基于校園卡數(shù)據(jù)的學(xué)生行為分析的研究

葛昆，武丁杰，鄒德龍，向琴，宋夏芝

（中國民用航空飛行學(xué)院，廣漢618300）

0 引言

隨著互聯(lián)網(wǎng)的發(fā)展與成熟，“智慧校園”一詞成為高校未來建設(shè)的重要一環(huán)。智慧校園需要互聯(lián)網(wǎng)校園中心的建立，實現(xiàn)互聯(lián)互通和解決計算存儲問題。高校在實現(xiàn)數(shù)據(jù)存儲情況已經(jīng)基本完成，由各個學(xué)校的校園卡作為載體進行數(shù)據(jù)的轉(zhuǎn)載。但是，各個信息作為單獨的個體獨立存儲，距離真正的智慧校園還是有一定的差距。如何拉動各個系統(tǒng)之間的數(shù)據(jù)實現(xiàn)跨系統(tǒng)的聯(lián)動是未來工作的重中之重。目前，以中國民用航空飛行學(xué)院的校園卡為例，學(xué)生的在校行為是處于被記錄狀態(tài)，學(xué)生日常在校的消費時間、消費記錄都可以很好地被保存下來，學(xué)生眾多的日常行為都可以通過數(shù)據(jù)反應(yīng)出來。

本文基于中國民用航空飛行學(xué)院的校園卡的數(shù)據(jù)，對學(xué)生在校的日常行為進行分析。每年國家提供給家庭困難的大學(xué)生許多經(jīng)濟援助，但是我們常常發(fā)現(xiàn)由于需要判定的條件很多，以及認證環(huán)節(jié)存在的不規(guī)范現(xiàn)象，僅僅通過一紙認定會造成偏差。本文通過對校園數(shù)據(jù)的挖掘，整理分析基于校園卡的學(xué)生在校數(shù)據(jù)，對學(xué)生在校的消費記錄進行整理和分析，從而反應(yīng)個體或者群體在校的整體情況，為今后校園食堂的整改、貧困學(xué)生的認證提供有效的數(shù)據(jù)支持，為今后貧困學(xué)生的認定提供一個有效手段。

1 基于學(xué)生個人數(shù)據(jù)的畫像建立

用戶畫像是一種工具，它可以將用戶的行為數(shù)據(jù)和用戶屬性結(jié)合起來，根據(jù)用戶的消費、習(xí)慣、社交等給用戶貼上不同的標簽。如圖1所示是構(gòu)建用戶數(shù)字畫像的基本流程。

圖1 構(gòu)建用戶數(shù)字畫像流程

中國民用航空飛行學(xué)院的學(xué)生卡記錄了學(xué)生的校園生活消費的地點，間接記錄了一個學(xué)生在校運動的軌跡，包含了餐廳消費的金額、餐廳消費的時間、洗澡時間等等，搜集這些數(shù)據(jù)抽象化構(gòu)建學(xué)生的虛擬形象，學(xué)生在校的行為分析如圖2所示。

圖2 學(xué)生在校行為分析

2 數(shù)據(jù)的預(yù)處理

由于學(xué)生在校流水數(shù)據(jù)眾多，這些數(shù)據(jù)都存儲在數(shù)據(jù)庫中，本實驗僅僅研究學(xué)生在校的消費情況，由于人員操作失誤或者因為機器本身的影響，我們拿到的數(shù)據(jù)會存在一些錯誤、丟失或者內(nèi)容重復(fù)等問題。為了使后續(xù)實驗進展順利，我們需要對數(shù)據(jù)進行清洗。

2.1 數(shù)據(jù)清洗

數(shù)據(jù)清洗就是將我們獲得的雜亂無序、錯誤、重復(fù)、不符合規(guī)則的“臟數(shù)據(jù)”修正為可以直接帶入模型的“干凈數(shù)據(jù)”的過程。數(shù)據(jù)的預(yù)處理主要是去除缺失值，處理異常值，對文本字符串進行簡單處理等。

2.2 數(shù)據(jù)集成

進行預(yù)處理之后的數(shù)據(jù)為了便于進行數(shù)據(jù)挖掘我們需要對多種不同類型的數(shù)據(jù)進行集成操作。由于在實際存儲過程中會面臨著由于數(shù)據(jù)類型不一致的問題、因此我們需要根據(jù)具體情況對不同數(shù)據(jù)進行集成使得最后輸入的數(shù)據(jù)符合要求。

2.3 數(shù)據(jù)變換

數(shù)據(jù)變換主要是針對不同形式的數(shù)據(jù)化為統(tǒng)一的形式。本文主要研究學(xué)生消費情況，將變換后具有一致性的數(shù)據(jù)進行聚集、泛化等操作對數(shù)據(jù)進行離散化操作。離散化的數(shù)據(jù)具有穩(wěn)定性強的特點，能夠使得擬合風險減小。

2.4 數(shù)據(jù)規(guī)約

大量數(shù)據(jù)的挖掘不利于效率的提高，為此我們需要對數(shù)據(jù)進行壓縮。數(shù)據(jù)的規(guī)約就是通過變換在保證數(shù)據(jù)原來樣子的情況下對數(shù)據(jù)進行壓縮處理，常見有維規(guī)約、數(shù)量規(guī)約以及數(shù)據(jù)壓縮等方式。由于存儲中的數(shù)據(jù)和本文沒有直接聯(lián)系，我們可以使用數(shù)據(jù)規(guī)約減少需要處理的數(shù)據(jù)量。表1、表2為校園卡消費數(shù)據(jù)進行刪除數(shù)據(jù)規(guī)約的比較。

表1 原始學(xué)生校園卡消費數(shù)據(jù)

表2 數(shù)據(jù)規(guī)約后學(xué)生校園卡消費數(shù)據(jù)

3 算法介紹

3.1 K-means聚類算法介紹

K-means算法是無監(jiān)督學(xué)習(xí)中一個非常典型的例子?？梢杂靡粋€比較好理解的例子來解釋：大學(xué)開學(xué)迎來了一大批新生，喜歡音樂的同學(xué)加入到了音樂社，喜歡動漫的同學(xué)加入到了動漫社，喜歡計算機的同學(xué)加入到了計算機社，雖然天南地北不認識的人借著這個機會相互認識形成一個個小團體，小團體在更多同學(xué)的加入下逐漸壯大，最終形成規(guī)模，也就是社團。歸屬感使得相似的人走到一起，不相關(guān)的人漸行漸遠，就形成了物以類聚，人以群分。

機器學(xué)習(xí)中的數(shù)據(jù)樣本也是如此。相似的樣本歸為一類，用這幾個樣本的中心位置表示這個類別，方便其他相似樣本的加入，每當類別中有新的相似樣本的加入，就更新類別的中心位置，方便新樣本適應(yīng)類別，這就是K-means算法的主要邏輯。

在數(shù)學(xué)上我們使用兩點在歐式空間中的距離定義相似度，即兩個點在歐式空間的距離。距離越近表示兩個點越相似，反之兩個點越不相似。為了表示相似的點屬于一類，我們引入了“clus?ter”概念，即屬于一個cluster的樣本都是相似的，也就是一類。為了表述cluster準確信息，還需要定義cluster坐標位置也就是centroid評估離哪個cluster更相似，每個centroid的坐標就是所有cluster的中心也就是均值。

K-means算法思想：假設(shè)存在X1=（0，2），X2=（0，0），X3=（1.5，0），X4=（5，0），X5=（5，2），K=2，即將X1～X5這5個點集分為2類，由于X4與X5距離較近X1，X2，X3距離較近，所以將C1=（X1，X2，X3）分為一類，將C2=（X4，X5）分為另一類，算出兩個分類的重心M1={（0+0+1.5）/3，（2+0+0）/3}={0.5，2/3}，M2={（5+5）/2，（2+0）/2}={5，1}。求出幾個點到M1、M2的距離d（Xn，Mn），發(fā)現(xiàn)X1，X2，X3到M1距離近，X4、X5到M2距離近，證明分類合理。

3.2 K-means算法流程

（1）給定N個集合；

（2）將不同簇的中心初始化；

（3）計算樣本到各個中心點距離，選擇距離最近的為該點屬于的簇；

（4）知道更新上限，重新計算中心點；

（5）直到不再變化為止。

4 結(jié)果分析

由于目前學(xué)生申請國家補助存在一紙評定的問題，各項信息停留在主觀評判，材料申請的客觀性難以評判，導(dǎo)致一些學(xué)生之間存在著虛假信息的上報，使得有限的資源不能給到需要的同學(xué)，造成資源的浪費。根據(jù)調(diào)查，學(xué)生在校消費行為主要分為三個部分，一是主要在各個食堂的刷卡消費，這是主要的：其二是利用校園卡在校園商店購買包括日常生活用品、學(xué)習(xí)工具、零食、飲料等費用，這兩點是我們可以記錄并保存下來的。其三是學(xué)生點外賣，由于疫情期間，學(xué)校禁止外賣入內(nèi)，這部分我們可以忽略不計。在此大環(huán)境下，學(xué)生的日?；顒雍拖M都集中在校內(nèi)，也就是說，校園一卡通承載了學(xué)生在學(xué)校幾乎所有的消費，可以保證我們的研究相對準確，從學(xué)生的校園卡消費可以間接反應(yīng)學(xué)生的消費水平，從而看出學(xué)生的家庭經(jīng)濟情況。為了公平，防止有學(xué)生存在僥幸心理，我們可以將校園消費作為評判學(xué)生是否具有評選資格的重要條件，目前已知有部分高校會每個月在校園卡消費較低的同學(xué)卡中給予一定的資金援助，這種行為值得推廣，并且可以優(yōu)先給予這部分學(xué)生校內(nèi)兼職的機會。所以，我們針對學(xué)生在校校園卡的研究，對解決實際問題具有一定的實際意義。

圖3 利用K-means算法對學(xué)生在校月消費金額進行聚類分析。根據(jù)實際情況，利用K-means算法將學(xué)生的月平均消費情況分為三個層次，即高額水平消費、中等水平消費，以及低水平消費。將聚類中心個數(shù)K的值設(shè)計為3，此時得到的聚類中心為425.6，637.5，821.2，結(jié)果如圖3所示。

圖3 月均消費聚類結(jié)果

根據(jù)K-means聚類得到的結(jié)果如圖4所示。

圖4 月均消費人數(shù)比例分布

根據(jù)分析可得所有的樣本分為3個簇，樣本分別為55%、26%和19%，分別表示有55%的學(xué)生月平均消費在637.5元左右，有26%的學(xué)生月平均消費在425.6元左右，有19%的學(xué)生月平均消費在821.2元左右。如表3所示。

表3 聚簇結(jié)果

通過對學(xué)生校園卡消費情況進行分析，有26%左右數(shù)量的學(xué)生在校消費水平處于較低位置。針對這些學(xué)生的消費情況，學(xué)校負責相關(guān)事宜的老師可以主動去進一步了解這些學(xué)生目前的生活和學(xué)習(xí)情況，針對提交家庭困難學(xué)生申請報告且處于低水平消費一欄的學(xué)生給予勤工助學(xué)的幫助，對于申請貧困生報告但是月平均消費水平為高的學(xué)生應(yīng)該再進行走訪調(diào)查。在大數(shù)據(jù)的支持下，獎學(xué)金、助學(xué)金的發(fā)放將更加透明。

5 結(jié)語

本文完成了中國民用航空飛行學(xué)院部分學(xué)生的校園數(shù)據(jù)卡消費數(shù)據(jù)的挖掘和探索，首先對初始“臟數(shù)據(jù)”進行清洗、集成變換和規(guī)約等操作，然后利用聚類算法對學(xué)生在校消費情況進行分析，得出表面數(shù)據(jù)下深層次的規(guī)律，為學(xué)校對家庭困難學(xué)生的認定提供了有效的技術(shù)手段。