基于Canopy-K-means算法的高校贫困生预测的研究*
2021-01-19王全民张书军
计算机与数字工程 2020年12期
关键词:学生
王全民 张书军
(北京工业大学计算机学院 北京 100124)
1 引言
党的十九大提出,坚决打赢扶贫攻坚战,坚持精准扶贫、精准脱贫[1],确保2020年实现全部脱贫;同时提出要优先发展教育事业,要健全学生资助制度,使更多人接受高等教育。到2018年初,我国贫困人口预计还有3000万左右[2],这些贫困人口主要集中在农村,农村是打赢脱贫攻坚战的主要短板。据统计,农村贫困人口出现的主要原因包括教育致贫、因病致贫,其中相当一部分是由于教育致贫[3]。对于这些农村贫困人口的脱贫问题,关键在于减轻家庭因教育相关费用而产生的负担。因此,高等教育领域的精准扶贫工作非常重要,要实现精准扶贫,核心在于精准资助[4],而贫困生认定是高校贫困生精准资助的前提与基础,只有找准扶贫对象,才能进行有效资助。因此,解决高校贫困生资助工作中的认定问题迫在眉睫。
高校贫困生是指学生本人及其家庭难以支付其在校期间的学习生活费用的学生人群[5]。随着国家经济的发展,国家对于教育事业发展的支持度不断提升,让更多的人能够得到高等院校的教育。不过高校中存在的经济困难的学生也逐渐增加,在高校占比15%~30%[6]。目前由于学生的贫困生申请信息偏于主观、贫困指标难以量化等因素,使得贫困生认定工作仍然是高校资助决策中的难点问题。高校数字化校园的建设中一卡通的应用极大方便管理校园学生的日常生活,其应用的范围比较广泛,食堂、超市、洗浴、门禁、图书借阅等都可以直接刷卡。……
登录APP查看全文
