基于目標(biāo)群體指數(shù)的大學(xué)生畫像分析

任正東 章駿騰 任東曉

(浙江科技學(xué)院 理學(xué)院/曙光大數(shù)據(jù)學(xué)院/大數(shù)據(jù)科學(xué)系，浙江 杭州 310023)

中國教育信息化進程的推進，多種學(xué)生學(xué)習(xí)生活數(shù)據(jù)源的發(fā)展[1, 2]和疫情期間大規(guī)模的網(wǎng)絡(luò)在線教育活動的開展，催生了更加豐富的教育數(shù)據(jù)，教育大數(shù)據(jù)的蓬勃發(fā)展隨之而來。

在教育大數(shù)據(jù)中，學(xué)生畫像的繪制是學(xué)習(xí)分析過程中重要的環(huán)節(jié)。學(xué)生畫像是指相似的學(xué)生群體在進行相似的學(xué)習(xí)活動過程中所展現(xiàn)出來的共同特征的集合。但現(xiàn)有的學(xué)生畫像的研究多為利用聚類算法或神經(jīng)網(wǎng)絡(luò)的訓(xùn)練直接構(gòu)建相關(guān)系統(tǒng)，對于有關(guān)指標(biāo)的分析和量化定性研究則是鳳毛麟角。隨著“慕課”“網(wǎng)易公開課”等網(wǎng)絡(luò)課程的興起[3, 4]，“停課不停教、停課不停學(xué)”的在線網(wǎng)絡(luò)教育活動的開展，使大量學(xué)生學(xué)習(xí)活動數(shù)據(jù)產(chǎn)生，也讓高校、相關(guān)機構(gòu)對探究不同學(xué)生學(xué)習(xí)生活習(xí)慣的差異對成績的影響產(chǎn)生了較大的興趣。

本文從多個角度利用創(chuàng)新的方法剖析學(xué)生學(xué)習(xí)生活習(xí)慣的差異，對學(xué)生畫像進行繪制，采用定量的指標(biāo)明確各類學(xué)生群體之間的差異，并分析其產(chǎn)生原因，為有關(guān)學(xué)生學(xué)業(yè)特征的分析提供新穎的方法，為量化學(xué)生的特征提供有效的方式，為學(xué)生學(xué)習(xí)、高校管理和決策提供數(shù)據(jù)支撐和技術(shù)支持，具有良好的應(yīng)用價值和社會效益。

1 不同成績學(xué)生群體的學(xué)生畫像構(gòu)建

1.1 數(shù)據(jù)來源

學(xué)生畫像的準(zhǔn)確刻畫需要多而廣的學(xué)生數(shù)據(jù)，學(xué)生數(shù)據(jù)種類越多、數(shù)量越大，學(xué)生畫像也就越精確。本文數(shù)據(jù)主要來源于浙江科技學(xué)院常用的5個與教務(wù)相關(guān)的業(yè)務(wù)系統(tǒng)(包括學(xué)生成績管理系統(tǒng)、圖書借閱系統(tǒng)、圖書館門禁系統(tǒng)、寢室門禁系統(tǒng)和一卡通管理系統(tǒng))，采集了來自本科生、研究生、留學(xué)生的多種數(shù)據(jù)。其中圖書借閱系統(tǒng)、圖書館門禁系統(tǒng)、寢室門禁系統(tǒng)和一卡通管理系統(tǒng)等4個主要業(yè)務(wù)系統(tǒng)中的數(shù)據(jù)涉及到了能夠描述學(xué)生在校行為的主要信息，而學(xué)生成績管理系統(tǒng)則主要用于區(qū)分不同成績的學(xué)生群體，詳情見表1。

表1 學(xué)生畫像構(gòu)建數(shù)據(jù)

1.2 模型構(gòu)建

本文所使用的數(shù)據(jù)包含了7 139名學(xué)生一年的數(shù)據(jù)。由于本文所研究的學(xué)生群體已事先確定，因此無需使用各類聚類算法，但為區(qū)分不同成績學(xué)生群體，根據(jù)帕累托法則[5]和各個學(xué)生在各自院校所處的排名，將7 139名學(xué)生按“10%—80%—10%”的比例分別劃分為成績“優(yōu)秀—普通—較差”三個層次。

1.2.1 目標(biāo)群體指數(shù)

為了能夠體現(xiàn)某個群體在總體中對于某項特征的偏好度，我們引入目標(biāo)群體指數(shù)(Target Group Index, TGI)對目標(biāo)群體中的特征傾向程度進行計算。TGI是指某一子群中的某一特征所占比例與總?cè)褐型惶卣魉急壤仍俪艘詷?biāo)準(zhǔn)數(shù)100后所得的值。設(shè)現(xiàn)有總體B(B∈T)中具有特征α的群體的TGI時其表達式為：

其中表card(T)表示T集合中的元素個數(shù)。當(dāng)TGI=100時表示群體B對于特征α的傾向性恰好為平均水平，當(dāng)TGI>100時表示傾向性高于平均水平，反之亦然[6]。且通常當(dāng)TGI>120時可以認(rèn)為某項特征具有正向顯著性，當(dāng)TGI<80時可以認(rèn)為某項特征具有負(fù)向顯著性。

1.2.2 學(xué)生畫像構(gòu)建流程

學(xué)生畫像的組成需要明確的學(xué)生行為特征。在大量的數(shù)據(jù)中提取特征需要比較大量不同學(xué)生同種行為的行為頻次、行為時間等數(shù)據(jù)，通過計算概率分布、比例等中間數(shù)據(jù)或利用聚類分析、回歸擬合等多種途徑來判斷或確定觸發(fā)某種行為特征標(biāo)簽的閾值。與此同時，在提取行為數(shù)據(jù)的過程中可能存在需要多表聯(lián)查的情況，通過合理的計算、篩選、合并、映射等方式，將多種后期需要反復(fù)使用的數(shù)據(jù)保存到相關(guān)的視圖表中，避免過多的重復(fù)計算和查詢等操作。學(xué)生畫像分析的流程框架具體參見圖1。

圖1 學(xué)生畫像分析流程

2 不同成績學(xué)生群體的學(xué)生畫像分析

2.1 圖書館數(shù)據(jù)分析

圖書館作為承擔(dān)著高校人才培養(yǎng)與科學(xué)研究任務(wù)的主要學(xué)術(shù)性機構(gòu)，有著不可或缺的重要作用。對圖書館借閱數(shù)據(jù)與圖書館門禁數(shù)據(jù)進行分析，能為高校的圖書館建設(shè)和學(xué)生管理提供有效幫助。

2.1.1 圖書借閱情況

圖書借閱情況能有效反映出一個學(xué)生在學(xué)習(xí)方面的積極性，通常圖書借閱量越多，學(xué)習(xí)積極性越高，同時也會促進學(xué)習(xí)的進步，形成良性循環(huán)。

通過查詢圖書借閱數(shù)據(jù)，比較學(xué)生信息表，篩選出所有在1年內(nèi)從未前往圖書館借過書的學(xué)生群體。最終共篩選出1 373人，占總學(xué)生人數(shù)的19.23%。再通過計算得出成績分別為“優(yōu)秀—普通—較差”三個層次的學(xué)生群體的TGI，分別為95.26、100.23、103.07。從TGI上來看成績較差的學(xué)生占從未借書群體中的主要部分，成績優(yōu)秀的學(xué)生群體相對較少，符合普遍的認(rèn)知，但由于兩者的值距離平均值100較近，因此很難明確圖書借閱對于成績的影響。

隨后對圖書借閱數(shù)據(jù)進行統(tǒng)計。分別統(tǒng)計每個學(xué)生在1年內(nèi)的借書總量，并依據(jù)借書總量將其劃分為總借書量“少于2本、2—15本、多于15本”3個層次的群體。TGI計算結(jié)果如表2所示，從表2中可以看出成績優(yōu)秀的學(xué)生群體更傾向于借更多的書，成績較差的學(xué)生則更傾向于借較少的書甚至是不借書，而成績位于平均水平的學(xué)生群體則恰好代表了各類借書量的平均水平，符合預(yù)期，但TGI均未超過120或低于80，因此無法確定圖書借閱量對成績是否存在顯著性影響。

通過查閱文獻發(fā)現(xiàn)[7, 8]，或許是因為成績較差的學(xué)生在學(xué)習(xí)積極性方面有所欠缺，因此導(dǎo)致其圖書借閱量較少，而成績較為優(yōu)異的學(xué)生可能在學(xué)習(xí)方面較為積極或課程壓力較大，使其需要借閱更多的書籍來完善知識框架，又或許是因為在閱讀更多書籍后激發(fā)了學(xué)習(xí)的動力，使其成績變得優(yōu)異。由此得出，若高校需要制定針對成績較差的學(xué)生的干預(yù)措施，可以從圖書借閱入手，提高成績；也可以將圖書借閱的TGI作為指標(biāo)，觀察干預(yù)措施的實施效果，確保其行之有效。

表2 不同借書量群體TGI

2.1.2 研修室使用情況

研修室作為圖書館中不同于大廳學(xué)習(xí)區(qū)的多優(yōu)勢區(qū)域，能夠更好地為學(xué)生提供更多學(xué)習(xí)幫助和隱私保護，同時也能為小型學(xué)習(xí)團體提供優(yōu)良的學(xué)習(xí)環(huán)境。充分利用好研修室，能夠有效改善學(xué)生的學(xué)習(xí)環(huán)境，提高學(xué)習(xí)效率。

本文所使用的數(shù)據(jù)共包含了三種不同的研修室：單人研修室、三人研修室和六人研修室。通過對圖書館數(shù)據(jù)進行查詢和篩選，共發(fā)現(xiàn)648位學(xué)生在一年內(nèi)使用過圖書館研修室，共占學(xué)生總?cè)藬?shù)的8.94%。研修室所使用過的人數(shù)相對較少，受眾面不廣。在查閱高校對研修室的管理條例后推測，可能是受到需要預(yù)約的限制，不少學(xué)生無法及時搶到研修室的使用名額，多次往復(fù)后可能會喪失對研修室使用的積極性，不利于持續(xù)發(fā)展。

隨后在計算不同成績學(xué)生群體的研修室使用情況的TGI后發(fā)現(xiàn)，成績較差的學(xué)生群體對研修室的使用達到了正向顯著性水平，其中對三人研修室的傾向性更高，TGI達到182.08，遠大于平均值100；成績優(yōu)異的學(xué)生群體在對研修室的使用情況方面相對較差，三人研修室的TGI值為51.64；成績處于平均水平的學(xué)生在研修室的使用情況方面略低于平均水平。研修室使用情況的TGI具體情況如表3所示。

造成上述情況的可能原因是成績較差的學(xué)生群體使用了大部分的名額，使其他學(xué)生無法有效地利用研修室。盡管分析結(jié)果有悖于直覺，但仍在情理之中。當(dāng)部分學(xué)生處于成績較差的狀態(tài)，但又對自身所處的現(xiàn)狀有所不滿時，往往會引發(fā)一定的焦慮情緒。在處于一定的外部壓力和自身焦慮的情況下，部分成績較差的學(xué)生希望能夠盡快地提高自身的成績，因此會希望通過得到更好的學(xué)習(xí)環(huán)境來改善自己的學(xué)習(xí)效率，從而盡快提高自身的成績，但具體原因仍需深層次的調(diào)查與研究。

表3 研修室使用情況TGI

2.1.3 考試月圖書館使用群體

考試月是指臨近期末的最后一個月，本文數(shù)據(jù)中的考試月是指6月與12月?？荚囋聢D書館的使用情況分析能夠從一定程度上體現(xiàn)學(xué)生是否僅僅為了通過考試而使用圖書館資源。通過對其深入的分析與挖掘，能夠幫助高校更合理地安排圖書館資源，并為高校提供管理學(xué)生的決策輔助。

首先，對圖書館借閱數(shù)據(jù)進行分析，篩選出所有僅在考試月中出現(xiàn)的學(xué)生群體。篩選結(jié)果為共有281名學(xué)生僅在考試月中借書，占學(xué)生總?cè)藬?shù)的3.94%。成績分別為“優(yōu)秀—普通—較差”三個層次的學(xué)生群體的TGI分別為90.77、94.09、160.01。從人數(shù)上可以發(fā)現(xiàn)僅存在小部分學(xué)生只在考試月時“臨時抱佛腳”。通過TGI能夠得出，僅在考試月借閱書籍的主要是成績較差的學(xué)生群體；成績優(yōu)異的學(xué)生和成績處于平均水平的學(xué)生TGI均低于平均值100，盡管未低于80，沒有表現(xiàn)出負(fù)向顯著性水平，但從一定程度上足以表明成績優(yōu)秀與普通的學(xué)生更偏向于通過平時的努力來提高成績，而非寄希望于考前沖刺。

2.2 寢室門禁數(shù)據(jù)分析

寢室作為大學(xué)生在校生活的主要區(qū)域，在影響學(xué)生學(xué)習(xí)氛圍的角色中承擔(dān)著重要的作用。一個擁有積極向上的學(xué)習(xí)氛圍的寢室，能夠在一定程度上影響學(xué)生的學(xué)習(xí)積極性，從而影響到學(xué)生的成績[10]。對寢室數(shù)據(jù)的分析能夠輔助高校研究和確定管理寢室的決策。

從古至今，早起學(xué)習(xí)都是一個良好的習(xí)慣。從一個學(xué)生是否擁有早起的習(xí)慣，可以看出一個學(xué)生的毅力，從而反映出一定的學(xué)習(xí)能力。高校通過關(guān)注學(xué)生的早起情況，能在一定程度上評估學(xué)校的學(xué)習(xí)氛圍等信息。

通過保留每人每日第一條寢室刷卡數(shù)據(jù)，篩選出所有學(xué)生的早起數(shù)據(jù)。在規(guī)定早起時間段為每日的5:00—7:30的情況下，分別計算三類學(xué)生在“整周、工作日、雙休日”三種視角下的TGI，結(jié)果如表4所示。其中成績較差的學(xué)生群體TGI均低于80，無論是在何種時段分類視角下，均達到了負(fù)向顯著性水平，其中雙休日的TGI僅有68.88，說明成績較差的學(xué)生通常難以早起；成績優(yōu)秀的學(xué)生群體則與成績較差群體則恰恰相反，盡管其TGI均未突破120，但在所有時段分類視角下，其均高于平均值100，說明成績優(yōu)秀的學(xué)生更傾向于每日早起；成績普通的學(xué)生群體則恰好處于平均水平，符合預(yù)期。

從結(jié)果來看，盡管證明早起能夠有效影響學(xué)生學(xué)習(xí)成績?nèi)孕韪嗾{(diào)查與研究，但早起TGI足以成為高校在管理學(xué)生時的一個指標(biāo)。當(dāng)高校各類學(xué)生群體的早起TGI整體上升至接近100甚至高于100時，可以在一定程度上反映出該群體的學(xué)習(xí)氛圍、生活積極性有所改善，具體緣由則不再展開。

表4 早起TGI

2.3 一卡通數(shù)據(jù)分析

一卡通作為承載著高校數(shù)字化、智慧化的載體之一，在學(xué)生的在校生活中扮演著重要的角色。一卡通作為聯(lián)系高校各個系統(tǒng)的紐帶，在為學(xué)生提供便利的同時，也極大地便捷了高校的管理工作。隨著時間的推移，高校通過一卡通積累了大量的學(xué)生消費數(shù)據(jù)。利用好一卡通數(shù)據(jù)，有助于高校全面掌握學(xué)生在校消費情況、生活情況，為高校優(yōu)化資源配置提供極大的幫助。

2.3.1 早餐情況

Lien在研究中指出早餐消費情況會影響學(xué)生的學(xué)習(xí)成績[11]。學(xué)生能否按時吃早餐和吃早餐頻率的數(shù)據(jù)分析結(jié)果能有效反映學(xué)生學(xué)習(xí)情況。

為計算學(xué)生吃早餐的TGI，我們假定學(xué)生在校天數(shù)(減去寒暑假)共計275天(其中工作日約170天)，隨后我們規(guī)定：1年內(nèi)在學(xué)校食堂6:00-8:00的時間段內(nèi)吃早餐的天數(shù)“低于50次高于0次”為“低頻”，“50—100次”為“中頻”，高于100次為“高頻”。通過篩選分析，發(fā)現(xiàn)“低頻”“中頻”“高頻”分別有4 825人、1 493人、820人，其中1人一年內(nèi)從未在食堂中吃過早飯。各成績學(xué)生群體的TGI如表5所示。從結(jié)果中發(fā)現(xiàn)，“低頻”學(xué)生人數(shù)占總?cè)藬?shù)的67.59%，遠遠大于其他兩類學(xué)生的占比；成績較差學(xué)生群體的“低頻”TGI達到了118.83，接近正向顯著性水平指標(biāo)；“中頻”“高頻”TGI均低于80，呈現(xiàn)出負(fù)向顯著性水平，說明成績較差學(xué)生群體更傾向于不吃早餐或在更晚的時間吃早餐；成績優(yōu)異的學(xué)生群體則相對更傾向于在較早的時候吃早餐，其“高頻”TGI達到了116.88。

表5 早餐頻次TGI

2.3.2 超市消費情況

相比于早餐情況，超市消費情況能體現(xiàn)出一定的娛樂休閑性質(zhì)。通過對超市消費情況的分析，能體現(xiàn)出一定的在校娛樂休閑情況。

與早餐情況類似，通過統(tǒng)計學(xué)生在校超市消費次數(shù)，將消費次數(shù)“低于100次高于0次”記為“低頻”，“高于100次低于200次”記為“中頻”，“高于200次”記為“高頻”。統(tǒng)計分析結(jié)果為，“低頻”“中頻”“高頻”分別有4 518人、2 126人、479人，共16人不存在消費記錄，TGI如表6所示。TGI結(jié)果表明，成績優(yōu)異的學(xué)生群體更少在學(xué)校超市內(nèi)消費，其“低頻”TGI達到了115.54，而“中頻”“高頻”則均達到了負(fù)向顯著性水平；成績較差的學(xué)生群體在“高頻”消費中超過平均水平，但與正向顯著性水平仍有一定的距離，其值為112.69，而“低頻”“中頻”則接近平均水平；成績處于平均水平的學(xué)生在超市消費情況中出現(xiàn)了不均等的情況，盡管均接近平均值100，但仍可能存在一定的趨向，具體情況需要更多的研究，本文不再深入研究。

表6 超市消費情況TGI

3 結(jié)語

不同成績的大學(xué)生群體在學(xué)習(xí)生活方面存在著明顯的差異：成績較為優(yōu)異的大學(xué)生群體在圖書借閱量方面多于其他群體，且早起頻次與吃早餐頻次高于其他群體；成績較差的學(xué)生群體則在研修室使用情況上優(yōu)于其他群體，僅在考試月努力學(xué)習(xí)的情況較為突出，在超市的高頻消費也相較其他群體多，詳情如表7所示。

表7 不同成績學(xué)生群體差異

結(jié)果表明，高校在進行教育建設(shè)時，為體現(xiàn)以學(xué)生為主體，便于以學(xué)生行為變化為參照，優(yōu)化教學(xué)方式、學(xué)生管理方式，可做好如下幾點工作：(1)建立健全完善的數(shù)字化學(xué)生檔案，充分以數(shù)字化方式記錄高校日常工作、學(xué)生日常學(xué)習(xí)生活行為；(2)實現(xiàn)學(xué)生個人數(shù)據(jù)的動態(tài)追蹤，構(gòu)建基于學(xué)生個人數(shù)據(jù)的畫像分析平臺，實現(xiàn)學(xué)生日常學(xué)習(xí)生活行為實時追蹤、實時分析，動態(tài)化教學(xué)安排；(3)加強高校管理部門與學(xué)生的溝通交流，動態(tài)調(diào)整學(xué)生學(xué)業(yè)評估模型、方式，達到學(xué)生學(xué)業(yè)指導(dǎo)、學(xué)業(yè)及時預(yù)警、個性化推薦等目標(biāo)。

最后，利用TGI對學(xué)生畫像進行分析為科學(xué)的定性研究提供了一個新的思路，但TGI仍然存在一定的不足。TGI在局部區(qū)域某特征的強弱表現(xiàn)方面具有較好的能力，但在絕對數(shù)值上存在不足，因此可能出現(xiàn)TGI很高，但是絕對數(shù)值較小的情況。對此，TGI仍有較大的研究提升空間。