余桢伟 李媛

摘要：随着校园一卡通的应用，学生在校行为数据得以客观记录。为了解决高校学生工作中对于经济困难学生认定存在的主观性强，认定材料烦琐等问题，文章采用数据挖掘方法，采集某高校校园一卡通消费数据，应用神经网络算法构建高校经济困难学生精准认定模型。该方法有助于实现对学生经济困难等级的辅助预测，提高高校学生资助工作的科学化水平。

关键词：数据挖掘;人工神经网络;学生资助

中图分类号：TP18      文献标识码：A 文章编号：2096-4706（2021）07-0006-04

Research on Identification of Students with Financial Difficulties Based on

Neural Network Method

YU Zhenwei，LI Yuan

（Suzhou Institute of Technology，Jiangsu University of Science and Technology，Suzhou  215600，China）

Abstract：With the application of campus all-purpose card，studentsbehavior data in school can be recorded objectively. In order to solve the problem of strong subjectivity and cumbersome identification materials in the work of college students，this paper uses data mining method to collect the consumption data of the campus all-purpose card of a college，and uses neural network algorithm to construct the accurate identification model of college students with financial difficulties. This method is helpful to realize the auxiliary prediction of studentsfinancial difficulty level and improve the scientific level of college studentsfinancial aid work.

Keywords：data mining;artificial neural network;studentsfinancial aid

收稿日期：2021-03-18

課题项目：2019年江苏高校哲学社会科学研究项目（2019SJB905）;2021年江苏科技大学苏州理工学院“暖心助困·励志助学”暨学生工作精品项目（ZZKT202104）

0  引言

随着校园一卡通在各个学校流行，学生的日常消费行为被记录，通过对学生行为数据尤其是消费类数据展开挖掘分析，进而客观判断学生经济困难情况，成为当前各个高校学生资助工作的研究热点，许多学者对此展开深入探讨。在高校学生资助工作研究方面，王煜等学者基于某所高校校园一卡通的数据和奖学金发放情况，通过构建Logistic回归模型确定影响获得助学金与否的因素，为其建立数学模型，从而帮助到真正家庭困难的学生[1];柴政等学者在大数据应用的背景下，基于神经网络的数据挖掘方法，分析“一卡通”消费数据来挖掘经济困难学生，提高了经济困难学生评定结果的准确性，但仍然存在着数据特征不够细化的不足[2]。为了真正使资助工作落到实处，构建严格的学生资助评估方案十分必要[3]。……