顾恒成　张岱　卢清　龚文瑶

摘 要：安顺职业技术学院属于西部欠发达地区高校，贫困生比例较大，通过数据分析学生在饭卡消费数据，量化了解学生日常生活的情况，对学校贫困生的分类和资助认定提供数据支撑和决策参考。

关键词：安顺职业技术学院 大数据 贫困生 数据分析

一、大数据背景下的贫困生动态分析的目的和意义

安顺职业技术学院地处贵州省安顺市，这里属于滇黔桂石漠化地区，是脱贫攻坚这项伟大工程的主要攻坚区。而由于我校学生90%以上来源于贵州省各市县区，均处于该石漠化区域，较东部地区属于生产力低下，交通网络欠发达的贫困区域。这使得我校贫困生比例相对高于全国平均水平。同时为保证困难学生入学后及时获得响应资助，需要在开学初一个月内完成认定工作。因此相较于全国其他地区，我校贫困生认定工作具有认定时间短，认定人数数量大的特点。而在此之前我校贫困生家庭人均收入标准（下简称贫困生标准）一直按照贵州省教育厅要求的农村学生人均收入1800元/年，城市学生2400元/年的标准执行。通过学生出具的盖有县级民政部门公章的普通高校家庭经济情况认定表来确保学生提供的数据的真实性及有效性。这样做的优点在于，标准明确，流程清晰，资助中心在收到学生相关印证材料后，可以快速的核对信息，确定入库资格。然而在目前的物价水平和收入水平持续上升的影响下，学生消费水平相对前几年过往已经发生了较大幅度的增长。经过资助中心随机调查下，我校学生在2019年春季学期日均花在饮食的费用，一般在20元/天的标准左右，如果仍沿用过往的标准可能会让部分贫困学生失去获得资助的机会。如何科学精准的确立贫困生标准，如果仅仅引用贵州省某一年更新的贫困生标准或者安顺市的贫困生标准只是短暂地，部分地解决了贫困生认定标准。但仍然存在一些问题：一是人群消费特征上，我校贫困生主要针对的是来自周边地区的高职学生，并且这些学生的消费背景是地处城市边缘地区工业园区的封闭校区，具有自己独特的消费生态，直接引用针对全省或者全市的贫困标准明显会存在不小差距;二是由于近年来在国家经济发展迅速的大背景下，居民人均可支配收入在稳固上涨，因此每一年的人均消费水平都可能发生显著的变化，贫困人群的消费标准也应该随之发生变动，如果引用某一年的数据会极大地影响其有效性，这一点可以从学生人均消费看出，较之5年前我校学生日均饮食消费已经接近翻了一番。

由此在贵州省大力发展挖掘大数据、大扶贫应用的背景下，我校开始尝试探索借助数据挖掘的思维将贫困生认定的主体由外转内，从借鉴全省的贫困标准转变为依托于我校现有掌握的学生实时消费数据，通过对学生消费行为特征进行数据挖掘寻找在当前时间背景上我校学生人群的消费特点，并以此来协助确立一个随时间变化贴合我校消费生态的贫困生认定标准。

贫困生家庭人均收入标准即指家庭人均收入标准在一定的时间、空间和社会发展阶段的条件下，维持学生的基本学习生活所必需消费的物品和服务的最低费用。学生除固定的学费等固定开支外，在校的主要开支主要由一日三餐的饮食消费组成。由于我校地处郊区，接近半封闭式管理，学生的三餐基本都在食堂通过饭卡消费完成，因此饭卡消费可简单的等价为饮食消费。那么结合大数据思维，如何利用学生在校内一卡通消费每日、每月动态消费数据与学生学籍信息、资助信息綜合进行数据挖掘和分析是一次利用大数据知识指导进行贫困生标准设立的主动尝试。这样才能提高我院学生资助资金使用效率，提升学生资助工作水平对我院学生管理提供强力的数据支持。在大数据背景下，结合“精准扶贫”的政策优势，辅助提升贵州贫困学生教育扶贫资助的精准化，成为了有待解决的主要问题。与此同时，其也为贵州高校贫困资助工作带来了新的工具与平台。充分利用高校现有的数据资源借助数据挖掘的思维，在实践中，为贵州高校资助工作拓展思路，使得贫困生资助工作更加精准，满足现实需求[1]。

二、对安顺职业技术学院贫困生动态分析的调研对象及方法

此次调查分析，共使用我校高校学生在2015年9月至2017年3月期间在食堂使用一卡通进行消费的数据688790条，分析前首先将以上数据中贫困生4788人（其中教育精准扶贫贫困生1191人，非精准扶贫贫困生3988人）消费的数据与全校非贫困生2116人（我校当年高校在校生6904人）进行数据分离，同时将食堂各窗口消费数据按照消费档次分成高中低三个档次进行数据分离，然后利用微软PowerBI进行交叉数据挖掘和分析，找出不同维度不同类别数据间的显著差异点，进行智能化的数据挖掘，最终得出有统计学意义的调查结论。

三、调查结果及分析

经过数据比对和数据挖掘后显示：

（一）按照学生消费金额的维度进行数据切片并分析，我们发现：

1、将贫困生与非贫困生在日常饭卡消费平均值上进行比对，显示贫困生消费金额与非贫困学生平均水平无显著差异。

2、将贫困生与非贫困生在日常饭卡消费标准差上进行比对，显示贫困生消费波动较小，相对来说更集中在5元/每次左右。

（二）按照学生消费惯用窗口为维度进行数据切片并分析，我们发现：

从惯用窗口看出，贫困生消费习惯与全校学生有显著差异：

（三）综合以上两个维度进行交叉分析，我们发现：

从惯用窗口看出，贫困生消费习惯与全校学生有显著差异，贫困生喜欢消费的前十位窗口与非贫困生有显著差异，贫困生更倾向于去性价比高的窗口消费，更喜欢去粉面大排档窗口消费，更喜欢去就餐时间短上菜时间快的窗口消费。

四、结论与启发

综上所述，利用学生在校内一卡通消费每日、每月动态消费数据与学生学籍信息、资助信息综合进行数据挖掘和分析来区别贫困生和非贫困生是可行的，我们在研究中就分析出我校贫困生与全校学生从消费窗口的频次上就能体现出消费习惯存在明显差异，这给未来的工作提供了很好的思路，如果随着学校智慧校园的建设推进，能够提供更多的数据点，比如门禁数据，学生在校园活动数据、学生参加社团活动数据等大量实时、动态的数据，我们就能够更详细的区分出贫困生的行为模式，并对其进行画像，以此为依据来作为我校动态的精准识别贫困生的标准推进资助考核科学化。在《国家中长期教育改革和发展规划纲要（2010-2020 年）》的政策指引下，下一步就能构建资助管理信息系统，提升贵州省高校学生资助信息管理水平。根据不同的学生性质，家庭收入情况进行动态性探究，实现数据的采集、传输和汇聚。并依托大数据的背景下，实现“云计算”和“云储存”的技术变革，展现“靶向应用”的特点[2]，并将我省高校资助工作展开，推进一个崭新的时代。

参考文献

[1] 罗美霞.高校贫困生立体资助体系的研究——以央视《青年创业中国强》栏目为例[J].新闻战线. 2015（06）：99-100.

[2] 毛广.论高校贫困生国家资助体系的现实困境与重新建构[J].教育与职业. 2015（33）：88-89.