手机

全国站

热门城市 | 全国 北京 上海 广东

华北地区 | 北京 天津 河北 山西 内蒙古

东北地区 | 辽宁 吉林 黑龙江

华东地区 | 上海 江苏 浙江 安徽 福建 江西 山东

华中地区 | 河南 湖北 湖南

西南地区 | 重庆 四川 贵州 云南 西藏

西北地区 | 陕西 甘肃 青海 宁夏 新疆

华南地区 | 广东 广西 海南

资    源
  • 资    源
当前位置:查字典高考网>高考报考>高考新鲜事>大数据为新生寻找志同道合舍友

大数据为新生寻找志同道合舍友

来自:查字典高考网 2018-09-06

高校陆续进入开学季,同宿舍的同学可能来自全国各地,生活习惯、性格爱好等都存在差异,处理宿舍关系成了不少大学生要面对的难题。近日,南京大学利用大数据推荐算法分宿舍,帮新生寻找志趣相投的室友,引起不少关注。

上周,社社会调查中心联合问卷网,对2002名大学生进行的调查显示,83.0%的受访大学生表示支持使用大数据推荐算法分宿舍,87.6%的受访大一新生期待体验大数据推荐算法分宿舍。使用大数据推荐算法分宿舍,受访大学生认为最需要考虑个人卫生习惯(54.3%)、空调使用习惯(46.5%)和作息时间(41.8%)。61.2%的受访大学生希望大数据分宿舍的同时也要考虑不影响学生多元化发展。

受访大学生中,57.4%的人是大一新生。来自一线城市的大学生占37.6%,二线城市的占53.5%,三四线城市的占8.9%。男生占47.0%,女生占53.0%。

个人卫生习惯、空调使用习惯和作息时间是受访大学生最看重的指标

18岁的山东某高校大一新生袁甄强(化名)介绍,他入学时学校被要求填一份有关生活习惯和兴趣爱好的问卷,学兄学姐说,以往分宿舍是以整个学院为单位,随机分配。

21岁的北京某高校大三学生骆瑛燕(化名)的学校是按生源地分宿舍,我希望大数据推荐算法在分宿舍时,能够考虑学生作息习惯、饮食习惯和卫生习惯,以及是否会在寝室打游戏等。

调查显示,当前大学分宿舍的方式有:随机分(23.3%),按入学成绩分(22.0%),按专业分(19.4%),按学号分(18.0%),按地域分(11.8%)以及按报到顺序分(5.0%)等。

袁甄强希望分宿舍时能多考虑学生的生活习惯和兴趣爱好。比如我热爱足球等体育运动,就特别希望能有相同爱好的舍友,一起看比赛,还能一起运动。袁甄强坦言,他现在的新舍友不喜欢体育运动。

安徽某高校大一新生魏然(化名)希望,学校分宿舍时多考虑学生作息习惯,比如我喜欢晚睡,我高中室友就是晚上11点一定要睡,我们因此产生过不少矛盾。如果大学室友和我一样爱晚睡,矛盾应该会减少。

调查显示,使用大数据推荐算法分宿舍,受访大学生认为最需要考虑个人卫生习惯(54.3%),然后是空调使用习惯(46.5%)和作息时间(41.8%),其他还有:兴趣爱好(38.5%),消费习惯(38.0%),家乡地域(28.9%)和学习成绩(13.2%)等。

上海某高校辅导员王祯(化名)认为,分宿舍这件事对大学生活影响颇深。宿舍相当于一个小社会,对学生的人生观、价值观的形成有一定影响。良好的宿舍环境是学习、生活的保障和基础。王祯认为,学生在和舍友相处时遇到问题也未尝不是一件好事,遇到和自己性格不一样的人,可以在解决问题的过程中提高处理人际关系的能力。

87.6%受访大一新生期待体验大数据推荐算法分宿舍

袁甄强特别希望体验大数据算法分宿舍,每个人都有不同的生活习惯,让差异较大的人相互适应是十分困难的,不应该让学生每天为了舍友相处问题而头痛。

魏然很支持使用大数据算法来分宿舍,听起来就很有趣,他认为这能更全面地考虑到学生需求,让学生感受到学校的关心,更热爱学校。

王祯认为,大数据算法分宿舍,如果技术到位,能省去很多日后的麻烦。据我所知,全校每个学院、每一届都会有舍友不和而要调换宿舍的情况,这额外增加了很多工作量和不便。如果通过大数据分宿舍,问题会少很多,学生可以更快地融入新环境。

调查显示,83.0%的受访大学生支持使用大数据推荐算法分宿舍,其中27.7%表示非常支持。87.6%的受访大一新生期待体验大数据推荐算法分宿舍。59.9%的受访大学生认为使用大数据分宿舍更人性化,55.6%的受访大学生认为能帮助新生更好适应大学新生活。其他还有:帮助新生更快找到志同道合的好友(47.7%),减少宿舍矛盾(42.9%),提高大学生活质量(25.9%)等。

利用大数据分宿舍,要尽量了解全面,多问些问题,而且不应该只注意生活起居方面,可以多考虑学习习惯、饮食习惯等。魏然表示,大学里和室友待在一起的时间是最长的,处好关系对学习生活状态都有益处。

利用大数据分宿舍,61.2%的受访大学生希望不要影响学生的多元化发展,55.5%的受访大学生希望不要削弱学生处理人际关系的能力,46.2%的受访者希望保护学生隐私信息,36.6%的受访大学生认为学校管理成本有可能因此提升,22.9%的受访大学生认为要加强匹配精度的科学性、实用性。

王祯认为,利用大数据分宿舍首先要考虑学生隐私问题,数据收集的细致程度需要仔细衡量,如果过度细致可能会存在侵犯隐私的问题,这个问题在学校推广大数据分宿舍时一定要注意。再者就是每一届新生那么多,在按学院分宿舍的基础上,还要为每位学生找到最合适的室友,这个工作量有点大。

骆瑛燕对记者说,数据的准确性关系到算法结果的准确性,被调查对象是否能按照统一标准认识到自己处于哪种水平呢?例如晚睡的标准、喜欢打游戏的程度等,我认为需要在调查之前,就设定好更具体的标准来归类大家的生活学习习惯。