王榕盛

1 研究背景

在當(dāng)今互聯(lián)網(wǎng)時(shí)代，科技飛速發(fā)展的今天，智能化設(shè)備與人工智能技術(shù)的快速發(fā)展，推動(dòng)了社交網(wǎng)絡(luò)的不斷迭代，與此同時(shí)，在線下或是線上產(chǎn)生的龐大的數(shù)據(jù)，造就了大數(shù)據(jù)時(shí)代（Big Data）的研究基石。全球化的信息技術(shù)革命，正在以前所未有的速度在各個(gè)領(lǐng)域擴(kuò)散滲透。同時(shí)視頻分析技術(shù)、分布式存儲(chǔ)技術(shù)等相關(guān)技術(shù)的快速發(fā)展，拓寬了數(shù)據(jù)采集的邊界，從而使得復(fù)雜的結(jié)構(gòu)化的、非結(jié)構(gòu)化的數(shù)據(jù)，都能夠通過一定的技術(shù)手段獲取到，為研究分析提供了可靠的支撐[1]。目前大數(shù)據(jù)挖掘技術(shù)已經(jīng)普遍應(yīng)用于各類場(chǎng)景如：電商平臺(tái)、金融、教育、醫(yī)療等。毋庸置疑，數(shù)據(jù)挖掘技術(shù)的發(fā)展，推動(dòng)了社會(huì)各個(gè)產(chǎn)業(yè)的進(jìn)步。

隨著智能化、信息化的不斷發(fā)展，教育領(lǐng)域也逐漸從完全線下的環(huán)境向線上發(fā)展，與互聯(lián)網(wǎng)接軌，教育信息化發(fā)展已經(jīng)列入國(guó)家教育十年規(guī)劃綱要[2]，在校園中，智能化平臺(tái)的使用，一卡通平臺(tái)、課堂監(jiān)控網(wǎng)絡(luò)、校園輿情中心、學(xué)工系統(tǒng)、選課系統(tǒng)、后勤服務(wù)系統(tǒng)等的建立，極大的促進(jìn)了校園數(shù)據(jù)呈指數(shù)增長(zhǎng)，這些寶貴的教育數(shù)據(jù)，是高校乃至整個(gè)教育領(lǐng)域的財(cái)富。在教學(xué)場(chǎng)景下，學(xué)生尋求知識(shí)的目的是通過其受教育提高自身的質(zhì)量，增強(qiáng)自身的素質(zhì)，因此高校應(yīng)該通過改善教育服務(wù)來改善教學(xué)過程[3]，即通過智能化手段，為學(xué)生、教師等個(gè)體提供更高質(zhì)量的教育服務(wù)。在教育信息化的時(shí)代中，怎樣使用技術(shù)手段深入分析校園中學(xué)生的行為，以促進(jìn)教與學(xué)有效的發(fā)展、提升教學(xué)質(zhì)量、增強(qiáng)學(xué)生關(guān)聯(lián)性、提高課程設(shè)計(jì)質(zhì)量等方面，有著重要的戰(zhàn)略意義[4]。

目前在各大高校中，選課系統(tǒng)普及程度已經(jīng)超過90%[5]，學(xué)生可以通過在線自助選課系統(tǒng)完成選課，因此在校園中存在大量龐雜的選課記錄數(shù)據(jù)，其中也蘊(yùn)藏著豐富的隱性關(guān)系，若將學(xué)生視為一個(gè)個(gè)的個(gè)體，那么選課在其中就屬于學(xué)生的一種與學(xué)習(xí)相關(guān)的行為[6]。同時(shí)在高校中，視頻監(jiān)控網(wǎng)絡(luò)的已經(jīng)從單純的應(yīng)用于考試監(jiān)控場(chǎng)景轉(zhuǎn)移到日常的課程記錄中，利用目前成熟的視頻標(biāo)注工具能夠?qū)Υ罅康囊曨l數(shù)據(jù)進(jìn)行處理，從而生成大量的結(jié)構(gòu)化標(biāo)簽數(shù)據(jù)。在上述兩種系統(tǒng)數(shù)據(jù)中，對(duì)其進(jìn)行挖掘，能夠反映出學(xué)生的學(xué)習(xí)行為、關(guān)系網(wǎng)絡(luò)等隱藏信息。

選課系統(tǒng)與視頻監(jiān)控系統(tǒng)中，存儲(chǔ)著龐大的學(xué)生關(guān)系網(wǎng)絡(luò)，例如很常見的，某幾個(gè)學(xué)生若關(guān)系越好，那么他們頻繁選擇同一堂課的概率就越大；同樣在視頻數(shù)據(jù)中，若某幾個(gè)學(xué)生聯(lián)系越緊密，那么他們坐在一起的概率也就越大。通過在教學(xué)視頻的基礎(chǔ)上，關(guān)聯(lián)選課系統(tǒng)數(shù)據(jù)，挖掘其中的關(guān)系，能夠分析出學(xué)生的社群關(guān)系，而這種社群關(guān)系不僅僅簡(jiǎn)單為朋友關(guān)系，一定程度上在學(xué)習(xí)場(chǎng)景下，可以認(rèn)為存在學(xué)習(xí)伙伴關(guān)系，存在相互促進(jìn)學(xué)習(xí)的可能性。同時(shí)這一群學(xué)生聚集在一起，即可成為由社交關(guān)系而組成的社交網(wǎng)絡(luò)[7]。

2 研究方法

2.1 數(shù)據(jù)預(yù)處理

數(shù)據(jù)挖掘在數(shù)據(jù)預(yù)處理中，不單是簡(jiǎn)單的將基礎(chǔ)數(shù)據(jù)分類，在基礎(chǔ)數(shù)據(jù)集中挖掘隱性的關(guān)系數(shù)據(jù)需要對(duì)原始數(shù)據(jù)進(jìn)行大量的分析以及處理工作[8]，本研究選用兩個(gè)維度的數(shù)據(jù)，一個(gè)是校園學(xué)生選課數(shù)據(jù)，另一個(gè)是基于教學(xué)視頻利用視頻標(biāo)注技術(shù)標(biāo)注的視頻分析數(shù)據(jù)。因此本研究中數(shù)據(jù)預(yù)處理部分分為圖1 所示幾個(gè)步驟：

圖1

這里在數(shù)據(jù)預(yù)處理過程當(dāng)中，需要對(duì)共現(xiàn)概念進(jìn)行定義，本研究中由于存在兩種維度的基礎(chǔ)數(shù)據(jù)，因此對(duì)共現(xiàn)從兩個(gè)角度定義：若不同學(xué)生在同一時(shí)間段內(nèi)頻繁出現(xiàn)于同一地點(diǎn)，即可認(rèn)為他們之間存在社交關(guān)系[9]，這些不同的學(xué)生組成的集合即為共現(xiàn)集合；若不同學(xué)生頻繁選擇同一節(jié)課，即可認(rèn)為這些同學(xué)興趣大致相同，這些學(xué)生組成的集合即為另一組共現(xiàn)集合。同時(shí)在數(shù)據(jù)預(yù)處理當(dāng)中，由于后續(xù)研究中需要利用頻繁項(xiàng)集挖掘方法對(duì)關(guān)聯(lián)規(guī)則進(jìn)行挖掘，因此采用固定變量切片法，對(duì)數(shù)據(jù)進(jìn)行處理，對(duì)于選課數(shù)據(jù)集采用固定課程變量切片法，對(duì)于視頻采集的時(shí)空數(shù)據(jù)采用固定時(shí)間切片法。

固定課程變量切片法中，采取公式1 進(jìn)行計(jì)算：

Z 為課程總數(shù)，M 為選課數(shù)；

因此h 為如果每?jī)晒?jié)課有一次共現(xiàn)，則可以認(rèn)為他們是存在共現(xiàn)關(guān)系的，即寫入共現(xiàn)集合；

固定時(shí)間切片法中，采取公式2 進(jìn)行計(jì)算：

公式2 中表示，在區(qū)域l 中，任意的位置數(shù)據(jù)m、n 為一個(gè)矩陣，對(duì)應(yīng)到學(xué)生i、j，若兩個(gè)學(xué)生的位置同區(qū)域數(shù)據(jù)在同一時(shí)間段內(nèi)，那么可以認(rèn)為二者存在一次共現(xiàn)。

數(shù)據(jù)預(yù)處理結(jié)果如下所示，選課數(shù)據(jù)集中采用中國(guó)傳媒大學(xué)2017 級(jí)部分選修課數(shù)據(jù)，經(jīng)過脫敏處理后，學(xué)生數(shù)量：1 168，課程數(shù)量：69，數(shù)據(jù)預(yù)處理結(jié)果如表1：

表1

另一維度中，基于教學(xué)視頻標(biāo)注獲取的學(xué)生時(shí)空數(shù)據(jù)，將教室劃分為一個(gè)矩陣網(wǎng)絡(luò)，學(xué)生為所處不同區(qū)域中的點(diǎn)，數(shù)據(jù)源為課程教學(xué)視頻數(shù)據(jù)，經(jīng)過脫敏處理后，學(xué)生數(shù)量：2 250，區(qū)域數(shù)量9。關(guān)于教室中區(qū)域的劃分，如圖2 所示：

圖2

經(jīng)過數(shù)據(jù)預(yù)處理后，結(jié)果如表2：

表2

經(jīng)過數(shù)據(jù)前期的基礎(chǔ)處理，將選課數(shù)據(jù)、時(shí)空數(shù)據(jù)結(jié)構(gòu)化，統(tǒng)一為不同固定變量下的學(xué)生ID 集合。

“業(yè)無高卑志當(dāng)堅(jiān)男兒有求安得閑，工程建設(shè)雖然苦累，但是我依舊選擇了這一行?！币磺粺嵫借F建參與祖國(guó)建設(shè)，這也許就是王維振的夢(mèng)想。

2.2 關(guān)聯(lián)規(guī)則挖掘

關(guān)聯(lián)規(guī)則挖掘是在大數(shù)據(jù)挖掘領(lǐng)域中基本的算法之一，在商業(yè)領(lǐng)域中，關(guān)聯(lián)規(guī)則算法可以為其提供捆綁銷售的決策[10]，同時(shí)關(guān)聯(lián)規(guī)則算法隨著科技的不斷進(jìn)步，各行各業(yè)逐漸依靠算力對(duì)領(lǐng)域本身賦能，因此在醫(yī)療、教育、媒體等領(lǐng)域也有著廣泛的應(yīng)用。

目前常用的關(guān)聯(lián)規(guī)則算法有Apriori 算法、FP-Growth 算法等，在關(guān)聯(lián)分析中，最常用到的頻繁項(xiàng)集挖掘算法就是Apriori 算法。Apriori 算法是一種先產(chǎn)生候選項(xiàng)集，再檢驗(yàn)是否頻繁的“產(chǎn)生-測(cè)試”方法。這種方法的弊端是當(dāng)數(shù)據(jù)量較大時(shí)，需要遍歷全部數(shù)據(jù)導(dǎo)致運(yùn)算效率較低[11]。而FPGrowth 算法較靈活的解決了這一問題，F(xiàn)P-Growth算法將基礎(chǔ)數(shù)據(jù)集中的每一個(gè)事務(wù)映射到一顆FPTree 上，根據(jù)這個(gè)FP-Tree 尋找頻繁項(xiàng)集，效率較高[12]。

因此由于教育數(shù)據(jù)較為稀疏，且數(shù)據(jù)量較大的情況，本研究采用FP-Growth 算法對(duì)數(shù)據(jù)集進(jìn)行頻繁項(xiàng)集挖掘，進(jìn)而挖掘?qū)W生關(guān)系。

2.2.1 FP-Growth 算法

傳統(tǒng)的FP-Growth 算法包含兩部分，一部分為遍歷數(shù)據(jù)集存儲(chǔ)FP-Tree，另一部分為第二次遍歷數(shù)據(jù)集挖掘頻繁項(xiàng)集，其中第二部分為FP-Growth算法主體部分。

根節(jié)點(diǎn)被標(biāo)記為根（root），集合中的項(xiàng)（item）按照一定的順序鏈接成為子樹，以及一個(gè)頻繁項(xiàng)集頭部表（frequent-item-header），同時(shí)每一個(gè)子樹上包含項(xiàng)的名稱、計(jì)數(shù)值（support count）為到達(dá)該節(jié)點(diǎn)的路徑深度、節(jié)點(diǎn)連接情況（nodelink），如圖3 所示：

圖3

在構(gòu)建出了FP-Tree 之后，進(jìn)入到FP-Growth算法主體部分，算法中涉及到關(guān)聯(lián)規(guī)則的兩個(gè)概念，支持度與置信度，其中支持度為A 與B 同時(shí)出現(xiàn)的概率，若A 與B 同時(shí)出現(xiàn)的概率小，說明A 與B 的關(guān)系較弱；反之即可認(rèn)為A 與B 的關(guān)系較強(qiáng)，A 與B 是頻繁的[13]，計(jì)算方法如公式3。

整體算法流程如表3 所示：

表3

2.3 學(xué)生關(guān)系網(wǎng)絡(luò)挖掘

2.3.1 網(wǎng)絡(luò)結(jié)構(gòu)

利用上述研究方法，可以使用FP-Growth 算法對(duì)選課數(shù)據(jù)集、時(shí)空數(shù)據(jù)集中頻繁項(xiàng)集進(jìn)行挖掘，再利用社區(qū)挖掘算法，挖掘?qū)W生關(guān)系，通過gephi來對(duì)網(wǎng)絡(luò)進(jìn)行分析，可以得到較為清晰的網(wǎng)絡(luò)結(jié)構(gòu)圖。經(jīng)過社區(qū)挖掘算法后，本研究中共計(jì)挖掘出學(xué)生社群51 個(gè)，模塊度高達(dá)0.955，模塊度作為衡量社群劃分的優(yōu)劣指標(biāo)，數(shù)值越高標(biāo)識(shí)社群劃分效果越好[14]，計(jì)算方法如公式5。

模塊度結(jié)果如圖4 所示：

圖4

總計(jì)節(jié)點(diǎn)個(gè)數(shù)1 168，3 286 條關(guān)系邊，其中在學(xué)生社群關(guān)系網(wǎng)內(nèi)部關(guān)系邊達(dá)到2 743 條，占比高達(dá)83.4%，而其余關(guān)系邊則為跨群關(guān)系。因此本研究發(fā)現(xiàn)，在校園場(chǎng)景下，學(xué)生更有可能在內(nèi)部形成社交關(guān)系，外部橋接的社交關(guān)系占比較少，在大學(xué)校園中，學(xué)生更有可能出現(xiàn)小團(tuán)體形式的社群關(guān)系。

2.3.2 網(wǎng)絡(luò)特征向量中心度

在網(wǎng)絡(luò)中，特征向量中心度通常用來評(píng)價(jià)節(jié)點(diǎn)重要性，是網(wǎng)絡(luò)分析指標(biāo)中很重要的一項(xiàng)數(shù)據(jù)，主要反映出無向網(wǎng)絡(luò)結(jié)構(gòu)中，那些節(jié)點(diǎn)是多次鏈接的，并且只有重要的節(jié)點(diǎn)所參與的鏈路鏈接才可以認(rèn)為是重要的[15]。該項(xiàng)指標(biāo)可以用來分析網(wǎng)絡(luò)鏈路的可靠性以及評(píng)價(jià)節(jié)點(diǎn)。特征向量中心度計(jì)算公式如公式6：

其中xi 為節(jié)點(diǎn)的重要性度量值，c 為一個(gè)常量，當(dāng)計(jì)算經(jīng)過多次迭代逐漸穩(wěn)定時(shí)，能夠歸為矩陣如公式7：

計(jì)算方法流程為近鄰矩陣特征向量分解、篩選特征向量最大特征值、計(jì)算特征向量中心度。本研究中，分別以100、500、1 000 迭代次數(shù)計(jì)算特征向量中心度均值分析網(wǎng)絡(luò)整體節(jié)點(diǎn)重要性，結(jié)果如表4：

表4

從整體角度看，當(dāng)?shù)螖?shù)增加時(shí)，網(wǎng)絡(luò)中節(jié)點(diǎn)重要性逐漸下降，說明在校園中，社交關(guān)系多為“小團(tuán)體”形式出現(xiàn)，缺少同時(shí)處于多個(gè)社群中的學(xué)生，學(xué)生社交范圍較小。

3 結(jié)語

本文通過關(guān)聯(lián)規(guī)則挖掘方法，挖掘頻繁項(xiàng)集，進(jìn)而從頻繁項(xiàng)集中提取學(xué)生關(guān)系，可以較好地從顯性的數(shù)據(jù)關(guān)系分析出隱性的關(guān)系。同時(shí)通過對(duì)分析出的網(wǎng)絡(luò)結(jié)果結(jié)構(gòu)指標(biāo)的計(jì)算，能夠比較清晰的看出學(xué)生關(guān)系網(wǎng)絡(luò)特征。

本文所采用的數(shù)據(jù)為學(xué)生選課數(shù)據(jù)及視頻時(shí)空數(shù)據(jù)。在后續(xù)的研究拓展中，可采用不同維度的數(shù)據(jù)作為輸入，利用本研究中模型對(duì)社群進(jìn)行挖掘分析，如一卡通數(shù)據(jù)等。

通過本研究，在教育信息化、教學(xué)場(chǎng)景下，能夠發(fā)現(xiàn)好友關(guān)系或可能存在的社交關(guān)系，從而可以有針對(duì)性的進(jìn)行好友推薦、圖書推薦、選課推薦等后續(xù)研究，豐富校園信息化手段，提高校園智能化水平。