安树庭　龚睫茜　罗靖　蔡佳悦

摘要：网格化管理是高校学生工作发展的必然趋势之一。本文构建了高校学生行为规范预警系统，将学生的行为划分为模范带头行为、典型失常行为和失联可疑行为三大类，典型失常行为又根据学生的晨跑签到、食堂就餐、上网时长和晚归时长等信息分为四小类。并根据聚类分析模型和判别分析模型探讨各类行为对应学生群体的分类准则，最后利用计算机仿真进行系统的检验，结果显示本文构建的模型和系统具有较好的实用性。

关键词：网格化；行为规范；聚类分析；判别分析

中图分类号：G647 文献标志码：A 文章编号：1674-9324（2016）03-0057-02

一、引言

网格化管理是将管理对象按照一定的标准划分成若干网格单元，利用现代信息技术和各网格单元间的协调机制，透明地共享组织资源，提高管理效率的现代化管理模式[1]。与传统管理相比，网格化管理对管理活动中产生的问题及早发现、及时反馈，有助于对组织资源进行全面的管理[2]。也正因如此，将网格化管理的思想引入到高校学生管理的工作中，成为了越来越多的学者和高校管理部门所讨论的问题。

2014年8月，湖北省教育厅发布了《关于推进高校学生网格化管理工作的通知》。该通知强调，实行网格化管理，有利于及时全面掌握高校学生信息，提高学生教育服务管理的时效性、针对性、科学性，是实现高校治理体系和治理能力现代化的有效途径[3]。网格化管理是高校学生工作发展的必然趋势之一。

本文基于“宿舍—楼栋—学院—学工部”的四级网格化管理结构，构建行为规范预警系统，并根据聚类分析模型探讨各类行为对应学生群体的分类准则，最后结合计算机仿真验证系统的实用性。

二、网格化行为规范预警系统的构建

根据作者从事学生管理工作的一些经验，将行为规范预警系统分为三个子系统，分别是模范带头行为、典型失常行为和失联可疑行为，其中典型失常行为子系统又分为四个小类，如图1所示。

根据现阶段一卡通化服务在高校中的普及情况，可建立“宿舍—楼栋—学院—学工部”四级网格，不再需要基层网格宿舍长进行数据的采集，所有数据都由一卡通采集并反馈到学工部，学工部对信息进行数据分析，将各类预警信息反馈到学院，由学院反馈给楼栋，再由楼栋反馈到宿舍，信息进行排查检验之后，再逐层向上反馈给学工部。

三、行为的分类及判别标准

（一）数据指标的采集与处理

以日为单位，采集学生如下四类数据：学生晨跑签到时间、食堂就餐时间、每日上网时长、宿舍晚归记录。

用x1表示学生晨跑签到指数，目前，许多学校的晨跑时间定于6∶30～7∶00，若在6∶30～6∶55之间签到，可认为该生晨跑签到积极，令晨跑签到指数x1=1；若在6∶55～7∶00之间签到，在一定程度上可认为该生晨跑签到积极性不高，令晨跑签到指数x1=0.5；若未在学校要求的时间内签到，则令x1=0。

用x2表示学生就餐指数，一般而言，早、中、晚餐的参考时段分别为：6∶30～8∶30，11∶00～12∶00，

5∶00～7∶00，若学生在参考就餐时间段内就餐，说明该生的饮食习惯较为规律，令x2表示学生当日在参考时间内就餐的次数，显然x2可取离散值0，1，2，3。

用x3表示学生上网指数，以该生上网时长来表示（单位：h）。

用x4表示学生晚归指数，若学生在学校规定的宿舍关门时间之前返回宿舍，则令x4=0，否则x4用实际晚归时长表示（单位：h），当实际晚归时长达到8h时，可认为该生彻夜未归，令x4最大值为8。

由于不同的指数量纲不同，因此需要对x1-x4进行标准化处理。用xij表示学生i的第j项指数得分，利用公式Xij=（xij-μj）/σj进行数据的标准化处理，其中μj表示指标j的均值，σj表示指标j的标准差。

（二）子系统分类标准的建立——基于聚类分析模型

聚类分析模型是将物理的或抽象的对象集合分组为由类似的对象组成的多个类的数据挖掘模型。同一类中的数据具有较大的相似性，不同类中的数据具有较大的差异性[4]，非常适合于对行为进行分类。

本文将学生行为分类6类，对应聚类分析的原理及步骤如下：

1.计算n个样本点两两之间的距离：用x1i和x2i分别表示学生1和学生2的信息数据指数，αi>0分别表示各个指数的权重，体现了四项指数在判断学生行为中的重要性。定义学生1和学生2的行为距离d（1，2）=

[α1（x11-x21）2+α2（x12-x22）2+α3（x13-x23）2+α4（x14-x24）2]1/2。

2.首先构造n个类，每一类中包含且仅包含一个样本点，每一类的平台高度均为0。

3.合并距离最近的两类为新类，并且以这两类的距离值作为聚类图中的平台高度。

4.计算新类与当前各类的聚类，若类的个数等于6，转入步骤5，否则回到步骤3。

5.得到聚类结果并进行结果分析。根据聚类图及每一类别下学生的信息特征，即可将其进行分类。

（三）学生行为的分类——基于判别分析模型

在行为规范预警系统分类完成的条件下，对任意一名学生，可以根据判别分析将其归纳到最恰当的类别中。判别分析是根据所研究的个体的观测指标来推断其所属类型的一种统计方法[4]。其基本思想是：计算所研究个体与各数据子库的距离，并将其判定为与其距离最近数据子库中。

四、模型测试与分析

（一）数据生成

利用MATLAB随机产生110组学生连续7天的信息进行仿真实验，取7天信息数据的均值作为本周的平均值。其中前100组作为样本内数据来确定子系统的分类标准，后10组作为样本外数据来对学生进行归类。每一个学生样本产生签到指数、就餐指数、上网指数和晚归指数。

（二）聚类结果

取4项指标权重均为0.25，对MATLAB生成的原始数据进行标准化处理后，利用SPSS将其聚成6类，得到100组学生的分类信息，结果如表1所示。

结合表1和MATLAB产生的原始数据信息可以发现如下结论：

1.整体结果呈正态分布。这个结果是显然的，因为在利用MATLAB产生随机数时，主要使用了正态分布；

2.分类准确，同一类别下的学生具有较大的共性。例如，模范带头学生中未签到的比例不足5%，没有人一日三餐都没有消费记录，上网时长比较稳定，有晚归记录的学生比例不超过5%；晨跑缺勤学生普遍具有明显的晨跑缺勤现象；上网异常的学生群体普遍上网时间过长；晚归异常的学生群体普遍具有晚归现象。

3.问题学生挑选精确。在这100个样本中，编号为29的学生属于失联可疑行为学生。其最近7天4种指数均为0。说明该学生未在学校进行任何活动，很可能已经失联，需要发出预警并及时处理。

（四）判别结果

产生10组需要进行判别的学生数据，利用上述模型进行判别，得到分类结果如下：

从表2可以看出：

1.整体分类情况较为满意，测试样本所属类别基本符合其数据信息反映出来的特征。

2.存在部分学生，如107号，签到指数、就餐指数和晚归指数均偏离参考行为，但是出于综合考虑，将其判定为晚归频繁学生，这也说明本模型在分类上还可以进一步细化，提高分类精度。

五、结语

在网格化管理背景下，构建高校学生行为规范预警系统，并根据聚类分析模型和判别分析模型探讨各类行为对应学生群体的分类准则，可作为服务系统平台开发与设计的参考依据之一。

参考文献

[1]郑士源，徐辉，王烷尘.网格及网格化管理综述[J].系统工程，2005，（3）：1-7.

[2]何理，杜祥军.以宿舍为基础单元的大学生安全网格化管理模式探索[J].高教学刊，2015，（8）：57-58.

[3]佚名.省委高校工委、省教育厅关于推进高校学生网格化管理工作的通知[EB/OL].http：//www.hbe.gov.cn/content.php？id=12137.2015-06-08.

[4]司守奎，孙玺青.数学建模算法与分析[M].北京：机械工业出版社，2011.