基于精准帮扶的高校学生贫困定级模型构建-镇江高专学报.PDFVIP

第３１卷第３期 镇 江 高 专 学 报 Ｖｏｌ．３１　Ｎｏ．３ ２０１８年７月 ＪｏｕｒｎａｌｏｆＺｈｅｎｊｉａｎｇＣｏｌｌｅｇｅ Ｊｕｌｙ，２０１８ 基于“精准帮扶”的高校学生贫困定级模型构建 曹　奇 （常州纺织服装职业技术学院创意学院，江苏 常州　２１３１６４） 摘　要：结合当前高校“精准帮扶”的现状，运用数据挖掘技术对受资助学生进行调研分析，选取８类贫困测评指 标，尝试建立５级量化标准，建立贫困程度综合评估模型；采用主成分分析法，对贫困测评指标数据进行定量分析， 利用特征值曲率谱最大峰值点方法有效保留受资助学生真实的贫困信息，减少通过观察或者经验模型带入冗余信 息。此模型可以为大学生资助提供决策支持，对学生奖助学金发放、勤工俭学岗位设置，以及对新入库的学生进行 贫困程度定级具有积极作用。 关键词：贫困程度；主成分分析；量化标准；曲率谱；精准帮扶 中图分类号：Ｇ６４５．５　　　　　　文献标志码：Ｂ　　　　　　　文章编号：１００８－８１４８（２０１８）０３－００８２－０５　 　　目前对高校资助政策进行评估的主要是相关政 创意学院４００名受资助学生库中的贫困信息，采用 府部门，学生很少有机会参与政策的评估，其资助政 主成分分析的方法进行系统建模，建立该院学生贫 策决策缺少外部的制约，相关的资助政策评估机制 困程度综合评估模型，为学院资助系统提供决策 ［１］ 支持。 缺乏相应的技术支持 。目前高校受资助学生贫 困程度决策主要以定性为主，辅之以定量分析。定 １　主成分分析模型与方法 性分析研究更加偏向于主观的价值判断，由于没有 运用数理统计分析方法，缺乏客观性与科学性，容易 １．１　主成分分析原理 造成高校资助部门无法从量化的角度了解学生资助 主成分分析又称主分量分析（ＰｒｉｎｃｉｐａｌＣｏｍｐｏ 政策实施的实际情况，不利于学生资助政策评估工 ｎｅｎｔＡｎａｌｙｓｉｓ，ＰＣＡ），是一种通过降低维度的技术使 作的正常开展。 多个具有一定相关性的变量重新组合成为几个互不 ［７］ 高校资助政策对家庭贫困学生能够享受到公平 相关的主成分（综合变量）的多元统计方法 。这 的受教育权和均等的个人发展权具有重要意义［２－３］。 些主成分包含了原始变量中大部分的有效信息，通 但在实施过程中，存在对部分真正困难学生的资助 常表示为原始变量的线性组合。 落实不到位，一些学生的贫困等级定得过高，部分失 １．２　主成分分析步骤 信学生助学贷款拖欠严重等问题，这些问题直接影 １）将一个样本量为ｎ，指标个数为ｐ的原始数 响高校助学政策的有效实施。 据进行标准化得到矩阵［８－９］ 受资助学生库涉及的贫困指标变量很多，并且 ｘ　ｘ　…　ｘ ［４］  １１ １２ １ｐ 变量之间相关性明显，所包含的信息有所重叠 。   ｘ　ｘ　…　ｘ 主成分分析方法可以对原始变量进行降维，抓住事