电子科技大学周涛教授

导语

大数据时代来临，经济和社会数据在人们不经意间就被大量记录。特别地，非干预的、高时空分辨率的行为数据，在预测性管理方面展露出很大的应用前景。本文整理自周涛教授在 AI&Society 第十三期上的演讲，完整视频见文末。

一、行为规律性预测学习成绩

相比于高中，大学阶段有了更为宽松的学习环境。自由的氛围，本应有利于大学生培养个人兴趣，选择自己喜欢的发展方向。然而，宽松的环境很大程度上放任了大学生对自我管理的缺失。部分学生因为沉迷于网络游戏，终日无心课业，期末考试接连挂科。最终因无法完成学业，遗憾退学，自毁前程。

当教育管理者得知学生期末考试挂科的时候，其实就已经晚了。如果有心观察，沉迷游戏的学生，早在平时的行为就区别于其他学生。比如，他们可能晚出早归，经常逃课，在宿舍通宵玩游戏，总让室友帮忙带盒饭，等等。如果能及时发觉学生的异常行为，就能提早采取干预措施，避免严重学业问题的出现。

相关论文：

Orderliness predicts academic performance: behavioural analysis on campus lifestyle

论文地址：

http://rsif.royalsocietypublishing.org/content/15/146/20180210

电子科技大学周涛团队的研究首次揭示校园生活的规律性和学生成绩的显著关联

不同于西方教育的理念里所推崇的自由氛围，东亚国家的教育文化对纪律性和规律性特别强调。父母更是从小告诉我们，要按时起床，要按时吃饭，要遵守课堂纪律。已有一些实证研究发现，课堂纪律与学生成绩显著相关。然而，行为的规律性与学习成绩的关系，还很少被大规模数据分析验证过。

基于近两万名大学生的校园刷卡记录数据，包括食堂吃饭、寝室洗澡、教学楼打水和图书馆进出4种行为约3000万条刷卡记录，可以构建出两类高阶的行为特征（有序性和努力程度），并与学习成绩形成关联。最终，利用机器学习算法，根据学生的行为特征预测他们的学习成绩。

图1：洗澡和吃饭规律性示意图。（a）中深蓝色代表前5%有规律的，浅蓝色是前5%没规律的。举例而言，（c）图是开始洗澡的时间在一天24小时中的分布，大家容易看到，某位有规律的同学主要在晚上21点左右洗澡，而没有规律的某位同学除了凌晨02:30到05:30，随时都可以去洗澡。|图片来源：Y. Cao, et al., J. R. Soc. Interface 15 (2018) 20180210

有序性（Orderliness），衡量学生行为的规律程度。基于寝室洗澡和食堂吃饭的刷卡时间序列，使用真实熵（Actual Entropy）来计算。将行为时刻划分到一天内的48个区间内，行为越集中（熵越小）则有序性越大，行为越分散（熵越大）则有序性越小。如图中，深色曲线代表的学生，有序性更大。

将有序性作为重要特征引入机器学习模型，能够显著提高对成绩的预测能力。