基于校园时空数据的学生社交共现网络构建研究

一、引言

随着高等教育信息化的深度融合，校园一卡通系统已成为集身份识别、消费支付、门禁管理等多功能于一体的核心基础设施，持续产生反映学生日常行为轨迹的海量数据。然而，由于建设历史等原因，这些宝贵的数据资源往往分散于各子系统，形成“数据孤岛”，其价值未能得到有效挖掘和利用。当前，高校学生管理正朝着精细化、个性化方向发展，传统依赖主观印象和单一成绩指标的评价方式已难以满足新时代“立德树人”的根本要求。

在此背景下，本研究试图探索一条基于数据驱动的学生综合评价新路径。校园一卡通数据作为学生线下行为的“数字脚印”，真实、客观地记录了其在学习、生活、社交等多方面的表现。通过数据挖掘和复杂网络分析技术，可以从这些数据中构建学生社交共现网络，量化学生间的行为关联和群体结构。进而，将此网络特征与综合素质评价模型相结合，能够突破信息系统的壁垒，实现对大学生综合素质更为全面、动态和科学的评估。本研究不仅为整合校园大数据提供了方法论上的实践，也为高校精准识别学生群体差异、实施个性化教育引导与管理干预提供了强有力的理论支持和数据依据。

二、研究现状

国内外学者围绕校园卡数据分析和学生评价已开展了初步探索。张成洪 [1] 等学者经由校园消费数据，揭示了校园环境下的社交网络具有规模大、聚合度高的特点。李有增 [2] 等人的研究明确了宿舍这一日常生活的基本单元对学生人际交往产生的显性影响。

然而，现有研究存在明显不足：首先，多数研究局限于对单一维度数据的统计分析，缺乏多源行为数据的融合利用；其次，分析方法较为传统，未能引入复杂网络等新兴技术来深度挖掘学生间的隐性关系；最后，研究成果与应用实践之间存在断层，未能形成一个从数据挖掘到评价决策的完整闭环框架。本研究旨在弥补这些不足，通过构建共现网络和组合评价模型，将分散的行为数据转化为综合性的评价洞察。

三、研究方法与模型构建

3.1 数据预处理与社交共现网络构建

本研究的数据来源于高校一卡通系统，包含门禁记录、消费流水、图书借阅记录等数亿条原始数据。首先进行数据清洗，对数据进行去噪、去重、异常值处理，去除不合适的数据，形成规范的学生行为事件库。

学生社交共现网络是本研究的核心概念，定义为：两名学生在特定时间窗口内出现在同一地理位置，即记为一次共现事件。基于此，学生社交共现网络可定义为无向加权图 H=(B,R,E) 。其中 B 是节点集合，每个节点代表一个学生，R 是边集合，连接存在共现行为的两个学生，E 是边的权重集合，Ei,j 为学生 i 和学生 j 在一定周期内发生共线的总次数。该网络从宏观层面揭示了学生群体的社交结构和行为共同体模式。

3.2 基于组合赋权法的综合评价体系构建

基于共现网络特征和行为数据，本研究构建了综合评价指标体系。该体系包含学习投入、生活规律、经济消费、社交活跃度等多个维度的子指标。为科学确定指标权重，本研究采用 AHP 和熵权法组合而来的赋权方式从而形成客观的评价体系。其中 AHP 是通过专家打分构建判断矩阵，计算得出主观权重向量 ∝ ，反映在不同学校中学生行为的权重；熵权法则是根据各指标值的变异程度，利用信息熵计算得出客观权重向量 β，反映数据本身的区分能力。最终权重o=θα+(1-θ)| β，其中 θ 为偏好系数。

3.3 模糊综合评价模型

由于学生评价存在模糊性，本研究采用模糊综合评价法。将每个评价指标视为一个模糊因子，通过构建隶属度函数将学生的原始数据转化为对各评价等级的隶属度向量，最终利用组合权重进行加权合成，得到每个学生的综合模糊评价结果，并据此进行分类。

四、实证分析

以某高校为例，其校园一卡通系统覆盖约 1.5 万名学生。通过上述模型进行分析，得到如下发现：

4.1 共现网络结构特征

构建的整体网络呈现出典型的“小世界”和“无标度特性”。网络中存在多个联系紧密的社群，这些社群与学生的专业、班级、宿舍楼等现实组织单位高度吻合，验证了共现网络的有效性。

4.2 群体差异分析

评价结果清晰揭示了不同学生群体的显著差异：

专业差异：计算机、大数据等专业的学生在“学习投入”维度得分显著更高，其共现行为多发生在实训楼、图书馆；而数字媒体类等专业的学生在“社交活跃度”上表现更突出，共现地点更为多元。

性别差异：男生群体内部的共现连接更为紧密，尤其在体育运动相关场所；女生群体则表现出更强的社群内聚性。在“生活规律性”指标上，女生的整体表现优于男生。

4.3 综合分类：根据模糊评价结果，可将学生划分为“全面优秀型”、“学业导向型”、“社交活跃型”、“需关注型”等类别，为分类精准施策提供了明确靶向。

五、结语

本研究成功构建并验证了一个基于校园一卡通大数据的学生共现网络分析与综合素质评价框架，通过挖掘学生时空轨迹数据构建共现网络，有效揭示了学生群体的行为模式和内在联系。研究采用 AHP-熵权组合赋权法建立综合评价体系，兼顾教育管理经验与数据客观规律，显著提升了评价的科学性与准确性。实证分析表明，该方法不仅能验证不同专业、性别学生群体的已知差异，还能发现潜在的行为特征和群体结构，为高校开展精准化学生管理和个性化教育服务提供了重要的数据支撑和决策依据。本研究实现了从分散数据到系统洞察、从主观判断到客观评价的突破，为新时代学生综合评价工作提供了创新性的方法论和实践工具。

参考文献

[1] 张成洪 , 肖帅勇 , 陆天 , 等 . 基于校园消费数据分析大学生网络借贷行为: 借款倾向, 消费变化与违约风险[J]. 系统工程理论与实践,2021, 41(3)：574-586

[2] 李有增 , 曾浩 . 基于学生行为分析模型的高校智慧校园教育大数据应用研究 [J]. 中国电化教育 , 2018(7):33-38

基金项目:2023 年度安徽省高校自然科学研究项目（重点项目）“基于校园一卡通大数据的学生共现网络构建研究”（2023AH052903）