数据挖掘技术在高校智慧资助中的应用研究

发布时间：2021-03-23 05:59

　　“十三五”期间,以“不让一个学生因家庭经济困难而辍学”为目标,我国资助政策目前已基本实现了教育阶段全覆盖。对高等教育学校学生资助工作的要求是实现家庭经济困难学生的资助政策全覆盖无遗漏,实现精准资助人效果。但现在高校的贫困生认定中,大多数还是采用传统的贫困生认定方法,即通过家庭情况调查表或简单的利用一卡通数据这样的方法,评定信息的获取会存在不真实的情况,学生家庭经济贫困程度无法量化,“虚假贫困”和“隐性贫困”等家庭经济情况变化无法及时掌握,资助育人效果无法跟踪获得。因此实现精准扶贫的目标,客观体现出资助育人效果,尽可能的杜绝“虚假贫困”和“隐性贫困”,便成为了目前高校资助工作研究的重点。大数据时代的到来,为高校学生资助工作提供了新的更为科学的方式,更为高等教育学校运用大数据推进快速、准确、高效地完成资助工作带来了新的时机。本论文是旨在依托学校的大数据平台进行智慧资助的研究讨论,建立学校的智慧资助系统。该系统并非简单意义上的贫困生认定系统,它是建立在学校的大数据平台之上,以数据挖掘技术为基础,系统涵盖资助项目的在线申请、贫困程度预测、虚假及隐形贫困鉴别、资助育人效果分析等功能。通过对学生的... 

【文章来源】：安徽大学安徽省 211工程院校

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

图４．?１智慧资助功能架构图??贫困生认定：一次完整的经济困难学生认定工作模块主耍包括学校发布认定??评选通知确定评选时间范围、学生提出申请、辅导员召开民主评议班会、辅导员??

?第四章数据挖掘技术在智慧资助中的应用???４．３．２复杂特征??（１）亲密度共现??同时出现在某一地点；共现去重：相同地点某一时间段内的多次共现应视作??一次。??（２）朋友圈经济水平??物以类聚，人以群分。通过设定亲密度阈值，判断两人是否为朋友。??（３）活跃度??御宅指数：对寝室的依赖程度（侧面反映对户外活动的不热衷）；孤僻指数：??社交活跃度。以学期为评价粒度，最终选定的特征如图４．?２。??特征类型?基础特征?保留时间粒度?对应统计量特征??

图４．?３随机森林的生成??（１?）特征构造??［１］学生家庭特征。从学生自评困难原因字段中选择１８个贫困家庭特征：（家??庭人数以外，其它特征均是二分类变量）是否是山区、是否因灾致困、是否家庭??遭遇车祸、是否家人有残疾、是否是建档立卡、是否是农村低保家庭、是否家庭??遭遇不幸、是否单亲家庭、是否孤残学生、是否收入低、是否欠款、是否家长失??业、是否家长有劳动能力、是否家人有动手术、是否家人有重大病症、是否家人??有病、家庭人口数、是否说明家庭人丨］数多。??［２］?－卡通消费特征。从学生一卡通消费流水记录数据提取３９个学生消费特??征：（先计算学生每月的消费特征，再对各个月数据进行平均求均值）总消费额、??月总消费额最大值、总消费次数、日消费额均值、Ｈ消费次数均值、消费天数、??食堂消费额、食堂总消费次数、食堂消费总次数最大值、含堂ｎ消费金额、食堂??曰消费金额最大值、食堂日消费次数、超市消费额、超市消费次数、医务消费额、??医务消费次数、开水消费、幵水消费次数、水采面包消费额、水果面包消费次数、??图书消费额、图书消费次数、其他消费金额、其他消费次数、早餐消费金额、早??


本文编号：3095278