刘涵

[摘 要] 近年来，信息技术的发展突飞猛进，生活在新环境的下的大学生，无论从学习、生活还是思想观念都产生着变化。本文从大数据的角度观察大学生的行为，研究大学生信息行为的影响因素，重点分析大学生的学习环境，生活环境中获得数据，以便对大学生的行为数据价值有一个全面的了解，从而对大学教育工作和高校管理决策提供有价值的信息。

[关键词] 大学生行为；行为数据；价值分析

[中图分类号] G647 [文献标识码] A [文章编号] 1671-0037（2017）7-39-3

Value Analysis of College Students' Behavior Data in Big Data Environment

Liu Han

（Xuchang University， Xuchang Henan 461000）

Abstract： In recent years，the development of information technology is advancing by leaps and bounds，the college students who live in a new environment are changing in study， life and ideas. This article from the perspective of big data observed the behavior of college students， researched the influencing factors of college students'information behavior， and focused on analyzing the data of college students obtained from the learning environment and the living environment， to have a comprehensive understanding of the behavior data value of college students， so as to provide valuable information for university education and management decision-making.

Key words： college students'behavior； behavior data； value analysis

随着云时代的来临，大数据（Big Data）这个词在一次又一次的被人们提起，数据的重要性已经逐步被世人认可，对于大学校园来说，数据呈现爆炸式地增长，数据的产生也多种多样，既有学校各个部门的系统产生的结构化数据，又有多媒体教学等产生的非结构化数据，同时学生和老师在利用各种网络资源的时候主动产生的信息也越来越多，行为数据作为有针对性的数据形式成为我们进一步利用大数据技术服务高校的主要参考。

1 国内外行为数据研究现状

2008年9月，《科学》杂志发表文章“Big Data： Science in the Petabyte Era”[1]，“大数据”这个词开始广泛传播。随着技术的发展，各个国家已经认识到大数据的巨大作用，纷纷将其发展提升到国家的战略高度。Harvard将“大数据”的服务引入了图书馆中，并付诸应用。美国Hiptype公司将大数据分析技术用来分析电子书读者阅读习惯和喜好[2]。

相对于国外研究，国内图书情报领域在这方面的研究才刚刚开始。在中国知网上以主题为“大数据”和“用户行为分析”进行检索，截止到2016年共检出40条数据，其中涉及学生行为价值与应用分析的0条，大部分文章主要集中在对网络用户的数据进行分析与研究。张云中等[3]提出基于FCA的Folksonomy用户偏好挖掘模型，在概念格可视化基础上分析Folksonomy用户行为、用户偏好及其转移，研究了单系统多兴趣用户偏好挖掘。刘佳音[4]根据数据库在线统计平台所提供的使用报告的主要指标数据，研究电子资源的利用情况，从而对用户行为进行分析。秦晨[5]通过图像资源对不同用户行为特征进行分析，提出了影响用户行为的主要因素。黄静[6]采用社会网络分析方法，对虚拟社区用户的特征及其对用户获取信息和购买行为的影响进行实证研究。

以“行为分析”和“数据价值”为主题词进行检索词，在中国知网上检索出文献3条，其中杨雪凯[7]在文章中介绍了现有技术能够产生和收集到的数据，提出了数据来源的收集方法，并重点分析了现有数据对学校的价值问题。而其余2篇重要是针对网络用户进行的数据价值分析。

通过以上分析可以看出，针对网络用户的大数据分析已经在国内开展研究，但是对于学校学生行为数据的研究还没有真正展开，同时，对于学校数据的价值研究有待进一步深入。对于学校数据的收集，数据价值的分析，数据应用的前景都需要做更有针对性的研究。

2 大学生信息行为数据研究的必要性

最近几年，随着互联网不断发展和大学校园信息化进程的加速，微信、微博等新媒体平台也成为大学生的信息交流方式，信息交流日益增加。互联网已经成为大学生最信任和接触最多的媒体，现代的大学生对于互联网的信任度已经很高，由此产生的行为数据可靠性也提高很多。大学生信息行为是因互联网时代大学生信息需求和信息交流而產生的行为，这些信息行为也是进一步探索信息行为的条件。对大学生信息行为的探索是研究学生信息需求的必要手段，也是教育管理者加强行政管理和教育改革的重要依据。

学校的教育和管理部门都需要大学生信息行为数据作为参考依据，如学生的考勤情况，网络学习情况，图书借阅情况，资源利用情况等。学校的各种商店更是需要对大学生信息行为数据进行收集和分析，统计大学生对商品的购买情况和喜好程度，作为市场预测、竞争分析的依据。网络课程的各种指标也是需要学生行为数据来作为依据，对教师教学和管理有重要的作用。学校其他相关部门在制定相关政策时对大学生信息行为数据也有一定需求。另外，高校和其他科研机构在进行相关科学研究时对大学生信息行为数据有急迫的需求。endprint

3 大学生信息行为的影响因素

3.1 个体因素

个体因素就是因为信息需求而产生的个体信息行为，包含了大学生自身的自然属性和社会属性。如性别，爱好等。

3.2 知识因素

信息知识水平是大学生接触互联网等信息产品后所积累的知识以及由这些知识所影响的行为的过程。所有学生都会由于自己所学到的知识和形成的行动影响其对信息的关注、接受和运用。大学生的信息认知能力可以反映学生对信息的反应、判断和运用，包括分析、判断、归纳、推理、表述能力等。

3.3 素养因素

所谓素养因素，即信息素养，是指大学生所具备的对信息的感知、获取、运用的信息素质。由信息意识、信息能力、信息道德与信息法律修养所构成的有机整体。

3.4 经验因素

经验因素包括学生在接触信息以及运用过程中形成的成败得失的总结，是在信息行为影响下积累形成的判断预测能力。这些经验包括个体对既有信息行为的体验和积累，也包括环境变化下的不断更新的经验。

4 大学生的信息行为的类型

要分析大学生信息行为数据，就要了解大学生信息行为的类型。根据不同的划分标准可以将大学生的信息行为区分为不同的类型，本文将其划分为信息检索行为、信息交流行为和信息应用行为。

4.1 信息检索行为

大学生信息检索行为是学生为了获得自己所需要信息通过各种方式来完成信息的搜索，收集的行为。在大学校园里，各种各样的信息媒体和资源提供给学生丰富的信息搜集渠道，由于媒体，产品不同，检索方式也是各有不同。信息检索可以使大学生获得自己需要的产品，学习资料和视频，各种旅游产品，最新的新闻信息等。所有的这些检索行为都值得进行分析，得出一定的行为数据，为下次的检索提供有用的信息。

4.2 信息交流行为

在微信、微博等新媒体的高速发展下，信息交流行为已经成为大学生生活中不可缺少的行为，学习时需要进行专业知识的交流，购物时需要进行各种特色产品的交流。传统的交流方式已经不能满足大学生的信息交流，新的信息交流方式改变了学生们的学习、生活等各个方面，如利用聊天软件、电子邮件、论坛、博客、微博等方式。校园网的成熟发展为大学生的信息交流行为提供了很好的平台，这些信息行为也成为高校发展所必需的行为数据。

4.3 信息应用行为

在学生的信息检索和信息交流行为过后，信息应用是所有信息行为的目的。通过各种信息行为后，学生们可以依靠自身的信息意识和素养对可以满足自己需求的信息进行接收，并进行筛选、决定，产生最终的信息应用行为。大学生信息应用行为数据对于高校的各种教育和管理决定都会起到重要的指导作用。

5 大学生行为数据的价值分析

5.1 高效的学习生活

网络社会的到来也为现在的学生提供了智能化的学习生活，从学生的学习和日常生活到教学方式的改变都是网络化带来的变化。校园网的全覆盖解决了学生随时随地学习的问题，从教室到寝室，从图书馆到餐厅，从超市到饭店，所有无线网络覆盖的地方都可以随时获取最新的学习资料和视频讲座。通过网络进行在线选课、进行互动教与学、查看校园地图等，学生在使用这些海量数据的同时也在产生大量的行为数据，大数据分析给我们的学习带来了巨大的改变与便利。如我们可以利用图书馆座位管理系统分析每个座位的利用情况，根据这些数据合理安排学生的自习情况，并且可以将课表结合终端的位置时间进行课程信息的推送等等。另外，利用学生行为数据分析技术可以改善学生的学习成绩，如通过分析学生的课题出勤率、最受学生欢迎的课程等数据分析得到提升学生学习的方式和方法。

5.2 智能化校园生活

“校园大数据”是智能校园生活的保障。目前，国内大部分高校已经将校园大数据作为学校生活管理的一项重要措施，如“最受欢迎食品评选”系统，根据学生在餐厅的各种食品消费情况、人员流动密集情况进行统计，如果这种食品的销售量超过全校食品消费均额的50%，就会被记录下来，专门针对学生进行优质食品推送、特价菜品推送等。

5.3 预防心理问题的发生

大学生心理问题一直是高校比较重视和不好解决的问题，行为数据库的建立和相关数据的分析会在这方面给出比较合理的参考数据，从而可以提前了解大学生的心理变化和一段时期的行为变化，最终将心理疾病的预防和控制放在可控的范围内，达到减少心理疾病的发展与恶化。例如，通过观察大学生近段时间参加社团的活动行为类型可以进行心理变化的分析，或者通过分析学生阅读行为的变化和去观影活动的参与次数以及参加相关课外活动的情况进行分析等数据分析可以提前预测学生的心理变化范围和正常程度的关联等。所有的这些数据分析都可以对心理问题的发生起到预防和提前治疗的作用，对于由于心理问题所发生的暴力事件和自杀事件都是比较好的解决方案，也是帮助辅导员了解学生，帮助学生的一大助力。

5.4 改变教学模式

由于网络环境的变化，现在的教育形式也在发生重要的变化，越来越多的学校开始重视网络课堂的作用。在开始网络课堂的时候，总需要对本校的学生对网络课程的需求程度和对哪些课程需要开设网络课程进行调查，这时行为数据的分析刚好可以满足学校的这些教学变化的需求。例如，可以通过网络平台对后台学生的学习情况数据进行分析，得出问题比较集中的课时或者重点，在解答时可以有意的偏向该问题和需要重新讲解分析的章节。

5.5 学校决策支撑

学生的行为数据可以从各个方面反映学生在学校的状态，而学生的这些行为对于学校在进行整体工作规划和教学工作的布置都起到很好的借鉴作用。尤其是在学校做出转型发展和重大调整的时刻，这些数据是关键的所在。如学生使用电子资源的情况和数据库资源下载情况等可以作为电子数据库的采购计划，明年的重大事项等参考依据。

6 结语

通过以上分析可以看到大学生信息行为数据从各个方面反映出学生本身需求和活动情况，这些数据对于学校，无论是生活、学习还是管理和教育都可以起到至关重要的作用。现在看到的价值只是行为数据价值的一部分，这些大学生行为数据对于学生自身的发展和成长，以及对学生父母和家庭的影响将会随着对这些数据价值的深入探索而逐渐清晰起来。随着科技的进步和网络的发展，越来越多的行为数据会呈现在大家面前，如何将网络、大数据技术进行结合，对学生的行为数据进行更全面的分析，为学生、老师的教育、生活创造更好的环境和体验，是大家一直努力的方向。

参考文献：

[1] 陶雪娇，胡晓峰，刘洋.大数据研究综述[J].系统仿真学报，2013（1）：142-146.

[2] 劉英梅.大数据时代的信息用户行为分析[J].科技情报开发与经济，2014（5）：61-63.

[3] 张云中，杨萌，徐宝祥.基于FCA的Folksonomy用户偏好挖掘研究[J].现代图书情报技术，2011（6）：72-78.

[4] 刘佳音.高校图书馆电子资源使用与用户检索行为统计分析——以ScienceDirect数据库为例[J].大学图书馆学报，2012（2）：81-86.

[5] 秦晨.数字图像资源用户行为分析[D].武汉：华中师范大学，2012.

[6] 黄静.消费型虚拟社区的用户行为特征及其应用研究[J].图书情报工作，2011（3）：97-100，51.

[7] 杨凯雪.探索校园网的大数据价值[J].计算机光盘软件与应用，2014（7）：90-92.endprint