數據挖掘在家庭經濟困難學生精準識別中的應用研究

李書翔 趙裕慧 陳曉

摘要：現有的家庭經濟困難學生認定方法都不可避免的出現主觀性、片面性的問題，造成認定結果的不準確。文章通過探討數據挖掘技術在家庭經濟困難學生認定中的可行性，構建理論模型，將數據挖掘技術運用于家庭經濟困難學生認定過程。

關鍵詞：家庭經濟困難認定；數據挖掘；理論模型

中圖分類號：TP391文獻標志碼：A文章編號：2095-9214（2016）10-0293-01

一、問題提出

根據國家統計局數據，2015年，全國高校在校學生人數超過2600萬人，教育部2016年8月新聞發布會公布數據顯示，2015年，全國高等學校國家助學金受助學生達到1073萬人次，由此可見，2015年全國高校在校家庭經濟困難學生比例已超過40%，這僅僅是得到認定的家庭經濟困難學生，而家庭經濟困難學生申請人數遠遠高于這一比例。面對數量如此龐大的家庭經濟困難學生群體，如何精確的確定學生家庭經濟困難等級這一問題是做好大學生精準扶貧的先決條件，同時提高學生資助工作的效率和效益。

二、現有家庭經濟困難學生認定方法述評

2007年，教育部、財政部聯合下發《關于認真做好家庭經濟困難學生認定工作的指導意見》，對于家庭經濟困難學生的認定工作進行了規范。各高校根據學校、學生特點發展出一系列的困難生認定辦法，這些辦法主要有：

1.民主評議法。學生填寫《高等學校學生及家庭情況調查表》、《高等學校家庭經濟困難學生認定申請表》；學校成立各級困難生認定小組，根據學生條件及在校期間日常消費行為等情況進行評議，形成學生是否困難以及困難等級的初步結果；初評結果經公示與學校再評之后確定學生困難等級并進行資助；認定結果半年之后再進行復查，最終確定本學年家庭經濟困難學生名單。

民主評議的結果存在主觀性太強的問題，認定結果很難做到公平、公正。主要因為：一是學生由于趨利思想，提供的《家庭經濟調查表》存在主觀性較強，信息不準確的問題；二是認定小組的成員無法保證對全部申請者全面了解，在認定過程中也存在主觀臆測等問題。

2.條件匹配法。不少學校意識到民主評議法存在的問題，逐漸通過歸納家庭經濟困難學生特點并用學生的具體情況進行匹配的辦法完善認定過程，主要有以下幾種[1]：（1）通過學生“一卡通”系統等信息歸納一定的標準來判定學生家庭經濟情況；（2）根據高校所在地最低生活保障線，學生消費低于該水平則認定為困難生；（3）設定一些特定指標，根據學生滿足指標的數量確定其家庭經濟困難程度。

條件匹配法能夠從一定程度上解決認定過程中的主觀性問題，但是以上的方法都存在指標體系不明確、指標不全面、缺乏統一標準、認定標準過于單一沒有可比性、操作不規范主觀色彩濃重等特點。這種辦法可以確定學生的家庭經濟是否困難，但是無法更進一步的確定其家庭經濟困難程度。

3.指標打分法。近年來，山東省內部分高校逐步推行指標打分法：建立起綜合評價家庭經濟困難程度指標體系，架構困難生認定系統。學生根據自身情況填寫調查問卷，系統根據學生填寫情況自動得出學生評分，全體申請學生根據這一評分綜合排序，從而確定家庭經濟困難程度，依次開展學生資助。

這種方式同時結合了定性與定量，相對來說更加客觀合理。但是，也存在填寫系統過程中存在主觀、趨利等現象。

困難生認定經過了從定性到定量的持續發展過程，困難生認定的科學性、客觀性逐步加強。面對大量的家庭經濟困難學生信息，提高認定的準確性需要長期的探索。

三、數據挖掘技術在家庭經濟困難學生認定中的可行性分析

《高等學校學生及家庭情況調查表》中所調查的學生信息量十分大，加之還要綜合考慮學生在校期間具體消費情況，因此一個學生所對應的信息最多達到上百條。以一個三百人的年級為例，學生按照40%的比例申請認定，一個年級困難生認定所涉及到的數據就達到上萬條，以此類推，一個體量為三萬人學校面臨的困難生認定的信息將數以百萬計。面對如此龐大的數據量，目前的應用還停留在簡單的備份、查詢、統計階段，可以說是“數據豐富、知識匱乏”。

在海量數據背景下綜合考慮家庭經濟困難學生各項指標，減少評價過程中的主觀因素，并進一步的提取出有用的規則和相關的知識。基于此，我們引入數據挖掘技術。數據挖掘是指從看似無規律的大量數據中自動搜索隱藏于其中的有著特殊關系性的信息的過程，他通過分析海量數據的每一條信息并從中尋找某種規律、關聯或者結論。數據挖掘技術應用于家庭經濟困難學生認定過程的可行性如下：首先，家庭經濟困難學生數據庫儲存的海量數據為數據挖掘提供了“原材料”支持；其次，數據挖掘技術強調技術的發現與提取過程，側重于從全部數據中尋找有用的知識，這就避免了以往認定過程中有側重的虛報個人信息的行為，盡量做到客觀、全面；最后，隨著研究的深入，數據挖掘技術也愈加豐富，為分析海量困難生數據提供了技術支持。

四、數據挖掘技術在家庭經濟困難學生認定中的應用探索

數據挖掘應用于家庭經濟困難學生認定過程的路徑如下：對已經評價的貧困生數據進行分類，找出與貧困生類別相關的貧困因素，再對未知類別的貧困生做出預測，結果與原有結果比較，檢測模型效果，完成挖掘任務。最后提取規則應用于家庭經濟困難的評價和管理工作。建立如圖1的完整的基于數據挖掘技術的家庭經濟困難學生認定系統。

1.家庭經濟困難學生信息庫。該信息庫基于高校每年通過認定的家庭經濟困難學生數據建立，涵蓋學生個人及家庭的全部信息。

2.數據處理子系統。通過一定的數據清洗與預處理的手段，將信息庫中的數據調整為能夠被數據挖掘子系統使用的標準數據集。這個過程主要包括數據清理、數據集成、數據變換、數據規約等幾個方面。

3.數據挖掘子系統。接著利用數據挖掘算法構建貧困生評價模型，對貧困生進行分類。如果得到的模型不能滿足要求，需要返回前面的步驟，考慮算法的選擇、數據的預處理結果是否需要調整，經過調優得到較優模型[1]。由于家庭經濟困難學生的認定主要涉及分類與預測的問題，常用于這些問題的算法有貝葉斯網絡、決策樹、META等。

4.學生分類與學生資助子系統。這兩個系統是對家庭經濟困難學生認定結果的應用。學生資助子系統的結果可以返回到學生信息庫中，為下一次的數據挖掘提供數據支持。

（作者單位：濟南大學外國語學院學生工作辦公室）

參考文獻：

[1]楊知玲.數據挖掘在高校貧困生評價中的應用研究[D].華南理工大學， 2015