当今时代,信息技术迅猛发展,信息科技渗透到生活的各个方面,也包括高校的学生管理系统,因此校园一卡通管理系统应运而生,学生的个人信息和行为数据都尽数保存在数据库中。校园数字管理系统的普及,不应该仅仅只是为了更好地保存学生数据,更应当让这些数据产生价值,通过挖掘学生数据中有价值的信息,从而为更加科学高效地为学生管理工作提供指导方针。本文利用华中师范大学某学院276名学生在2017年4月份的2万多条一卡通食堂刷卡数据,对276名学生进行社交网络构建及社交情况分析。首先,通过对数据的清洗和预处理,对消费地点进行编码,便于后续模型的建立和数据分析。然后利用滑动时间间隔的方法计算学生之间的共现次数,并通过设定共现阈值的方式对学生之间的虚假社交进行删除,接着利用Fast Unfolding算法对学生进行社区划分,进而探究学生之间的社交关系。对比设定阈值前和设定阈值后的两个社区划分结果的模块度,对比结果表明,使用共现阈值后,删除了一部分虚假社交关系,能到的学生社交网络拓扑结构更贴近真实的社交网络情况。最后将传统社区划分算法GN算法和Fast Unfolding算法进行对比,结果表明Fast Unfolding算法划分结果更加准确,且具有更大的模块度Q值,具有更好的稳定性和准确性。通过社区划分,来了解学生社交的总体情况,判断是否有学生抱团以及孤立现象的发生。此外,本文对学生个人节点的社交情况进行分析,此举能够了解每个学生的社交情况,以及学生的社交偏好。针对学生个人节点的重要性,本文基于度中心性、介数中心性以及接近中心性三个指标,发现了社交范围广的学生、离群学生以及“中介”学生。本文的相关工作已经一定程度地帮助了华中师范大学化学学院的学生心理健康教育工作的开展,通过分析学生的社交网络关系,本文发现一些离群学生,通过老师或者找出其他学生对其进行心理疏导,及时帮助学生走出了困境。