一、学生行为大数据分析关键技术
传统的学生行为管理，往往是经验的、路径依赖式的管理，如今的大数据应用，让我们能主动掌握学生校园行为发生的特点和规律，并可据此做出研判和预测，实现学校“前置式”的管理模式创新。
因此，挖掘教育数据在教学管理、教学、学习中的实际价值，开发基于大数据的学生校园行为分析预警管理平台，能够根据学校教学质量、学生日常行为、学生安全管控、学生心理辅导等来进行教育大数据处理与分析，辅助学校管理的宏观决策，辅助教学生产安全管控，包括：金融信贷风险、网络行为、消费行为、旷课行为、挂科、学分不足等一系列的预警，深度挖掘学生心理问题，对有问题的学生进行预警和重点关注。
01学生校园行为分析数据采集方法
移动互连、物联网、云计算、社交网络、Web的快速发展让学生校园行为数据前所未有的增长，海量数据中必然蕴含着巨大的价值。当前学生校园行为分析方法主要包括关联分析、特征分析、分类预测、异常分析和TopN分析等，这些都需要采集大量的数据。
学生校园行为分析数据包括结构化和非结构化的数据。结构化数据可以通过“一卡通”、网络监控、教务、考勤等校园部署的信息系统进行数据采集和转换。非结构化、半结构化数据大部分来源于互联网、社区论坛等，需要利用数据采集平台，运用云化ETL工具、流数据处理、网络爬虫等工具进行采集。
02学生校园行为分析预测模型
学生校园行为分析以统计分析、聚类、预测、关系挖掘、文本挖掘等教育数据挖掘方法为基础，设计与建立学生离群行为分析、学生情感分析等非常规挖掘模型，从学生心理健康测试、精神状态、情感态度、人际关系、行为轨迹、家庭背景、上课考试情况、课外活动情况、各种奖惩统计、微博微信活跃度、宗教信仰等方面进行数据关联性分析，
设置各分析系统模块的分级指标和权重比例，深入剖析每位学生的个性特征、行为规律、生活习惯及其智力水平等，建立以影像、图形、文本、语音等非结构化数据为对象的学生校园行为大数据分析安全预警管理模式，做到未雨绸缪，防微杜渐，真正实现“平安校园”的管理目标。
03学生行为大数据可视化模型
大数据背后蕴藏着非常大的应用价值，但是如果没有人能够看得懂这些数据背后含义的话，再多的大数据分析方式方法都没有用。通过专业的可视化工具SAS、SPSS建立学生校园行为大数据可视化模型，实现对学生行为大型数据仓库中的数据进行可视化，使管理者不再是简单地通过数据关系表来观察和分析用户数据信息，从而以更直观、更方便的方式观看到所有用户的数据及其结构关系。
我们通过对学生行为的数据进行离群点分析，初步形成具有相似行为特征值的聚类分析，最后梳理生成不同主题内容的大数据分析模块。
学生在校期间的课堂出勤情况、考试分数、及格率、优秀率等可自动生成不同的动态曲线图，让老师非常直观地掌握学生的学习情况和发展趋势；
通过对网络行为监控，可以对使用网络的学生进行热点话题分析，针对重点标注的政治性词语出现的频率，可以分析学生对时事政治敏感问题的关注情况，教师和学生管理者可以根据这些数据进行舆情分析；
对学生安全数据的进行系统分析，可以将学生的情绪和态度进行直观可视化，并且针对重点标注“焦虑”“失恋”“愤恨”等负面情绪主题词，实时掌握学生的生理和心理健康问题。
还可以根据学生情感问题情况、人际交往记录、行动轨迹信息、常用联系人等数据，跟踪观察在校学生的行动行为轨迹，预先划定学习区域、运动区域和生活区域等人身平安区域，一旦系统出现监测到数据出现不稳定或者超常规的迹象预警时，就要密切关注和跟踪学生的行为，防患于未然。
二、学生校园行为大数据分析预警管理平台的建构
学生校园行为大数据分析预警管理平台采用当前主流的大数据框架Hadoop对数字化校园环境产生的大规模学生行为数据进行采集、加工和分析，建构起大数据与学生管理系统中的相关性联系，形成学生校园行为数据分析系统总体架构；
设计学生校园行为分析系统的数据釆集框架、功能架构和关键算法，对学生校园行为异构数据进行分布式存储和处理，实现学生行为数据的全面挖掘和深入分析，对学生的行为动态提前掌控，并对重点学生的行为发展做出预判。
01平台总体框架设计
基于大数据的学生校园行为分析预警平台采用“1+1+4+N”的总体功能架构设计：1个校园基础数据源；1个大数据基础运行平台；4大平台：数据采集存储平台、综合分析挖掘平台、智能预警平台、安全运行管控平台；N大应用，包括：智能预警、数据挖掘、多维分析、关键指标、专题分析等，如图2所示。
系统将校园大数据学生行为分析中心的四大平台体系分成“3+1”结构，即数据采集与存储平台、分析与挖掘平台、监测与决策平台，以及覆盖整个系统的安全管控平台。
数据采集与存储平台的主要职责是对学校管理基础信息和学生行为相关大数据进行收集，并将采集到的数据进行结构化存储和清洗。这是学校的信息数据，也是未来数字学校的最重要资产。
分析与挖掘平台的主要职责是对学校采集到的大数据进行专门的分析建模，此后再深入对数据进行挖掘和智能分析。
智能预警平台的主要职责是利用大数据技术分析的结论对学生的异常行为进行智能预警，以及产生与之相对应的安全监督措施等。
安全管控平台的主要职责是负责整个系统数据监控和数据管理，确保学校的数据资产的安全性和可控性。
02平台技术架构
基于大数据的学生校园行为分析预警平台采用典型的大数据技术架构，分为三大层次，即：数据源层、数据处理层和应用层（数据分析挖掘与智能预警层）。
数据源层主要有结构化、非结构化和半结构化数据。
结构化数据包括“一卡通”、网络监控、教务数据、考勤等系统自动收集到的数据；非结构化、半结构化数据主要来源于互联网、文档等。数据处理层包括数据采集平台(云化ETL工具、流数据处理、网络爬虫等)、数据存储平台(主数据仓库)、数据运算平台(分布式数据库、Hadoop平台等)。
数据分析挖掘与智能预警层包括基础分析组件、多维分析组件、数据挖掘组件、实时分析组件、自助分析组件等，如图3所示。
作者：邓逢光、张子石，华东师范大学、岭南师范学院。
来源：《中国电化教育》。原文标题为《基于大数据的学生校园行为分析预警管理平台建构研究》，本文有删减。
http://mp.weixin.qq.com/s?__biz=MzIyNzAwOTUxMA==&mid=2650112937&idx=1&sn=b53ee47da3aed864f919616b88efec72&chksm=f0669520c7111c36eb53a6298e2f679effdbba2425c6bb20483c37c48cdae94889ebda54739e&mpshare=1&scene=1&srcid=11309EgyIZgmePxiefcLreL4#rd
