生活規律性和學業成績正相關的圖表
長久以來，我們都深陷在“別人家孩子”的“陰影”中，“別人家的孩子每天早早起床、按時回家”“別人家的孩子聽話、成績好”……從小到大，父母的嘮叨不絕於耳，有時候我們會想，哼，聽話的乖孩子成績就一定好嗎？每天幾點起床、幾點睡覺，真的那麼重要嗎？
事實上，還真的很重要。
該項研究首次揭示校園生活的規律性和學生成績的顯著關聯，其相關論文《生活規律性預測學業表現：校園生活的行為分析》已於9月19日在英國皇家學會會刊發表。
26日，成都商報記者聯繫到該論文通訊作者、電子科技大學大數據研究中心周濤教授，為我們解讀了這份研究數據。
電子科大大數據研究中心最新研究結論：
生活越規律，平均而言成績越好
電子科技大學大數據研究中心科研團隊一份研究表明，學生校園生活的規律性和成績顯著相關，生活越規律，平均而言，學生的學習成績越好。
這一結論可不僅僅是“經驗之談”，電子科技大學大數據研究中心的科研團隊收集和分析了近2萬名大學生的食堂吃飯、宿舍洗澡、教學樓打水和進出圖書館4種行為約3000萬條刷卡記錄，將教學樓打水和進出圖書館的數據生成了學生的學習努力程度指數，食堂吃飯、宿舍洗澡的數據形成了生活規律指數，再將這兩個指數與學生的學習成績進行對比，得出了學生努力程度指數與學習成績呈正相關，更有趣的是，學生校園生活的規律性，也和成績呈現出正向關係。
從研究論文的洗澡和吃飯規律性示意圖上可以看到，開始洗澡的時間在一天24小時中的分佈，某位有規律的同學主要在21點左右洗澡，而沒有規律的某位同學除了凌晨02:30到05:30，隨時都可以去洗澡。
而在生活規律性和學業成績正相關的示意圖上，可以看到，不管是吃飯還是洗澡，生活越規律，平均而言成績越好。
研究數據還進一步發現，校園生活的規律性和學習勤奮程度兩者是不相關的。研究團隊進一步將校園生活規律程度作為一組重要的行為特徵來訓練機器學習模型，以提高人工智能對學生成績的預測能力。“即便在考慮勤奮程度的情況下，校園生活規律程度的引入，對學生成績的預測精度仍然有顯著提升作用。這說明校園生活規律程度是對於學習成績的影響是獨立於勤奮程度的。”周濤說。
洗澡和吃飯的統計數據圖表
近2萬學生 3000多萬條行為數據
是如何得出這一結論的
為什麼選擇學生校園卡刷卡記錄作為研究？看似簡單的吃飯洗澡、看書打水的行為，是怎麼得出“生活越規律、成績越優秀”的結論呢？
周濤教授介紹說，學生校園卡全面地記錄了在校學生的學習生活行為，不止論文中使用的吃飯、洗澡、打水、進出圖書館，還包括進出寢室、超市買東西，都會在校園卡中有所體現，是比較少見的幾乎可以全面覆蓋學生學習和生活行為的數據採集的利器。
那麼，在眾多數據中，為什麼單單選擇了洗澡、吃飯、打水、進出圖書館這4類行為？周濤介紹說，在選取行為數據時，必須滿足行為發生頻次高的、累計紀錄多，這樣才便於進行可信的統計分析，確保結論的科學性。另外，這些行為最好都是自發行為，不容易受到外界因素干擾，在採集時也不會影響到學生的正常生活學習，不需要詢問學生。
圖書館是學校學生上自習最多的地方，而在教學樓自習時間較長，就會有打水等行為，所以可以用來評估學生的學習勤奮程度。如果一個學生一個月在教學樓打水80次，但是最近一個月只有一兩次，也可以觀測出這個學生的行為異常，而無論學生課程表和課外活動如何安排影響，必然會留有吃飯和洗澡的時間，這些行為與其他因素沒有太大關係，可以用來刻畫生活規律性。
周濤介紹說，在研究過程中，採集的行為數據覆蓋時間段是從2009年9月到2015年7月，前後約6年時間，剔除了行為數據中斷、數據量太少等樣本，最終選擇了18960名學生的有效行為數據，大約3000多萬條校園卡刷卡記錄，最終形成了這一研究結論。
未來作用：
可監測學生異常行為 提前干預
周濤認為，儘管目前的結論是使用匿名數據得出的，但對於學校教學管理，尤其是定量化、個性化、前置化和動態化的教學管理，有很大意義。“這種行為數據作為一個前置性、引導性的指標，可以讓學校管理者認識到學生的行為數據和學業發展之間的關係。”
周濤說，不僅在大學校園，在中學、小學，甚至是幼兒園，可以用類似的技術去觀察學生是否在集中注意力聽課，學生的狀態是否是陽光開朗的，是不是有孤僻自閉行為？“例如，網絡遊戲成癮的學生表現出極不規律的生活作息，抑鬱和孤僻的學生更傾向於獨來獨往。行為數據分析方法有助於及時察覺學生的異常行為和心理問題，採取干預和幫助措施，更好地引導學生的校園生活。”研究團隊也希望尋找到一部分志願者，在他們的同意下，獲得與真實身份可對應的行為數據，從而加強研究結論的實際可用性。
周濤舉例說，針對退學學生或者已有心理疾病的學生，可以建立更精細化的模型，來判斷學生的行為變化。比如說一些沉溺於網絡遊戲甚至完全逃課不上學的學生，無故的、多天離開學校，失去聯繫，這會反映在學生的校園卡刷卡記錄上，通過數據分析能夠早期發現信號，讓學工部或者其輔導員可以掌握到這一異常信號，進行人工干預，可以儘可能地避免產生不可挽回的結果。
“總之，把學生在學習生活過程中表現出來的行為特徵，納入到精細化教學管理的這個範疇中。”周濤說，這並非是空想，目前，學校已經能夠做到，對學生在校園食堂消費數據進行監測，對於有規律的消費行為，但消費金額低於一定標準的，可能存在家境貧困的學生，學校精準發放生活補貼。
大數據分析：
如何做到隱私安全
面對大數據分析，大家在享受便利的同時，也更關心，如何保證身份信息的安全，尤其涉及是可以監測到個人行為的數據，擔心個人信息洩露。
周濤教授介紹說，在研究人員拿到數據時，已經做了匿名化處理，無從得知數據號碼對應的學號是多少。同時，學生在某個寢室洗澡、在哪個食堂吃飯，精確到分鐘以及地點的這類信息會進行模糊化處理，因此，技術人員無法從原有數據中反向獲知，這個學生到底是誰。
成都商報記者 於遵素 受訪者供圖
閱讀更多 成都商報 的文章
