信息化环境下的大学生校园行为时空特征研究

摘要：当前不断发展和普及的高校信息化深刻地影响了大学生的学习模式及校园行为特征，如何科学合理配置校园资源和变革教学模式成为高等教育关注的热点.本文以北京某高校在校大学生志愿者为样本，采用了GPS定位技术、基于局域网的定位技术以及信息系统日志辅助定位技术研究了不同年级、性别的学生在校园内从事教学活动、宿舍活动、体育运动以及校外活动等行为模式的时空分布特征，探讨了产生不同行为模式时空变化的原因以及校园资源与设施使用情况.研究结果表明在信息化环境下学生校园行为和学习场所越来越多元化， 校园资源的空间布局趋于“去中心化”.

关键词：行为模式； 时空分析； 大学生； e-campus

中图分类号：G647 文献标识码：A

DOI：10.3969/j.issn.1000-5641.2015.06.016

Abstract： While the continuous development of information technology and its wide application to higher education have deeply impacted the patterns of student learning and campus activities， resource allocation and teaching mode innovation have become the focus of higher education. Based on a sample of student volunteers from a research university in China， this study employed GPS and Wifi-positioning technologies， supplemented with log information from the campus information system， to study the spatio-temporal distribution of campus activities such as those in the classrooms， dorms and the stadium， by gender and across grades. The study also discussed possible causes for the different activity patterns as well as the usage of campus facilities. The results of this study revealed that the spatial distribution of campus resources appeared de-centralized. In detail， student campus activities and learning sites became diversified. Students tended to choose the proximate facilities and sites for study and other on-campus activities， resulting in the decline in the use of traditional learning sites （e.g. libraries and classrooms）. These results provided recommendations for campus resource allocation， university BI and the data collection for smart-campus.

Key words：

undergraduates； activities pattern； spatio-temporal analysis； e-campus

0 引 言

近十年来，随着高校的扩招，中国高等教育逐步实现大众化，目前在校学生规模已超过2 000万.大学校园资源的配置与管理以及如何提升高等教育的质量成为高等教育研究的热点.大学生的校园行为模式与大学校园资源的空间布局和数量配置、大学人才培养目标、课程设置、教学手段、学习方式等多种因素紧密相关.尤其是当今信息技术的高速发展和广泛应用带来了高校教学方式的变革，对大学生的校园行为模式产生了巨大的影响.对大学生校园行为模式的研究有助于探索高校教育变革，并寻找在移动学习、泛在学习环境下如何提升高等教育质量的途径.高校信息化建设也从数字化校园的形态向智慧型校园发展，研究大学生行为模式也有助于科学规划高校校园资源和设施的空间布局.国内外一些学者近年来也从不同的视角关注并研究大学生的行为特征，张勇从大学生管理需求的角度研究了大学生的行为[1]，刘建东从心理学的角度研究大学生行为特征与性格关系[2].Anne Haase等利用IHBS收集的数据，对大学生休闲活动方式与国家的经济发展水平等因素之间的关系做了探讨[3].也有学者对信息网络环境下大学生的行为变化做出了研究，陆莉对广西在校大学生进行“大学生信息行为模式”调查，旨在为广西高校进一步加强大学生信息素质教育提供参考[4].从研究内容上看，主要表现为单一行为模式，也缺乏时空分布的特点研究，数据采集方式主要表现为采访和调查的方式，数据分析方法也主要采用传统的统计方法，缺乏空间统计和分析的方法.

传统的行为模式研究方法主要通过调查的方式让参与者记录活动的内容及时间位置信息[5]，然后对采集来的数据进行分析研究，这种方法存在很多的不足，数据覆盖范围有限，采集效率低下，数据的准确性无法保证等问题.随着GPS等定位技术的出现，这些技术逐渐应用到人文社会、经济以及教育等诸多领域的研究中[6].但单一的GPS定位技术受到采集场所的限制（如室内无法使用或者多路径干扰产生的误差），会出现数据缺失和精度不准确的问题.而不断提升的信息化水平以及校园网的覆盖让学生广泛地使用学校网络以及信息系统，为大学生校园行为特征研究提供了更充足的数据来源和研究手段.本文以北京某高校在校大学生志愿者为样本，采用了GPS定位技术、基于局域网的定位技术以及信息系统日志辅助定位技术研究了不同年级、不同性别的学生在一周内每天在校园内从事教学活动、体育运动、校外活动以及宿舍活动等行为模式的时空分布特征，探讨了不同行为模式的时空变化与学习模式改变之间的关系，也为学校校园管理和资源配置提供了决策支持.

1 大学生校园行为的定位方法

目前主要的定位技术有基于GPS（Global Positioning System，全球定位系统）的定位技术、基于移动通信网络的定位技术、基于局域网的定位技术以及基于电子标签的定位技术.从20世纪90年代以来GPS定位技术就已经被广泛地应用于人的行为研究中[5-9]，在不同的行为研究中都具有很好的数据收集效果.基于移动通信网络的定位技术主要有基于无线网络的CELL-ID技术、基于基站的TOA/TDOA 技术、基于终端的EOTD 技术等.这种方式的定位精准度较粗，一般在100 m以上.基于局域网的定位技术则逐渐应用于室内定位和导航，以弥补GPS设备不能适用于室内的特点.

对于大学生校园行为模式的研究，其定位精度要求相对较高，需要定位到某个楼宇或者活动场所.所以本文以GPS定位技术收集学生行为的时空数据为主要方法，并结合网络日志和信息系统日志数据，基于局域网定位技术的原理进行数据的融合和插值.为每个学生配备随身携带GPS 记录器，收集时空数据，定期通过网络上传，基于这些数据来提取学生的行为轨迹.不断建设的数字化校园为研究提供了较为完整的学生学籍信息、教学信息、学生校园生活与活动日志、上网行为日志等信息，通过对这些信息和数据的关联，并使用基于局域网的定位技术及信息系统日志信息进行位置标注，并融合GPS跟踪数据，不仅可以消除GPS定位技术在室内的误差，还可以弥补GPS信息缺失的问题，与GPS定位数据起到相辅相成的作用.

2 校园行为模式的分类和提取

2.1 校园行为模式分类

大学生的行为模式一直是学生行为研究的一个重点，有诸多学者将大学生的行为进行定义和分类[10-11]，大学生的行为虽有差异，但差异中存在着共性.在校内，大学生的日常行为主要包括宿舍休息、上课、自习、就餐、体育运动、社团活动、上网等；在校外，主要是兼职实习、购物、就餐、旅游等，这些校内外的行为都有一定的时空规律，可以通过合理的活动分类描述出这些时空规律.

通过定位数据，可以得到学生行为的空间分布信息，如果要进一步探究学生的行为活动时空特征，就需要建立“行为-空间”的对应关系，根据“行为-空间”映射关系，将“空间-时间”的定位数据转化为“行为-时间”数据.在校园中，基于学校资源和设施的功能定位与空间布局，对校园不同区域进行行为类型的编码，与学生的行为活动建立对应关系，如学生在教学楼的行为可归并为教学活动，在操场可标识为体育运动.由此可以根据学校的建筑布局，对学生的行为模式进行界定和分类.本文中，将学校划分为教学区、宿舍区及体育运动场所，分别对应着学生的教学活动、宿舍活动及体育活动，将学生校外的行为统一界定为校外活动.

2.2 行为模式的提取

GPS 记录器收集到的数据包括时间和位置等信息，通过GIS软件，将学生的行为轨迹在电子地图上显示，进一步利用GPS数据及局域网内的定位数据，提取出学生每天的行为及行为时长，以此探讨学生的学习模式.

通过分类算法完成GPS记录与行为区域的匹配关系，再通过“区域-行为模式”的对应关系，得到定位数据与行为模式的对应关系.将行为分类后的定位数据按照日期和行为模式排序，基于行为的静止特征或者移动的空间范围来确定行为模式的分类编码[12].对于同一区域同一行为模式的连续两个记录，如果其时间差在一定的阈值内就可以视为是一次连续行为内收集到的两点；如果时间差超过一定的阈值，则认为是两个独立的行为模式.通过前期收集的样本数据进行训练，发现阈值确定为15 min能保证超过该阈值时可以判断为两种不同的行为模式.

为了解决GPS记录数据误差和缺失的问题，通过基于局域网的定位技术可以准确的记录学生登录局域网的时间、退出时间以及IP，由此可以得到学生在某个区域的起止时间.将这个数据与GPS提取的数据基于空间位置的融合，就能得到完整的行为时空轨迹.基于校园卡信息系统数据对不同时间就餐、门禁和考勤等行为的空间位置进行了插值，能进一步保证行为模式在时间和空间上的连续性和准确性.经过数据缺失和误差消除后，可以得到学生一天的行为活动序列，包括每次行为的开始时间、结束时间.通过这些序列可以提取出每天学生4种行为模式（教学活动、宿舍活动、体育运动及校外活动）的时长分布情况.

3 高校学生校园行为时空分布特征和分析

本文以北京某高校某专业的学生志愿者作为研究对象，选取大一及大三年级的部分学生进行数据收集和分析.为了保护学生的隐私，实验采取了自愿报名的方式，公开实验内容，签署保密协议，并通过人员编码进行数据存储.最终31人完整地参与了实验，并完成为期4周的数据收集工作，包括GPS记录、上网日志数据及校园卡等信息系统日志数据.

对志愿者收集的定位数据，本文提取了每个志愿者每天（6：00 am—12：00 pm）的4种行为模式的时长，通过统计软件分析了学生的行为模式及不同群体间行为模式的差异；利用GIS软件（ArcGIS10.1）对学生的GPS记录数据进行了空间分析统计，分析了学生行为模式在校园的空间分布密度、行为模式与校园设施的空间关系、以及学生对校园设施的使用情况.

3.1 学生行为时空特征分析

本实验，将GPS记录器记录时间间隔设置为5 s，通过收集的GPS记录数据和网络日志数据，分析出每个学生在校园某个空间位置的行为模式及停留时间.将所有学生的记录数据投影到校园地图中每个8 m*8 m的网格中，可以得到学生校园行为时长的空间密度分布图（如图1所示）.图中，每个网格的值代表了停留时间的比例，学生在一个区域停留时长由此区域GPS记录覆盖的多个网格组成.根据行为模式分类，学生在教学区及教二楼的活动视为教学活动，在宿舍1、2、3的活动视为宿舍活动，在东西操场、形体室及篮球场的活动视为体育活动，校内其他地方（各大食堂、图书馆）的活动为其他活动，此密度图外的区域的活动都归为校外活动.

图1表明学生的活动集中在宿舍区和教学区，就餐区及体育运动场所次之.图中3个GPS记录分布密度高的地方正是实验者居住的3个宿舍楼，统计数据显示，学生平均在宿舍活动的时间占据一天（6：00 am—12：00 pm）的66%，周末期间比例高达75.8%.同时，学生在教学区活动的时间比例平均为22.7%，在教学区的行为源于课程要求，除了上课，学生很少到教学楼，也很少到图书馆，大部分的课余时间都停留在宿舍，课程计划是大学生行为变化的关键因素.学生行为因为课程周期性而具有一定的周期性；且学生都有一定的逃课行为.

图1中，形体室和篮球场是学生出勤相对较高的两个运动场所；从学生的体育教学安排表及学生行为轨迹看，学生的体育运动基本上来自于体育课的要求.实验者中所有女生除了体育课，很少进行自主锻炼的行为，也只有少部分男生会有课余体育运动习惯（图中篮球场区域）.

图1中，学生在学校的两个就餐区（教工食堂和学生第一、二食堂）的时长分布密度相当.进一步跟踪学生的行为轨迹发现，学生就餐具有就近原则：上课结束后，会选择临近教室的食堂就餐；其它情况一般会选择临近自己宿舍的食堂.

为了进一步分析学生对校园所有教学设施的使用情况，本文通过行为日志数据统计了学生对每个教学设施的使用时长，可视化展示了学生对学校教学设施的使用情况，如图2所示.纵观整个校园，学校的教学区分布在学校的西北部-中部-东南部这条对角线上，可以很清晰的看到学生喜欢在临近宿舍的教学楼内学习和自习.因此，在食堂和学生自习场所空间布局上，应尽可能与宿舍分布和教学设施分布相匹配，否则容易构成拥挤现象.

图2展示了学生在各教学楼的活动时间比例，发现学生除了会在中部教学楼学习外，也会利用图书馆资源进行自习，但是使用还不够多，在图书馆内花费的时间只占整个教学行为时长的5%左右.

3.2 不同群体行为模式比较分析

基于学生行为模式分类数据的提取，我们分别对学生的年级、性别和在一周内的不同日期进行了对比分析.结果发现不同的学生群体在行为模式上具有很大差异.

（1） 从年级对比，不同年级学生除校外活动外其他行为均存在显著的时间分布差异（p<0.005）.具体表现为：年级越高的学生教学活动和体育活动时间反而越少（p=0.000），相应的宿舍活动明显增多（p=0.000），如图3所示.统计数据显示，大一的教学活动平均时长是大三的1.28倍，大三的宿舍活动平均时长的是大一的1.16倍.大一的学生也明显比大三的学生参加体育锻炼的时间要长（p=0.004）.而在校外活动中并不存在显著的年级差异（p=0.921）.问卷及访谈调查也表明大三学生因课程减少，其行为更具自主性，而在宿舍学习和生活行为的安排都相对自由，更愿意呆在宿舍.

（2） 从性别对比，男生和女生在教学活动、校外活动以及宿舍活动差异不大，但是在体育锻炼活动和校园其他活动上存在显著性差异，如表1所示.统计数据显示，男生的体育锻炼时长是女生的4倍，但校园其他活动时长上女生是男生的2倍.究其原因，与男女生的休息娱乐方式的差异有关：女生在课余时间更多选择在图书馆看书、去超市购物等，很少进行体育锻炼活动；但男生除了校外活动，会更愿意选择进行体育运动.

（3） 不同日期的行为模式变化，本文将周一至周五统称为工作日，周六、周日为周末，研究了学生在工作日与周末两类不同日期上的行为模式差异.大学生的课程大都集中在工作日期间，周末活动较为自由，日期类别对四类行为都有显著性影响，随着工作日/周末的不同而有很大差异（见图4），工作日的教学活动、体育运动用时明显比周末多，分别是周末的2.47倍、4倍；而周末学生课程减少，更多的学生选择了在宿舍和校外度过周末，所以周末的宿舍活动和校外活动分别是周一至周五的1.35倍、3.5倍.

3.3 校园信息化环境对学生校园行为模式的影响

随着校园信息化水平的不断提升，学生在校的上网行为模式也产生了相应的变化.志愿者具有很高的网络使用率，在上网的时间、地点等方面也表现出了不同的特点.通过问卷调查可以发现，87.1%的学生拥有个人笔记本电脑，且具有很高的网络使用率，所有志愿者在28 d内平均有69.93%的天数有上网行为.从年级差异上看，大一学生的上网率较高，比大三学生高出近19%；但是大三的上网时长却是大一的1.21倍，这与大三学生比大一更多的呆在宿舍且行为是宿舍内上网的现象相符，也可反映出大三比大一确实有更低的教学活动.

参与调查的学生上网时间存在显著的性别差异（p=0.000），男生比女生有更多的上网时间，且11.3%的女生有教室上网记录，只有3.7%的男生有教室上网记录，这表明男生会花更多的时间在宿舍上网，而女生比男生更喜欢到教室上网.

总的来说，学校信息化水平和条件的提升，对学生的学习生活产生了显著影响，使得学生的行为模式变得更加多元化.学生活动的地点不仅局限在教室、图书馆、自习室等教学区域，随着学生宿舍上网越来越便利，学生停留在宿舍的时间越来越多.基于学生网络行为数据的分析可以发现，学生对于网络的利用时间也越来越多.因此，网络和远程教学已成为大学生在校学习培养模式中的重要方式，应充分发挥网络技术在教学中的作用.

4 讨论和展望

本研究借助GPS定位技术、基于局域网的定位技术以及信息系统日志分析技术研究了不同年级、不同性别和一周内不同日期的学生在校园内从事教学活动、体育运动、校外活动以及宿舍活动等行为模式的时空分布特征，发现学生有太多课余时间在宿舍内度过的现象，对图书馆资源利用很少，且不主动进行体育锻炼.研究结果表明在信息化环境下学生校园行为和学习场所越来越多元化，传统的学习场所（如图书馆、教室）使用比例下降.大学生更加喜欢选择距离较近的设施和场所进行学习和生活，对于校园资源的空间布局趋于“去中心化”.

该研究探索了信息化环境下大学生校园行为时空特征的研究方法，为研究信息与网络对大学生成长和行为的影响提供科学的手段，并为信息化环境下的教学方式变革研究提供了参考.通过空间分析方法分析了学生行为模式与学校教学设施空间格局的关系，可以为学校校园管理和资源配置提供了决策支持.基于高校信息化环境下大数据建设与学校管理智能化为背景，融合多种定位技术和数据源，建立不同数据之间的关联，对更多的大学探索高校大数据建设、数据的挖掘、建立学习者学习行为的时空模型，更好规划学校教学资源和设施，提供更加智能的校园管理与服务具有重要的借鉴意义.

[参 考 文 献]

[1] 张勇.大学生行为特点及管理研究[D].长春：吉林大学，2005.

[2] 刘建东.大学生行为方式与性格关系的研究[J].中国校医，2006，20（5）：461-462.

[3] HAASE A，STEPTOE A，SALLIS J F，et al.Leisure-time physical activity in university students from 23 countries： Associations with health beliefs，risk awareness， and national economic development[J].Preventive Medicine，2004，39（1）：182-190.

[4] 陆莉.广西不同专业大学生信息行为模式调查比较[J].情报探索，2010（8）：34-36.

[5] DRAIJER G， KALFS N， PERDOK J. GPS as data collection method for travel research[J]. Journal of Transportation Research Board.2001，1719：147-153.

[6] GLEAVE S， GEOSTATS.The use of GPS to improve travel data[R].London：the London Department for Transport，2003.

[7] AMPT E， STOPHER P， WUNDKE J.Households on the move-experience of a new approach to voluntary travel behaviour change[R].Sydney：the 28th Australasian Transport Research Forum，2005.

[8] WU J， JIANG C， LIU Z， et al. Performances of different global positioning system devices for time-location tracking in air pollution epidemiological studies[J]. Environmental Health Insights， 2010（4）： 93-108.

[9] OHMORI N， NAKAZATO M， SASAKI K， et al.Activity diary surveys using GPS mobile phones and PDA[R].Washington D C：Transportation Research Board 85th Annual Meeting，2006.

[10] 寇丽莉.大学生日常生活行为与大学集聚区社会空间结构研究[D].西安：陕西师范大学，2009.

[11] 祁黄雄，陈立章.杭州下沙高教东区学生行为时空特征研究[J].地理研究，2010，29（7）：1281-1290.

[12] 刘臻，鲁学亮，WU J.基于空间分布特征的行为模式自动分类方法[J].计算机应用，2011，31（1）：112-115.

（责任编辑 李万会）