基于數據挖掘的貧困助學金評定方法

【摘要】貧困學生的教育資助受到了國家、社會、學校的高度重視，為促進享受教育資源的公平性，需要建立更加完善的貧困生助學金發放制度，避免出現需要資助的學生未得到資助，而不需要資助的學生得到資助。通過大數據挖掘，結合某高校一卡通及貧困助學金發放數據，利用K-means聚類分析模型，對學校的消費方式進行分析，得到最低消費人群占比25.5%，符合貧困生資助比例，但該校的資助比例為21%，未達到資助覆蓋面。由此方法構建的預測模型，可以為學校貧困生精準資助提供幫助。

【關鍵詞】數據挖掘 貧困生 分類預測 貧困資助

由于社會區域經濟發展差異及地理環境等歷史原因，部分地區經濟仍然不發達，貧困人口較多，特別是中國西部地區。這些貧困家庭中，又不少勤奮好學的學子，考上了大學，而其本人和家庭難以支付學生在校期間學費、生活費等，為不讓每一個學子因貧困失學，國家相關政府部門高度重視，近年來投入了大量的資金用于資助貧困學生，使得莘莘學子能圓滿完成學業[1]。而在對貧困生的認定在，也需要一系列相關的政策好和措施，從而才能起到真正幫助貧困學生的目的。建立一個完善的貧困學生資助體系，有效的降低因家庭貧困而造成學生失學的情況發生。

目前諸多學校不僅僅依靠貧困補助，同時也已經制定了許多辦法和措施來積極解決貧困學生的經濟來源問題，比方各類的獎學金、助學金、勤工儉學崗位等，進一步擴大對貧困學生的資助額[2]。為保障貧困學生認定的公平、公正和公開，提高貧困學生資助工作的精準度，一方面需要學校在資助預算上分配準確，另一方面也需要對貧困學生的認定更加精確，就調研情況來看，現階段許多學校對助學金的評定分兩種情況，一種是在新生入學前通過學生家庭情況的調研，綜合考慮來評定助學金等級，另一種是根據在校學生的申請和各學院的評定來確定助學金的等級。雖然助學金的評價體系日趨完善，但仍然有一些不盡人意的地方，例如有些需要受到資助的學生并未獲得資助，少數并不需要自身的學生卻得到了補助等。因此，精準的資助同樣成為了現階段需要解決的問題。

一、學生行為數據分析

（一）數據來源

學生一卡通數據及全校助學金發放情況，一般由于隱私保護這類數據較難查詢和獲得，因此，通過某官網，獲取了某高校2016～2017年助學金發放情況，以及學生一卡通行為數據及學生的學習成績及排名情況。數據類型包括：圖書館借閱收集數據、圖書館門禁數據、一卡通數據、成績數據和助學金數據。

（二）數據初探

對選取的5個數據進行說明如下：

1.圖書館借閱數據和門禁數據可以反映學生在校學習情況，分析學生在課后的學習興趣和學習態度，數據日期和時間非常準確，圖書編號缺失率僅1%，圖書名完整，不影響數據分析。

2.學生的成績數據排名為學生所有數據的成績加權求和，然后除于總學分，并按照學生所在學院進行排名。

3.助學金補償人數為學生總人數的21%，基本達到了助學金覆蓋學生20%～30%的要求，分為三檔：4000元、3000元、2000元，比例分別4%、7%、10%。

4.學生一卡通數據量較大，且包含面較廣，基本包括：POS機刷卡消費、卡充值、存轉賬、換卡補卡等，其中POS機刷卡消費為頻率最高的部分，包括：超市購物、食堂、淋雨、洗衣房、校車、圖書館、校醫院等。

二、分類預測

（一）基于K-means的聚類分析

該分析方法是將數據分成有意義或者不同特征的組，K-means是其中一種動態聚類分析方法，將多個樣本點依據某個特征來進行分離，使每一類樣本都是聚合的，并且每一類之間都有很好的差異性[3-4]。具體步驟如下：

1.按照某種規則將樣本分為K類，計算該類重心，并作為初始凝聚點。

2.計算出每個樣本點與各初始凝聚點的相似性，并將相似度進行歸類。

3.重復步驟二，將所有樣本進行處理，使得所有樣本不再分配。

相似度計算公式見式1。

■ （式1）

該方法的優勢是能夠良好的將高消費人群和低消費人群區分開，使得能夠更好的分析助學金發放的準確性。

（二）分析成果

根據消費方式將學生分為4類，最低消費群體（A類）、較低消費群體（B類）、較高消費群體（C類）和高消費群體（D類），由此來拉開兩個極端群體的差異[5]。

利用K-means聚類得到消費最低的A類人群比例為25.5%，因此，學校應該擴大貧困資助比例。聚類分析成果見表2。其中消費水平最低的909人應當被認為貧困生，其中721位沒有受到資助。消費水平較高的238人，其中有43人受到資助。消費水平較高的D類中，僅校園卡平均消費已經較高，不應再認定為需要資助的學生[6]。

三、結語

應用K-means聚類分析方法判定助學是否存在誤判的情況，能夠較為全面的反應學生在學校的消費水平和經濟能力。

參考文獻

[1]郭兆云，黃文婷.影響高校貧困生認定公平性的因素及對策[J].學校黨建與思想教育，2016，（18）：71-72.

[2]宋美喆.基于模糊綜合評價方法的高校貧困生認定研究[J].黑龍江高教研究，2016，（07）：16-20.

[3]鄧巍偉.基于貧困生認定的高校資助精準化研究[J].長沙民政職業技術學院學報，2016，（01）：110-112.

[4]楊良斌.數據挖掘領域研究現狀與趨勢的可視化分析[J].圖書情報工作，2015，（S2）：142-147.

[5]賀瑤，王文慶，薛飛.基于云計算的海量數據挖掘研究[J].計算機技術與發展，2013，（02）：69-72.

[6]雷燕，隗送爽.試析高校貧困生認定中存在的問題和對策[J].成都紡織高等專科學校學報，2010，（04）：25-27+50.

作者簡介：李瑾（1978-），女，漢族，助理工程師，西安石油大學計算機技術專業碩士研究生，從事信息化技術與應用研究。