曹路舟

摘要：贫困生认定工作是搞好贫困生资助工作的前提，也是艺术类高职院校学生管理工作的重中之重。目前贫困生认定过程一般采用的是定量分析或定性分析的方法，这两种截然不同的认定方法，从实践效果看，都存在着弊端，无法满足现行的贫困生认定需求。随着校园一卡通的广泛应用和大数据技术的兴起，利用校园一卡通消费大数据，构建贫困指标体系，运用数据挖掘技术对消费大数据进行挖掘分析，优化贫困生认定过程，真正实现对艺术类高职院校贫困生的精准资助，减少教育资源的浪费，更好的保障艺术类高职院校贫困生顺利完成学业。

关键词： 校园一卡通;指标体系;认定模型;认定结果分析

中图分类号：G642        文献标识码：A

文章编号：1009-3044（2020）30-0016-02

Abstract： The identification of poor students is a prerequisite for doing well in the financial aid work for poor students， and it is also the most important part of the student management work in art vocational colleges. At present， the identification process of poor students generally adopts quantitative analysis or qualitative analysis. These two very different identification methods， from the perspective of practical effects， have drawbacks， and cannot meet the current needs of the identification of poor students. With the widespread use of campus cards and the rise of big data technology， the campus card consumption big data is used to build a poverty indicator system， and the data mining technology is used to mine and analyze consumer big data， optimize the identification process of poor students， and truly achieve a high Accurate funding for poor students in vocational colleges reduces the waste of educational resources and better guarantees that poor students in art vocational colleges can complete their studies.

Key words： campus card; index system; certification model; analysis of certification results

众多高职院校现行的贫困生资助制度依然是学生个人申请，班级成立认定小组进行认定，学校审批，最后发放资助金等流程。这种方法很难真正判定学生提交的申请资料的真实性，存在着主观因素，不能量化学生的贫困情况，认定出来的贫困生有可能并不贫困，同时还有一部分真正贫困的学生出于各种原因没写申请，就无法享受贫困资助。如何客观、公正的完成高职院校贫困生认定工作是一件非常困难的事情。安徽黄梅戏艺术职业学院是一所艺术类公办高职院校，由于该校办学的特殊性，中高职学生兼收。为了学生安全，一直采用封闭式管理，因此学生日常消费基本都是利用校园一卡通在校园内进行消费，所以一卡通积累了大量的学生交易数据。现以学生校园一卡通大数据为基础信息，研究在校学生的消费行为与其贫困生申请和认定之间关联性[1]。

1校园一卡通原始数据

真实采集了安徽黄梅戏艺术职业学院2019年度在校的1244位办理了校园一卡通的学生消费交易流水记录，共计433065条， 消费内容主要包括食堂消费、开水房消费、超市消费、浴室消费等多方面。消费原始數据如图1所示，这些数据在校园一卡通系统中得以保存，比较真实地反映了学生日常生活状况，但是这些信息资源并没有得到学生管理部门的足够重视，很多时候都没发挥数据资源应有的作用。

2构建贫困生指标体系

依据校园一卡通的交易流水数据，可以统计出学生在哪种场所消费哪些项目，消费多少次，消费多少金额[2]。

由于学生校园一卡通的流水数据指标众多，但很多指标对贫困生认定是没有任何作用的，如交易区号、交易站点、终端编号、交易钱包、操作员号等;还有学生销户的或者办过卡而一直没有消费的等异常信息，为了方便构建贫困生指标体系，这些对贫困生认定无用的指标可以直接删除。保留学生的基本信息指标：姓名、个人编号等，主要用于学生身份识别，其中为了保障学生个人隐私，姓名设置为对外不可见;学生消费情况信息指标：交易类型、交易金额、交易次数、交易时间;其中学生消费情况信息要用于数理统计，主要统计2019年度的学生消费的交易类型数、交易次数、交易金额和交易周期等，分四个季度进行统计，学生的基本信息和学生消费情况信息指标体系为后文贫困生判定提供必要的数据基础。如表2所示。

3贫困生认定模型

把涉及学生的消费交易数据建模所需要的数据源输入到大数据分析专家Datist软件中去，来完成数据的截取、整合及有形化表达。把贫困生相应的指标体系输入到K-Means算法中，实现对学生消费交易的聚类判定，再使用GBDT算法对学生的贫困程度进行预测判定，从而达到对贫困生精准认定的目的。由于源数据不能直接用于数据挖掘，所以要对源数据进行适当的预处理，对校园一卡通保留的数据信息进行必要的清理，根据消费交易数据的特征性质，确定其范围的合理性和一致性，否则加以适当修正，对于噪声点直接删除，同时对数据加以集成，对贫困生指标体系数据加以转换，然后把学生校园一卡通交易数据离散化，实现数据统一化，从而保证数据源的准确性和全面性。消费交易数据离散化如表3所示。

其中n为指标体系特征的数量，Wi是第i个指标体系特征的权重系数[3]，Fi是第i个指标体系特征的价值计算。交易指数越低，学生贫困程度越高，达到指定的指数以下都可以认定为贫困生，达到某个设定阈值就被认定为特别困难、困难和一般困难。经K-Means算法聚类后，再使用GBDT算法对学生的贫困指数进行预测[3]，从而实现艺术类高职院校贫困生的认定。按交易指数排序认定得到的名单如表5所示。

5总结

从贫困生认定的分析结果看，文中采用的贫困生判定方法具有较高的准确性和可靠性，具有较好的贫困区分度，可以为艺术类高职院校学生管理部门提供贫困生认定决策支持[5]，为更好地发放贫困补助提供了理论依据，真正地实现每一分困难补助都能落到实处，使得家庭贫困学生及时得到资助，顺利完成学业。然而由于学校规模的問题，学生人数不够多，数据量还不够庞大，加上中高职没有严格区分，所以数据信息还是具有一定的片面性，实验结果会有一定的偏差，在以后的研究中要克服这些问题，选用更优的方法，以达到更佳的效果。

参考文献：

[1] 李爱凤，梁碧允，李晓丹.基于学生一卡通消费大数据的贫困生挖掘分析[J].计算技术与自动化，2019（2）：130-134.

[2] 费小丹，董新科，张晖.基于校园一卡通消费数据的高校贫困生分析[J].电脑知识与技术，2014（20）：4934-4936.

[3] 何功炳.基于校园卡消费数据挖掘的高校贫困生认定方法研究[D].安徽大学，2019.

[4] 黄泽良.高校精准资助育人工作实践和探索[J].安徽商贸职业技术学院学报（社会科学版），2016（2）：77-80.

[5] 金红军，陈健.基于一卡通大数据研究的学生行为分析[J].数字技术与应用，2019（4）：235-236.

【通联编辑：王力】