曹路舟

摘要：貧困生認(rèn)定工作是搞好貧困生資助工作的前提，也是藝術(shù)類高職院校學(xué)生管理工作的重中之重。目前貧困生認(rèn)定過(guò)程一般采用的是定量分析或定性分析的方法，這兩種截然不同的認(rèn)定方法，從實(shí)踐效果看，都存在著弊端，無(wú)法滿足現(xiàn)行的貧困生認(rèn)定需求。隨著校園一卡通的廣泛應(yīng)用和大數(shù)據(jù)技術(shù)的興起，利用校園一卡通消費(fèi)大數(shù)據(jù)，構(gòu)建貧困指標(biāo)體系，運(yùn)用數(shù)據(jù)挖掘技術(shù)對(duì)消費(fèi)大數(shù)據(jù)進(jìn)行挖掘分析，優(yōu)化貧困生認(rèn)定過(guò)程，真正實(shí)現(xiàn)對(duì)藝術(shù)類高職院校貧困生的精準(zhǔn)資助，減少教育資源的浪費(fèi)，更好的保障藝術(shù)類高職院校貧困生順利完成學(xué)業(yè)。

關(guān)鍵詞： 校園一卡通;指標(biāo)體系;認(rèn)定模型;認(rèn)定結(jié)果分析

中圖分類號(hào)：G642? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）30-0016-02

Abstract： The identification of poor students is a prerequisite for doing well in the financial aid work for poor students， and it is also the most important part of the student management work in art vocational colleges. At present， the identification process of poor students generally adopts quantitative analysis or qualitative analysis. These two very different identification methods， from the perspective of practical effects， have drawbacks， and cannot meet the current needs of the identification of poor students. With the widespread use of campus cards and the rise of big data technology， the campus card consumption big data is used to build a poverty indicator system， and the data mining technology is used to mine and analyze consumer big data， optimize the identification process of poor students， and truly achieve a high Accurate funding for poor students in vocational colleges reduces the waste of educational resources and better guarantees that poor students in art vocational colleges can complete their studies.

Key words： campus card; index system; certification model; analysis of certification results

眾多高職院?，F(xiàn)行的貧困生資助制度依然是學(xué)生個(gè)人申請(qǐng)，班級(jí)成立認(rèn)定小組進(jìn)行認(rèn)定，學(xué)校審批，最后發(fā)放資助金等流程。這種方法很難真正判定學(xué)生提交的申請(qǐng)資料的真實(shí)性，存在著主觀因素，不能量化學(xué)生的貧困情況，認(rèn)定出來(lái)的貧困生有可能并不貧困，同時(shí)還有一部分真正貧困的學(xué)生出于各種原因沒(méi)寫(xiě)申請(qǐng)，就無(wú)法享受貧困資助。如何客觀、公正的完成高職院校貧困生認(rèn)定工作是一件非常困難的事情。安徽黃梅戲藝術(shù)職業(yè)學(xué)院是一所藝術(shù)類公辦高職院校，由于該校辦學(xué)的特殊性，中高職學(xué)生兼收。為了學(xué)生安全，一直采用封閉式管理，因此學(xué)生日常消費(fèi)基本都是利用校園一卡通在校園內(nèi)進(jìn)行消費(fèi)，所以一卡通積累了大量的學(xué)生交易數(shù)據(jù)?，F(xiàn)以學(xué)生校園一卡通大數(shù)據(jù)為基礎(chǔ)信息，研究在校學(xué)生的消費(fèi)行為與其貧困生申請(qǐng)和認(rèn)定之間關(guān)聯(lián)性[1]。

1校園一卡通原始數(shù)據(jù)

真實(shí)采集了安徽黃梅戲藝術(shù)職業(yè)學(xué)院2019年度在校的1244位辦理了校園一卡通的學(xué)生消費(fèi)交易流水記錄，共計(jì)433065條， 消費(fèi)內(nèi)容主要包括食堂消費(fèi)、開(kāi)水房消費(fèi)、超市消費(fèi)、浴室消費(fèi)等多方面。消費(fèi)原始數(shù)據(jù)如圖1所示，這些數(shù)據(jù)在校園一卡通系統(tǒng)中得以保存，比較真實(shí)地反映了學(xué)生日常生活狀況，但是這些信息資源并沒(méi)有得到學(xué)生管理部門(mén)的足夠重視，很多時(shí)候都沒(méi)發(fā)揮數(shù)據(jù)資源應(yīng)有的作用。

2構(gòu)建貧困生指標(biāo)體系

依據(jù)校園一卡通的交易流水?dāng)?shù)據(jù)，可以統(tǒng)計(jì)出學(xué)生在哪種場(chǎng)所消費(fèi)哪些項(xiàng)目，消費(fèi)多少次，消費(fèi)多少金額[2]。

由于學(xué)生校園一卡通的流水?dāng)?shù)據(jù)指標(biāo)眾多，但很多指標(biāo)對(duì)貧困生認(rèn)定是沒(méi)有任何作用的，如交易區(qū)號(hào)、交易站點(diǎn)、終端編號(hào)、交易錢(qián)包、操作員號(hào)等;還有學(xué)生銷(xiāo)戶的或者辦過(guò)卡而一直沒(méi)有消費(fèi)的等異常信息，為了方便構(gòu)建貧困生指標(biāo)體系，這些對(duì)貧困生認(rèn)定無(wú)用的指標(biāo)可以直接刪除。保留學(xué)生的基本信息指標(biāo)：姓名、個(gè)人編號(hào)等，主要用于學(xué)生身份識(shí)別，其中為了保障學(xué)生個(gè)人隱私，姓名設(shè)置為對(duì)外不可見(jiàn);學(xué)生消費(fèi)情況信息指標(biāo)：交易類型、交易金額、交易次數(shù)、交易時(shí)間;其中學(xué)生消費(fèi)情況信息要用于數(shù)理統(tǒng)計(jì)，主要統(tǒng)計(jì)2019年度的學(xué)生消費(fèi)的交易類型數(shù)、交易次數(shù)、交易金額和交易周期等，分四個(gè)季度進(jìn)行統(tǒng)計(jì)，學(xué)生的基本信息和學(xué)生消費(fèi)情況信息指標(biāo)體系為后文貧困生判定提供必要的數(shù)據(jù)基礎(chǔ)。如表2所示。

3貧困生認(rèn)定模型

把涉及學(xué)生的消費(fèi)交易數(shù)據(jù)建模所需要的數(shù)據(jù)源輸入到大數(shù)據(jù)分析專家Datist軟件中去，來(lái)完成數(shù)據(jù)的截取、整合及有形化表達(dá)。把貧困生相應(yīng)的指標(biāo)體系輸入到K-Means算法中，實(shí)現(xiàn)對(duì)學(xué)生消費(fèi)交易的聚類判定，再使用GBDT算法對(duì)學(xué)生的貧困程度進(jìn)行預(yù)測(cè)判定，從而達(dá)到對(duì)貧困生精準(zhǔn)認(rèn)定的目的。由于源數(shù)據(jù)不能直接用于數(shù)據(jù)挖掘，所以要對(duì)源數(shù)據(jù)進(jìn)行適當(dāng)?shù)念A(yù)處理，對(duì)校園一卡通保留的數(shù)據(jù)信息進(jìn)行必要的清理，根據(jù)消費(fèi)交易數(shù)據(jù)的特征性質(zhì)，確定其范圍的合理性和一致性，否則加以適當(dāng)修正，對(duì)于噪聲點(diǎn)直接刪除，同時(shí)對(duì)數(shù)據(jù)加以集成，對(duì)貧困生指標(biāo)體系數(shù)據(jù)加以轉(zhuǎn)換，然后把學(xué)生校園一卡通交易數(shù)據(jù)離散化，實(shí)現(xiàn)數(shù)據(jù)統(tǒng)一化，從而保證數(shù)據(jù)源的準(zhǔn)確性和全面性。消費(fèi)交易數(shù)據(jù)離散化如表3所示。

其中n為指標(biāo)體系特征的數(shù)量，Wi是第i個(gè)指標(biāo)體系特征的權(quán)重系數(shù)[3]，F(xiàn)i是第i個(gè)指標(biāo)體系特征的價(jià)值計(jì)算。交易指數(shù)越低，學(xué)生貧困程度越高，達(dá)到指定的指數(shù)以下都可以認(rèn)定為貧困生，達(dá)到某個(gè)設(shè)定閾值就被認(rèn)定為特別困難、困難和一般困難。經(jīng)K-Means算法聚類后，再使用GBDT算法對(duì)學(xué)生的貧困指數(shù)進(jìn)行預(yù)測(cè)[3]，從而實(shí)現(xiàn)藝術(shù)類高職院校貧困生的認(rèn)定。按交易指數(shù)排序認(rèn)定得到的名單如表5所示。

5總結(jié)

從貧困生認(rèn)定的分析結(jié)果看，文中采用的貧困生判定方法具有較高的準(zhǔn)確性和可靠性，具有較好的貧困區(qū)分度，可以為藝術(shù)類高職院校學(xué)生管理部門(mén)提供貧困生認(rèn)定決策支持[5]，為更好地發(fā)放貧困補(bǔ)助提供了理論依據(jù)，真正地實(shí)現(xiàn)每一分困難補(bǔ)助都能落到實(shí)處，使得家庭貧困學(xué)生及時(shí)得到資助，順利完成學(xué)業(yè)。然而由于學(xué)校規(guī)模的問(wèn)題，學(xué)生人數(shù)不夠多，數(shù)據(jù)量還不夠龐大，加上中高職沒(méi)有嚴(yán)格區(qū)分，所以數(shù)據(jù)信息還是具有一定的片面性，實(shí)驗(yàn)結(jié)果會(huì)有一定的偏差，在以后的研究中要克服這些問(wèn)題，選用更優(yōu)的方法，以達(dá)到更佳的效果。

參考文獻(xiàn)：

[1] 李愛(ài)鳳，梁碧允，李曉丹.基于學(xué)生一卡通消費(fèi)大數(shù)據(jù)的貧困生挖掘分析[J].計(jì)算技術(shù)與自動(dòng)化，2019（2）：130-134.

[2] 費(fèi)小丹，董新科，張暉.基于校園一卡通消費(fèi)數(shù)據(jù)的高校貧困生分析[J].電腦知識(shí)與技術(shù)，2014（20）：4934-4936.

[3] 何功炳.基于校園卡消費(fèi)數(shù)據(jù)挖掘的高校貧困生認(rèn)定方法研究[D].安徽大學(xué)，2019.

[4] 黃澤良.高校精準(zhǔn)資助育人工作實(shí)踐和探索[J].安徽商貿(mào)職業(yè)技術(shù)學(xué)院學(xué)報(bào)（社會(huì)科學(xué)版），2016（2）：77-80.

[5] 金紅軍，陳健.基于一卡通大數(shù)據(jù)研究的學(xué)生行為分析[J].數(shù)字技術(shù)與應(yīng)用，2019（4）：235-236.

【通聯(lián)編輯：王力】