基于大數(shù)據(jù)和智能校園的大學(xué)生體質(zhì)研究

羅明

摘 要 本文以大學(xué)生為研究對象，提出了一個智能校園大數(shù)據(jù)平臺。以體育課程在教育資源上的成就程度為參照，建立了體育體質(zhì)特征體系。獲取大學(xué)生體質(zhì)指標(biāo)，建立大學(xué)生體質(zhì)模型。利用智能校園大數(shù)據(jù)對特征屬性離散化形成的特征項進行標(biāo)定，得到準(zhǔn)確的指標(biāo)，得到學(xué)生體質(zhì)曲線。本文認(rèn)為輔導(dǎo)教學(xué)工作與數(shù)據(jù)參考是提高大學(xué)生體質(zhì)健康的重要途徑。

關(guān)鍵詞 大數(shù)據(jù) 智能校園 Logistic線性回歸模型 迭代計算

中圖分類號：TP311;G645 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-0745（2021）11-0050-03

大學(xué)生本身不愿意參加體育鍛煉，而且學(xué)校對體育課程重視程度較低，課程設(shè)置不一致[1]，進一步加劇大學(xué)生體育鍛煉不足[2]。因此，對高校大學(xué)生體質(zhì)進行研究并獲取適合的評價方法，具有十分重要的意義。

1 大學(xué)生體質(zhì)現(xiàn)狀

體質(zhì)與健康密切相關(guān)[3]。身體健康以身體指標(biāo)反映人體的健康狀況。它已成為反映學(xué)生群體健康狀況的一個特殊術(shù)語。目前，我國大學(xué)生的身體素質(zhì)同步提高程度明顯不足，學(xué)生肥胖和超重檢出率繼續(xù)上升。因為在我國高校體育教學(xué)中，仍然使用舊的、統(tǒng)一的成績來評價和衡量大學(xué)生的身體素質(zhì)，這使得體育課的教學(xué)內(nèi)容十分僵化，教學(xué)過程更加單調(diào)。因此，它極大地阻礙了學(xué)生潛能的開發(fā)，也導(dǎo)致學(xué)生不重視、不喜歡、不積極參與學(xué)校體育課程。

2 建模分析

2.1 數(shù)據(jù)分類

本文采用SPSS軟件實現(xiàn)數(shù)據(jù)統(tǒng)計，再采用logistic線性回歸模型完成擬合運算。同時，還增加了智能校園系統(tǒng)中關(guān)于學(xué)生骨骼發(fā)育、血氧指數(shù)和運動功能的數(shù)據(jù)指標(biāo)，并發(fā)展和擴展為因子組，符號表如表1所示。

為消除模型中的不確定性因素，補充測試對總體數(shù)據(jù)的影響被忽略。

2.2 模型建立

基于上述數(shù)據(jù)指標(biāo)，可以開始模型解決方案。為了研究測試者的測試分?jǐn)?shù)與身體狀況之間的關(guān)系，首先對指標(biāo)進行統(tǒng)一量化，然后將所有數(shù)據(jù)輸入SPSS軟件。身高、體重得分和肺活量得分相加，如等式（1）所示：

在公式（1）中，XS和XT是指身高體重分?jǐn)?shù)和肺活量分?jǐn)?shù)，它們是基本能力因素的值。耐力、柔韌性和柔韌性項目都有很好的分?jǐn)?shù)，可以直接使用。如果該系數(shù)包含多個變量，則應(yīng)使用上述等式將變量分?jǐn)?shù)組合成一個百分比系統(tǒng)。

有必要找出每個因素與學(xué)生體質(zhì)之間的關(guān)系，并找出每個因素之間的權(quán)重值。輸入SPSS軟件后，將T1～T4的KMO球面檢驗結(jié)果與球面檢驗相結(jié)合，得到總因子的方程（2）：

z=0.32802T1+0.31991T2+0.16729T3+0.18478T4? ? ? ? ? ? ? （2）

Logistic線性回歸模型中，模型相關(guān)變量為y，獨立變量為xi。在m個自變量的作用下，預(yù)期結(jié)果的條件概率為P=P（y=1 | x1，x2，x3…xn），則邏輯回歸模型可表示為：

進而Sigmoid函數(shù)可以由下式獲得：

方程（4）的域為（-inf，+inf），取值范圍為（0，1）。間接使用Sigmoid函數(shù)，從而擴展了構(gòu)建模型的內(nèi)容。在函數(shù)中，由于參數(shù)范圍為（0+∞） 這在函數(shù)所需的域中是非負(fù)的，通過SPSS可知，每個數(shù)據(jù)的綜合系數(shù)也是非負(fù)的。因此，對原始基本方程進行了改進，但由于加權(quán)后結(jié)果值隨原始結(jié)果而變化，因此使用比例方程將綜合因子z的結(jié)果控制在[0，10]，也就是說，方程中的所有子變量都與整體變化呈正相關(guān)。

建立邏輯模型，其中自變量T1、T2、T3和T4是每個子系數(shù)xij的矩陣。權(quán)重用于計算總因子z，公式如下：

3 數(shù)據(jù)分析

將學(xué)生數(shù)據(jù)代入大數(shù)據(jù)進行計算。方程的域是z∈ （0，10），取值范圍為Q∈（0，1）。方程采用Logistic線性回歸連續(xù)迭代計算，初始迭代次數(shù)為0.1。此處迭代系數(shù)分別設(shè)置為0.3、1.8和2.5。當(dāng)被測學(xué)生的所有因子均為0時，學(xué)生的健康系數(shù)為0。隨著自變量的增加，Logistic模型得到的Q的增長曲線x迅速上升。使用Matlab繪制生長曲線圖像，如圖1所示;以評價等級為0-5，分?jǐn)?shù)值的分布區(qū)間如圖2所示;當(dāng)評價等級為15-25時，分?jǐn)?shù)值的分布區(qū)間如圖3所示。

4 結(jié)論

基于大數(shù)據(jù)的學(xué)生數(shù)據(jù)測量模型反映了學(xué)生的健康狀況。結(jié)合智能校園系統(tǒng)的數(shù)據(jù)指標(biāo)，可以得出結(jié)論，即當(dāng)分?jǐn)?shù)處于大多數(shù)人的水平時，學(xué)生的健康狀況很可能是正常的。如果綜合得分略低于多數(shù)，可針對學(xué)生得分較低的情況予以強調(diào)，導(dǎo)師應(yīng)促進相應(yīng)的鍛煉，以預(yù)防健康風(fēng)險。當(dāng)總分遠(yuǎn)低于大多數(shù)學(xué)生時，應(yīng)引起學(xué)校的注意。應(yīng)跟蹤學(xué)生的健康狀況，并提供指導(dǎo)，提升大學(xué)生體質(zhì)健康的整體水平。

參考文獻(xiàn)：

[1] 劉博，郭陽.基于大數(shù)據(jù)背景下大學(xué)生體質(zhì)健康發(fā)展策略研究[J].粘接，2020，41（03）：88-91.

[2] 黃萍婷.基于體測大數(shù)據(jù)大學(xué)生體質(zhì)與健康管理的人工智能系統(tǒng)開發(fā)的展望[J].產(chǎn)業(yè)科技創(chuàng)新，2020，40（04）：33-35.

[3] 李濤.基于大數(shù)據(jù)思維的大學(xué)生體質(zhì)健康測試指標(biāo)相關(guān)性分析[J].中國學(xué)校體育（高等教育），2018，05（06）：85-91，98.