大数据环境下高校贫困生帮扶研究.docVIP

大数据环境下高校贫困生帮扶研究 　　摘要：随着物联网、云计算等技术的飞跃发展，大数据普遍存在于很多行业中，如何使用大数据来改善我们的工作方式，创新工作思路，是当前急需解决的难题。该文结合大数据的有效应用，围绕高校贫困生评定和贫困生就业两方面，分析当前存在的痛点，提出一些精准帮扶的有效措施。 　　关键词：大数据；贫困生评定；贫困生就业；精准帮扶 　　中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2018）13-0018-02 　　“大数据正在对每个领域都造成影响，在商业、医疗和其他领域中，决策行为将日益基于数据分析做出，而不是像过去更多凭借经验和直觉”[1]. 大数据正在融合于各行各业中，如何使用大数据来改善传统的高校贫困生帮扶工作显得尤为急迫。本文依托大数据环境下，从高校贫困生评定、高校贫困生就业这两个方面进行展开分析，提出一些措施来达到精准帮扶贫困生的目的。 　　1大数据环境下，高校贫困生评定 　　高校贫困生，是指由于家庭经济困难，无力支付教育及其相关生活费用，或者基本生活难以达到学校所在地最低标准的学生[2]。然而，随着社会的进步，高校贫困生的特征已经越来越模糊，已不能单凭他们的穿衣打扮，饮食情况来进行简单判定，何况当前相当部分贫困生已经用上了手机、电脑等电子产品，几乎很难第一眼就把他们与普通大学生区分开来。那么高校贫困生这个群体是否就不存在了吗？答案当然否定的，他们中的相当一部分人已经不再是吃不饱、穿不暖的状况，更不是以前媒体报道的交不了学费而被迫放弃求学的情况。因此，传统的高校贫困生评定方法已经不能适应当前高校贫困生的准确判定，大数据时代下，我们可以挖掘学生数据，然后进行数据分析，评定贫困生，使得高校贫困生的评定的工作更加公平、公正，且又保护好高校贫困生隐私。 　　1.1 学生消费数据来科学化评定贫困生 　　当前，高校校园信息化建设已初步形成，每个学生手里都有一张校园一卡通，一卡通不仅记录了学生在学校食堂、超市等消费情况，而且还成为进出教室、图书馆、寝室的凭证，甚至查询学生的教学信息等。以在校生1.2万人为例，据不完全统计，每天校园一卡通产生的数据流超过了10万条，仅在消费方面的数据就占到将近4万多，我们可以使用这些消费数据来进行数据分析，并挖掘出有用的贫困生消费数据来对贫困生认定工作提供有力依据。 　　首先，要对在校学生消费数据的抽取、清洗。由于一卡通上记录了学生方方面面的情况，而在此，我们最关心则是学生的饮食消费数据，该数据来源于食堂、超市等POS机上读入，每?_POS机上的终端设备存储数据的格式也不一样，记录的信息属性也不完全相同，因此，要把不同数据源的数据经过前期数据抽取、清洗操作后，提取有效数据，用一个标准，整合在一个数据库中，作为学生消费数据的研究对象。 　　其次，使用WEKA软件来进行学生消费数据的挖掘，并采用董新科等[3]提出的K-Means聚类算法对消费数据进行分析。针对高校贫困生消费数据，我们主要关心的数据指标有（以月为单位）：消费总次数、消费总金额、每日消费次数、每日平均消费金额。将数据库中的学生消费数据的文件格式转换为ARFF文件格式后，导入到WEKA软件中，并进行统计分析，可以发现学生消费数据趋于正态分布，得到学生每月的最高消费数据和最低消费数据。考虑到基于一卡通消费数据的挖掘分析必须简单易行，故采用K-Means聚类算法来进行聚类分析，为了保证实验效果，聚类的分组越多，聚类效果越好，这里设置为4组，聚类的最大迭代次数选择大点，建议为500。通过实验可以得到4组学生消费聚类的数据，包含每组每月消费总次数、每月消费总金额以及人数（聚类数），从而可以得到每组中每日平均消费金额，按每日平均消费金额从高到低依次评定贫困档次为：特别困难、困难、一般、不困难。这里也要注意特别困难档次中，如果每日消费次数太低，很有可能学生经常不在校内刷卡消费，以及原来评定为贫困生的学生如果出现在不困难档次中的话，建议学校领导及辅导员、班主任应该多方面了解学生的具体情况来做出最后的贫困评定。 　　1.2 要创建贫困生评定的监管模式 　　当前，无论是传统的贫困生认定办法，还是上面提到的使用消费数据来评定贫困生办法，肯定都会存在漏评、错评等不公平现象。鉴于此，除了把传统的贫困生认定办法和使用消费数据来评定贫困生办法外，还应创建高校贫困生评定的监管模式，接受来自社会以及学校教师、学生的三方面监督，才能使高校贫困生的评定工作更加具有真实性、可靠性、实效性。首先，学校除了采取传统的微博、QQ、邮箱、微信等监管渠道外，还应积极搭建贫困生评定监管数据平台，包括开发对应的手机APP端，让全校老师和学生真正重视，并参与到高校贫困生评定工作中来，接受社会和教师、学生的监督。其次，贫困生评定监管数