基于大數(shù)據(jù)和智能校園的大學(xué)生體質(zhì)研究

羅 明

（江門職業(yè)技術(shù)學(xué)院，廣東江門 529000）

大學(xué)生本身不愿意參加體育鍛煉，而且學(xué)校對(duì)體育課程重視程度較低，課程設(shè)置不一致[1]，進(jìn)一步加劇大學(xué)生體育鍛煉不足[2]。因此，對(duì)高校大學(xué)生體質(zhì)進(jìn)行研究并獲取適合的評(píng)價(jià)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(gè)特殊術(shù)語(yǔ)。目前，我國(guó)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?yàn)樵谖覈?guó)高校體育教學(xué)中，仍然使用舊的、統(tǒng)一的成績(jī)來(lái)評(píng)價(jià)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(guò)程更加單調(diào)。因此，它極大地阻礙了學(xué)生潛能的開(kāi)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(shí)現(xiàn)數(shù)據(jù)統(tǒng)計(jì)，再采用Logistic 線性回歸模型完成擬合運(yùn)算。同時(shí)，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(yùn)動(dòng)功能的數(shù)據(jù)指標(biāo)，并發(fā)展和擴(kuò)展為因子組，符號(hào)表如表1 所示。

表1 符號(hào)表

為消除模型中的不確定性因素，補(bǔ)充測(cè)試對(duì)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(kāi)始模型解決方案。為了研究測(cè)試者的測(cè)試分?jǐn)?shù)與身體狀況之間的關(guān)系，首先對(duì)指標(biāo)進(jìn)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(xiàng)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(gè)變量，則應(yīng)使用上述等式將變量分?jǐn)?shù)組合成一個(gè)百分比系統(tǒng)。

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

Logistic 線性回歸模型中，模型相關(guān)變量為y，獨(dú)立變量為xi。在m 個(gè)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(jìn)而Sigmoid 函數(shù)可以由下式獲得：

方程（4）的域?yàn)椋?inf，+inf），取值范圍為（0，1）。間接使用Sigmoid 函數(shù)，從而擴(kuò)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(guò)SPSS 可知，每個(gè)數(shù)據(jù)的綜合系數(shù)也是非負(fù)的。因此，對(duì)原始基本方程進(jìn)行了改進(jìn)，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(shuō)，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(gè)子系數(shù)xij的矩陣。權(quán)重用于計(jì)算總因子z，公式如下：

通過(guò)對(duì)替代模型的計(jì)算，得到了Q 和z 方程：

3 數(shù)據(jù)分析

將學(xué)生數(shù)據(jù)代入大數(shù)據(jù)進(jìn)行計(jì)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(jì)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(cè)學(xué)生的所有因子均為0 時(shí)，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(zhǎng)曲線x 迅速上升。使用Matlab 繪制生長(zhǎng)曲線圖像，如圖1 所示；以評(píng)價(jià)等級(jí)為0-5，分?jǐn)?shù)值的分布區(qū)間如圖2 所示；當(dāng)評(píng)價(jià)等級(jí)為15-25 時(shí)，分?jǐn)?shù)值的分布區(qū)間如圖3 所示。

圖1 增長(zhǎng)曲線

圖2 評(píng)價(jià)等級(jí)為0-5 下的分?jǐn)?shù)分布狀況

圖3 評(píng)價(jià)等級(jí)為15-25 下的分?jǐn)?shù)分布狀況

4 結(jié)論

基于大數(shù)據(jù)的學(xué)生數(shù)據(jù)測(cè)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(shí)，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(duì)學(xué)生得分較低的情況予以強(qiáng)調(diào)，導(dǎo)師應(yīng)促進(jìn)相應(yīng)的鍛煉，以預(yù)防健康風(fēng)險(xiǎn)。當(dāng)總分遠(yuǎn)低于大多數(shù)學(xué)生時(shí)，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。