怎樣能成為學(xué)霸？成績(jì)好壞與行為習慣緊密相連？

　　目前，川內各所大學(xué)即將開(kāi)學(xué)。對于新入校的學(xué)生來(lái)說(shuō)，大學(xué)生活該怎樣合理安排？如何才能在大學(xué)里煉成一個(gè)學(xué)霸？

　　別擔心，有大數據來(lái)告訴你！這不，由國內大數據領(lǐng)域的領(lǐng)軍專(zhuān)家、電子科技大學(xué)教授周濤等人共同研發(fā)的“學(xué)生畫(huà)像”系統，通過(guò)數據整合、分析，挖掘出每個(gè)學(xué)生的學(xué)習、生活狀態(tài)，預測出學(xué)生的掛科危險以及可能出現的“特殊狀況”。這個(gè)系統已經(jīng)覆蓋電子科大兩萬(wàn)余名本科生。

　　華西都市報記者從電子科大教育大數據研究所了解到了“學(xué)生畫(huà)像”所統計出來(lái)的一些數據，那么，現在我們就來(lái)看下，在大學(xué)里怎樣才能成為一個(gè)學(xué)霸。

排名均值越小，成績(jì)越好。

　　1新奇的發(fā)現

　　打水次數減少35次學(xué)生成績(jì)相應降低了26名

　　電子科大教育大數據研究所成立于去年，數十名師生共同承擔著(zhù)我國多項教育研究課題。周濤曾介紹研究所說(shuō)，數據中心集中了學(xué)校上萬(wàn)名學(xué)子的行為、消費等匿名信息，研究所基于這些數據，進(jìn)行整合、分析與運用。

　　據介紹，目前學(xué)生的數據包括出入寢室的時(shí)間、進(jìn)出圖書(shū)館的次數、借閱書(shū)籍的種類(lèi)、在教學(xué)樓打水的次數、去澡堂洗澡的時(shí)間等。“學(xué)生畫(huà)像”的研究團隊首先會(huì )根據這些數據與實(shí)際行為的關(guān)聯(lián)性，“計算”出每名學(xué)生的學(xué)習、生活狀態(tài)，從而預測學(xué)生是否有掛科的可能，甚至還有輔導學(xué)生更好規劃自己學(xué)業(yè)的可能。

　　通過(guò)這一年時(shí)間的大數據統計，可以看出，在電子科技大學(xué)：總體上，女生平均成績(jì)好于男生；大二上學(xué)期，成績(jì)兩極化最為明顯。

　　同時(shí)，還總結出一個(gè)規律，學(xué)生成績(jì)波動(dòng)之前，生活模式會(huì )先發(fā)生變化。比如，一名學(xué)生第一學(xué)期在教室打水的次數為53，他的成績(jì)在565位同學(xué)中排名200；第二學(xué)期，這名學(xué)生的打水次數減少了35次，他的成績(jì)也相應降低了26名。

　　2如何成為學(xué)霸？

　　生活有規律多與成績(jì)好的學(xué)生做朋友

　　通過(guò)大數據研究，其實(shí)可以發(fā)現，學(xué)霸也是有規律可循的。這不，教育大數據研究所根據這些數據，繪制出了“學(xué)霸”和“學(xué)渣”的學(xué)習生活軌跡。來(lái)，一起看下，想要成為學(xué)霸，你要做些什么？

　　一、去圖書(shū)館和教學(xué)樓次數越多，成績(jì)越好

　　在大數據研究所提供的圖表一上，記者可以看到，第一學(xué)期，成績(jì)最好的學(xué)生進(jìn)入圖書(shū)館的次數為55次，成績(jì)最差的學(xué)生進(jìn)入圖書(shū)館的次數為35次；到了第四學(xué)期，成績(jì)最好的學(xué)生進(jìn)入圖書(shū)館的次數為61次，成績(jì)最差的學(xué)生進(jìn)入圖書(shū)館的次數為18次。

　　正如圖表所顯示的，“學(xué)生畫(huà)像”的研究團隊通過(guò)大數據分析，發(fā)現出入圖書(shū)館次數比較多的學(xué)生，成績(jì)要優(yōu)于出入圖書(shū)館次數比較少的學(xué)生。而同一名學(xué)生，隨著(zhù)出入圖書(shū)館次數的增多或減少，成績(jì)排名在上下浮動(dòng)。

　　同樣的情況也存在教學(xué)樓，學(xué)生去教學(xué)樓飲水機上打水次數越多，就說(shuō)明學(xué)生長(cháng)期在教學(xué)樓里活動(dòng)。第三學(xué)期的數據顯示（圖二），成績(jì)最好的學(xué)生在教學(xué)樓打水近80次，成績(jì)最差的學(xué)生在教學(xué)樓打水不到10次。這也說(shuō)明，經(jīng)常在教學(xué)樓活動(dòng)的學(xué)生，成績(jì)就越好。

　　二、生活、學(xué)習有規律的學(xué)生，成績(jì)更好

　　研究人員通過(guò)分析全校本科生進(jìn)出宿舍、在食堂吃飯、去澡堂洗澡等記錄，發(fā)現成績(jì)好的學(xué)生除了在教學(xué)樓打水次數比較多之外，生活、學(xué)習等行為習慣比成績(jì)差的更有規律。

　　以吃早飯的次數為例（圖三），第二學(xué)期，成績(jì)最好的學(xué)生吃早餐次數在110次，成績(jì)最差的學(xué)生吃早餐次數僅為60次。也就是說(shuō)，9點(diǎn)前出現在食堂吃早餐的同學(xué)，成績(jì)也相對更好。

　　除此之外，研究還發(fā)現，在固定時(shí)間進(jìn)出宿舍，在宿舍的平均時(shí)長(cháng)少的學(xué)生，成績(jì)遠遠高于經(jīng)常宅在宿舍的學(xué)生。

　　三、身邊朋友成績(jì)較好，自身成績(jì)也相對較好

　　大數據顯示，學(xué)霸的身邊總是圍繞著(zhù)學(xué)霸，身邊朋友成績(jì)較好，自身成績(jì)也相對較好。

　　電子科大教育大數據研究所有專(zhuān)門(mén)分析“朋友圈”的模塊，主要分析同校的朋友。“兩個(gè)朋友關(guān)系越親密，共同行動(dòng)的概率就越大，而陌生人之間則不然，這是已經(jīng)經(jīng)過(guò)仔細驗證的結論。”基于此，研究所的專(zhuān)家們對學(xué)生們的共現頻率進(jìn)行了統計分析，凡是兩兩間較短間隔內在同一場(chǎng)所，研究人員都進(jìn)行了記錄，以此獲取兩人的關(guān)系親密程度，超過(guò)某一親密程度的則為朋友，以此獲取每個(gè)人的朋友圈信息。此后，研究人員再結合學(xué)生基本信息，獲取學(xué)生與朋友之間的標識，如室友、同班、同學(xué)院等，進(jìn)而進(jìn)一步分析學(xué)生的交際能力與偏好。

　　研究人員在分析了學(xué)生和朋友們之間的成績(jì)之后，得出一個(gè)研究結果：學(xué)生自身成績(jì)與身邊朋友的成績(jì)具有很強的相關(guān)性。

　　3科研人員建議

　　大學(xué)新生們這樣做你也能成為“學(xué)霸”

　　基于以上的研究成果，教育大數據研究所也給出了一定的建議：

　　生活習慣很重要，請注意保持生活的規律性，早上6點(diǎn)起床跑步讀書(shū)吃早餐而不是8點(diǎn)起床飛奔去上課，你這一天的感覺(jué)會(huì )完全不一樣；

　　一定要抽時(shí)間鍛煉身體，不要天天宅，睡懶覺(jué)和打游戲不如出去跑跑步，打打球；

　　不要迷戀網(wǎng)絡(luò )游戲；入學(xué)就打好學(xué)習基礎；多去教室圖書(shū)館學(xué)習。

　　4掛科預警

　　推送給輔導員及時(shí)調整學(xué)生的學(xué)習狀態(tài)

　　除了教你如何成為“學(xué)霸”之外，“學(xué)生畫(huà)像”還可以幫學(xué)生預測成績(jì)，發(fā)出“掛科預警”。

　　據介紹，掛科預警就是通過(guò)學(xué)生學(xué)習基礎以及由日常行為特征體現出的努力程度，綜合分析提前預測學(xué)生掛科可能性，并將掛科可能性較高的群體發(fā)送給輔導員，幫助他們提前引導，有效提升學(xué)生的學(xué)習成績(jì)。

　　研究人員告訴記者，掛科預警主要從三個(gè)方面分析：一是刻畫(huà)學(xué)生生活與學(xué)習的規律性。比如，如果某學(xué)生最近幾個(gè)月作息極不規律，那么他的成績(jì)就會(huì )有下滑的可能；二是分析課程相關(guān)性，先導課程的掌握程度對后續課程的成績(jì)有大的影響。比如，如果某學(xué)生微積分—I分數在及格邊緣，那么后續課程微積分—II就有較高的掛科可能性。三是計算學(xué)生在該課程上付出的精力。比如，如果發(fā)現該生在圖書(shū)館從未借閱與微積分課程相關(guān)的圖書(shū)，那么他在該課上掛科的可能性會(huì )進(jìn)一步提高。

　　依據這些分析，系統便可計算出學(xué)生的掛科可能性，類(lèi)似于“電磁場(chǎng)與波有87.5%的可能性?huà)炜?rdquo;這樣的信息就會(huì )推送給輔導員，由輔導員介入調整學(xué)生的學(xué)習狀態(tài)。

　　5如何保護隱私？

　　不強調個(gè)人情況對異常狀況提供人文關(guān)懷

　　通過(guò)數據挖掘獲知學(xué)生在校行為記錄，這是否意味著(zhù)學(xué)生的行蹤被監控，侵犯了學(xué)生的隱私權？

　　其實(shí)不然。教育大數據研究所副所長(cháng)連德富強調，如今，“大數據”已滲透到生活的各個(gè)領(lǐng)域。學(xué)校做數據收集，不會(huì )去強調每個(gè)人的情況，而是察看學(xué)生整體的學(xué)習生活狀況，及時(shí)預測預警學(xué)生異常狀況，為學(xué)校的決策提供數據支撐。比如，根據學(xué)生就業(yè)能力情況，學(xué)校及時(shí)開(kāi)展個(gè)性化引導，提升學(xué)生就業(yè)水平；根據學(xué)生實(shí)際消費情況，找出隱性困難學(xué)生，提升學(xué)校人文關(guān)懷等。