基于数据挖掘的网络学习行为分析及其教学策略研究

基于数据挖掘的网络学习行为分析及其教学策略研究

方静

（湖北工业大学，湖北省武汉市，430068）

摘要：随着信息技术的快速发展和网络技术的广泛应用,对传统的学习方式产生了很人的冲击,基于网络环境的教学已经成为一种重要的形式和学校教学的组成部分。作为一种新生的学习方式,网络学习有其独特的优势和发展潜力,网络学习包括四人要素：学习者要素、教师要素、网络课程内容要素及网络学习环境要素,每一种要素之间的相互关系都会影响网络学习的有效性,随着网络学习普及性的提高,对网络学习有效性的关注尤为重要,日前对此问题所进行的思辨研究比较多。而当前大学生已经基本掌握电子计算机和网络使用的基本技能,将数据挖掘作为当前大学生网络学习的基础,通过学习者要素、教师要素、网络课程内容和网络学习环境为要点,研究大学生的网络学习行为,从而有针对性的引导大学生有效学习。本文拟通过分析研究,应用数据挖掘方法探讨网络学习的有效性,并基于数据挖掘的分析结果提出网络学习的引导策略。

关键词：网络学习、有效学习、数据挖掘、关联规则、多维度分类

1 引言

随着计算机网络技术的发展和互联网的普及，网络教育正以迅猛的态势发展起来。我国的远程教育正式进入了第三个发展阶段—以多媒体计算机和网络教育为代表的现代远程教育。网络环境下教与学的时空分离造成了教与学相互作用的弱化,应用数据挖掘方法研究网络环境下教与学相互作用的关系,可以有效探索网络学习新机制,为网络环境下的学习者、教师、课程开发者和管理者提供服务,指导他们在网络环境下进行教与学的实践,以提高教育管理绩效和学习绩效。目前对于网络学习行为的研究，国内外学者主要集中在对网络学习者行为特征的统计及描述、网络学习行为监控系统的设计与实现、网络学习行为模型的构建及网络学习行为交互及反馈机制的探讨等几方面。笔者从 CNKI 中以数据挖掘、数据挖掘和网络（Web）等一系列关键词进行搜索，从搜索结果可以看出，我国在数据挖掘领域的研究自 1996 年左右起步以后，研究成果逐年递增。数据挖掘逐渐从数学、计算机方面的应用扩展到教育、医学、地理等多种领域。数据挖掘在教育中的应用，也取得了一定的成果，但在网络学习方面的应用研究还相对较少。论文拟通过实证研究,应用数据挖掘方法,探索网络有效学习机制,并对学习者进行网络学习提出可行性建议,以提高学习者进行网络学习的有效性,探索培学生网络学习能力的新途径;对教师进行网络有效教学提出可行性建议，以促进网络教学规范化;对管理员及开发人员提出网络课程管理和开发的可行性建议,以提高网络课程管理的有效性。

2 研究的理论基础

2.1 网络学习

网络学习,就是指通过计算机网络进行的一种学习活动,允许学习者自由选择学习内容、学习地点和学习时间。相对传统学习活动而启,网络学习有以下三个特征:一是丰富的和共享

的网络化学习资源；二是以个体的自主学习为主要形式；三是突破了传统学习的时空限制上。因此网络学习是在网络环境下,学习者与学习资源、教师等基本元素之间相互作用的过程和方式,是一个顺应到认同、再到内化的过程,是行为学习、价值学习和规范学习的统一。网络学习的优势体现在可以在任何时间、任何地点发生,具有很大的灵活性,教与学的方式多样化,能够为学习者提供丰富的资源,但是网络学习教与学的过程及管理难以控制,学习者因缺乏自主独立性导致容易迷失。

网络学习在内涵上,可以从四个方面去认一识:网络作为学习的工具;网络作为学习的对象;网络作为学习的资源;网络作为学习的环境,进一步解释为:网络学习是通过网络进行的学习过程;网络学习是学习网络本身的过程;网络学习是开发和利用网络知识与信息、资源的过程;网络学习还意味着把网络作为学习的一种环境。学习环境是由学习资源和认知工具以及相应的模式、策略、氛围构成,网络是一种环境的观点基本涵盖了其他三种观点,只有从学习环境的角度来理解网络的本质,才能更好地解释网络所支持教与学过程中的多种形式和特点。

2.2有效学习

有效学习是指优化的组织和实施学习,发挥主体的积极能动性,有效的完成和实现既定的学习任务和自主学习。对有效学习概念的界定,有三种取向,一：从学习过程和结果的角度,强调学习者在态度上“想学”、过程中“能学”并能“学会”；二：从学习的水平和层次的角度,认为有效学习是超越“记住”、“理解”程度的适应性学习,更加强学习者的主动性,强调有效学习的结果；三：能在不同的情境下解决实际问题。三种取向的定义的共同点是认为有效学习是新知识与学习者已有的观念建立实质性联系,都强调学习的实效,即会学和能解决实际问题,最终学会学习、形成新的行为或思维习惯的过程。

网络有效学习指在网络环境下,学习者围绕学习内容或问题,积极地通过探究、协作或自主的方式、充分利用网络学习资源和工具对信息进行批判性、创新性地加工,最终提升知识与技能水平,形成自我发展的能力。有效的网络学习至少应该具备学习者主动建构、按时完成学习任务及目标以及自身获得发展三个条件,应该以真实问题为起点,以学习兴趣为动力,以学习活动的体验为外显行为,以分析性思考为内隐行为,以指导、反馈为外部支持。

2.3学习者特征

学习者特征,从心理层面对其进行概念界定,比较典型的是:学习者特征指影响学习过程有效性的学习者内部心理过程的各个方面。从经验背景对其进行概念界定,学习者特征是指影响学习过程有效性的学习者的经验背景的各个方面。传统环境下,对学习者特征的分析,主要包括学习准备和学习风格。

网络环境下学习者特征除了包括影响学习者学习过程有效性的学习者心理特征外,还涉及学习者在社区中的行为表现,即行为特征,以及学习者与社区环境、社区成员的关系和互动等特征,具体包括以下四个方面:学习者的起点水平,包括网络学习能力、原有的学科知识基础、态度;心理特征,包括学习风格、学习动力(动机、自我效能感、归因);行为特征及社会关系特征。

3 数据挖掘技术及应用

3.1 数据挖掘的概念和应用

3.1.1数据挖掘的概念

数据挖掘(Data Mining，简称DM)，简单的讲就是从大量数据中挖掘或抽取出知识。它的定义描述如下：数据挖掘，也称为数据库中知识发现(Knowledge Discovery from Database，简称KDD)，它是一个从大量数据中抽取挖掘出未知的、有价值的模式或规律等知识的复杂过程。数据挖掘受多个学科影响，是数据库系统、统计学、机器学习、可视化和信息科学的交叉学科。

3.1.2数据挖掘的应用

数据挖掘技术在国外的大型商业、金融业、保险业、医疗、通信、运输等大型企业得到了广泛应用，国内目前总体上还处于理论探讨和应用试验阶段。同时，数据挖掘也被用于识别欺诈行为和发现犯罪倾向。在科学研究领域数据挖掘主要用于帮助天文学家发现遥远的类星体；构建人类健康状况的预警分析系统；建立互联网中搜索引擎以及通过分析用户点击流得到有关用户使用兴趣的价值信息等。

数据挖掘在教育领域的应用主要有以下几个方面：

1. 个性化学习

(1)学习者特征的可知性分析

学习者特征由学习者的知识结构和学习风格组成。利用数据挖掘功能分析学习者特征，帮助学习者修正学习行为。

(2)分析需求趋势

分析各个学习者的访问模式，通过挖掘对应的访问历史记录，系统向不同的学生提供符合其访问习惯的页面信息，预测学习需求。同时可以评估学习者需求倾向的改变，有助于提高教育网站的竞争力。

2. 自动答疑系统

在系统的后台存储了大量的，由经验丰富的教师精心挑选的问题答案。当学习者提出问题后，系统对问题进行分析，通过对问题的分析自动在数据库中寻找最适合的答案，并按照匹配的程度推荐给用户，利用交互机制从用户端获得反馈，并及时有效地对问题关键字的权重进行修正，提高答疑的准确性。

3. 教学评价和学习结果评价

教学效果和学习结果都需要一个客观公正的评价，数据挖掘可以帮助实现多方面，多层次、全方位的评价。对学生学习行为和综合素质进行评价，一般采用模糊综合评判及模糊聚类的方法；教学评价则使用决策树来保证评价的科学性，客观性和公证性。

3.2 数据挖掘的过程

数据挖掘是一个从已知数据集合中发现各种模型、概要和导出值的过程。KDD过程是一个以知识使用者为中心、人机交互的探索过程。通常知识发现的过程主要由三个部分组成，即数据整理、数据挖掘和结果的解释评估：

1．数据整理

数据整理包含两方面，一是从多个数据源去整合数据挖掘所需要的数据，保证数据的综合性、易用性、数据的质量和时效性。另一方面是如何从现有数据中衍生出所需要的指标。数据整理包括数据准备、数据选取、数据预处理、数据变换。

2．数据挖掘，这个阶段包括选择算法和数据挖掘。

(1)选择算法：根据确定的KDD 目标选择合适的知识发现算法，包括选取合适的模型和参数。

(2)数据挖掘：运用选择好的算法，从数据库中提取用户感兴趣的知识，并以一定的方式表示出来。

3．解释评估，这个阶段包括模式解释和知识评价。

(1)模式解释：对发现的模式(知识)进行解释。将无关和冗余的模式剔除。若模式不能满足用户需求则返回前面的某步重新处理。

(2)知识评价：将发现的知识以用户能了解的方式呈现给用户。包含知识一致性检查和模式可视化处理。上述步骤中，数据挖掘占据非常重要的地位，它决定了整个KDD 过程的效率和效果。

3.3 数据挖掘的常用算法

数据挖掘方法分为统计方法，机器学习方法，神经网络方法和数据库方法。统计方法有回归分析、判别分析、聚类分析等。机器学习有归纳学习方法，遗传算法等，神经网络有前向神经网络，自组织神经网络等。数据库方法主要是多维数据分析和OLAP，以及面向属性的归纳。本论文在此介绍以下几种常用算法。

1.聚类分析(Clustering)

聚类就是把整个数据分成不同的组，并使组与组之间的差距尽可能的大，组内数据的差异尽可能的小。常用聚类的方法有K－平均方法，K－中心点方法。利用聚类算法可以从Web 访问信息数据中聚类出具有相似行的那些学生。把这些聚类结果提供给学生改善学习或网络管理员改善网络服务。

2.关联规则(Associations)

关联规则是描述数据库中数据项之间存在潜在关系的规则，数据项之间的关联及根据一个事务中某些项的出现，可推导出另一些项在同一事物中也出现。常用的算法有R.Agrawal 提出的Apriori 算法和FP 算法。关联规则可以发现学生某些知识兴趣点之间的相关性，然后动态提供给学生这些知识点之间的超链接，使学生在上网学习时更加方便。

3.决策树(Decision Tree)

决策树主要应用于分类分析，它是利用信息论中的互信息(信息增益)寻找数据库中具有最大信息量的字段，寻找树的一个节点，再根据字段的不同取值建立树的分支，在每个分支子集中重复建立树的下层结点和分支来进行构造。常用算法有ID3 算法。通过分类算法可以实现对学生知识水平的客观分类。以便为其提供相应的学习内容和练习内容。同时也为教师提供准确的教学情况信息。

4．模糊集(Fuzzy Set)

根据模糊集合理论，对实际问题进行模糊判断、模糊决策、模糊模式识别、模糊聚簇分析。系统复杂性越高，精确能力就越低，模糊性就越强。

5.遗传算法(Genetic Algorithms)

一种新的优化技术，基于生物进化的概念设计了一系列的过程来达到优化的目的。这些过程有基因组合、交叉、变异和自然选择。为了应用遗传算法，需要把数据挖掘任务表达为一种搜索问题而发挥遗传算法的优化搜索能力。

6.神经网络(Neural Network)

模拟人脑神经元方法，以MP 模型和HEBB 学习规则为基础，建立三大类神经网络模型：前馈式网络、反馈式网络、自组织网络。

4 基于数据挖掘的网络学习行为分析

4.1 网络学习行为的多维度分类

网络学习者进行网络学习的过程是长期的,在整个学习工程中，每一门课程的学习阶段以及每一个课时的学习阶段,学习者对学习内容的学习兴趣不同,对学习这门课程的态度也就

不同,从而他们学习时产生的学习行为也表现出一定的差异性。另外,学习者的学习较久,要分析出他们的学习风格与学习偏好,需要抽取较多的数据来进行分析。由于学习者进行每次上课的学习行为的数据量都很大,要挖掘网络学习者的学习风格与学习偏好,也需要对网络学习者的学习行为分类进行相应的分析处理。

本文对网络学习行为的分类是在彭文辉等人的网络学习行为多维度模型对网络学习行为的分类的研究基础之上,从社会、心理、生理、情感、环境这几个维度进行划分的。社会维度指的是网络学习者学习行为中体现出的交流互动方面的特征,心理维度指的是网络学习者学习行为体现出对信息的分析和综合以及学习方式的选择等方面的特征,生理维度指的是网络学习者依据优势感官的使用不同而对各种类型的学习资源的使用表现出一定偏好的特征,情感维度指的是网络学习者学习行为体现出对鼓励!学习坚持性!学习内容组织偏爱的喜好方面的特征,环境维度指的是学习者对网络学习平台的使用!工具使用!背景音乐的使用等方面喜好特征。

网络学习者的网络学习行为大致归类如下:

(l)社会维度:提问、发布帖子、浏览帖子、在线答疑、在线讨论等交互学习行为

(2)心理维度:根据导航选择学习内容、使用搜索引擎搜索学习内容、整理收藏夹、信息保存、信息分类、做笔记、写blog、制作网络作品、发起学习讨论组、发表文章、发表学习心得等

(3) 生理维度:使用学习目标、关键词、案例、文本、视频、音频、动画、图片、图、表、课后练习、在线试题等资源的时间以及频度等

（4）情感维度:使用QQ、Insn、网易泡泡等实时交流工具与人交流;.使用em目、bbs、blog等进行交流

(5)环境维度:对背景音乐、辅助学习工具的使用

网络学习中,学习者的操作产生的数据量非常庞大,这些数据都需要采用数据挖掘技术进行整理和分析才能得出学习者的一些个性化特征。

4.2 利用关联规则对网络学习行为进行分析

关联规则是找出隐藏数据中的关系网,并分为简单关联、时序关联和因果关联。例如:客户购买A的同时,经常会购买B(简单关联);客户购买了A,就需要购买B(因果关联):客户购买A后,隔一段时间就会购买B(时序关联)。

在网络学习过程中,学习者按照自己的喜好进行学习,其学习行为也与自身的学习风格与偏好有很大的关系。关联规则可以用来发现学习者学习行为之间的关系,通过对网络学习者的某两类网络学习行为之间取值关系进行分析就可以得出他们之间的关系,从而预测学习者将要进行的下一个行为,以此来挖掘网络学习者学习行为之间的关系,使得学习者学习风格更明显。

挖掘网络学习者的学习风格与学习行为之间的对应关系,应该具有相同的考察维度,才能进行准确的分析。网络学习者学习行为之间的内在关系,也应该从多个方面进行分析：(l)社会维度:挖掘网络学习者交互学习行为之间的关系,具体来说就是挖掘出学习者在学习时积极参与、观望、逃避协作学习的学习态度,此外还挖掘出学习者参与讨论、合作、辩论、竞争等的协作学习行为之间的关系。

(2)心理维度:一个是要挖掘网络学习者信息检索行为之间的关系,主要是分析网络学习者在学习时对页面结构的使用关系,是否按照学习平台安排的学习过程进行学习、是否边学习边搜索资源等关系;再就是要挖掘网络学习者信息加工行为之间的关系,考察网络学习者收藏页面、保存信息、整理信息、做习题等之间的关系;此外还有依据学习者的学习行为,挖掘

出学习者的学习方式。

（3）生理维度:挖掘网络学习者使用资源的关系。学习者使用学习目标、关键词、文本、图片、动画、视频、音频、习题、图、表、在线习题之间的关系,分析网络学习者学习行为的序列、因果关系等等。

（4）情感维度:挖掘网络学习者沟通交流行为之间的关系。这个部分主要分析网络学习者在学习时是否容易受到QQ、网易泡泡、MSN等实时交流工具的影响以及是否及时与其他学习者或老师进行沟通交流的情况,挖掘出学习者的学习坚持性、是否需要鼓励等特征。

(5)环境维度:挖掘出学习者对网络学习平台的使用特点。

4.3 利用聚类分析规则对网络学习行为进行分析

聚类分析是把数据按照相似性分为几类,同一类中的数据具有共同点,不同类中的数据不同。网络学习者进行学习时,产生了大量的行为数据,为了判断出学习者进行的是什么行为,就需要对数据进行归纳分类。在分析网络学习者的网络学习行为时,利用聚类分析技术,学习者对学习平台中的对象进行的相同操作则视为进行的是同种类型的学习行为,通过对学习者不同的学习行为进行归类,为构建学习者的学习风格模型提供基础。

应用聚类分析规贝上分析网络学习者学习行为,主要从以下两个方面进行:

(l)将学习者的学习行为归类为:写blog、使用导航、使用搜索引擎、整理收藏夹、动画、信息保存、信息分类、课后练习、做笔记、制作网络作品、发起学习讨论组、在线答疑、小组活动、同伴反馈、发邮件、发表学习心得、利用bbs提问以及回答问题、使用qq、Insn、网易泡泡、email、在线辩论、使用学习目标、关键词、文本、音频、图片、表、频度等类别。

(2)将分类好的学习行为整理为社会维度，心理维度，情感维度，环境维度等几类。将学习行为进行分类后,为以后的分析学习者的学习风格与偏好提供准备。

4.4 利用预测分析方法对网络学习行为进行分析

预测是利用历史数据找到变化的规律,构建出模型,并用模型对未来数据的种类及特征进行预测。网络学习者进行网络学习时,他们的学习风格一般比较固定,那么他们的学习行为也会有一定的规律和特点。预测分析方法利用学习者的网络学习行为随时间而变的规律,预测学习者在接下来将会进行的学习行为。通过预测分析方法,可以为学习者提供具有个性化特点的学习资源,创建独特的学习环境,促进学习。

5 基于数据挖掘的网络学习行为的引导对策

5.1 学习者要素的K一means算法

我国高校在校学生数量大,从成人教育、本科教育、硕士研究生教育和博士研究生教育有多种层次,不同层级当中的不同层次都有很大的差别。因此,通过K一means算法,从学习者要素出发,将学习者进行分类,从而有针对性的开展网络学习行为的定位和培养。最为简单的就是通过学生的成绩和获奖情况的综合权重来进行模糊聚类分析。以本科生的K一means 算法为例,通过大一大二的公共基础课程的成绩为样本,采集男女比例适当的学生数据,通过以特征向量进行第一次聚类分析,将本科学生层次分为高、中、低3个层次,并且又在每个层次当中发现大一和大二学生的差异性,最终,将男女,年级,专业作为3个层。其中,对于一些特例需要特殊关注,特别是“偏科”现象,工科学生中存在英语大多是弱势,而文科学生在数学逻辑思维和判断上存在短板。因此，将不同层级的学生进行详细的划分,并且做好划分的详细记录,不仅要从微观上划分，更要从宏观上有共同特点。

5.2 教师要素的NaiveBayes分类

高校是最具有学术氛围的地方,从教师的角度来看,教师的工作年限、教学经历、教学成果和职称等方面,都处于一个大体稳定但小有变化的特点,因此教师要素,在大学生的网络学习上具有很强的引导和传播作用。高校的教师的数量是相对较少的,并且专业分科和特点十分明显,因此符合NalveBayes分类的运用条件,例如,以机械专业领域为例,将某一个教师设定为但一样本的数据样本,并且该教师已知属于机械专业领域,通过教师的教龄、支撑位样本等特点,可以将老师划分为多个层次和专业化程度,如专业程度上有,助理工程师教授级高工等。将教师的数据和信息进行深入挖掘之后,我们可以从专业化、水平等角度进行合理的配置教师资源,通过教师的综合影响力,来启发学生的思考,让学生通过网络的渠道进行自主性的学习。

5.3 网络学习内容的EM期望值

网络学习的内容分为两个部分,第一部分是高校图书馆和网络学院提供的相对静态资源,另一部分是学生通过教师因素环节当中引导而自主的进行信息搜索。对于高校图书馆和网络学院学习内容的EM计算,最简单的就是通过网站资源的点击量和关注趋势等为数据样本,然后进行可视化和聚类分析,通过实验可以发现,可以简单的通过某些软件进行详细的定位和选择,自主的进行这几个方面资源的整理,提高满足度和契合度的过程中,EM扩大也就达到了数据挖掘的目的。对于第二部分的内容。由于学生的关注内容和热点不一样,就应当通过教师因素进行直接传播,例如教师自身发现较好的资源或者网站等,对学生进行直接的传递,从而弱化学生信息搜集当中的负面情绪。

6 结论

网络学习不同于面对面的教课方式，对于网络学习者行为的研究目前也大都基于海量的用户数据。因此对于网络学习者行为研究的目的和有方法都需要很明确并要有最快的解决。在阅读文献的过程中发现目前的研究缺乏实际可以参考的案例，更多的是关注于数据的获取、挖掘算法的研究，而缺少设计与需求调研。同时，很多研究将学习者学习行为的采集与评价混为一谈。例如，在学习者模型中涉及到了学生的学习态度，学习积极性等方面。我们认为，学习者模型的目的和任务是收集学习者的各项学习信息，而评价则是建立在学习者模型基础之上的另一个环节。对于网络教学平台来说，学习者信息、课程、资源、学习者评价等各个模块应是低耦合的。个性化资源的推荐、评价等功能的实现，调用的只是学习者信息模型中的数据，而不应该是每个功能模块都要重新收集学习者信息。因此，我们主张将学习行为进行系统的分析、采点量化，充实到学习者信息模型（依据 CELTS或其他标准的学习者信息模型）中来，作为学习者个人的信息库，以期达到资源的重复利用。

数据挖掘技术已经在许多领域取得很好的应用，在教育领域中，随着网络学习用户的不断增多，使用数据挖掘技术可以解决海量数据的问题，能够较客观实时地反映远程学习者的学习行为特征，为教师进行具体课程的教授提供了重要的依据。

参考文献：

[1] 曹梅.知识发现在网络教学系统中的应用研究进展[J].开放教育研究,2008,(12):89一93

[2] 王松涛.论网络学习=J].教育研究,2000,(3):58一61

[3] 吴婕.浅析数据挖掘软件的发展[J]信息系统,2004(2):212一214

[4] 李雄飞,李军. 数据挖掘与知识发现[M]. Data Mining and Knowledge Discovery.高等教育出版社.2003 年11 月第1 版

[5] 陈玉婷,王斌,刘博,宋斌,李颉.关联规则挖掘算法介绍[J].计算机技术与发展.2006,5:21-25.

[6] Robert Powell, Richard Weeks[美]著,袁鹏飞译.C＃和.NET 架构[M].人民邮电出版社.2002 年4 月第一版.

[7] A.Russell Jones[美]著,陈建春,白雁,杨永平译https://www.wendangku.net/doc/5b2290171.html,与C＃从入门到精通[M].电子工业出版社2003 年3 月第一版.

[8] 高丹丹.论网络学习的评价[J].电化教育研究.2009(l1):25一29

[9] 贾瑛.Web使用挖掘在远程教育中的应用研究[D].陕西师范大学,2008

[10] 张家华,张剑平.网络学习的影响因素及其LICE模型[:Jj电化教育研究,2009(6):73一77

大学生文明行为规范标准

校园文明习惯规 人生因什么而精彩？答案很多，但有一个答案一定正 确合理——人生因文明而精彩。 校园因什么而文明？校园因你、我的文明而文明。我们的校园如果没有与之相适应的精神状态、环境氛围和文明行为，就不会有校园的文明，文明文明校园既包含物质的校园，更包括精神的校园，精神的校园需要我们全体师生共同、长期的努力。 随着科技发展社会对大学生的要求也日渐提高，而想要投身社会的我们已经不仅单一的只拥有知识，要有道德，有理想，有文化，有纪律才是一个接班人应该具有的素质。 山水自见山水，但社会早已有了一个翻天覆地的变化，增强自我教育，自我管理能力，养成良好的行为规，提高文明素质，更见在校大学生应该做到而且做好事情。 行为规: 一、思想品德篇； 大学生的思想道德素养是综合素质的核心要素。加强大学生的思想品德教育，引导大学生树立崇高的理想和信念，帮助大学生塑造和培育美好的品德不仅是个人成长的需要，更是是历史赋予的责任和使命。 二、诚信守纪篇； 诚信守纪、自律修身为做人处事的根本。大学生在学习生活工作中应该恪守这一道德底线。做人讲诚信，做事守法纪，踏踏实实做事清清白白做人不妄图走捷径，不投机取巧，凭借过硬的综合素质和高尚人格魅力，赢得别人的尊重。 1本色做人，以诚待人，言出必果，知行统一。 2为人正直，不损害他人权益，选择正常渠道和合理方式

反映意见和要求。 3遵纪守法，不做侵害他人利益的事情，不参加非法组织和活动，敢于并善于同各种违纪行为作斗争。 4、遵守学校各项规章制度，恪守一日生活制度，自觉维护学习生活秩序。 5、提倡诚信考场文化，严格遵守考场纪律，按照相关要求参加考试，考试不作弊。 6、遵守学校各项规章制度，恪守一日生活制度，自觉维护学习生活秩序。 7、提倡诚信考场文化，严格遵守考场纪律，按照相关要求参加考试，考试不作弊。 三、感恩与责任篇；每个人的成长都离不开社会、家庭和他人的关心、关怀、帮助。从一出生，我们每个人都因为父母、家庭和社会的万千呵护宠爱，而背负了一种巨?反哺那些曾经帮助过我们的人，是我们应尽的责任和义务。1.感恩和责任是我们生存的理由和动力，要对社会负责，对别人负责，对自己负责，要学会关爱父母，珍惜生命。 1.对他人与人为善，关爱、宽容，常怀恻隐之心；对自然以邻为友，仁心、慈爱，常怀敬畏之心，与人与物和谐相处。 1.尽己所能，勇于承担社会责任。平时多参加义务活动，争当社会活动的志愿者，在公共场所，自觉维护学校形象。 四、学涯规划篇；故人云：预则立、不预则废。在校大学生要确立长远理想，明确学习目标，及早规划学业生涯。学涯规划的制定要注意长期规划与短期目标的结合。自身实际与专业学习大纲要求的结合，学习目标和具体的实施步骤的结合，及时调节心理应对状态，有条不紊地把规划容落到实处。 1、客观分析自己的能力，制定与自己能力相适应的阶

大数据时代下的数据挖掘试题和答案及解析

《海量数据挖掘技术及工程实践》题目 一、单选题（共80题） 1)( D )的目的缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到 和原始数据相同的分析结果。 A.数据清洗 B.数据集成 C.数据变换 D.数据归约 2)某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖 掘的哪类问题(A) A. 关联规则发现 B. 聚类 C. 分类 D. 自然语言处理 3)以下两种描述分别对应哪两种对分类算法的评价标准 (A) (a)警察抓小偷，描述警察抓的人中有多少个是小偷的标准。 (b)描述有多少比例的小偷给警察抓了的标准。 A. Precision,Recall B. Recall,Precision A. Precision,ROC D. Recall,ROC 4)将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务(C) A. 频繁模式挖掘 B. 分类和预测 C. 数据预处理 D. 数据流挖掘 5)当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数 据相分离(B) A. 分类 B. 聚类 C. 关联分析 D. 隐马尔可夫链 6)建立一个模型，通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖掘的 哪一类任务(C) A. 根据内容检索 B. 建模描述 C. 预测建模 D. 寻找模式和规则 7)下面哪种不属于数据预处理的方法 (D) A.变量代换 B.离散化

C.聚集 D.估计遗漏值 8)假设12个销售价格记录组已经排序如下：5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204, 215 使用如下每种方法将它们划分成四个箱。等频（等深）划分时，15在第几个箱子内 (B) A.第一个 B.第二个 C.第三个 D.第四个 9)下面哪个不属于数据的属性类型：(D) A.标称 B.序数 C.区间 D.相异 10)只有非零值才重要的二元属性被称作：( C ) A.计数属性 B.离散属性 C.非对称的二元属性 D.对称属性 11)以下哪种方法不属于特征选择的标准方法： (D) A.嵌入 B.过滤 C.包装 D.抽样 12)下面不属于创建新属性的相关方法的是： (B) A.特征提取 B.特征修改 C.映射数据到新的空间 D.特征构造 13)下面哪个属于映射数据到新的空间的方法 (A) A.傅立叶变换 B.特征加权 C.渐进抽样 D.维归约 14)假设属性income的最大最小值分别是12000元和98000元。利用最大最小规范化的方 法将属性的值映射到0至1的范围内。对属性income的73600元将被转化为：(D) 15)一所大学内的各年纪人数分别为：一年级200人，二年级160人，三年级130人，四年 级110人。则年级属性的众数是： (A) A.一年级 B.二年级 C.三年级 D.四年级

大学生网络生活中的行为样态和道德要求

大学生网络生活中的行为样态和道德要求 摘要： 网络的健康发展不仅需要高科技作为重要条件，而且离不开伦理道德作为其发展的支撑力量。在网络已经成为大学生学习生活重要组成部分的情况下，科学分析大学生网络生活中的行为样态，引导大学生树立正确的人生价值观和道德观，自觉抵制网上不良信息的误导是当前高校德育面临的新课题。 引言： 1.大学生网络生活中的行为样态 大学生网络生活的存在以信息的生产、分配和使用为条件。信息是网络生活的基础和核心，大学生在网络上的活动和行为也是以信息为轴心的，因此，我们可以对信息的使用方式为标准将大学生在网络生活中的行为作如下划分。 1.1信息采集 许多大学生上网，目的就是搜索于己有益的信息。互联网向大学生提供了浩瀚的信息，互联网是一个巨大信息库，几乎容纳了所有现实社会中所能掌握的信息，因此，为大学生提供了一个良好的搜索平台。在第十八次中国互联网发展状况的调查中，大学生利用网络获取信息者占55.3%,从事学习者占5.4%,从事学术研究者占1.3%.简易、快捷、方便、低廉等特征使得查询、下载信息成为经常性的、习惯性的行为和活动，信息采集也正是大学生上网最主要的目的。 1.2 收发邮件 随着学习生活节奏的加快和电子信箱的普及，Email作为一种迅速、费用低廉的通讯方式，正在逐渐取代传统的书信而成为大学生人际交往的重要手段。因此，每天开邮箱收发邮件已逐步成为当代大学生上网的主要目的之一。 1.3 网上聊天 "白天带书上课，晚上带钱上网".在网络上聊天交友是大学生在网上的主要活动内容之一。2006年3月，江苏省教育部门的一项调查显示，大学生中经常上网的人数达80%,而其中只有15%是为了学习，60%是上网聊天，25%则是上网玩游戏。 聊天、交友、网友见面成了一些大学生日常生活的组成部分，有些大学生乐此不疲，甚至深陷其中，论文发表，专利申请，论文辅导老师Q/微信：993383282，不能自拔。据有关调查资料表明：仅武汉大学生上网率已高达80%,其中仅以网上聊天为重要目的者占84%1.4 网络游戏与游戏机或游戏光盘相比，网络游戏因其具有交互性，更加显得魅力难挡，因此，游戏阿站也是大学生经常光顾的地方。 有的大学生在游戏网站一呆就是七八个小时，甚至逃课，严重影响了其学业。至于如何把网络与自身的专业学习、人生发展、兴趣爱好结合起来，很多大学生则是一片茫然。 1.5 BBS BBS即电子公告牌。BBS可实现一对一、一对多、多对多的沟通功能，它可提供多个用户同时登录、浏览、发布、回复信息，它集信息发布、信息讨论、聊天为一体，也成为大学生最重要的交流沟通平台之一。BBS有2大功能：一是公告栏功能，适用于学校向全体师生发布学校动态信息、通知、公告、规章制度等信息；二是讨论区，可根据讨论的内容，不同的院系、专业、班级等分成不同的分讨论区，便于集中学生的智慧推进学校工作。学生也可利用这个平台反映一些问题或发表自己的观点。 1.6 网上论坛 基于万维网而面向全社会的网上论坛，已经为大学生接受和喜爱。网上论坛虽然发端于BBS,在本质上与BBS并无区别，但它具有良好的图文界面，在界面和直观程度上要高于BBS.

高校大学生网络行为特点分析

高校大学生网络行为特点分析 2010年7月15日，中国互联网络信息中心(CNNIC)发布《第26次中国互联网络发展状况统计报告》(以下简称“报告”)，报告显示，中国网民规模达到 4.2亿，其中学生占30.7％，11—19岁及20岁－29岁的网络用户分别占29.9％和28.1％，由此可见，大学生是互联网用户的重要组成部分。网络已经成为大学生生活的重要组成部分，并影响着大学生的学习、生活、性格、人际交往等方面。因此，通过开展高校大学生网络行为的分析工作进而提出教育引导的策略和手段，是摆在我们面前紧迫而又现实的课题。 一、调查对象和方法 为了解当代大学生网络思想的状况，笔者采用调查问卷为主、个别访谈为辅的调查方式以西南林业大学的在校的全日制本科生、研究生为调查点，调查对象覆盖到不同专业、性别、年级。调查样本以随机抽取集体样本的方式产生。于2010年10月开展了网络行为特点问卷调查。共发出调查问卷400份，回收问卷394份，有效问卷392份，有效率达到98％。在392份有效样本中，男生214名，女生178名。 问卷为自编的《西南林业大学学生网络使用状况调查问卷》，问卷由50个选择项问题组成，主要考察了四个方面，1、被调查者的基本情况，包括性别、年级、专业、网龄、上网频率及时长；2、被调查者的网络行为。包括网络使用偏好、网络不良行为、网络学习行为等：3、被调查者对网络信息的使用和看法：4、被调查者对校园网络尤其是高校BBS的使用情况及对思政教育网站(红色网站)的看法。 二、调查结果分析 1、网络使用频率高，上网时间较有节制。 本次调查结果显示：调查对象中网络的使用率达到了100％，65％的学生从初中起就开始使用网络，进入大学后接触网络的学生只有2.5％；在单次使用网络时长方面，不同年级、不同性别情况不同： 可以看出，网络已经成为西南林业大学大学生生活的一部分，使用互联网在大学生中已经普及，互联网成为大学生与外界联系的重要媒介，同时性别对大学生接触网络的影响并不明显。值得关注的是单次上网时长超过10小时的人数占6.89％，在高年级中所占比例较高，因为上网持续时间越长越有网络成瘾的倾向，这部分学生网络行为控制能力较低，他们的网络偏好多为网络游戏。在个别访谈中，我们发现不少学生有在网吧通宵的体验：有部分学生学生会因为对网络的依赖乃至迷恋而造成现实人际关系的疏离，这表明虽然大部分学生对上网时间较有节制，但仍有部分有网络成瘾倾向的学生，需要得到思政教育工作者的重视。

大学生网络行为调查报告

【调研报告】 大学生网络行为调查报告 一、前言 互联网被称作是继报纸、广播、电视之后的第四媒体,网络作为一种新兴的信息载体，近几年在大学里日趋流行，越来越多地介入到大学生的学习与生活当中,对他们的各个方面产生了一定的影响。 尽管网络存在着诸多优点，但是我们应该清醒地看到，网络信息的开放性、自主性与多元性极容易令部分同学对其产生过度依赖，从而造成大学生心理扭曲，导致人格的发育不健全。据专家分析，频繁浏览黄色、暴力等不健康网站是造成大学生心理失衡进而引发杀人行为的重要原因之一。那么，网络时代的大学校园，到底对当代大学生学习、生活模式存在着怎样的影响，又是怎样改变着大学生的价值观和人生观呢？大学生们是怎样认识这个第四媒体的呢?为了探明目前大学生上网的基本情况和针对这种现状所应采取何种措施, 我们以燕山大学里仁学院在校大学生为调查主体,进行了“大学生网络行为调查”为课题的调研活动。 此后,我们进行了数据统计和分析.并且进行了详细的分析,我们得出,大学生上网与 性别和所处年级有关,也和目前激烈的社会竞争有关;上网以家里和宿舍为主,表现出较强的主动性和好奇性;目前网络信息的多而杂使很多大学生对其既爱又恨。 二、调研概述 １、调查目的 ①对网络行为进行分层次全方位的动态调查研究，对不同年级的人的上网年龄、时间、 地点、频率、常上的网站、所关注的内容、上网的体验进行调查。 ②调查大学生上网动机，文案调查包括网络学习，玩游线，网恋，娱乐等 ③最受大学生喜欢的网站排名,和网络分类信息重要程度的排名 2、调查对象 本次调查以里仁学院大学生为主体，采用分层抽样方法选取调查对象。以大二、大三的学生为主，以大一的学生作为辅助调查对象。为了能全面反映在校大学生的上网状况，我们适当将部分大四学生加入调查样本中，以充实数据库，使其更加接近大学生群体上网现象的真实情况。 3、资料收集方法 本次调查主要采取问卷调查法。问卷由17个问题构成，主要询问了学生关于上网基本情形、偏好、上网影响及其它方面的具体情况。本次调查实际发放问卷100份，回收100份，有效问卷100份，有效回收率100%。

中国互联网发展现状分析

中国互联网发展现状分析 据CNNIC的最新估算，截至2002年10月31日，我国上网用户人数达到5800万，上网计算机数升至2300万，短短的四个月间分别增加了1220万和687万；与此同时，国内三大门户网站在第三季度财务报告中也分别交出了令人满意的业绩答卷。这预示着我国互联网在经历一个时期的发展低潮之后，正在开始回暖。自1994年我国正式接入互联网以来，短短的几年时间，互联网在我国得到了飞速的发展。这不仅表现在我国互联网的基础设施方面，也表现在互联网的用户人数、互联网在各行各业的广泛应用等各个方面。虽然自2000年互联网泡沫破灭后，网络业的发展遭遇了一段时期的低潮，但从近期的种种迹象来看，中国互联网业正在走向复苏，开始迎来它发展的第二个春天。 三大门户网站业绩优良 近日，国内三大门户网站新浪、搜狐和网易分别公布了第三季度财务报告。10月22日搜狐公布的季报显示，它提前实现了按照美国通用会计准则的全面盈利，盈利额度达到11.2万美元。11月5日，新浪发布的财务报告称，上季度新浪的净营业收入达到1030万美元，较去年同期增加71％，达历史最高值；按试算额计算，新浪在历史上首次实现盈利24.1万美元，而去年同期的数字为亏损290万美元。11月6日，网易公布的季报显示，今年第三季度网易收入总额达到7440万元人民币（900万美元），较上一季度增长93.3％，营业利润达310万美元，毛利率达67.6％，创历史最高。业内人士认为，与以往网站大面积亏损相比，如此良好的业绩说明互联网正在回暖。 由于业绩的大幅上升，作为中国概念股在纳斯达克的标志性代表，新浪、搜狐、

网易的股票一片飘红，大幅上涨。与一年前一些公司在纳斯达克面临摘牌的尴尬处境相比，今日的风光实在不可同日而语。国内门户网站的股票在纳斯达克受到追捧，说明了国内互联业的发展得到了投资者的认可，它们已经从过去纳股中的边缘状态、边缘待遇变成比较中心的状态了。 互联网得到广泛应用 今年以来，在国家的大力倡导下，电子政务、电子商务、企业信息化等信息化应用进展迅猛，互联网开始在各个行业、各个部门进行广泛的、实质性的渗透。政府信息化、行业信息化、企业信息化和家庭信息化的推进，使原来“不食人间烟火”的互联网与传统行业、实体经济进一步结合，也使互联网找到了广阔的应用空间，焕发了应有的生机与活力。对此，中科院互联网发展研究中心主任吕本富认为，目前中国互联网产业开始了全面复苏。 他认为，之所以说现在的复苏不是一些企业的复苏，而是全面的复苏，是因为过去中国的企业在IT方面的投入本来就不多，有一个对历史欠账回补的过程。在企业层面，网络经济高潮到来时，启发了企业对信息化的应用，让他们认识到了网络经济的重要。互联网泡沫破灭以后，整个IT产业，包括互联网业，都回到了基本面，回归到了一个在正常经济活动下的一个正常产业。 据估计，全球500强等世界大公司在IT方面的投入提前支出了1000亿美元，现在还处于消化投资阶段。相比较之下，中国的互联网业由于本身发展水平所限，非理性成分和泡沫成分都不是那么大，或者根本就没有产生太大的泡沫。而在这个时候，政府加快推进了电子政务，企业开始重视内部信息化建设，这两股力量反而成为比较强劲的推动互联网复苏的力量。目前，中国市场已经成为全球最亮丽的IT市场之一。

大学生网络行为调查报告

社会观察报告 题目：大学生网络行为调查 学院：自动化学院 班号：物流1201B 组长： 小组成员： 2012年11月8日

一、调查目的 大学生是新新人类，对网络世界总是充满好奇。鉴于网络日益影响人们的生活，网络的利弊已成为热点话题。大学生是以后社会发展的主力军，他们的网络行为有可能会影响到学业甚至以后的生活。大学生的校园生活是怎样的，相信这是绝大多数人所关心的话题。大学，是我们迈向社会的第一步，对起始步的把握我们要着重注意。为了加强对他们的了解，并根据问题提出一些解决方案，进而让大学生的校园生活更加美好，我们此次特意针对在校大学生进行了详细的调查。 二、调查地点及时间 地点：物流三个班的自习室 时间：11月5号19:30 三、调查对象及方法 1．调查对象：北京联合大学自动化学院2012级新生 2.资料收集方法：采用问卷调查方法调查。向所取的样本中的个体发放《大学生网络行为调查问卷》，了解大学生上网的基本情况。此次问卷数量为30份，分别向物流工程的三个班级平均分发 四、调查内容（附在最后一页。） 五、调查结果分析 此次调查问卷的内容主要是了解一下大学生的上网习惯与对网络的一些基本认识。以下是针对问卷中的个小题所做的分析与自我观点： 1.有93.3%的人都喜欢上网，其中33.3%的人非常喜欢上网。由小见大，网络与大学生的校园生活是息息相关的。尽管国家相关规定禁止未成年人去网吧，在全国也得到不同程度的实施与落实。然而，社会对大学生上网的问题关注却是空白的。大学生基本都是年满18周岁的成年人，但很大一部分学生的心理年龄还处于未成年阶段，不具备成熟的心理和良好的自制力，对事物的认识和辨别能力有待提高。因此，大学生上网问题还需要社会各界给予关注和相关部门给予政策上的监管和支持。 2.50%的大学生属于有时间就上网的人，而也有36.7%的大学生上网时段一

浅谈大数据时代的数据分析与挖掘

龙源期刊网 https://www.wendangku.net/doc/5b2290171.html, 浅谈大数据时代的数据分析与挖掘 作者：单海波 来源：《科技创新与应用》2016年第24期 摘要：随着改革开放的进一步深化，以及经济全球化的快速发展，我国各行各业都有了 质的飞跃，发展方向更加全面。特别是近年来科学技术的发展和普及，更是促进了各领域的不断发展，各学科均出现了科技交融。在这种社会背景下，数据形式和规模不断向着更加快速、精准的方向发展，促使经济社会发生了翻天覆地的变化，同时也意味着大数据时代即将来临。就目前而言，数据已经改变传统的结构模式，在时代的发展推动下积极向着结构化、半结构化，以及非结构化的数据模式方向转换，改变了以往的只是单一地作为简单的工具的现象，逐渐发展成为具有基础性质的资源。文章主要针对大数据时代下的数据分析与挖掘进行了分析和讨论，并论述了建设数据分析与挖掘体系的原则，希望可以为从事数据挖掘技术的分析人员提供一定的帮助和理论启示，仅供参考。 关键词：大数据；数据分析；数据挖掘；体系建设 引言 进入21世纪以来，随着高新科技的迅猛发展和经济全球化发展的趋势，我国国民经济迅速增长，各行业、领域的发展也颇为迅猛，人们生活水平与日俱增，在物质生活得到极大满足的前提下，更加追求精神层面以及视觉上的享受，这就涉及到数据信息方面的内容。在经济全球化、科技一体化、文化多元化的时代，数据信息的作用和地位是不可小觑的，处理和归类数据信息是达到信息传递的基础条件，是发展各学科科技交融的前提。 然而，世界上的一切事物都包含着两个方面，这两个方面既相互对立，又相互统一。矛盾即对立统一。矛盾具有斗争性和同一性两种基本属性，我们必须用一分为二的观点、全面的观点看问题。同时要积极创造条件，促进矛盾双方的相互转变。数据信息在带给人们生产生活极大便利的同时，还会被诸多社会数据信息所困扰。为了使广大人民群众的日常生活更加便捷，需要其客观、正确地使用、处理数据信息，完善和健全数据分析技术和数据挖掘手段，通过各种切实可行的数据分析方法科学合理地分析大数据时代下的数据，做好数据挖掘技术工作。 1 实施数据分析的方法 在经济社会快速发展的背景下，我国在科学信息技术领域取得长足进步。科技信息的发展在极大程度上促进了各行各业的繁荣发展和长久进步，使其发展更加全面化、科学化、专业化，切实提升了我国经济的迅猛发展，从而形成了一个最佳的良性循环，我国也由此进入了大数据时代。对于大数据时代而言，数据分析环节是必不可少的组成部分，只有科学准确地对信息量极大的数据进行处理、筛选，才能使其更好地服务于社会，服务于广大人民群众。正确处理数据进行分析过程是大数据时代下数据分析的至关重要的环节。众所周知，大数据具有明显

大学生良好行为习惯养成

培根说：“习惯真是一种顽强而巨大的力量，它可以主宰人生。” 英国教育家洛克说：“习惯一旦养成之后，便用不着借助记忆，用不着思考，很容易很自然地就能发生作用了。” 一个人要成就学业、事业，要拥有美好人生，必须养成良好的学习、生活和工作习惯。那些优秀学生之所以优秀，是因为他们都养成了良好的学习生活习惯。俗语说，把一个信念播种下去，收获的是一个行动；把一个行动播种下去，收获的是一个习惯；把一个习惯播种下去，收获的是一个性格；把一个性格播种下去，收获的是一个命运。可见良好的习惯教育对一个人的成长和成功起着巨大的作用。因此，亟待在大学生中加强良好行为习惯养成教育。 一、习惯的涵义及其特性 习惯是人们在社会生活中逐步形成的一贯的、稳定的行为方式，是通过外在的行动而表现的内在的比较稳固的、自动化的思想和意识。换句话说，习惯是主体内心下意识活动的结果，是既不需要外部监督，也不需要经过复杂的思想斗争和意志努力而自然流露出来的经常性行为。 习惯具有下列特性：一是稳定性。习惯一旦形成，就会成为一个人的行为模式，引导和控制一个人，就会附着在身体上而成为其中的一部分，不易改变，甚至一旦中断，就会产生别扭、焦虑、紧张等负面情绪。习惯的养成，是一个长期艰苦的过程，要进行反复的训练和强化才能形成，培养一种好习惯和矫正一种坏习惯同样都要付出巨大努力。习惯一

旦形成后，一般很难改变，并在长时期内发挥作用，影响到一个人的发展。二是情境性。从心理机制上看，习惯是由于反复练习而在人们头脑中建立起来的一系列条件反射，它是一种需要，具有自动化的作用，不需要别人监督和提醒，也不需要自己的意志努力，是一种省时省力的自然动作。 三是双重性。即习惯有好坏之分，它对主体的作用也有双重性，好习惯有利于个体和社会，坏习惯不利于个体和社会。 二、当代大学生在校现状分析 (一)生活习惯令人担忧 1、日常饮食欠科学 有相当一部分大学生由于睡得晚，起的迟，来不及吃早饭便去上课．在课间饿的时候随便买些饼干、方便面之类的零食充饥；有的大学生索性取消早饭，养成常年不吃早饭的习惯；还有的男生酗酒、暴饮暴食，这些都违反了饮食规律。大学生正处于生理和心理成熟的关键期，如此应付“吃饭”问题，实在令人担忧。 2、作息时间无规律 很多同学不严格要求自己，作息时间无规律，该休息的时候不休息，一些宿舍看电影、开卧谈会到深夜，第二天上午逃课睡觉。长此以往，势必引起恶性循环，学业和健康均得不到保障。 3、自我关爱意识差

XXXX--XXXX中国新网民上网行为调查报告

2008-2009中国互联网研究报告系列之“中国新网民上网行为调查报告” （2009年5月） 中国互联网络信息中心 China Internet Network Information Center

目录 前言 (4) 报告术语界定 (5) 内容摘要 (6) 第一章新网民规模与结构特征 (8) 一、新网民规模 (8) 二、新网民结构特征 (9) 第二章新网民的网络接入 (17) 一、上网地点 (17) 二、上网设备 (17) 三、接入方式 (18) 第三章新网民的网络应用 (21) 一、新网民上网时间 (21) 二、新网民总体的网络应用行为 (21) （一）网络媒体 (22) （二）信息检索 (22) （三）网络通讯 (23) （四）网络社区 (23) （五）网络娱乐 (24) （六）电子商务 (24) （七）网络金融 (25) （八）网上教育 (26) 三、重点新网民的网络应用行为 (26) （一）城乡新网民的网络应用行为 (26) （二）女性新网民网络应用行为 (27) 第四章新网民网络生活形态研究 (30) 一、新网民总体网络生活形态 (30) 二、不同应用深度新网民网络生活形态对比 (31) 第五章趋势与建议 (34)

图目录 图12000-2008年中国网民增长规模与增长率 (8) 图22008年城镇和乡村新网民规模对比 (9) 图32008年新网民与网民总体性别分布对比 (10) 图42008年城乡新网民性别分布对比 (10) 图52008年新网民与网民总体年龄分布对比 (11) 图62008年城乡新网民年龄分布对比 (12) 图72008年新网民与网民总体学历分布对比 (13) 图82008年新网民与网民总体职业分布对比 (14) 图92008年新网民与网民总体职业分布对比 (15) 图102008年新网民与网民总体上网场所对比 (17) 图112008年新网民与网民总体上网设备对比 (18) 图122008年宽带和窄带在新网民和网民总体中的普及率 (18) 图13仅使用窄带接入的新网民使用的上网设备 (19) 图14不同网龄网民平均上网时长 (21)

90后网络行为习惯分析报告

90后网络行为习惯分析报告 据了解：中国18岁以下的网民达16.6%，网民中18~24岁的年轻人所占比例最高，为35.1%。而这一批人，就是我们所谓的“90后”，随着时间的推移，90后将逐渐成为了中国网络的重要用户群体。 速途研究院分析师团队，针对90后这一群体的网络行为习惯进行了调研分析，在结合公开的二手数据后，对90后的网络社交、网络游戏、网络购物等方面进行了分析。 90后上网途径及设备 （速途研究院制图） 从90后上网的网络途径图表中可以看到，有线宽带仍占据第一位，比例为52%，其次的是无线的WIFI，3G网络和2G网络也占据了一定比例份额。从上网设备来看，电脑（台式和笔记本）是90后上网的主要设备，有84.5%的人用电脑上网，也有75.3%的人通过手机上网，另外还有12.2%的人使用Pad等移动设备上网。. 90后的社交行为 （速途研究院制图） 速途研究院分析师团队调查发现，97.6%的90后有QQ，并时常登录，80.2%的90后在

人人网注册过，其中大多数上网的时候会登录。76%的90后玩微博。在玩微博的频率方面，一天1-2次的频率的比例最大，39%的90后以这样的频次玩微博，一天3次以上和一周2-3次的分别为16%、15%。另外还有6%的人处于不确定状态。 90后网络游戏的频率 （速途研究院制图） 从90后玩网络游戏的频率图表中可以看到，一周2-3次的人数最多，占了27%，其次是半月一次，比例为20%。还有14%的90后在天天玩网络游戏。总的来看，90后玩网络游戏的频率还是比较高的。 90后网购行为分析 （速途研究院制图） 从网购产品的类别来看，服装鞋帽类是目前90后网购产品中最大的类别，67%的90后都网购过服装或鞋帽，90后网购的另一大类是书籍，90后大多数还是在校学生，因而书籍类产品也是90后购买的大品类，比例为38%。但是书籍类的购买比例却远远低于服装类。 其次分别为电子产品31%、生活用品24%、虚拟产品（游戏点卡、手机充值等）21%、化妆品18%、食品13%。

一、大学生网络公德

我认为当代大学生在网络生活中应这样加强自身的公德自律 网络公德是适应调节当今网络社会里作为“网民”的人类个体之人际关系，规范其网上行为，以维持网络社会的正常运行需要而产生的，是维持网络秩序、保障网络社会有序运行的必要文化条件和行为规范。网络的迅速发展，一方面改变着社会、人类生活的方方面面，为人类公德进步提供历史的机遇，同时也给人们带来许多公德伦理问题，对大学生公德观念和行为也带来一定的消极影响。研究探讨网络社会发展所带来的大学生网络伦理公德失范问题及其对策，有利于规范大学生网络公德伦理观念及行为。 21世纪人们物质生活条件发生的最大变化就是信息技术的发展和相应的网络社会的 出现，网络公德正是在这样的背景下产生和形成的一种新产物。网络社会交往的超时空性、虚拟性和数字化等特点，使得人类有了释放压力的机会空间，“自我”有了更多伸缩自如地表达意见的空间，使得原本在现实社会中行之有效的包括伦理公德在内的诸多规范逐渐失去了原有的约束力，从而出现了网络公德缺失的新问题。 一、大学生网络公德缺失表现 根在交往中，人际情感得以维持。而在网络虚拟社会里，网络改变了人际交往的方式，使人与人之间的交流变成了人与机器之间的交流，传统的人与人之间直接的社会交往关系逐步被人对网络的依赖关系所取代。一些大学生终日沉溺于网络世界中，逃避现实世界，使得家人之间、邻里之间、同学师生之间的感情联系日渐淡薄，伦理情感日渐冷漠。在这样一个相对封闭的环境里，久而久之会导致公德心理的弱化、公德人格的扭曲。因为公德心理、公德人格的形成是一个社会化的过程，是环境和个体相互作用的结果。沉溺于网上交际使得大学生在现实生活中交往的机会大大减少，从而导致个体对现实社会中他人与社会的幸福漠不关心，造成公德人格的缺失或扭曲。 二、大学生如何在网络生活中公德自律？ 1、正确使用网络工具。网络是一个内容庞杂、覆盖面广的信息共享平台，人们可以通过网络便利地浏览新闻、查询资料、下载数据。大学生应当学会利用网络这一先进工具获取最新信息，使之成为提高自己学习能力的重要工具。目前网络上存在不少虚假、低级庸俗甚至反动、淫秽和色情的内容，同学们要提高鉴别善恶美丑的能力，做到不涉足不良网站，不浏览不良的内容。 2、健康进行网络交往。网络已成为一种人际交往的媒介和工具。人们可以通过网络收发邮件、实时聊天、视频会议、网上留言、网上交友等。网络交往要做到诚实无欺，不应该通过网络进行色情、赌博活动，更不能侮辱、诽谤他人。同学们应通过网络开展健康有益的交往活动，在网络交往中树立自我保护意识，不要轻易相信、约会网友，避免受骗上当。 3、自觉避免沉迷网络。适度的上网对学习和生活是有益的，但长时间沉迷于网络对人的身心健康有极大损害。现实中存在着一些同学上网成瘾，沉迷于网络而不能自拔，进而导致耽误学业、甚至放弃学业的现象。值得同学们警惕的是，沉迷于网络尤其是游戏已成为近年来青少年刑事犯罪率升高的重要原因之一。大学生应当从自己的身心健康发展出发，学会理性对待网络。 4、养成网络自律精神。网络的虚拟性以及行为主体的匿名隐蔽特点，大大削弱了社会舆论的监督作用，使得道德规范所具有的外在压力的效用明显降低。在这种情况下，个体的

2019年中国网民网络信息安全软件使用行为调查报告-19页精选文档

2009年中国网民网络信息安全软件使用 行为调查报告 （2019年3月） （简版） 中国互联网络信息中心 China Internet Network Information Center 目录 版权声明 (4) 免责声明 (4) 报告术语界定 (4) 第一章调查介绍 (6) 一．调查背景 (6) 二．调查方法说明 (6) （一）调查方法 (6) （二）电话调查方法说明 (6) 第二章网络和安全软件使用情况 (8) 一．网民上网终端使用现状 (8) （一）网民常用的计算机数量 (8) （二）网民常用的操作系统 (8) 二．安全防护软件使用情况 (8) （一）网民对安全软件的认知 (8) （二）当前网民个人计算机安装安全软件现状 (9) 第三章网民对不同安全软件的认知和使用 (10)

一．网民对在线查/杀毒软件的认知和使用 (10) （一）网上在线查毒软件使用情况 (10) （二）网上在线杀毒软件使用情况 (11) 二．网民对免费杀毒软件的认知和使用情况 (12) （一）网民对完全免费正版杀毒软件的认知和使用 (12) （二）网民对限期免费正版杀毒软件的认知和使用 (12) 三．网民对盗版杀毒软件的认知和使用情况 (13) （一）盗版软件的使用情况 (13) （二）选择使用盗版的原因 (13) 第四章网民安全软件续费及购买意愿 (14) 一．网民购买安全软件因素分析 (14) 二．网民使用安全软件的续费情况 (14) 三．网民选择购买安全软件的途径 (14) （一）网民选择购买安全软件的方式 (14) （二）网民在线购买安全软件的支付方式 (15) 四．选择安全软件的付费周期 (15) 五．网民认为较合理的安全软件价格区间 (15) 第五章2009年网络安全事件及危害 (16) 一．网民遭遇的网络安全事件 (16) 二．网络安全事件带来的损失 (17) 第六章网民对手机上网安全问题的认知和防范 (18) 一．手机上网使用现状 (18) 二．手机上网安全问题认知状况 (18) 三．手机上网安全软件使用情况 (18) 图表目录 图 1国内网民日常使用计算机数量 (8) 图 2网民常用的操作系统 (8) 图 3国内网民对不同类型安全软件的认知情况 (9)

大学生网络行为调查与分析

大学生网络行为调查与分析

大学生网络行为调查与分析 姓名：陈俊虎学号：1040601158 专业：音乐学 10级4班 【摘要】：网络是大学生生活的重要组成部分。研究表明：娱乐是大学生网络行为的主体；大学生的网络行为在经济和时间上不独立，并容易受到同伴的影响；大学生的网络生活是现实生活的延续，网络对现实生活的影响不大；大学生上网有严格的时间控制，成瘾率低，上网对大学生的危害较低。 【关键字】：大学生网络行为网络影响及对策 作为重要网民之一的大学生的上网行为是否健康，直接关系着网络文明乃至整个社会未来文明的进程。为了解网络对大学生思想、行为的影响状况,对本系学生进行了问卷调查。 一、问卷调查的基本情况 （一）大学生上网的基本信息 调查表明，大学生上网率为85%。网龄不足1年、1至3年、3至5年和5年以上者分别为39%、51%、6%、4%，每周上网时数小于5、5至10、10至15和大于15小时者分别为78%、14%、5%、3%，上网地点在家中、校内、网吧和其他地方者分别为15%、24%、58%、3%。调查发现，网龄、平均上网时间对大学生网上的守法、守规程度没有显著的影响，但网龄及平均每周上网时间越长的大学生，网上诚信行为及自律行为出现的频率越低。 （二）网络对大学生的影响 在问及网络对大学生学习、生活的最大影响时，14%的学生认为网络对学习和生活有很大帮助，37%的学生认为很有帮助，35%的学生认为有一点帮助，只有9%的学生认为上网对学习和生活不利，5%的学生认为上网严重影响了学业。 （三）网络文明状况 调查显示，33%的大学生认为“网上与人聊天时说假话是不道德

中国手机网民上网行为研究报告

中国手机网民上网行为研究报告 （2012年11月） 中国互联网络信息中心

目录 第一章调查介绍 (5) 1.1 调查方法 (5) 1.1.1 调查对象 (5) 1.1.2 调查规模 (5) 1.1.3 调查方式 (5) 1.1.4 调查内容 (5) 1.2 术语界定 (5) 第二章报告概要 (7) 第三章中国手机网民整体发展状况 (9) 第四章中国手机网民的结构特征 (11) 4.1 性别结构 (11) 4.2 年龄结构 (11) 4.3 学历结构 (12) 4.4 城乡结构 (12) 4.5 收入结构 (13) 4.6 职业结构 (14) 第五章中国手机网民上网行为特点 (15) 5.1 中国手机网民手机上网频率分析 (15) 5.2 中国手机网民上网情境分析 (16) 5.3 中国手机网民上网目的分析 (17) 5.4 手机网民常用上网设备分析 (18) 5.5 手机网民网上应用使用分析 (19) 第六章中国手机网民网络使用行为特点 (20) 6.1 影响手机网民上网的因素 (20) 6.2 手机网民流量包月形式 (20) 6.3 手机网民使用的手机网络形式 (22) 6.3.1 手机网民上网的接入方式 (22) 6.3.2 手机网民对Wi-Fi网络的使用 (23) 第七章中国手机网民购机行为特点 (26) 7.1 手机网民目前手机品牌使用情况 (26) 7.2 未来购买手机打算 (26) 7.3 未来计划购机系统 (28)

7.4 未来计划购机价格 (28) 7.5 未来计划购机时间 (29) 7.6 未来购买智能手机的原因 (29) 第八章总结 (31) 8.1 手机上网作为网民接入互联网的主要方式，逐渐成为网民的一种生活方式 (31) 8.2 网络是影响手机网民上网的主要因素，降费提速是关键 (31) 8.3 智能手机成为主流，Android市场潜力最大，诺基亚手机份额进一步下降 (31)

大学生网络行为调查分析报告

大学生网络行为调查报告

————————————————————————————————作者：————————————————————————————————日期： 2

社会观察报告 题目：大学生网络行为调查 学院：自动化学院 班号：物流1201B 组长： 小组成员： 2012年11月8日

一、调查目的 大学生是新新人类，对网络世界总是充满好奇。鉴于网络日益影响人们的生活，网络的利弊已成为热点话题。大学生是以后社会发展的主力军，他们的网络行为有可能会影响到学业甚至以后的生活。大学生的校园生活是怎样的，相信这是绝大多数人所关心的话题。大学，是我们迈向社会的第一步，对起始步的把握我们要着重注意。为了加强对他们的了解，并根据问题提出一些解决方案，进而让大学生的校园生活更加美好，我们此次特意针对在校大学生进行了详细的调查。 二、调查地点及时间 地点：物流三个班的自习室 时间：11月5号19:30 三、调查对象及方法 1．调查对象：北京联合大学自动化学院2012级新生 2.资料收集方法：采用问卷调查方法调查。向所取的样本中的个体发放《大学生网络行为调查问卷》，了解大学生上网的基本情况。此次问卷数量为30份，分别向物流工程的三个班级平均分发 四、调查内容（附在最后一页。） 五、调查结果分析 此次调查问卷的内容主要是了解一下大学生的上网习惯与对网络的一些基本认识。以下是针对问卷中的个小题所做的分析与自我观点： 1.有93.3%的人都喜欢上网，其中33.3%的人非常喜欢上网。由小见大，网络与大学生的校园生活是息息相关的。尽管国家相关规定禁止未成年人去网吧，在全国也得到不同程度的实施与落实。然而，社会对大学生上网的问题关注却是空白的。大学生基本都是年满18周岁的成年人，但很大一部分学生的心理年龄还处于未成年阶段，不具备成熟的心理和良好的自制力，对事物的认识和辨别能力有待提高。因此，大学生上网问题还需要社会各界给予关注和相关部门给予政策上的监管和支持。 2.50%的大学生属于有时间就上网的人，而也有36.7%的大学生上网时段一

大数据、数据分析和数据挖掘的区别

大数据、数据分析和数据挖掘的区别 大数据、数据分析、数据挖掘的区别是，大数据是互联网的海量数据挖掘，而数据挖掘更多是针对内部企业行业小众化的数据挖掘，数据分析就是进行做出针对性的分析和诊断，大数据需要分析的是趋势和发展，数据挖掘主要发现的是问题和诊断。具体分析如下： 1、大数据(big data)： 指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产; 在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法(抽样调查)这样的捷径，而采用所有数据进行分析处理。大数据的5V特点(IBM提出)：Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)Veracity(真实性) 。 2、数据分析：

是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。 数据分析的数学基础在20世纪早期就已确立，但直到计算机的出现才使得实际操作成为可能，并使得数据分析得以推广。数据分析是数学与计算机科学相结合的产物。 3、数据挖掘(英语：Data mining)： 又译为资料探勘、数据采矿。它是数据库知识发现(英语：Knowledge-Discovery in Databases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。 简而言之： 大数据是范围比较广的数据分析和数据挖掘。 按照数据分析的流程来说，数据挖掘工作较数据分析工作靠前些，二者又有重合的地方，数据挖掘侧重数据的清洗和梳理。 数据分析处于数据处理的末端，是最后阶段。 数据分析和数据挖掘的分界、概念比较模糊，模糊的意思是二者很难区分。 大数据概念更为广泛，是把创新的思维、信息技术、统计学等等技术的综合体，每个人限于学术背景、技术背景，概述的都不一样。

大学生日常行为规范

大学生日常行为规范 高等院校是为国家培养人才的场所，是建设社会主义精神文明的阵地，大学生应当成为全社会讲文明、讲礼貌的楷模。制定《大学生日常行为规范》不仅有助于促进良好风气的形成，而且有利于青年学生优良品德的培养。 一、校园 1、学生平时要注意仪表整洁、举止有礼。师生见面，应主动打招呼行礼，如“老师好”、“您好”。 2、行走时，要注意姿势，遵守规则，同老师相遇，应让老师先行。 3、进办公室应先敲门或打招呼，经老师允许后方可入内。进办公室不要随便翻阅办公桌上的东西。如果需要翻看有关书刊，应先征得教师或办公室工作人员的同意。 4、爱护公共财物，爱护学校的一草一木，不折花，不践踏草坪，自觉维护校园绿化、美化、净化。 5、过好健康的业余文化生活，不得介绍、购买、出借、传阅内容反动和淫秽的书刊、图片、音像制品等。遵守校园网络的有关规定，文明上网。 6、保持校内环境的安静，不在宿舍区和教学、科研、办公区内进行影响师生工作、学习和休息的体育、文娱活动。 7、珍惜学校的荣誉，不做有损学校荣誉的事，文明离校。 8、在上课铃响之前，学生应先进教室，做好准备，静候老师上课。若迟到，应在教室外向老师行礼报告，得到任课老师允许后方可进入教室。 9、上课时应保持仪容整洁，衣着大方，夏天不得穿背心、短裤、拖鞋进入教室。 10、对课堂教具、设备、墙壁、门窗等须备加爱护，不要随便移动，不得污染或损害。在教室里要爱护照明设备、节约用电，离开教室时应随手关灯。 11、教室内外要保持清洁，不得随地吐痰，乱扔纸屑、果皮等杂物。 12、上、下课时，走动、移动桌椅动作要轻，避免发生嘈杂声，影响其他同学学习。 二、图书馆 1、图书馆开放时要有秩序地进馆，夏天不准穿背心、短裤、拖鞋等进阅览室，如果穿硬底钉掌皮鞋入室时，要尽量放轻脚步，以免影响他人。