【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(fā)放制度，避免出現(xiàn)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(shù)據(jù)挖掘，結(jié)合某高校一卡通及貧困助學金發(fā)放數(shù)據(jù)，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(gòu)建的預(yù)測模型，可以為學校貧困生精準資助提供幫助。

【關(guān)鍵詞】數(shù)據(jù)挖掘 貧困生 分類預(yù)測 貧困資助

由于社會區(qū)域經(jīng)濟發(fā)展差異及地理環(huán)境等歷史原因，部分地區(qū)經(jīng)濟仍然不發(fā)達，貧困人口較多，特別是中國西部地區(qū)。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(guān)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(yè)[1]。而在對貧困生的認定在，也需要一系列相關(guān)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(fā)生。

目前諸多學校不僅僅依靠貧困補助，同時也已經(jīng)制定了許多辦法和措施來積極解決貧困學生的經(jīng)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(yù)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(diào)研情況來看，現(xiàn)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(diào)研，綜合考慮來評定助學金等級，另一種是根據(jù)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(shù)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(xiàn)階段需要解決的問題。

一、學生行為數(shù)據(jù)分析

（一）數(shù)據(jù)來源

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

（二）數(shù)據(jù)初探

對選取的5個數(shù)據(jù)進行說明如下：

1.圖書館借閱數(shù)據(jù)和門禁數(shù)據(jù)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(tài)度，數(shù)據(jù)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(shù)據(jù)分析。

2.學生的成績數(shù)據(jù)排名為學生所有數(shù)據(jù)的成績加權(quán)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(shù)為學生總?cè)藬?shù)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(shù)據(jù)量較大，且包含面較廣，基本包括：POS機刷卡消費、卡充值、存轉(zhuǎn)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(yī)院等。

二、分類預(yù)測

（一）基于K-means的聚類分析

該分析方法是將數(shù)據(jù)分成有意義或者不同特征的組，K-means是其中一種動態(tài)聚類分析方法，將多個樣本點依據(jù)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(guī)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(fù)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(yōu)勢是能夠良好的將高消費人群和低消費人群區(qū)分開，使得能夠更好的分析助學金發(fā)放的準確性。

（二）分析成果

根據(jù)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(yīng)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(yīng)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(jīng)較高，不應(yīng)再認定為需要資助的學生[6]。

三、結(jié)語

應(yīng)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(yīng)學生在學校的消費水平和經(jīng)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(yè)技術(shù)學院學報，2016，（01）：110-112.

[4]楊良斌.數(shù)據(jù)挖掘領(lǐng)域研究現(xiàn)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(shù)據(jù)挖掘研究[J].計算機技術(shù)與發(fā)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(shù)專業(yè)碩士研究生，從事信息化技術(shù)與應(yīng)用研究。