Student Profiling in Online Social Networks

Abstract

Целью данной статьи является определение специфических особенностей студентов бакалавриата ВШМ СПбГУ на основе анализа данных аккаунтов студентов в социальной сети ВКонтакте для предоставления администрации Школы инсайтов на основе полученных результатов. Основными задачами исследования являются сбор данных, кластеризация студентов по методу k-means с учетом их интересов, определение специфических особенностей студентов с высокой успеваемостью и выявление особенностей интересов студентов и коммуникативных паттернов в контексте их специализации, успеваемости и курса обучения. В работе также приведен подробный анализ существующих подходов к анализу данных социальных сетей и построению профилей студентов. Методологической основой исследования являются такие методы профилирования пользователей и интеллектуального анализа данных, как описательная статистика, статистический анализ, ft-idf, кластеризация k-средних. Основными выводами являются различия в коммуникативном поведении студентов HR и маркетинга, демонстрирующих совершенно разный уровень экстраверсии; перечень специфических различий между интересами первокурсников и студентов последнего курса, подтверждающих выдвинутую гипотезу о влиянии обучения в ВШМ на интересы студентов. Также были определены ключевые особенности студентов с высокой успеваемостью, такие как интерес к профессиональной академической тематике и разница в количестве друзей и подписчиков в социальной сети. На основании результатов даны управленческие рекомендации, такие как внедрение дополнительных курсов, взаимодействие со студентами с помощью коротких видеороликов и конкурсы пользовательского контента для продвижения Школы, а также освещены перспективы дальнейших исследований.

The purpose of the paper is to define specific features of GSOM undergraduate students based on analysis of data from students’ profiles from online social network Vkontakte in order to provide the GSOM administration with insights based on analysis of these features. The main objectives of the study include data collection, student clustering with k-means method based on their interests, defining specific features of high-performing students and revealing peculiarities in students interests and communication patterns in the context of students’ concentration, academic progress and year of study. Paper also contents theoretical overview of issues concerning student profiling in social networks. The methodological basis of research is such user profiling and data mining techniques as descriptive statistics, statistical analysis, tf-idf, k-means clustering. The main findings regard the differences in communication behavior of HR and marketing students as they tend to show completely different level of extraversion; range of dissimilarities between interests of freshmen and last-year students proving the hypothesis that GSOM has an impact on student interest; the key features of well performing students such as interests to professional topics, job and academic issues and tendency to have less friends and more followers are also revealed. Managerial implications and recommendations like additional courses implementation, interaction with students via short videos and school promotion contests, and further research prospects are given.