大数据背景下高校资助对象精准认定研究

《大数据背景下高校资助对象精准认定研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码１０１２５专业代码１２０１００硕士学位论文题目大数据背景下高校资助对象精准认定研究姓名张耀方专业管理科学与工程研究方向商务智能所属学院信息管理学院指导教师李爱军、二〇一八年五月十四日学校代码10125专业代码120100硕士学位论文题目大数据背景下高校资助对象精准认定研究姓名张耀方专业管理科学与工程研究方向商务智能所属学院信息管理学院指导教师李爱军二〇一八年五月十四日UniversityCode10125MajorCode120100ShanxiUniversityofFinance&EconomicsThesisforMaster’sDe

2、greeTitleResearchonPrecisionIdentificationofUniversityFundingObjectsundertheBackgroundofBigDataNameZhangYaofangMajorManagementScienceandEngineeringResearchOrientationBusinessIntelligenceSchoolFacultyofInformationManagementTutorLiAijunMay14th2018山西财经大学硕士学位论文摘要精准资助是我国高等教育十三五规划中重点要完成的任务。精准地识别资助对象是“精

3、准资助工作”的根本前提。本文针对大数据背景下资助对象的精准认定进行了研究。论文的主要研究工作有以下两个内容：（1）构建符合大数据背景的高校资助对象精准认定指标体系。在国家助学金评选标准的基础上，研究了指标体系构建原则和指导思想，建立了反映学生个人消费特征和学习状态的指标体系，该指标体系包含3个一级指标，5个二级指标、40个三级指标。在反映学生校内消费特征的指标中，我们重点考虑学生在校期间的用餐消费和日常生活开销，在反映学生学习态度指标中，除了考虑成绩，重点关注学生在校日常表现，比如：在图书馆中借书种类、借书总额、进出图书馆次数等。该指标体系的构建能够全方位的覆盖学生的消费特征和学习态度，

4、实验证明使用该指标体系建立资助对象精准认定模型效果良好，运用该指标体系能够提高资助对象的精准识别率。（2）采用SMOTE重采样方法解决了资助对象精准认定中数据不平衡问题。在高校，受到资助的学生趋于少数，因此资助对象精准认定数据存在天然的不平衡性。在数据中，受资助学生的样本很少，直接运用数据挖掘中的分类模型进行资助对象的认定，准确率不高，得不到受资助对象的特征和规律，无法实现资助对象的精准认定。因此采用SMOTE方法对数据重采样，加大受资助样本的采样，使之趋于平衡。实验结果证明使用SMOTE方法对不平衡数据进行处理后，各分类器对受资助对象认定的准确率明显提高，能更准确的识别受资助的学生特征

5、，从而更好的实现资助对象认定的精准化。关键词：大数据，精准资助，精准认定资助对象，指标体系，不平衡数据，SMOTE1山西财经大学硕士学位论文ABSTRACTPrecisionfundingisakeytaskintheThirteenthFive-YearPlanofhigherEducationinChina.Accurateidentificationoffundingtargetsisthefundamentalpremisefor"Precisionfundingwork".InthispaperunderthebackgroundofBigData,accurateidenti

6、ficationofsubsidizedobjectswerestudied.Themainresearchworkofthispapercontainsthefollowingtwocontents:First,ConstructionofaccurateIdentificationIndexsystemforUniversityfundingobjectsinaccordancewithBigdata'sbackground.Onthebasisoftheevaluationstandardofnationalfinancialaid,thispaperstudiestheprinc

7、iplesandguidingideologyofconstructingtheindexsystem,andestablishesanindexsystemreflectingthecharacteristicsofstudents'personalconsumptionandlearningstate.Theindexsystemincludes3firstgradeindexes,5twolevelindexesand40th