基于數據挖掘技術的高職院校學生精準資助體系框架研究

朱 杰

（無錫商業職業技術學院會計金融學院，江蘇無錫 214153）

在我國，家庭經濟困難學生問題一直是從中央到地方、高職院校和社會關注的焦點。現有調查和研究指出，高職院校在校生中家庭經濟困難學生的比例要高于本科院校，高職教育的對象與精準扶貧的對象是高度契合的。2019年2月，國務院印發了《國家職業教育改革實施方案》，明確新時代職業教育改革“路線圖”。隨著高職院校春天的到來，學生資助的問題理應需要投入更大的工作力度。近年來，教育部門提出要大力推進精準資助，采取了一系列措施并取得一定成效。出于資助倫理，需要保護隱私、尊重人格，出于規范管理，需要更便捷、有效的工具方法，在資助工作具體實踐中，依然存在諸多難題。本文提出基于數據挖掘技術來構建精準資助體系框架，使高職院校學生資助工作管理更為科學合理；研究對象限于家庭經濟困難學生，不包括資助工作的其他目標群體。

1 精準資助現存問題的主要癥結

為了幫助家庭經濟困難學生能夠順利完成學業，政府層面已出臺了一套比較完善的學生資助政策。同時，諸多高職院校聯合企業、社會力量也在提供資助。資助誰及其相應的資助力度，也即家庭經濟困難學生的認定，成為資助工作是否精準的源頭和關鍵問題。隨著社會變遷，家庭經濟困難學生的階層出身多樣、學生心理因素有差異，認定工作越發困難，具體表現為在認定過程中，很難做到定量評價和定性評價的結合、公開透明和保護隱私的平衡，其結果就是在實事求是、客觀公平上打了折扣。

如在認定申請之初，需要遵循自愿申請的原則。然而，家庭較差的經濟狀況會給一些學生造成了心理陰影，他們的自尊心較高，不愿主動透露家庭的真實情況。長期持續的經濟壓力可能使這些學生形成自卑、焦慮、敏感和偏執的心理，這也會阻礙師生對他們的準確識別。固然，輔導員要積極引導貧困生如實反映家庭經濟困難情況，主動利用國家資助完成學業，但畢竟是有一定工作難度，特別是在新生入學時，師生良好關系尚未建立之際。

如在認定等級方面，劃分資助檔次需要根據學生家庭經濟困難程度或殘疾等級，一般設置一般困難、比較困難、特別困難等三級。目前看來，在評價方面定性的多，定量的少。例如對于扶貧部門認定的建檔立卡貧困家庭子女或孤兒等情況的，通過定性評價容易分級。而對于數量更多、情況復雜的大多數貧困生，很難把他們歸入合適的等級，需要更可靠的量化數據提供客觀依據，幫助輔導員準確、全面地了解學生的實際情況。

如在認定依據方面。雖然，各高職院校都有家庭經濟困難學生具體認定辦法，對認定依據有詳盡的規定。實際上，諸多學校采用學生家庭所在地有關部門頒發的證書、蓋章的證明作為主要標準。在現實生活中，我國社會信用體系有待進一步完善，少數并非貧困的家庭可能依靠社會網和關系優勢取得真蓋章的“假”證明，校方很難做到嚴查其真實情況。因此，主要靠書面材料作為依據的做法之弊病是顯而易見的。

2 數據挖掘概述及所需元數據

2.1 數據挖掘技術

數據挖掘（Data Mining，DM））是使用一定算法在海量數據里發現隱藏的模式與信息的過程。近年來，該技術在信息和數字化領域得到了高度關注，其應用日益廣泛。因為計算機文件和數據庫中存儲的數據量正以驚人的速度增長，然而，需要對這些數據加以有效處理，我們才可以從中獲得更有針對性、有價值的信息。例如，銷售部門負責人對目前簡單的營銷聯系人列表表示不滿意，希望通過了解客戶以前購買的詳細信息，來預測客戶未來的購買情況，那么就需要新的數據技術來協助解決這個問題。傳統的數據庫系統雖然能夠較為有效地實現數據錄入、查詢、統計等功能，但是在海量數據中找不到數據與數據間的聯系與隱藏的規則，因此，不能從現有數據出發來演算、預測未來發展趨勢。對數據背后隱藏的信息利用不足，引發了看似矛盾的結果，一方面是面臨數據爆炸膨脹，另一方面卻感覺有效信息匱乏。而數據挖掘則是使用一定算法在海量數據中發現隱藏的模式與知識的過程。

2.2 數據倉庫技術

數據挖掘技術需要數據倉庫技術作為前導，數據倉庫技術發源于20世紀末，由“數據倉庫之父”W.H.Inmon提出的。它是體現歷史變遷、主題式的、集成的、相對穩定的數據集，用來支持管理決策。數據倉庫不同于以往一般的數據庫。傳統的數據庫系統作為一種數據管理方法，主要用于數據庫的更新，即在數據庫里添加信息。這種技術的缺點在于分析數據有難度，不能直接用于決策應用服務。而數據倉庫是用于計算機系統結構化數據環境的工具包、決策支持系統協助管理、在線分析和決策制定以及數據源相關問題應用的解決方案。目前對數據倉庫的研究，提供了怎樣從數據庫中提取信息的方案，從不同維度進行切片、切塊、鉆取，獲取所需的分析結果。因此，利用數據倉庫不僅能做到準確、安全、可靠地從數據庫里提取數據，而且可形成規則信息，通過一系列工具的處理，可以為決策者的分析和使用做出判斷和支持。

2.3 數據挖掘在學生教育管理領域的應用

數據挖掘的興起，為學生教育管理提供了高效嶄新的工具，有力地支持教與學。數據挖掘在教育領域有著廣泛的應用場景，學業上可以了解學生的學習習慣與學習特征，預測學生的學習效果，提供輟學預警，提供個性化學習服務；在管理上，有研究提出基于數據挖掘進行學生校園行為分析預警平臺、安全管理預警模式構建，例如，R.Balele提出運用數據挖掘可提高學生國家助學貸款的分配效率。從數據挖掘在教育大數據中的應用趨勢來看，一方面是數字化教育研究的體現，另一方面也是教育信息化發展的需求[1]。

隨著高職院校信息化建設步伐加快，校園一卡通系統在諸多學校有著廣泛應用，滲透于學生學習生活及校園管理的各個方面。校園一卡通在為學生提供便捷服務的同時，也積累了海量數據，僅一所學校的一卡通系統每年產生的業務流水數據量可能高達數千萬條。通過對這些數據的有效管理和組織，再使用數據挖掘發現其中隱含的信息和知識，能夠為學生資助工作提供可量化的決策支持。因此，可將校園一卡通消費數據作為元數據，綜合應用數據倉庫和數據挖掘技術，構建高職院校學生精準資助系統，具體包括建立數據平臺、開展數據分析、應用數據挖掘模型與改進評價過程等。

3 高職院校學生精準資助體系框架

3.1 學生資助管理的系統需求

作為計算機應用的一部分，學生資助管理系統被用于家庭經濟困難學生的日常管理。具有智能處理、數據格式規范、查詢便捷、檢索穩定、存儲信息量大、安全性高、成本低廉等優勢，能夠有效提升高職院校學生資助工作的管理水平。基于數據挖掘技術的學生資助管理系統的發展目標是對數據預處理、建立家庭經濟困難學生的數據倉庫、數據挖掘、前端展現及應用[2]。重點是保證數據庫的安全可靠，保持數據的一致規范，做到用戶界面的友好。將查詢、添加、修改、刪除等指令作改進后，管理系統可以在決策中起到重要的輔助作用。系統需求評估公式如下：

3.2 精準資助體系的總體結構

由于管理系統需要滿足學生和管理者不同的訪問方式，實現資金信息的查詢、應用和審計，因此有必要使用B/S架構進行開發和設計。

數據分析模塊。本模板主要用來識別家庭經濟困難學生群體。一是在線分析處理（On Line Analysis Processing，OLAP）。通過OLAP操作，實現多角度、多層次的多維數據組織與分析，具體是指使用一卡通系統數據庫中的數據轉換來統計學生的消費信息，可以月份為單位把每名學生消費金額、主要的消費時段、內容和地點都作統計處理，總結處理學生的生活狀況，計算出基本消費水平[3]。二是數據挖掘。基于學生校園卡消費的關鍵指標，可使用SPSS Modeler中的K-Means 算法進行挖掘建模。進行兩階段聚類。第一階段是粗類，用來區分家庭經濟困難學生與非困難學生兩個大類；第二階段是細聚類，對家庭經濟困難學生分為特別困難、比較困難、一般困難三級即三個細類。在此基礎上比對分析各細類間的消費情況。后續還可以對受資助的學生進行動態管理。

認定管理模塊。本模塊主要用來識別學生個體。首先，學校相關人員根據各部門的實際情況輸入所需信息，由系統管理員發布。其次，在指定的時間內，想要申請的學生登錄系統選擇模塊，進入申請頁面，填寫相關信息，提交申請到表格，系統將申請移動到數據庫中。建立批準頁面，系統顯示本院系管理范圍內申請者的應用信息，自動與數據分析模塊比對后提供申請者類歸屬的參考信息，并提醒輔導員要審查學生的申請。如果批準，結果將提交到數據庫；如果沒有，則返回通知。校學生資助部門或院系管理員登錄系統后，系統將根據部門或院系級別審核輔導員批準的學生申請信息。如果申請獲得批準，信息將存儲在數據庫中，同時向學生反饋有新的工作通知，并且申請不會返回到請求中。學生也可以查詢批準結果。

學生貸款管理與獎學金管理模塊。學生貸款管理模塊與獎學金管理模塊作為兩個不同的模塊，其功能及方法與認定管理模塊非常相似。每個模塊的實現過程如下：審核申請、推薦、審核、最終審核、數據形成。

系統管理模塊。系統管理模塊擁有兩個子系統：系統的基本設置和功能參數的設置。其中，系統的基本設置具有用戶管理與權限設置功能。用戶登錄是系統的窗口界面，主要用于判斷用戶類型，根據用戶名和密碼來分配相應權限，具有添加、修改、刪除用戶與用戶密碼等維護功能。學生是一個普通用戶，本人可以通過學生ID（學號）和密碼登錄系統。權限設置有班主任或輔導員、院系管理員、部門管理員和系統管理員等四類，即四級管理員，每類管理員的權限由系統作統一分區，上級管理員有權限來管理下一級管理員。管理員之間的相同級別的信息是獨立的。各級管理員可以根據自己的權限對系統用戶進行管理，只能在相應的權限內查看和管理信息數據，有效地保護系統的安全。此應用的一般發布也可置于學校校園網的系統界面上，對資助工作的組織和實施進行信息傳播。功能參數包括信息審核與發布、數據備份與恢復、日志管理等。在功能參數設置方面，數據備份與恢復模塊可以設置自動數據備份的間隔，手動或自動備份數據庫數據，即使在數據丟失時也能恢復數據。

4 結語

在我國加快發展現代職業教育的當下，下大力氣解決好家庭經濟困難學生的資助問題不僅事關教育公平，也是堅決打贏扶貧攻堅戰的硬任務。校園一卡通系統是高職院校“智慧校園”建設的重要組成部分，也讓大數據的搜集、挖掘成為可能[4]。通過數據挖掘技術有效利用校園一卡通的海量數據，為學生資助工作提供了更廣泛的數據源和更科學的分析方法，推進資助信息系統建設與應用，提高資助精準度，加強規范管理和隱私保護。此外，在探索數據挖掘助力學生資助工作的同時，不應局限于冰冷的數字，還要注重人文思維的保有、具身認知的發揮[5]，體現精準資助與資助育人的意蘊結合。