黄登桔 覃玉

摘要：伴随时代发展的潮流与新兴技术的变革，职业本科学生德育教育迎来了大数据背景下的机遇与挑战，其中以德育数据的可视化价值最为明显，能够吸引学生参与德育活动，为学校德育教育的展开提供扎实依据。对此，职业本科教师要借助大数据的先进理念、独特思维、超强技术，对学生德育数据进行收集，采取聚类法对学生德育数据进行划分，利用规则算法对所得数据进行研究，最终将所得数据与学生行为、成绩等信息进行关联分析，实现数据的可视化。

关键词：大数据，职业本科，德育数据，可视化

对于校园大数据的挖掘是近年來学术研究的重点内容，向职业本科教育工作者提供了采取手机定位系统、采集学生消费数据等实现大数据背景下德育数据可视化的方法。对此，职业本科院校教育工作者要积极看到德育数据的发展趋势，在条件允许的情况下，采取切实可行的研究方法，总结具体的大数据背景下职业本科学生德育数据可视化实现方法，为职业本科德育教育的长久发展提供理论和实践支撑。

（一）能够吸引学生参与德育活动

可视化技术支持下的德育体系，能够用更加直观的文字符号、图形符号、影视技术等向学生展示德育教育内容，能够减轻学生对德育教育内容的陌生感、疏离感等，以此激起学生的德育活动参与兴趣，更好地促进德育教育的落实。

（二）能够为德育教育提供开展依据

大数据背景下的职业本科学生德育数据可视化研究能够将德育数据与学生的行为活动、学习成绩等进行关联，在较短的时间内得出学生的心理特征、行为特征等，发现各要素之间的联系，并将所得信息反馈于德育教育的展开。

（一）数据收集

职业本科院校内学生都持有校园一卡通，并以此作为开展多种校园活动的凭证，也成为记录学生活动数据的载体。对此，要想实现大数据背景下职业本科学生德育数据可视化研究，相关人员可以在校园范围内选择部分具有代表性学生的一卡通数据，对学生在教室、图书馆、食堂等区域的数据进行集中处理，形成可视化学生德育数据。

首先，研究者可以在借助校园一卡通的客户端或后台，浏览一周内全校学生的活动数据，并从中抽取覆盖图书馆、教室、食堂、校园活动区域的部分学生一卡通数据，确保学生德育数据的丰富性，为之后德育数据的可视化研究做好基础准备。其次，为确保数据的真实性，研究者还可以在一卡通后台显示的校园某区域人流量最大值时间，进行实地观察，确保现实情况与线上数据一致。最后，在数据收集的同时，教师还要注意数据的筛选。如，前期收集的部分学生一卡通数据虽覆盖区域、活动较广，但所停留的时间较短，无法从中总结有价值的德育数据可视化信息，那么此类数据便可以删除。再如，收集到的数据在阶段性的考察后，数据的趋势表现出极大的不稳定性，可能会对可视化研究产生一定的误导，此类数据也要尽量删除，如此才能在最大程度上为大数据背景下职业本科学生德育数据可视化研究提供前提保障。总之，数据的收集是研究活动展开的前提，大数据背景下职业本科学生德育数据的可视化研究也要坚定此要求，积极促进高等教育德育水平的提升。

（二）划分数据

学生是运动的，数据是变化的，要想让大数据背景下职业本科学生德育数据的可视化实现过程更加流畅，相关研究者要以学生在校园生活中的行为特征变化为依据，站在德育教育进行指标体系划分，借助聚类算法对学生的德育水平进行更加细致的划分，进而搭建起分类体系，利用实验得出数据的具体分类结果，并辅以解释说明。

首先，在前期数据收集的基础上，将德育作为指标体系总目标，将德育中所包含的思想、政治、道德、法律和心理健康作为具体指标。如，根据一卡通数据，分析学生在图书馆内的行为特征，即学生阅读书籍种类，将其分别列入思想、政治、道德、法律和心理健康各指标中；分析学生在校园活动中的行为特征，将其列入心理健康、思想各指标中；分析学生在食堂内的行为特征，将其列入道德、心理健康各指标中；分析学生在教室内的行为特征，将其列入思想、政治、道德、法律、心理健康各指标中。其次，在完成指标体系的划分后，研究者还可以借助聚类算法对学生德育水平进行更加细致的划分。如，列入心理健康指标的数据，还可以将其中的相似数据进行归类，可以根据数据波动的时间、波动的次数、波动的频率等，还可以用距离来度量数据间的相似度，包括K-L散度、Hamming distance、Mahalanobis Distance、Jaccard（二元属性对象）、Cosine等相似度度量指标种类。在该过程中要注意，相似度是非负的，取值要在0-1之间，距离越大，相似性越小，在具体的操作过程中要明确计算的是距离还是相似度。最后，在分类体系的搭建结束后，研究者可以将其作为实验对象，展开大数据支持下的实验活动，进而得出具体的分类结果，并在结果中加入一定的解释说明。如为何会将学生在食堂中的行为特征变化列入心理健康这一德育指标，因为在实验中发现，学生的心理状态高涨时，进食量较大，反之较小；若学生长期选择某一窗口，在一定程度上存在依赖心理，如若出现固执选择的情况，则可以存在偏执心理；若学生经常在人流量较少的时间进入食堂，则该学生可能存在一定的心理压力或逃避社交心理等。如此，在信息完整分类体系的支持下，研究者便可以对学校学生的德育水平形成更加直观的认知，实现大数据背景下职业本科学生德育数据的可视化。

（三）研究数据

大数据背景下的职业本科学生德育数据可视化研究，可以利用关联规则算法展开更深一步的探究，并参考德育数据的特征对APriori算法进行改进，通过对频繁项集最小支持度阈值与不频繁项集最小支持阈值的比较及判断，减少对事务数据库的扫描次数，进而提高算法执行效率。具体来说，研究者可以在大数据背景下借助APriori算法，第一步是去发现频繁项集，经过扫描、计数、比较、产生频繁项集、连接、剪枝，产生候选项集，之后重复如上步骤，直到不能发现更大的频集；第二步是产生关联规则。最终在APriori算法的支持下，实现职业本科学生德育数据的可视化研究。

（四）关联分析

在大数据背景下职业本科学生德育数据可视化研究的过程中，研究者还可以将德育数据分析结果与学生的学科成绩、行为活动等做出关联分析，探究德育对学生不同程度的影响，研析影响学生德育水平提升的原因，并提出相应的解决策略，最终实现职业本科学生的高质量成长。

首先，研究者可以从学校的信息服务平台中搜集学生的学科成绩，与之前所搜集的德育数据进行关联分析，得出“学科成绩对学生的德育水平一般呈现正向影响，但也存在例外”；可以将学校公共平台所记录的各学生参与社会实践活动的数据与德育数据进行关联分析，得出“德育水平基本与学生行为呈正相关”等结果。其次，在关联分析结果的支持下，研究者便可以依据已有的研究成果，分析影响学生德育水平的因素。如，从数据分析得出，部分学科成绩较高学生的心理健康水平却较低，在进一步的分析与实地调查后得出，原因在于学生的学习压力较大，害怕自己的退步，且因困于学习中，自己的社交能力也在逐步下降，心理压力较大。针对此，研究者同样可以借助大数据分析，向学生表明当今社会年轻人存在心理压力的常态化，引导学生借助网络平台的数据分析功能，搜集与自己情况相似的案例，从中获取缓解办法，或寻求学校心理咨询室的帮助，及时调整心态，逐步提高自己的德育水平。总之，大数据背景下职业本科学生德育数据可视化研究的落脚点要放在指导学生德育水平提升之上，为学生未来的发展奠定内在基础，提供具有指导意义的方向，最终为社会输送更多高水平、高素质的职业型人才。

综上所述，大数据背景下职业本科学生德育数据可视化研究，能够在最大程度上推动学校德育教学的优化、学生德育水平的提升、社会环境的改善等。对此，相关研究者要积极发挥数据可视化研究对学生参与德育活动、学校展开德育教学的促进意义，进行数据的收集、分析数据、研究数据，并展开关联分析，使得职业本科院校向着合理化、科学化、智能化的方向前进，为国家的发展和社会的进步培养更多具有职业理想的新时代人才。 PR

本文系《大数据背景下职业本科学生德育数据可视化研究》（项目编号：GXCVUKY2022B013）的研究成果。

参考文献：

[1]赵敏.新媒体视阈中的大学生道德教育创新研究[D].山东大学，2012：247.

[2]田丽.智慧校园环境下的校园一卡通建设[J].华东师范大学学报（自然科学版），2015（S1）：530-535

[3]王丽娜.基于大数据背景下智慧校园的可视化管理信息系统研究[J].计算机产品与流通，2019（8）：2.

[4]贺玉学.大数据背景下的职业院校学生管理工作信息化研究[J].教育信息化论坛，2019，3（10）：1.

[5]高丽.大数据背景下“数据可视化”课程的教学改革探讨[J].无线互联科技，2022，19（11）：3.

（作者简介：黄登桔，职务：助教、空港校区人事处副科长，学历：本科、学士學位，研究方向：计算机科学与技术；覃玉，职务：信息工程学院教师，学历：物联网工程本科，研究方向：计算机综合应用、物联网技术与智能等）

（责任编辑：姜秀靓）