主要因素，對(duì)于不確定性因素需要依賴人為經(jīng)驗(yàn)設(shè)定取值范圍，故利用多屬性決策的方式建立評(píng)估指標(biāo)與決策支持體系。根據(jù)信息論相關(guān)知識(shí)，信息來(lái)源越豐富，采用的評(píng)估指標(biāo)越多，對(duì)態(tài)勢(shì)的描述就越詳盡深刻；但過(guò)多的指標(biāo)將導(dǎo)致計(jì)算量巨大，帶來(lái)不必要的冗余。針對(duì)特定的客觀情形對(duì)當(dāng)前大學(xué)生生活與學(xué)習(xí)的影響的網(wǎng)絡(luò)行為特征，建立大學(xué)生網(wǎng)絡(luò)游戲成癮評(píng)估與決策指標(biāo)體系，如圖1所示。

圖1 校園大學(xué)生網(wǎng)絡(luò)游戲成癮評(píng)估指標(biāo)與決策支持體系

圖1將大學(xué)生網(wǎng)絡(luò)游戲成癮的日常行為、造成影響作為評(píng)估指標(biāo)，進(jìn)行量化建模，其中影響評(píng)估包含身心健康受損、不能正常畢業(yè)、意志力受挫3個(gè)子指標(biāo)。在評(píng)估基礎(chǔ)上，分別從學(xué)業(yè)掛科、上課出勤、超時(shí)上網(wǎng)、個(gè)人消費(fèi)上進(jìn)行預(yù)警情況反映。對(duì)于出現(xiàn)預(yù)警并被認(rèn)定是網(wǎng)絡(luò)游戲成癮的同學(xué)，分別從輔導(dǎo)、控制、家校聯(lián)動(dòng)和推送信息4個(gè)方向采取決策，防治大學(xué)生網(wǎng)絡(luò)游戲成癮。

(一)網(wǎng)絡(luò)游戲成癮程度聚類劃分

由于對(duì)大學(xué)生網(wǎng)絡(luò)游戲成癮的日常行為和造成的影響進(jìn)行衡量和程度評(píng)估時(shí)，涉及的指標(biāo)和因素有著不同的數(shù)據(jù)屬性特點(diǎn)，而不同的屬性特點(diǎn)對(duì)評(píng)估結(jié)果有著不可忽視的影響，所以采用模糊C-均值(Fuzzy C-Means，F(xiàn)CM)聚類[8]對(duì)各數(shù)據(jù)集進(jìn)行劃分，并通過(guò)最佳聚類準(zhǔn)則確定最優(yōu)聚類數(shù)。

最佳聚類準(zhǔn)則：讓屬性間距離最大，屬性內(nèi)元素距離最小。

域內(nèi)距離：假設(shè)在一定范圍內(nèi)，對(duì)于評(píng)估層的一個(gè)因素X={x1,x2,…,xN}，則每個(gè)因素涵蓋不同屬性。將每個(gè)因素當(dāng)作聚類，N個(gè)聚類間距離平均密度為：

(1)

域間距離：兩個(gè)聚類間的距離，表示為：

(2)

其中：R為聚類中心的集合，ri和rj分別表示聚類i和j的中心，聚類間距離越大，聚類效果越好，因此最佳聚類準(zhǔn)則可以表示為：

(3)

(二)網(wǎng)絡(luò)游戲成癮程度隸屬函數(shù)

由于信息具有不確定性，即影響大學(xué)生網(wǎng)絡(luò)游戲成癮程度評(píng)估和日常行為評(píng)估具有交叉性和模糊性，因此引入模糊集[9]進(jìn)行處理，在多方位因素和行為評(píng)估上，調(diào)整評(píng)判數(shù)值，減少評(píng)估的偏差，提高評(píng)價(jià)的精確度。

圖2 梯形隸屬函數(shù)

現(xiàn)有的校園數(shù)字化系統(tǒng)都是單獨(dú)而且分離的，沒(méi)有考慮數(shù)據(jù)之間的內(nèi)在聯(lián)系，不能有效運(yùn)用校園各類系統(tǒng)數(shù)據(jù)。在將校園各類數(shù)據(jù)進(jìn)行量化的過(guò)程中，存在諸多不確定性交互，因此借助模糊邏輯的方法，通過(guò)運(yùn)用模糊集和隸屬度函數(shù)理論，對(duì)存在內(nèi)在聯(lián)系的諸多因素和數(shù)據(jù)進(jìn)行數(shù)學(xué)抽象建模，通過(guò)指標(biāo)間融合計(jì)算，以獲取各因素間的聯(lián)系。從綜合評(píng)估的角度和以往的研究經(jīng)驗(yàn)出發(fā)，隸屬函數(shù)的設(shè)定要求隸屬函數(shù)開(kāi)頭和結(jié)尾是單調(diào)的，相鄰兩個(gè)隸屬函數(shù)曲線是交叉的，不相鄰的兩個(gè)隸屬函數(shù)之間沒(méi)有交集，某一個(gè)指標(biāo)的所有隸屬程度之和為1。以下采用梯形隸屬函數(shù)作為不同屬性和因素之間相似性度量的主要依據(jù)，如圖2所示，將各個(gè)大學(xué)生網(wǎng)絡(luò)游戲成癮體系中評(píng)估屬性數(shù)據(jù)中心集合定義為{r1,r2,…,r6}。

根據(jù)梯形隸屬函數(shù)法，對(duì)大學(xué)生網(wǎng)絡(luò)成癮程度進(jìn)行分段劃分，圖2將成癮程度劃分為六段，而實(shí)際應(yīng)用中可以根據(jù)需要，對(duì)程度分段個(gè)數(shù)和數(shù)值最大值、最小值進(jìn)行調(diào)整。

三、多因素網(wǎng)絡(luò)游戲成癮評(píng)估與策略防治

在對(duì)大學(xué)生網(wǎng)絡(luò)游戲成癮數(shù)據(jù)進(jìn)行聚類劃分和隸屬函數(shù)處理后，以下利用多因素評(píng)估模型對(duì)網(wǎng)絡(luò)游戲成癮數(shù)據(jù)進(jìn)行評(píng)估，并提出策略進(jìn)行防治。由于導(dǎo)致大學(xué)生網(wǎng)絡(luò)游戲成癮的因素是多方面的，為了避免考慮不周，提出與實(shí)際重要程度不一致的矛盾數(shù)據(jù)，根據(jù)上述因素在導(dǎo)致網(wǎng)絡(luò)游戲成癮的問(wèn)題中的重要程度，量化因素權(quán)重。多因素評(píng)估模型是根據(jù)指標(biāo)集和評(píng)判集得到，指標(biāo)集U={U1,U2,…,UN}，其中第i個(gè)因素的模糊集合為Ui={u1,u2,…,uni}。評(píng)判集為因素評(píng)估等級(jí)集合Vi={v1,v2,…,vk}。結(jié)合多屬性決策的方法、過(guò)程等基本理論，通過(guò)權(quán)重分配方法進(jìn)行建模。從心理學(xué)觀點(diǎn)來(lái)看，在多因素網(wǎng)絡(luò)游戲成癮評(píng)估的實(shí)現(xiàn)過(guò)程中，由于多個(gè)因素可能會(huì)影響人們的判斷，增加了判斷難度，為了客觀地反映各因素的影響程度，模型通過(guò)一致性檢驗(yàn)進(jìn)行模糊一致矩陣的調(diào)節(jié)，利用和法或方根法得到所需要的權(quán)值向量β=(β1,β2,…,βN)[9],其中隸屬函數(shù)單因素評(píng)估給出從U到V的一個(gè)模糊映射f:U→F(V)。而在對(duì)第i個(gè)因素進(jìn)行ni個(gè)屬性模糊劃分之后，各個(gè)評(píng)估因素的隸屬等級(jí)評(píng)估矩陣為：

(4)

對(duì)應(yīng)的權(quán)為ωi=(ω1,ω2,…,ωni)，模糊算子采用扎德算子[9]，即主因素決定型：

αi=∨(rj∧ω2),j=1,2,…,k

(5)

至此，獲得評(píng)估結(jié)果α=(α1,α2,…,αN)T，其中，αi=(α1,α2,…,αk)表示第i個(gè)因素進(jìn)行k個(gè)評(píng)估等級(jí)設(shè)定后的隸屬度。根據(jù)評(píng)估結(jié)果和所有因素的影響權(quán)值，測(cè)試出影響大學(xué)生網(wǎng)絡(luò)游戲成癮的因素權(quán)值占比，以及大學(xué)生網(wǎng)絡(luò)游戲成癮程度的結(jié)果判定；評(píng)估完成后，考慮網(wǎng)絡(luò)成癮策略采取問(wèn)題。

根據(jù)大學(xué)生日常行為表現(xiàn)暴露出來(lái)的問(wèn)題，以及模型中造成不良影響評(píng)估狀況時(shí)已經(jīng)發(fā)生的預(yù)警情況，采用模糊集層次分析法，在判定某位大學(xué)生是否網(wǎng)絡(luò)游戲成癮后，根據(jù)實(shí)際成癮程度采取相應(yīng)決策。此模型將根據(jù)不同情況采取不同決策類型，模型預(yù)先設(shè)定4個(gè)決策，分別對(duì)應(yīng)處理大學(xué)生網(wǎng)絡(luò)游戲偏好:正常、輕度上癮、重度上癮、極重度上癮。具體如下：

類型1：輕度上癮；決策1：生涯、心理輔導(dǎo)，推送勵(lì)志成長(zhǎng)信息。

類型2：重度上癮；決策2：控制上網(wǎng)時(shí)長(zhǎng)與消費(fèi)，生涯、心理輔導(dǎo)，推送勵(lì)志成長(zhǎng)信息。

類型3：極重度上癮；決策3：家?；ヂ?lián)教育，控制上網(wǎng)時(shí)長(zhǎng)與消費(fèi)，生涯、心理輔導(dǎo)，推送勵(lì)志成長(zhǎng)信息。

類型4：正常；決策4：推送勵(lì)志成長(zhǎng)信息。

模型可以根據(jù)以上設(shè)定的決策支持類型，針對(duì)因?yàn)椴煌蛩貙?dǎo)致網(wǎng)絡(luò)游戲成癮的同學(xué)，根據(jù)系統(tǒng)判定的網(wǎng)絡(luò)游戲成癮程度進(jìn)行分類并采取相應(yīng)決策支持，同時(shí)為學(xué)校教師和管理者輸送建議。最終，為了發(fā)揮模型的最大效用，也需要教師、家長(zhǎng)、學(xué)生會(huì)干部、同寢室同學(xué)的教育和引導(dǎo)等人為干預(yù)，通過(guò)學(xué)校信息管理中心的數(shù)據(jù)反饋并輔助以系統(tǒng)設(shè)定限制的方式和以人機(jī)長(zhǎng)期協(xié)作的方式，治理大學(xué)生網(wǎng)絡(luò)游戲成癮問(wèn)題。以大學(xué)生日常學(xué)習(xí)生活網(wǎng)絡(luò)信息數(shù)據(jù)為研究載體，以多方面作用的方式，有效防治網(wǎng)絡(luò)游戲成癮行為。

四、數(shù)據(jù)測(cè)驗(yàn)與分析

為了更形象直觀地反映模型的構(gòu)建和實(shí)施過(guò)程，驗(yàn)證模型的有效性和可行性，針對(duì)圖1中各指標(biāo)，筆者對(duì)重慶市部分高校大學(xué)生日常行為表現(xiàn)進(jìn)行了調(diào)查、測(cè)試。為獲取大學(xué)生網(wǎng)絡(luò)游戲成癮防治措施效果測(cè)評(píng)的原始數(shù)據(jù)，筆者共發(fā)放調(diào)查問(wèn)卷200份對(duì)大學(xué)生進(jìn)行調(diào)查，有效問(wèn)卷196份，問(wèn)卷有效率為98%。對(duì)問(wèn)卷涉及的問(wèn)題進(jìn)行分析，根據(jù)大學(xué)生日常行為將數(shù)據(jù)分為3類：日常行為因素、造成影響因素以及預(yù)警因素；將教務(wù)成績(jī)?nèi)≈捣秶O(shè)定為[0,1]，出勤率、日均上網(wǎng)頻率、心理問(wèn)題嚴(yán)重程度、健康受損程度、控制力摧毀程度、不能正常畢業(yè)概率和父母忽視程度設(shè)定數(shù)據(jù)范圍均設(shè)為[0,1]，學(xué)業(yè)預(yù)警、出勤率預(yù)警、上網(wǎng)超時(shí)預(yù)警、消費(fèi)預(yù)警取值范圍設(shè)定為{1,2,3,4,5}。下文根據(jù)調(diào)查內(nèi)容和問(wèn)卷格式分類統(tǒng)計(jì)，進(jìn)行數(shù)據(jù)預(yù)處理，并借助仿真軟件對(duì)數(shù)據(jù)進(jìn)行分析。在數(shù)據(jù)預(yù)處理過(guò)程中，設(shè)定聚類范圍為[0,1]，采用第二部分所述的FCM聚類方法，使每個(gè)屬性切實(shí)反映特性，通過(guò)預(yù)處理找到大學(xué)生日常行為數(shù)據(jù)聚類數(shù)和中心，如表1所示。

表1 FCM大學(xué)生日常行為數(shù)據(jù)聚類

根據(jù)表1和梯形隸屬函數(shù)劃分每個(gè)屬性等級(jí)，將每個(gè)屬性進(jìn)行等級(jí)劃分，令k=5，將評(píng)判集分為5個(gè)等級(jí)：很高、高、一般、較低、低。對(duì)每個(gè)屬性進(jìn)行模糊劃分和隸屬函數(shù)計(jì)算后，結(jié)合各待評(píng)價(jià)參數(shù)，將一名網(wǎng)絡(luò)游戲成癮大學(xué)生的各項(xiàng)日常校園數(shù)據(jù)進(jìn)行評(píng)估和分析后得到屬性等級(jí)評(píng)估表2，即以某位網(wǎng)絡(luò)游戲成癮大學(xué)生日常行為數(shù)據(jù)為參考。

表2 屬性等級(jí)隸屬度

單因素包含多個(gè)屬性，根據(jù)各個(gè)模糊屬性集合的歷史數(shù)據(jù)得到模糊集的權(quán)值分配表3，綜合考慮各項(xiàng)因素后，計(jì)算得到評(píng)估結(jié)果表4(某位網(wǎng)絡(luò)游戲成癮大學(xué)生評(píng)估結(jié)果)，最終通過(guò)表5判定大學(xué)生是否網(wǎng)絡(luò)游戲成癮。

根據(jù)大學(xué)生日常行為表現(xiàn)暴露出來(lái)的問(wèn)題，以及模型中造成不良影響評(píng)估狀況時(shí)已經(jīng)發(fā)生的預(yù)警情況，采用模糊集層次分析法，判定某位大學(xué)生是否網(wǎng)絡(luò)游戲成癮，并根據(jù)實(shí)際情況采取相應(yīng)決策(表6)。

表3 模糊集屬性權(quán)重

表4 網(wǎng)絡(luò)游戲成癮評(píng)估結(jié)果

表5 網(wǎng)絡(luò)游戲成癮程度判定

表6 防治策略表

首先，筆者從大學(xué)生日常行為問(wèn)題、系統(tǒng)是否產(chǎn)生預(yù)警、是否會(huì)對(duì)自身造成不良影響3個(gè)因素進(jìn)行分析，采用模糊層次分析法計(jì)算大學(xué)生網(wǎng)絡(luò)游戲是否成癮以及嚴(yán)重程度，將評(píng)估等級(jí)隸屬度劃分為很高、高、一般、低、很低5個(gè)等級(jí)；其次，通過(guò)加權(quán)法獲得網(wǎng)絡(luò)游戲成癮各因素占比，進(jìn)而進(jìn)行大學(xué)生網(wǎng)絡(luò)游戲上癮程度判定；最后，根據(jù)系統(tǒng)判定的網(wǎng)絡(luò)游戲上癮程度，分類采取模型設(shè)定的策略，有效應(yīng)對(duì)大學(xué)生網(wǎng)絡(luò)成癮問(wèn)題。

五、結(jié)語(yǔ)

本文提出一種基于模糊多屬性的大學(xué)生網(wǎng)絡(luò)游戲成癮評(píng)估與防治模型，該方法利用FCM聚類法對(duì)數(shù)據(jù)進(jìn)行聚類劃分，并采用模糊層次分析法對(duì)網(wǎng)絡(luò)游戲成癮的嚴(yán)重程度劃分等級(jí)，對(duì)大學(xué)生學(xué)業(yè)成績(jī)、網(wǎng)絡(luò)消費(fèi)、上網(wǎng)時(shí)長(zhǎng)等數(shù)據(jù)進(jìn)行分析。模型將大學(xué)生日常行為數(shù)據(jù)作為研究的切入點(diǎn)，避免了主觀錯(cuò)誤判斷，提高了評(píng)估結(jié)果的客觀性、準(zhǔn)確性；在確定權(quán)重時(shí)采用固有系統(tǒng)模型，避免人為邏輯錯(cuò)誤，最終根據(jù)大學(xué)生網(wǎng)絡(luò)游戲成癮評(píng)估結(jié)果，采用決策支持技術(shù)對(duì)大學(xué)生網(wǎng)絡(luò)游戲成癮進(jìn)行防治。實(shí)驗(yàn)結(jié)果表明，基于模糊多屬性的大學(xué)生網(wǎng)絡(luò)游戲成癮評(píng)估與防治模型，在智慧校園背景下，結(jié)合現(xiàn)有大數(shù)據(jù)關(guān)聯(lián)分析和數(shù)據(jù)挖掘技術(shù)，有效利用大學(xué)校園學(xué)生現(xiàn)有的和歷史的信息系統(tǒng)數(shù)據(jù)，實(shí)現(xiàn)對(duì)現(xiàn)有大學(xué)生網(wǎng)絡(luò)游戲成癮行為評(píng)估與防治，能有針對(duì)性地評(píng)估與防治大學(xué)生網(wǎng)絡(luò)游戲成癮。

但是，為了更好地發(fā)揮網(wǎng)絡(luò)游戲成癮評(píng)估與防治模型的效用，需要借助高校教師、管理員、學(xué)生干部以及學(xué)生家長(zhǎng)的力量，共同幫助成癮大學(xué)生走出網(wǎng)絡(luò)游戲。模型在進(jìn)行網(wǎng)絡(luò)游戲成癮原因分析的過(guò)程中，若考慮加入機(jī)器學(xué)習(xí)的方法，將有助于細(xì)化不同網(wǎng)絡(luò)游戲成癮大學(xué)生成癮的具體原因，在進(jìn)行決策支持時(shí)，可以增加網(wǎng)絡(luò)游戲成癮學(xué)生成癮判定的準(zhǔn)確性，從而輔助校方更有針對(duì)性地幫助和引導(dǎo)大學(xué)生，運(yùn)用新媒體加強(qiáng)大學(xué)生思想引領(lǐng)[11]。