基于数据挖掘的大学生阅读行为分析.docxVIP

基于数据挖掘的大学生阅读行为分析内 容 摘 要 　　书籍是人类宝贵的巨大学术财富，即使在这个数字化信息时代，书籍仍被普遍认为是非常可靠的知识来源。通常，广泛阅读被认为对人们认知的发展至关重要，特别是对于大学生而言。虽然现在普遍认为阅读是获取知识来源的重要方式，但是在大学生个体之间阅读行为和习惯却有所不同。这可能是由于人口变化和社会经济发展的差异，或其他因素如家庭背景和受教育程度造成的。尽管有大量关于阅读习惯的文献，但仍缺乏关于大学生阅读行为的深入分析，以及其关于阅读行为的影响因素。 　　本文通过对研究背景及意义、研究内容及方法的阐述，结合数据挖掘技术和相关理论，进行大学生阅读行为分析。借鉴以往相关研究，本文运用K-means算法与BigML机器学习平台，结合大学生阅读特点，对大学生阅读书籍数量、阅读类型、阅读途径等进行了相关分析。本文数据来用Kaggle网站上的“Reading habit Dataset”数据集，在对数据进行整理和筛选后，继而使用BigML机器学习API进行聚类分析，其中包括大学生阅读爱好情况和大学生阅读集群，进一步分析大学生阅读行为特征，并找出其影响因素。研究结果表明，随着自身情况和环境的不同，大学生的阅读行为也存在差异，主要体现在对阅读的兴趣爱好上。目前，大学生阅读书籍的数量整体上不多，而且较为单一，缺乏引导。女性的阅读兴趣要高于男性，因而阅读行为要比男性较频繁。本文旨在细化分析和挖掘大学生阅读行为，更好的了解大学生阅读的真实需求，针对不同类型的大学生阅读需求以便快速提供正确的解决方案，从而达 到有效匹配书籍种类和大学生阅读偏好，使大学生阅读更加高效和便利，使其阅读行为价值最大化。 关键词：数据挖掘 大学生 阅读行为 K-means算法 BigML 1 前言 1.1研究背景 　　在当今世界，知识正在迅速增长，科学和技术已经使人类生活的变化成为必要，随着社会经济的不断发展和消费水平的不断提升，阅读越来越受到人们的关注，人们对于阅读的需求逐渐多元化。但是，世界文明传承至今，书的种类和内容很多，对于不同的人而言，感兴趣的书是不同的，如何找到感兴趣的书籍对于人们阅读而言是非常重要的。大学生作为阅读群体的主力，他们的行为也发生了根本性的变化，大学生阅读行为日渐引起社会各界的关注。 　　阅读是大学生获取知识、信息的重要渠道，在信息技术飞速发展的今天，大学生的阅读行为受到社会环境以及自身心理等因素的影响[1]。随着数字多媒体的广泛应用，大学生阅读行为也发生了很大的变化，他们把大量的时间都投入到网络、电子书籍等方面的阅读，对传统纸质书籍的阅读有所下降。2018年，我国青年网对我国大学生阅读行为进行调查分析，发现在调查的大学生中有近90%的人喜欢阅读，31.28%的学生通过手机免费阅读，其次为购买纸质书籍、图书馆借书和购买电子书籍，分别占27.31%、21.37%和9.03%。近几年，大学生阅读行为已经发生了很大变化，然而网络阅读由于其内容良莠不齐，许多不健康的内容会对大学生产生负面影响。 1.2研究现状分析 　　国内的研究表现为学术研究和实用性研究共同发展，相互促进的形式。在学术性研究方面，国内对于道路交通事故的数据挖掘研究分析，主要集中于利用已有算法对不同的数据集进行分析研究，查找规律，尤其以K-means算法的应用为主[2]。这些研究由于各自用于分析的数据集各异，且预设参数多样，其结论也不尽相同，更多的是对挖掘的结果进行适当的分析，并将此作为可供相关部门参考的建议信息看待。此外，国内也还有不少专门针对K-means等经典关联分析算法的改进研究。这些都是十分优秀的工作，使人们对数据挖掘有了更为充分且详实的认知，对国内相关领域的发展起着推动作用，也促进了学术理论的实用化进程。 　　目前，关于大学生阅读行为的分析研究，主要集中在阅读行为的界定和大学生阅读特征两方面。王玮认为“阅读行为”是以社会和信息需要为动因，以感官与大脑反射为基础，对一定读物进行倾向性学习的行为[3]。李新祥认为“阅读行为”指的是阅读主体获取媒介所承载的作品信息的意义所表现出的外部活动[4]。李武等认为阅读行为可以分为两类：一类是内在阅读行为，指读者内在心理对于阅读的喜好程度及感受；一类是外在阅读行为，指读者在阅读过程中表现出来的行为[5]。唐政悦分析了在新媒体环境下大学生的阅读行为现状及存在的问题,针对新媒体环境下如何提高大学生的阅读能力,从高校图书馆的视角给予了相应的解决对策[6]。邓香莲从有声阅读的平台选择、读物类型、阅读时长、对情感类内容的偏好、对平台的喜爱程度、看重的读物要素等方面对大学生有声阅读行为的特征展开研究,并分别从性别和年级角度进行了比较分析[7]。 　　数据挖掘技术相关研究主要集中在关联规则挖掘和聚类算法。Agrawal等提出数