基于機(jī)器學(xué)習(xí)的高校資助管理系統(tǒng)設(shè)計(jì)

甘發(fā)旺，爨 瑩

(西安石油大學(xué)，陜西 西安 710000)

0 引言

教育是阻斷貧困代際傳遞、擺脫貧困的一種有效的手段。不斷地完善貧困地區(qū)教育的基礎(chǔ)設(shè)施，補(bǔ)齊教育發(fā)展的短板，完善各級各類資助手段，讓貧困家庭孩子都能接受公平而有質(zhì)量的教育，享受我國發(fā)展改革的紅利，不僅是當(dāng)前我國夯實(shí)脫貧攻堅(jiān)的一項(xiàng)重要任務(wù)，也是促進(jìn)社會公平和諧的重要手段。高等學(xué)校依照獎(jiǎng)助貸免的政策在教育育人、阻斷貧困代際傳遞的環(huán)節(jié)中充當(dāng)了重要角色。然而，如何“精準(zhǔn)”一度成為困擾高等教育扶貧順利推進(jìn)的關(guān)鍵，雖然全國各級各類學(xué)校在不同程度上都制定了貧困生認(rèn)定方案、建立了監(jiān)控保障制度，但是篩選出來的貧困生仍然受到其他師生的“質(zhì)疑”。“假貧困生”“貧困生被遺漏”“評判標(biāo)準(zhǔn)不統(tǒng)一”“評判過程有瑕疵”等問題一時(shí)成為社會關(guān)注的焦點(diǎn)，備受國家、社會、家庭、學(xué)生的關(guān)注。近年來，興起的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、大數(shù)據(jù)等信息技術(shù)，業(yè)已成為高等學(xué)校助力脫貧扶智，走向精準(zhǔn)化甄別貧困生有效的重要手段之一，成為各高校學(xué)生管理工作提質(zhì)增速、信息化建設(shè)的目標(biāo)和方向。

1 高校資助管理工作的現(xiàn)狀

高等學(xué)校教育精準(zhǔn)扶貧研究或?qū)⒊蔀槲磥斫逃鲐毜闹攸c(diǎn)研究內(nèi)容，在工作流程上要求更加規(guī)范化、精細(xì)化、精準(zhǔn)化。在數(shù)據(jù)的分析管理、識別甄別、數(shù)據(jù)有效利用上提高質(zhì)量，在數(shù)據(jù)的采集范圍上盡可能涉及學(xué)校、教師、學(xué)生和家庭等多元化的數(shù)據(jù)。現(xiàn)有的學(xué)生管理系統(tǒng)或資助管理信息系統(tǒng)雖然在一定程度上使業(yè)務(wù)工作人員從大量的Excel表格或數(shù)據(jù)庫的“數(shù)據(jù)扶貧”中解脫出來，但對分布的數(shù)據(jù)采集、收集、分類、統(tǒng)計(jì)分析，仍然通過手工操作。系統(tǒng)的主要功能聚焦于信息的登記、篩選、查詢和存檔等操作，缺乏智能分析統(tǒng)計(jì)、精細(xì)分類、輔助決策等功能。雖然部分省、自治區(qū)、直轄市甚至國家結(jié)合實(shí)際情況進(jìn)行了相關(guān)系統(tǒng)的研發(fā)，教育部全國學(xué)生資助管理中心委托設(shè)計(jì)開發(fā)的全國學(xué)生資助管理系統(tǒng)(http：//202.119.133.18/login_blue.html)，涉及學(xué)前、義務(wù)、普高、中職、本專科和研究生各子系統(tǒng)及地方資助、學(xué)校資助、社會資助等項(xiàng)目功能模塊。但在數(shù)據(jù)采集上，工作人員仍然采用手工Excel數(shù)據(jù)錄入。該系統(tǒng)僅可作為一個(gè)數(shù)據(jù)查詢系統(tǒng)。在農(nóng)村貧困人員扶貧系統(tǒng)的開發(fā)方面，王斌等[1]構(gòu)建了新疆扶貧信息管理平臺，該平臺擁有為貧困人口建檔立卡、項(xiàng)目管理以及數(shù)據(jù)統(tǒng)計(jì)分析3個(gè)主要業(yè)務(wù)，該系統(tǒng)與智能貧困學(xué)生甄別建檔業(yè)務(wù)并不吻合。雖然董圓圓等[2]構(gòu)建了基于Web的學(xué)生資助管理系統(tǒng)，實(shí)現(xiàn)了助學(xué)貸款申請、助學(xué)貸款審核、學(xué)生貸款管理等功能，提高了資助管理人員、班主任、輔導(dǎo)員的工作效率，減少了學(xué)生信息的多次采集輸入，錯(cuò)誤糾查的時(shí)間成本，降低了工作的復(fù)雜性，為學(xué)生提供了信息快速查詢的接口。但是此系統(tǒng)依然是一個(gè)基于工作流的業(yè)務(wù)辦公系統(tǒng)，并不能提供智能的甄別篩選能力。具備貧困生甄別分類能力，業(yè)已成為構(gòu)建此類系統(tǒng)的關(guān)鍵，結(jié)合了概率統(tǒng)計(jì)學(xué)、大數(shù)據(jù)科學(xué)和計(jì)算機(jī)科學(xué)的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)已成為解決分類甄別問題的熱點(diǎn)研究方向之一，是當(dāng)今人工智能研究的重點(diǎn)和難點(diǎn)。

2 智能分類算法的研究

分類算法根據(jù)其學(xué)習(xí)器模型的數(shù)目，可以分為單一的分類算法和集成提升的分類算法。經(jīng)典單一的分類算法有：ANN(神經(jīng)網(wǎng)絡(luò))、NB(樸素貝葉斯)、KNN(K近鄰分類)、DT(決策樹)、SVM(支持向量機(jī))。通過對ANN的研究表明：單個(gè)神經(jīng)元不能夠很好地執(zhí)行邏輯功能，但是多層的隱藏層能夠達(dá)到很好的數(shù)據(jù)擬合能力。根據(jù)分類給定的訓(xùn)練樣本，不斷調(diào)整神經(jīng)網(wǎng)絡(luò)的層數(shù)和神經(jīng)元的個(gè)數(shù)，通過反向的誤差傳導(dǎo)，不斷調(diào)整神經(jīng)元參數(shù)，使網(wǎng)絡(luò)輸出接近于已知樣本類標(biāo)記，達(dá)到預(yù)測數(shù)據(jù)的目的。近年來，深度神經(jīng)網(wǎng)絡(luò)由于其優(yōu)異的算法性能表現(xiàn)，逐漸成為了學(xué)術(shù)界的研究熱點(diǎn)，衍生出許多在圖像識別、文本語言處理方向優(yōu)秀的模型，廣泛應(yīng)用于圖像信息分析、圖像理解、圖像生成、語音判別、自動駕駛等領(lǐng)域。對于要分類的樣本，依據(jù)概率原則提出的NB算法，根據(jù)先驗(yàn)概率，求出樣本屬于某一類的最大后驗(yàn)概率，作為該樣本所屬的類。該分類算法經(jīng)常被用于機(jī)械故障診斷、網(wǎng)絡(luò)入侵檢測、垃圾郵件分類等。基于距離度量的最近鄰KNN分類算法，事先不需要模型的訓(xùn)練，根據(jù)待確定分類樣本與確定訓(xùn)練樣本特征之間的歐式距離，找出與待分類樣本距離最近的K個(gè)樣本作為待分類樣本的參考值。雖然該算法預(yù)測精度欠佳，但基于其改進(jìn)的算法被廣泛應(yīng)用于工農(nóng)業(yè)生產(chǎn)當(dāng)中，如判別糧食作物隱蔽性蟲害、作物的種類等。在實(shí)際的工程應(yīng)用中，決策樹(DT)分類算法一直是許多專家優(yōu)先選擇的算法，其根據(jù)信息增益理論將離散和連續(xù)的數(shù)據(jù)分離成樹狀結(jié)構(gòu)，分類結(jié)果有很好的可解釋性和可視化效果。該算法的改進(jìn)版本運(yùn)行效率也進(jìn)一步完善。在國內(nèi)，許多研究者[3]選擇采集學(xué)校一卡通數(shù)據(jù)，利用K-means聚類算法將學(xué)生劃分為不同的消費(fèi)群體，總結(jié)出聚類的關(guān)鍵特征用于貧困生的分類鑒別。也有學(xué)者利用HMM隱馬爾可夫模型進(jìn)行高校家庭貧困生認(rèn)定模型研究[4]，他們認(rèn)為學(xué)生的貧困狀態(tài)或者經(jīng)濟(jì)狀況是一個(gè)動態(tài)演變的過程，必須把研究學(xué)生在學(xué)校的日常消費(fèi)行為和學(xué)習(xí)的表現(xiàn)引入到高校家庭經(jīng)濟(jì)困難學(xué)生認(rèn)定工作中，估算學(xué)生經(jīng)濟(jì)處于不同狀況的概率，挖掘?qū)W生經(jīng)濟(jì)的內(nèi)在狀況。

雖然上述的算法在分類領(lǐng)域取得了不錯(cuò)的成績，然而教育扶貧的精準(zhǔn)與否建立在已有貧困學(xué)生數(shù)據(jù)的高精準(zhǔn)分類基礎(chǔ)上，各類單一算法已經(jīng)無法兼顧數(shù)據(jù)的不平衡，在集成學(xué)習(xí)不斷發(fā)展的今天，集成學(xué)習(xí)[5]表現(xiàn)出了更好的算法準(zhǔn)確性和魯棒性。楊勝志[6]在分布式環(huán)境下利用 GBDT集成分類算法對貧困生進(jìn)行分類，取得了不錯(cuò)的效果。因此，本研究擬采用學(xué)生在校期間所產(chǎn)生的大量可挖掘的數(shù)據(jù)，應(yīng)用集成學(xué)習(xí)中的隨機(jī)森林算法對貧困學(xué)生進(jìn)行分類甄別。

3 系統(tǒng)的設(shè)計(jì)與研究

3.1 數(shù)據(jù)集的收集

數(shù)據(jù)采集于甘肅醫(yī)學(xué)院學(xué)生管理系統(tǒng)的學(xué)生基本信息、教務(wù)處教學(xué)管理系統(tǒng)的學(xué)生成績、一卡通中心的學(xué)生消費(fèi)情況、教育部資助管理中心的部分資助數(shù)據(jù)。數(shù)據(jù)集共涉及學(xué)生性別、年齡、政治面貌、學(xué)制、年級、生源地、中央比對低保學(xué)生等18個(gè)字段。

3.2 系統(tǒng)設(shè)計(jì)

系統(tǒng)的主要設(shè)計(jì)思想為：系統(tǒng)采用CS與BS混合開發(fā)的方式，CS端采用Python為主要開發(fā)工具，利用Pandas，Numpy，Sklearn，TensorFlow開發(fā)訓(xùn)練貧困生甄別分類模型，用Pyqt開發(fā)菜單和界面。BS端利用Django框架搭建Web服務(wù)界面，方便院系和學(xué)生在PC端或移動端查看。

3.3 部分關(guān)鍵代碼

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

from sklearn.ensemble import RandomForestClassifier

from sklearn.model_selection import GridSearchCV

from sklearn.model_selection import cross_val_score

from sklearn.utils import shuffle

from sklearn.model_selection import train_test_split，cross_val_score

from sklearn.preprocessing import OrdinalEncoder

df=pd.read_csv("樣本集.csv"，encoding="utf8")

df=shuffle(df)

x=df.iloc[：，3：-1]

y=df.iloc[：，-1：]

ordinal_encoder = OrdinalEncoder() #對文本信息進(jìn)行編碼

polynomial_svm_clf= Pipeline([

("poly_features"，PolynomialFeatures(degree=3))，

("scaler"，StandardScaler())，

("linear_svc"，LinearSVC(C=1，loss="hinge"))，

])

polynomial_svm_clf.fit(train_x，train_y)

y_pre2=polynomial_svm_clf.predict(test_x)

precision_score(test_y，y_pre2)

recall_score(test_y，y_pre2)

f1_score(test_y，y_pre2)

confusion_matrix(test_y，y_pre2)

數(shù)據(jù)的測試結(jié)果如表1所示。

表1 數(shù)據(jù)的測試結(jié)果

軟件實(shí)現(xiàn)界面如圖1—2所示。

圖1 登錄界面

4 結(jié)語

作者通過研究已有大量的機(jī)器學(xué)習(xí)分類算法，結(jié)合學(xué)校在貧困生鑒別工作中的實(shí)際流程，設(shè)計(jì)并開發(fā)出基于CS/BS的智能資助管理系統(tǒng)，在一定程度上提高了貧困生甄別的水平，輔助了教育精準(zhǔn)扶貧這項(xiàng)關(guān)切學(xué)生切身利益和權(quán)利的工作向精準(zhǔn)化邁進(jìn)。目前，我國很少有研究人員針對貧困學(xué)生甄別問題進(jìn)行更深入研究。利用學(xué)校已有業(yè)務(wù)系統(tǒng)產(chǎn)生的數(shù)據(jù)對學(xué)生實(shí)現(xiàn)高精準(zhǔn)分類，提出一種能夠高效識別貧困學(xué)生的算法是教育精準(zhǔn)扶貧系統(tǒng)能否高效運(yùn)轉(zhuǎn)的又一課題。本研究采用Web技術(shù)和人工智能技術(shù)相結(jié)合的方式，輔助實(shí)施教育精準(zhǔn)扶貧，設(shè)計(jì)開發(fā)出一種能夠適合教育精準(zhǔn)扶貧的智能信息化系統(tǒng)。這是幫助教育精準(zhǔn)扶貧走向深入信息化的一次嘗試。

圖2 主界面