小A/我到点就吃饭
小B/我饿了才吃饭
每天定时起床、定时睡觉，真的那末重要吗？事实上，可能真的很重要。
电子科技大学大数据研究中心科研团队1份研究表明，学生校园生活的规律性和成绩显著相干。该项研究首次揭露校园生活的规律性和学生成绩的显著关联，其相干论文《生活规律性预测学业表现：校园生活的行动分析》已于9月19日在英国皇家学会会刊发表。26日，成都商报记者联系到该论文通讯作者、电子科技大学大数据研究中心周涛教授，为我们解读了这份研究数据。
生活越规律 平均而言成绩越好？
电子科技大学大数据研究中心科研团队1份研究表明，学生校园生活的规律性和成绩显著相干，生活越规律，平均而言，学生的学习成绩越好。
电子科技大学大数据研究中心的科研团队搜集和分析了近2万名大学生的食堂吃饭、宿舍洗澡、教学楼打水和进出图书馆4种行动，约3000万条刷卡记录，将教学楼打水和进出图书馆的数据生成了学生的学习努力程度指数，食堂吃饭、宿舍洗澡的数据构成了生活规律指数，再将这两个指数与学生的学习成绩进行对照，得出了学生学习努力程度指数与学习成绩呈正相干的结论，更有趣的是，学生校园生活的规律性，也和成绩呈正向关系。
从研究论文的洗澡和吃饭规律性示意图上可以看到，开始洗澡的时间在1天24小时中的散布，某位有规律的同学主要在21点左右洗澡，而没有规律的某位同学除清晨02：30到05：30，随时都可以去洗澡。
而在生活规律性和学业成绩正相干的示意图上，可以看到，不论是吃饭还是洗澡，生活越规律，平均而言成绩越好。
研究数据还进1步发现，校园生活的规律性和学习勤奋程度二者是不相干的。研究团队进1步将校园生活规律程度作为1组重要的行动特点来训练机器学习模型，以提高人工智能对学生成绩的预测能力。“即使在斟酌勤奋程度的情况下，校园生活规律程度的引入，对学生成绩的预测精度依然有显著提升作用。这说明校园生活规律程度对学习成绩的影响是独立于勤奋程度的。”
选择18960名学生有效行动数据
构成研究结论
周涛教授介绍说，学生校园卡全面地记录了在校学生的学习生活行动，是比较少见的、几近可以全面覆盖学生学习和生活行动的数据收集利器。
那末，在众多数据中，为何单单选择了洗澡、吃饭、打水、进出图书馆这4类行动？周涛介绍说，在选取行动数据时，必须满足行动产生频次高的、累计记录多的，这样才便于进行可信的统计分析，确保结论的科学性。另外，这些行动最好都是自发行动，不容易遭到外界因素干扰，在收集时也不会影响到学生的正常生活学习，不需要询问学生。
图书馆是学校学生上自习最多的地方，而在教学楼自习时间较长，就会有打水等行动，所以可以用来评估学生的学习勤奋程度。如果1个学生1个月在教学楼打水80次，但是最近1个月只有1两次，也能够观测出这个学生的行动异常，而不管学生课程表和课外活动如何安排，必定会留有吃饭和洗澡的时间，这些行动与其他因素没有太大关系，可以用来刻画生活规律性。
周涛介绍说，在研究进程中，收集的行动数据覆盖时间段是从2009年9月到2015年7月，前后约6年时间，剔除行动数据中断、数据量太少等样本，终究选择了18960名学生的有效行动数据，大约3000多万条校园卡刷卡记录，终究构成了这1研究结论。
可监测学生异常行动
从而进行提早干预
周涛认为，虽然目前的结论是使用匿名数据得出的，但对学校教学管理，特别是定量化、个性化、前置化和动态化的教学管理，有很大意义。“这类行动数据作为1个前置性、引导性的指标，可让学校管理者认识到学生的行动数据和学业发展之间的关系。”
周涛说，不但在大学校园，在中学、小学，乃至是幼儿园，都可以用类似的技术去视察学生是不是在集中注意力听课，学生的状态是不是阳光开朗，是否是有孤僻自闭行动。“例如，网络游戏成瘾的学生表现出极不规律的生活作息，抑郁和孤僻的学生更偏向于独来独往。行动数据分析方法有助于及时发觉学生的异常行动和心理问题，采取干预和帮助措施，更好地引导学生的校园生活。”研究团队也希望寻觅到1部份志愿者，在他们的同意下，取得与真实身份可对应的行动数据，从而加强研究结论的实际可用性。
周涛举例说，针对退学学生或已有心理疾病的学生，可以建立更精细化的模型，来判断学生的行动变化。比如说1些沉溺于网络游戏乃至完全逃课不上学的学生，无故多天离开学校，失去联系，这会反应在学生的校园卡记录上，通过数据分析能够初期发现信号，让学工部或其辅导员可以掌握到这1异常信号，进行人工干预，可以尽量地避免产生不可挽回的结果。
“总之，把学生在学习生活进程中表现出来的行动特点，纳入到精细化教学管理的范畴中。”周涛说。针对个人隐私问题，周涛教授介绍说，研究人员在拿到数据时，已做了匿名化处理，无从得知数据号码对应的学号是多少。同时，学生在某个寝室洗澡、在哪一个食堂吃饭，精确到分钟和地点的这类信息会进行模糊化处理，技术人员没法从原有数据中反向获知这个学生究竟是谁。
（原题为：《小A更容易成学霸？》）
