原標題：大數據計算你和學霸的距離

　　●你與學霸的距離只是去教學樓打水的次數的差異嗎？

　　●學霸與一般學生的生活軌跡有哪些不同？

　　●使用大數據時如何保護學生隱私？

　　學生去超市頻率與成績排名相關性

　　學生進出圖書館頻率與成績排名相關性

　　電子科技大學教育大數據研究所供圖

　　■本報記者 胡珉琦 實習生 許雪松

　　在成都最冷的20天里還能堅持早起吃早餐；總是在晚上10點到11點之間洗澡；在教學樓打水近80次……正值開學季，電子科技大學教育大數據研究所的數據顯示，普通的你，和學霸之間，恐怕就差了這些“微不足道”的行為。

　　這個頗有意思的發現，來源于覆蓋了電子科大兩萬余名本科生的大數據系統——“學生畫像”，其將每名學生幾乎所有的在校活動軌跡與成績之間建立了關聯。利用這些數據，不僅能預算出學生的學習狀況，研究者還希望依此引導他們更好地規劃各自的學業和就業方向。

　　學霸的生活軌跡

　　傳統教育認為，學生有規律的生活，是學生提高成績的重要保證。

　　“普遍情況下，良好的行為習慣與學習成績是呈正相關的，這基本是得到公認的。”21世紀教育研究院副院長熊丙奇表示，這些行為習慣，有的與成績變動直接相關，例如學生按時上下課，常去圖書館等；還有一些與成績的變動是間接相關的，比如養成早起的習慣，經常洗衣服，有規律的打水等。“雖然不直接作用于學生的學習，但是，好的生活習慣，反映的是學生積極的狀態，說明學生自我管理的能力較強。那么，這些學生用在學習上的時間也相對有保證，也就勢必會對學習成績產生影響。”

　　不過，必須承認，這個被普遍接受的結論很難被定量描述。“如果我們能定量地證明已有的依據，并提出科學的可參照的建議，這項研究就是有價值的。”電子科技大學教育大數據研究所副所長連德富這樣解釋這項研究的初衷。

　　如今，研究團隊已經花了一年多的時間記錄學生的校內行為，包括吃飯、購物、打水、進出圖書館、借閱圖書、宿舍門禁、洗澡、使用洗衣機、乘坐公交等。結果發現，學霸有著與一般學生完全不同的學習生活軌跡。

　　以某專業排名第3的學生為例，她幾乎每天固定在8點、12點、14點三個時間點出門，留在宿舍的總時長低于專業平均水平。而該專業成績排名第61的小石每天進出宿舍的時間很隨機，而且通常每次外出的時長不超過2小時，“宅指數”明顯高于專業平均水平。

　　此外，成績最好的學生吃早餐次數在110次，成績最差的學生吃早餐次數僅為60次。9點前出現在食堂吃早餐的同學，成績相對更好。成績較好的學生集中在晚上10到11點之間洗澡，而成績較差的學生，洗澡時間無明顯規律。

　　除作息規律以外，進出圖書館次數也是重要指標。第一學期，成績最好的學生進入圖書館的次數為55次，成績最差的學生進入圖書館的次數為35次；到了第四學期，成績最好的學生進入圖書館的次數為61次，成績最差的學生進入圖書館的次數為18次。

　　同樣的情況還存在于教學樓。學生去教學樓飲水機上打水次數越多，就說明學生長期在教學樓里活動。第三學期的數據顯示，成績最好的學生在教學樓打水近80次，成績最差的學生在教學樓打水不到10次。

　　尤其讓連德富印象深刻的是，不同成績的學生在借閱圖書的種類上也有明顯的區別。他發現，《蝴蝶公墓》《變態心理學》等帶有懸疑色彩的圖書，借閱者的成績普遍不理想。

　　過去，要想清楚地知道不同成績水平的學生群體與他們的行為特征之間一一的對應關系是非常困難的，但有了大數據的幫助，一切變得簡單起來。

　　“學生畫像”還能做什么

　　僅僅根據學生行為習慣的數據統計，就可以制定出學霸路線嗎？

　　要想精確刻畫一個人需要用無數的數據，但連德富認為，校園就是一個擁有豐富數據的很小的社會系統，只要這些數據能與目標聯系起來，就有一定的指示作用。

　　事實上，“學生畫像”的首要功能，就是算出每名學生的學習、生活狀態，并設計出一系列輔助他們更好規劃各自學業的功能模塊。目前已經實現的是掛科預警。

　　據了解，研究團隊設計了一個針對掛科率的公式，即過去的學習基礎+一段時期內的努力程度。學習基礎是根據已考科目成績、已考與將考科目之間的關聯性計算得出的，而努力程度則主要依據教學樓打水頻率、進出圖書館的時間與次數等。

　　如果有學生正處于掛科率高風險的邊緣，系統就會自動向負責該名學生的輔導員發送預警信息。而在過去，只有當學生已經出現掛科的情況，輔導員才能得知，即便如此，事后也很難分析學生掛科的具體原因。

　　“目前，教育大數據暫時的定位還是輔助傳統教育，管理、引導學生。”連德富表示。

　　除了關注學生成績，他相信，現在的校園里依然充滿了像當初的自己那樣對未來迷茫的人。“我們都曾迷茫過，不知道自己喜歡什么，可以做什么。”

　　如何利用“學生畫像”幫助學生找到適合自己的路，是研究團隊正在努力的方向。目前，數據庫不僅有現有學生的行為軌跡，還有已經畢業的學長們的行為軌跡。連德富告訴《中國科學報》記者，最終選擇考研、出國或者創業的學生，在生活、學習方式上是存在一些差異的。

　　比如，打算出國的學生在選修課程、借閱圖書時都會偏向語言方面的內容，而偏好創業的學生則與一項很有意思的數據產生關聯。由于電子科大在成都郊區，學生進市區需要乘坐一趟班車，有的學生去市區的頻率明顯要高于其他同學，這也意味著他們的社交行為可能更為豐富。

　　“學生畫像”可以將現有學生的行為軌跡與已經畢業的學長們的行為軌跡進行比對，如果在選課、借閱圖書、參加社團活動等方面的軌跡與某類去向的畢業學生比較相似，學校就可以提供相關方面的建議、指導。

　　對此，21世紀教育研究院副院長熊丙奇也表示，傳統的大學教育對學生的管理是比較松散的，因此，通過對學生生活、學習的數據分析，掌握學生的目標動向，有助于學校對學生進行合理的引導，無論是學習還是參與社會活動，都能夠有的放矢地幫助學生作進一步規劃。

　　中科院心理所研究員尹文剛則將關注點瞄準了當下大學生的心理健康問題。

　　“學生從高壓的中學時期，進入完全需要自我管理的大學生活，一時間無法適應，容易出現心理問題。一旦受挫，通常選擇回避的態度，甚至會出現抑郁的情況，更嚴重的可能危及生命。”尹文剛直言，近年來，大學生頻繁曝出跳樓、傷害同學事件，都與心理健康密切相關。

　　他認為，通過教育大數據，可以及時掌握學生的行為習慣特征，一旦發生明顯異常，比如長期獨處、很少參與公共生活等情況，學校就可以適當關注學生的心理健康問題，采取相應對策。

　　研究團隊正在挖掘“學生畫像”在關注學生心理健康方面的作用。他們可以根據學生的行為習慣來量化“孤獨”。

　　性格孤僻、有強烈的孤獨感，往往被認為是抑郁易感人群具有的一些共性特征。他們發現，學校最孤獨的一群人出現心理問題的概率比普通人高一個數量級。因此，研究團隊正在設計算法，依據“30天內，兩個素不相識的人，有兩次或兩次以上前后腳打水、打飯、進公寓、進出圖書館或坐公交車經歷的概率，不超過十二萬分之一”的結論，可算出每名學生的“在校朋友圈”，以此量化學生孤獨的程度。

　　在尹文剛看來，預知大學生的行為習慣所隱含的心理問題，特別是關注學生的變化，對于開展學生工作是非常有幫助的。

　　從這些角度看，大數據在教育領域的應用是有一定價值的。

　　如何保護學生隱私

　　打水刷卡、進圖書館刷卡、進宿舍房間刷卡……在校園逐步實施一卡通的時代，學生大數據已經變得易得而且可控。學校一方面依靠大數據加強對學生的管理，一方面也要照顧到學生的隱私，尊重學生的行為習慣。因此，如何合理使用大數據，同時又保護學生隱私，就成為了一個重要的問題。

　　“如果讓學生感覺生活在學校的監控下，那么即使學校的出發點是好的，希望能夠對學生的行為及心理進行合理引導，這種舉措也無疑會讓學生反感。”熊丙奇特別提示學校在運用大數據的時候，要考慮到學生的隱私及習慣。

　　對此，連德富表示，“學生畫像”在保護數據隱私方面是非常謹慎的。

　　“設計系統功能時，很重要的一方面是數據PK。”連德富介紹說，希望每名學生除了能在系統上看到自己的“畫像”外，還能看到自己與同專業同學比較后的相對優勢和劣勢。“但是，比較的根本目的是找到學習的模板，而不是與具體的某個個體比高下。”

　　因此，在申請PK時，系統是存在強權限管理的。發起比對的學生必須經過對方的允許，才能看到對方的畫像。但是連德富透露，由于該功能涉及的數據隱私比較敏感，目前并沒有向學生端開放。

　　而已有的面向輔導員的端口，所涉及的數據經過嚴格的加密處理，系統不保存學生的真實姓名及學號，只有出現重要預警信息，才會自動給相應的輔導員進行短信推送。這意味著，任何一個技術人員都看不到學生個人的信息，而輔導員最多能夠掌握自己負責學生可能出現的重大問題。

　　連德富堅持認為，教育大數據不會刻意強調每個個體的情況，而是反映學生整體的生活、學習狀況，以及時預測預警學生的異常狀況，從而為學校的決策提供數據支撐。