一种基于行为数据的特定群体自控力数据获取系统及方法技术方案

本发明专利技术提供了一种基于行为数据的特定群体自控力数据获取系统及方法，包括以下步骤：通过待评估的特定群体的一卡通刷卡数据获取该特定群体的人工特征向量；所述人工特征向量用于反映与特定群体自控力相关的行为数据；通过深度神经网络特征提取模块提取该特定群体一卡通刷卡数据中与自控力相关的时序特征，生成该特定群体的机器特征向量；将该特定群体的人工特征向量和机器特征向量进行拼接，生成自控力特征向量；将该特定群体的自控力特征向量作为已经完成训练的评价模型的输入，所述评价模型输出该特定群体的自控力评分。本发明专利技术构建了基于行为数据的特定群体自控力数据获取模型，基于大学生一卡通的数据对特定群体自控力进行有效评价。进行有效评价。进行有效评价。

【技术实现步骤摘要】
一种基于行为数据的特定群体自控力数据获取系统及方法


[0001]本专利技术属于教育大数据挖掘
，具体涉及一种基于行为数据的特定群体自控力数据获取方法。

技术介绍

[0002]目前，心理学领域对自控力的测量主要有任务实验方法和量表方法。任务实验方法要求被试者在特定的环境中执行某项任务，由专业人员全程观察，并根据执行任务的过程和结果对被试者的自控力做出评价。该方法测量结果可靠，但执行过程费时费力，也不能大面积展开调查，只能局限于少量人员。量表方法是由测试对象自己填写公认的标准化问卷，根据问卷的回答结果得出自控力的评分。据统计，用于自控力测量的量表多达一百多份，最早可追溯到1975年Fagen等人发表的自控行为记录表。但大多研究不够全面，1994年Baumeister等提出有限自控力理论，并指出自我控制包括：思维控制、情绪控制、冲动控制、行为表现四个领域。2004年Tangney等结合了近十年自我控制领域的研究成果，发表了新的自我控制量表，这是目前使用最广泛的自控力量表，包括5个维度：总体自律、冲动控制、健康习惯、工作或学习表现、可靠性。量表方法可同时测评大量被试者，但测量结果的置信度会受到测试对象的记忆和主观意识的影响，也不能在时间粒度上细致分析测试对象的自控力。
[0003]针对心理学传统测量方法的不足，心理信息学(psychoinformatics)为自控力的评价提供了新思路、新方法。心理信息学是Yarkoni在2012年正式提出的一门新兴交叉学科，核心思想是使用计算机和信息科学的工具和技术来改进心理数据的获取、组织和合成。Markowetz强调在大数据时代，心理信息学是一个独立的研究方向，它将计算机科学的技术应用到心理学中，可以克服传统测量方法收集的数据量小、数据质量不高、耗费人力物力、时间粒度粗等弊端，适应进行大规模的人类行为研究。
[0004]近年来，随着校园信息化的建设，学生在校园内的各种行为被记录下来，形成了自然环境下丰富的学生行为数据，如一卡通系统中记录了学生的食堂消费、超市购物、图书借阅等行为数据，校园网系统中记录了学生的网络使用行为数据。这些数据完整记录了行为事件发生的时间、位置和过程等信息，为大学生的心理测量提供了新的数据资源和研究途径。
[0005]目前针对一卡通行为数据的研究主要是通过统计的方法人工提取特征，然后利用回归分析、关联规则、聚类分析等机器学习模型实现某种应用。但这种特征提取方法容易忽略数据的部分重要信息，比如提取消费均值时忽略了消费的时间和地点；也会忽略学生行为之间的时序特征，因为学生的刷卡行为是在时间轴上依次发生的，行为与行为之间必然存在着前后时序关系。同时现有研究大多局限于提取行为信息完成学生的行为预测、成绩预测等任务，鲜有对学生的隐式心理变化和心理学特质(如自控力)进行测量、量化的研究。

技术实现思路

[0006]本专利技术的目的就是为了解决上述
技术介绍
存在的不足，提供一种基于行为数据的特定群体自控力数据获取系统及方法，使用校园一卡通系统作为数据来源，运用心理信息学的思想，采用数据挖掘技术，结合心理学理论和量表的研究成果，建立行为数据与自控力之间的联系，并且引入LSTM提取学生行为数据的时序特征，将人工特征与时序特征融合，构建基于行为数据的大学生自控力数据获取模型，有效提高大学生自控力数据获取的准确性和效率。
[0007]本专利技术采用的技术方案是：一种基于行为数据的特定群体自控力数据获取方法，包括以下步骤：
[0008]A.获取待评估特定群体的身份信息和一卡通刷卡数据；通过待评估的特定群体的一卡通刷卡数据获取该特定群体所有个体的人工特征向量；所述人工特征向量用于反映与个体的自控力相关的行为数据；
[0009]B.通过深度神经网络特征提取模块提取待评估的特定群体中所有个体的一卡通刷卡数据中与自控力相关的时序特征，生成该特定群体所有个体的机器特征向量；
[0010]C.分别拼接该特定群体中每个个体的人工特征向量和机器特征向量，生成该特定群体中每个个体的自控力特征向量；分别将该特定群体中每个个体的自控力特征向量作为已经完成训练的评价模型的输入，所述评价模型输出该该特定群体中每个个体对应的自控力评分；所述自控力评分用于描述该特定群体中个体的自控力水平；
[0011]D.将该特定群体中每个个体的身份信息与其自控力评分进行关联并存储；
[0012]E.根据外部输入的特定群体中个体的身份信息显示该个体对应的自控力评分。
[0013]上述技术方案中，所述评价模型的构建方法具体包括以下步骤：
[0014]通过自控力评价量表获取特定群体的自控力评分：所述自控力评价量表设置有若干个打分制的用于反映自控力程度的问答题，由该特定群体中每个个体各自完成自控力评价量表，并根据每份自控力评价量表作答结果获得对应的个体的自控力得分；
[0015]基于所述特定群体的一卡通刷卡数据获取该特定群体中每个个体对应的人工特征向量；基于所述特定群体生的一卡通刷卡数据获取该特定群体中每个个体对应的的机器特征向量；
[0016]将每个个体对应的人工特征向量和机器特征向量进行拼接，生成每个个体对应的自控力特征向量；
[0017]构建评价模型的训练集:所述评价模型的单个样本信息包括作为模型输入的每个个体对应的自控力特征向量，以及作为训练标签的通过自控力评价量表得到的每个个体对应的自控力评分；
[0018]所述评价模型采用回归模型，通过构建的评价模型的训练集对回归模型进行训练。
[0019]上述技术方案中，所述特定人群是大学生群体。步骤A中，通过一卡通管理系统获取待评估大学生的身份信息和一卡通刷卡数据，所述一卡通管理系统中存储有校园内分发的所有一卡通的使用者的身份信息以及对应的刷卡数据。
[0020]本专利技术还提供了一种基于行为数据的大学生自控力数据获取方法，包括以下步骤：
[0021]A.获取待评估大学生的身份信息和一卡通刷卡数据；通过待评估的大学生的一卡通刷卡数据获取该大学生的人工特征向量；所述人工特征向量用于反映与大学生自控力相关的行为数据；
[0022]B.通过深度神经网络特征提取模块提取待评估的大学生的一卡通刷卡数据中与自控力相关的时序特征，生成该大学生的机器特征向量；
[0023]C.将该大学生的人工特征向量和机器特征向量进行拼接，生成自控力特征向量；将该大学生的自控力特征向量作为已经完成训练的评价模型的输入，所述评价模型输出该大学生的自控力评分；所述自控力评分用于描述该大学生的自控力水平；
[0024]D.将该大学生的身份信息和该大学生的自控力评分进行关联并存储；
[0025]E.根据外部输入的大学生的身份信息显示该大学生对应的自控力评分。
[0026]上述技术方案中，所述评价模型的构建方法具体包括以下步骤：
[0027]通过自控力评价量表获取若干个大学生的自控力评分：所述自控力评价量表设置有若干个打分制的用于反映自控力程度的问答题，由每个大学生各自完本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于行为数据的特定群体自控力数据获取方法，其特征在于：包括以下步骤：A.获取待评估特定群体的身份信息和一卡通刷卡数据；通过待评估的特定群体的一卡通刷卡数据获取该特定群体所有个体的人工特征向量；所述人工特征向量用于反映与个体的自控力相关的行为数据；B.通过深度神经网络特征提取模块提取待评估的特定群体中所有个体的一卡通刷卡数据中与自控力相关的时序特征，生成该特定群体所有个体的机器特征向量；C.分别拼接该特定群体中每个个体的人工特征向量和机器特征向量，生成该特定群体中每个个体的自控力特征向量；分别将该特定群体中每个个体的自控力特征向量作为已经完成训练的评价模型的输入，所述评价模型输出该该特定群体中每个个体对应的自控力评分；所述自控力评分用于描述该特定群体中个体的自控力水平；D.将该特定群体中每个个体的身份信息与其自控力评分进行关联并存储；E.根据外部输入的特定群体中个体的身份信息显示该个体对应的自控力评分。2.根据权利要求1所述的一种基于行为数据的特定群体自控力数据获取方法，其特征在于：所述评价模型的构建方法具体包括以下步骤：通过自控力评价量表获取特定群体的自控力评分：所述自控力评价量表设置有若干个打分制的用于反映自控力程度的问答题，由该特定群体中每个个体各自完成自控力评价量表，并根据每份自控力评价量表作答结果获得对应的个体的自控力得分；基于所述特定群体的一卡通刷卡数据获取该特定群体中每个个体对应的人工特征向量；基于所述特定群体生的一卡通刷卡数据获取该特定群体中每个个体对应的的机器特征向量；将每个个体对应的人工特征向量和机器特征向量进行拼接，生成每个个体对应的自控力特征向量；构建评价模型的训练集:所述评价模型的单个样本信息包括作为模型输入的每个个体对应的自控力特征向量，以及作为训练标签的通过自控力评价量表得到的每个个体对应的自控力评分；所述评价模型采用回归模型，通过构建的评价模型的训练集对回归模型进行训练。3.根据权利要求1或2所述的一种基于行为数据的特定群体自控力数据获取方法，其特征在于：所述特定人群是大学生群体；通过校园一卡通管理系统获取待评估大学生群体的身份信息和一卡通刷卡数据，所述一卡通管理系统中存储有校园内分发的所有一卡通的使用者的身份信息以及对应的刷卡数据。4.根据权利要求3所述的一种基于行为数据的特定群体自控力数据获取方法，其特征在于：单个大学生的人工特征向量的获取方法包括以下步骤：通过该大学生的一卡通刷卡数据获取该大学生的若干个特定的行为特征量数据，并组合形成行为特征向量；将所述行为特征向量经过隐藏层处理后生成人工特征向量。5.根据权利要求3所述的一种基于行为数据的特定群体自控力数据获取方法，其特征在于：单个大学生的机器特征向量的获取方法包括以下步骤：通过该大学生的一卡通刷卡数据获取一卡通消费数据和图书馆门禁数据；将所述一卡通消费数据和图书馆门禁数据分别进行统一的数学表示，并经过深度神经网络特征提取模块计算，得到消费特征向量和图书馆特征向量；再将消费特征向量和图书馆特征向量进行拼接，输出该大学生的机器特征
向量。6.根据权利要求4所述的一种基于行为数据的特定群体自控力数据获取方法，其特征在于：所述特定的...

【专利技术属性】
技术研发人员：刘守印，朱珠，韩玉玺，郑毅，
申请(专利权)人：华中师范大学，
类型：发明
国别省市：