精準(zhǔn)扶貧視角下高校家庭經(jīng)濟(jì)困難學(xué)生認(rèn)定預(yù)測(cè)機(jī)制探究

呂剛 王雪 梅新奎

摘? 要：近來，關(guān)于全面推進(jìn)家庭經(jīng)濟(jì)困難學(xué)生認(rèn)定工作精準(zhǔn)資助為高校學(xué)生資助體系構(gòu)建提供了一個(gè)嶄新視角。如何更好的利用學(xué)生信息完成家庭經(jīng)濟(jì)困難精準(zhǔn)認(rèn)定工作是文章重點(diǎn)工作。文章以機(jī)器學(xué)習(xí)為基礎(chǔ)，將學(xué)生信息庫進(jìn)行清洗，利用基于差分進(jìn)化的特征選擇為數(shù)據(jù)進(jìn)行預(yù)處理，去除冗余特征，降低數(shù)據(jù)維度，以2個(gè)標(biāo)準(zhǔn)數(shù)據(jù)集與1個(gè)采集數(shù)據(jù)集對(duì)特征選擇結(jié)果在2個(gè)分類器上進(jìn)行有效性驗(yàn)證。以近2000名學(xué)生的信息為數(shù)據(jù)樣本，通過K近鄰分類預(yù)測(cè)算法預(yù)測(cè)學(xué)生家庭經(jīng)濟(jì)困難程度，驗(yàn)證了算法的可行性以及準(zhǔn)確性。為大數(shù)據(jù)在高校教育中的應(yīng)用提供了新的模式和方法。

關(guān)鍵詞：精準(zhǔn)資助;大數(shù)據(jù);差分進(jìn)化;特征選擇;K近鄰預(yù)測(cè)

中圖分類號(hào)：G640? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? ?文章編號(hào)：2096-000X（2021）03-0076-05

Abstract： Recently， the comprehensive promotion of family financial difficulties students to identify the work of precision funding for colleges and universities has provided a new perspective for the construction of student funding system. How to make better use of student information to complete the accurate identification of family financial difficulties is the key work of this paper. Based on machine learning， the student information base is cleaned， and the feature selection based on differential evolution is used to preprocess the data to remove redundant features and reduce the data dimension. The validity of feature selection results on two classifiers is verified by two standard data sets and one acquisition data set. Based on the information of nearly 2000 students as data samples， the K nearest neighbor classification and prediction algorithm is used to predict the economic difficulties of students' families， and the feasibility and accuracy of the algorithm are verified. It provides a new model and method for the application of big data in college education.

Keywords： accurate funding; big data; differential evolution; feature selection; K neighbor prediction

一、研究背景和目的

2018年12月，教育部、財(cái)政部等六部門聯(lián)合印發(fā)了《關(guān)于做好家庭經(jīng)濟(jì)困難學(xué)生認(rèn)定工作的指導(dǎo)意見》（以下簡(jiǎn)稱指導(dǎo)意見），其中特別指出，做好家庭經(jīng)濟(jì)困難認(rèn)定工作，是貫徹黨中央、國務(wù)院決策部署，全面推進(jìn)精準(zhǔn)資助，確保資助政策有效落實(shí)的迫切需要。[1]教育部部長(zhǎng)陳寶生在《進(jìn)一步加強(qiáng)學(xué)生資助工作》一文中提到：“我們要把思想和認(rèn)識(shí)統(tǒng)一到黨的十九大精神和習(xí)近平總書記重要指示上來，充分認(rèn)識(shí)到學(xué)生資助工作是一項(xiàng)重要的長(zhǎng)期工作，是2018年教育‘奮進(jìn)之筆的一項(xiàng)重要內(nèi)容，要清醒看到個(gè)別地方還存在不精準(zhǔn)、不規(guī)范的問題”[2]。精準(zhǔn)資助是做好高校學(xué)生資助工作重要一環(huán)，是落實(shí)“不讓一個(gè)學(xué)生因家庭經(jīng)濟(jì)困難而失學(xué)”、促進(jìn)學(xué)生資助工作取得新成就的有效手段。

二、精準(zhǔn)扶貧視角下的精準(zhǔn)資助工作創(chuàng)新思路

習(xí)近平總書記在黨的十九大報(bào)告中明確指出：“堅(jiān)持精準(zhǔn)扶貧、精準(zhǔn)脫貧”和“健全學(xué)生資助制度”[3]。教育部部長(zhǎng)陳寶生曾提到：“精準(zhǔn)不僅是扶貧工作的基本要求，也是學(xué)生資助工作的基本要求。精準(zhǔn)資助，就是要做到資助對(duì)象精準(zhǔn)、資助標(biāo)準(zhǔn)精準(zhǔn)、資金發(fā)放精準(zhǔn)。”[2]精準(zhǔn)資助為高校學(xué)生資助體系構(gòu)建提供了一個(gè)嶄新視角。精準(zhǔn)資助的前提和基礎(chǔ)是做到認(rèn)定對(duì)象精準(zhǔn)，實(shí)施精準(zhǔn)認(rèn)定就是要重點(diǎn)解決高校開展家庭經(jīng)濟(jì)困難認(rèn)定工作過程中的面對(duì)的認(rèn)定材料可信度、民主測(cè)評(píng)公正度、地域差異度、學(xué)生隱私程度等共性問題，進(jìn)而開展家庭經(jīng)濟(jì)困難學(xué)生的“扶貧”與“扶智”工作。《國務(wù)院關(guān)于印發(fā)促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要的通知》（國發(fā)[2015]50號(hào)）明確指出，要“建立‘用數(shù)據(jù)說話、用數(shù)據(jù)決策、用數(shù)據(jù)管理、用數(shù)據(jù)創(chuàng)新的管理機(jī)制，實(shí)現(xiàn)基于數(shù)據(jù)的科學(xué)決策”，在互聯(lián)網(wǎng)+大發(fā)展的環(huán)境視域下，有效應(yīng)用大數(shù)據(jù)技術(shù)，采取數(shù)據(jù)預(yù)處理、特征選擇、群體預(yù)測(cè)，采取定性與定量相結(jié)合的方式預(yù)測(cè)家庭經(jīng)濟(jì)困難學(xué)生群體，能夠促使家庭經(jīng)濟(jì)困難認(rèn)定工作更加科學(xué)化、客觀化和準(zhǔn)確化。

大數(shù)據(jù)技術(shù)預(yù)測(cè)家庭經(jīng)濟(jì)困難學(xué)生群體不同于傳統(tǒng)的紙質(zhì)認(rèn)定模式，學(xué)生信息的變化引起信息庫的變化，冗余或者不相關(guān)特征也隨之出現(xiàn)。選取相關(guān)聯(lián)信息，摒棄冗余信息是加快預(yù)測(cè)速度，提高準(zhǔn)確率的關(guān)鍵所在，本文主要采取數(shù)據(jù)處理、特征選擇等方式付諸實(shí)施，以家庭經(jīng)濟(jì)困難認(rèn)定工作為背景，探索基于K近鄰的預(yù)測(cè)算法和基于差分進(jìn)化的特征選擇算法，通過特征預(yù)處理，優(yōu)化搜索機(jī)制，選擇相關(guān)特征摒棄榮譽(yù)特征，達(dá)到特征降維的目的，通過K近鄰預(yù)測(cè)，完成等級(jí)或?qū)哟蔚恼{(diào)查，實(shí)現(xiàn)精準(zhǔn)認(rèn)定，創(chuàng)新資助工作模式。本文首先利用標(biāo)準(zhǔn)UCI數(shù)據(jù)集通過算法對(duì)比驗(yàn)證了所提出算法的有效性，隨后以近2000名學(xué)生的真實(shí)數(shù)據(jù)為數(shù)據(jù)集，通過數(shù)據(jù)預(yù)處理、拆分、訓(xùn)練、預(yù)測(cè)與評(píng)估等步驟，最終驗(yàn)證算法的可行性與準(zhǔn)確率。

三、精準(zhǔn)扶貧視角下的貧困生認(rèn)定工作中大數(shù)據(jù)技術(shù)應(yīng)用

（一）特征選擇

特征選擇也稱特征子集選擇，是解決數(shù)據(jù)“維度災(zāi)難”的重要法寶，能夠剔除冗余特征，從而減少特征數(shù)目提高模型精度，減少運(yùn)行時(shí)間。常用的搜索機(jī)制分為完全搜索，啟發(fā)式搜索，隨機(jī)搜索。評(píng)價(jià)函數(shù)是評(píng)價(jià)特征子集好壞的主要工具，主要分為過濾器、封裝器兩大類，本文中采用簡(jiǎn)單實(shí)用的過濾器。

（二）差分進(jìn)化算法

差分進(jìn)化算法（Differential Evolution，DE）于1997年由Rainer Storn和Kenneth Price在遺傳算法等進(jìn)化思想的基礎(chǔ)上為求解切比雪夫多項(xiàng)式而提出的[4]，屬于演化計(jì)算技術(shù)中的進(jìn)化算法類，其應(yīng)用生物學(xué)啟發(fā)的運(yùn)算符，例如交叉，變異和選擇。

在精準(zhǔn)扶貧視角下，可選用差分進(jìn)化算法完成特征選擇尋優(yōu)過程，進(jìn)而實(shí)現(xiàn)家庭經(jīng)濟(jì)困難學(xué)生的精準(zhǔn)認(rèn)定，大大提高家庭經(jīng)濟(jì)困難學(xué)生認(rèn)定效率。該算法的主要步驟包括：

1. 群體初始化

假設(shè)在m個(gè)個(gè)體構(gòu)成的n維空間中，種群X表示為（X1，X2，...Xn）。在本文中我們選擇二進(jìn)制初始化方式，第i個(gè)個(gè)體的第j維位置為：

（1）

其中， U（0，1）是在（0，1）之間的隨機(jī)量，Lmax和Lmin為預(yù)定義的最大值和最小值。

2. 變異操作

DE算法的變異機(jī)制有很多種，基本變異方式如公式（2）所示，每個(gè)解決方案向量經(jīng)歷突變以擴(kuò)展搜索空間。在第g次迭代中，從種群中隨機(jī)選擇三個(gè)個(gè)體Xp1（g），Xp2（g），Xp3（g），且p1≠p2≠p3≠i，生的變異向量為：

（2）

其中? ? ? ? ? ? ? ? ? ? ? ? 是差分向量，F(xiàn)是縮放因子，決定種群個(gè)體差分步長(zhǎng)的大小。

3. 交叉操作

常用的交換準(zhǔn)則有：二項(xiàng)交叉與指數(shù)交叉，其中二項(xiàng)交叉指針對(duì)每個(gè)分量產(chǎn)生一個(gè)0到1的隨機(jī)小數(shù)，若該隨機(jī)數(shù)小于交叉算子cr則進(jìn)行交換。

交叉公式如下：

4. 選擇操作

選擇操作即選擇好的個(gè)體為下一代種群個(gè)體。具體操作方式如公式（4），其中f（expression）為適應(yīng)度函數(shù)。在當(dāng)前解決方案Xi和試驗(yàn)解決方案Ui之間應(yīng)用貪婪選擇。

如果Ui優(yōu)于Xi，則Ui代表下一代而不是Xi。

（三）信息論

互信息（Mutual Information）用來度量?jī)蓚€(gè)事件集合之間的相關(guān)性（mutual dependence），是信息論中的一個(gè)重要概念[5]。假設(shè)兩個(gè)離散隨機(jī)變量X、Y，它們的聯(lián)合分布律為p（x，y），邊緣分布律為p（x），p（y），互信息表示為：

由上式可知，當(dāng)屬性X和屬性Y不相關(guān)或相互獨(dú)立時(shí)，互信息I（X;Y）為0，這表示兩個(gè)屬性之間沒有依賴關(guān)系;反之，兩個(gè)屬性間的相關(guān)性越高，互信息的值越大，所擁有的信息重合的地方就越多。

四、基于差分進(jìn)化特征選擇的K近鄰分類預(yù)測(cè)應(yīng)

用于家庭經(jīng)濟(jì)困難認(rèn)定

（一）學(xué)生信息采集，構(gòu)建學(xué)生畫像

目前，在國內(nèi)各高校之中，學(xué)生信息采集工作已相對(duì)完善，基于學(xué)生個(gè)人成長(zhǎng)的信息數(shù)據(jù)源已具備海量篩選條件，韓鳳霞老師提出了建立學(xué)生畫像來構(gòu)建學(xué)校數(shù)據(jù)倉庫[6]，形成學(xué)生基本屬性、家庭信息特征、學(xué)習(xí)成績(jī)等多種屬性構(gòu)成的高質(zhì)量學(xué)生信息中心。為分析學(xué)生特征和需求做了大量準(zhǔn)備工作，精準(zhǔn)描述了學(xué)生群體特征。為了更好獲取實(shí)驗(yàn)樣本，本次實(shí)驗(yàn)對(duì)近2000名學(xué)生開展數(shù)據(jù)信息采集，獲取其自入學(xué)至今的各項(xiàng)指標(biāo)與基本數(shù)據(jù)，利用懷卡托智能分析環(huán)境[7]將數(shù)據(jù)集進(jìn)行離散化處理，并將貧困生等級(jí)分為0、1、2級(jí)，分別表示該生家庭經(jīng)濟(jì)狀況良好，存在一定困難，特別困難。

（二）基于差分進(jìn)化的特征選擇算法

在開展家庭經(jīng)濟(jì)困難認(rèn)定工作過程中，通過分析學(xué)生畫像數(shù)據(jù)集可以實(shí)時(shí)了解學(xué)生各方面特征，掌握家庭經(jīng)濟(jì)困難情況，但家庭經(jīng)濟(jì)困難特征僅為學(xué)生畫像數(shù)據(jù)庫中的一小部分，如果利用全部特征不僅要增加計(jì)算時(shí)間同時(shí)也會(huì)減少預(yù)測(cè)準(zhǔn)確性。本文針對(duì)這種情況，對(duì)學(xué)生畫像進(jìn)行了第二次預(yù)處理，通過基于差分進(jìn)化的特征選擇對(duì)原始數(shù)據(jù)集進(jìn)行降維處理，摒棄冗余特征，以達(dá)到選擇較少的特征來反映所有特征的預(yù)測(cè)情況，并提高分類準(zhǔn)確性的目的。

本文基于特征與類別向量的信息熵度量構(gòu)建適應(yīng)度函數(shù)，采用滕旭陽等提出的互信息適應(yīng)度函數(shù)[8]，體現(xiàn)了進(jìn)化過程對(duì)優(yōu)良個(gè)體的保留，對(duì)低劣個(gè)體的淘汰。具體適應(yīng)度函數(shù)設(shè)計(jì)如下：

fit=I×S （6）

式中：I為特征與類別相關(guān)性;S為特征子集規(guī)?？刂?。假設(shè)當(dāng)前候選特征子集為在全部n維特征中選出的p維特征。

S=（7）

基于差分進(jìn)化的特征選擇算法（DEFS）的執(zhí)行流程如圖1所示。

（三）利用KNN分類預(yù)測(cè)

K-最近鄰（k-nearest neighbor，KNN）算法是統(tǒng)計(jì)分類領(lǐng)域最常用的算法之一[9]?；舅枷胧牵喝绻粋€(gè)實(shí)例在特征空間中的K個(gè)最相似（即特征空間中最近鄰）的實(shí)例中的大多數(shù)屬于某一個(gè)類別，則該實(shí)例也屬于這個(gè)類別。本文中，我們利用KNN進(jìn)行特征選擇后的學(xué)生家庭經(jīng)濟(jì)困難情況的分類預(yù)測(cè)，預(yù)測(cè)過程如圖2所示。

五、實(shí)驗(yàn)驗(yàn)證

本文通過分析在不同數(shù)據(jù)集下的分類準(zhǔn)確性驗(yàn)證特征選擇算法的有效性以及KNN分類預(yù)測(cè)結(jié)果的準(zhǔn)確性驗(yàn)證文中所提方法的優(yōu)越性。

本實(shí)驗(yàn)運(yùn)行環(huán)境為MATLAB2014a與weka3.8。實(shí)驗(yàn)通過對(duì)近2000名學(xué)生靜態(tài)數(shù)據(jù)以及動(dòng)態(tài)數(shù)據(jù)整理后的數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)驗(yàn)證，其中包括靜態(tài)特征20個(gè)動(dòng)態(tài)特征16個(gè)，總計(jì)36個(gè)特征信息，形成數(shù)據(jù)集（student），采用MDL方法對(duì)離散化的數(shù)據(jù)處理。本文另外選擇2個(gè)不同維度的UCI數(shù)據(jù)集共同驗(yàn)證算法有效性。選擇Australian信用卡申請(qǐng)類數(shù)據(jù)集，Dermatology皮膚病數(shù)據(jù)集[10]作為參照以供對(duì)比分析。

（一）分析在不同數(shù)據(jù)集下的分類準(zhǔn)確性驗(yàn)證特征選擇算法的有效性

實(shí)驗(yàn)對(duì)比的特征選擇算法有IG（information gain）信息增益[8]、GA[11]，為了驗(yàn)證算法性能選擇SVM、和Na？觙ve Bayes兩個(gè)分類器，并使用10折交叉驗(yàn)證方法。來驗(yàn)證不同數(shù)據(jù)集下各個(gè)算法所選擇特征子集的分類有效性。對(duì)于GA、DE這兩種進(jìn)化搜索方法，實(shí)驗(yàn)得出每個(gè)算法運(yùn)行10次的平均分類準(zhǔn)確率。而IG在試驗(yàn)中對(duì)數(shù)據(jù)集中特征進(jìn)行排序選擇前p個(gè)特征，具體分類結(jié)果如表1所示。

通過表1與表2的結(jié)果可見，本文所提出的差分進(jìn)化算法較傳統(tǒng)的過濾式特征選擇方法與GA都具有較好的分類準(zhǔn)確性，驗(yàn)證了差分進(jìn)化算法在不同規(guī)模數(shù)據(jù)集下分類性能的有效性。無論在SVM分類器下還是Na？觙ve Bayes分類器下，DE均展現(xiàn)出更好的分類準(zhǔn)確性。因此可以得出結(jié)論，本文所提出的特征選擇方法在進(jìn)化過程中能夠產(chǎn)生較優(yōu)秀個(gè)體，獲得較高適應(yīng)度值，從而能夠獲得較小的特征子集，達(dá)到數(shù)據(jù)降維的目的，并能夠取得更好的分類準(zhǔn)確率。

（二）分析KNN分類預(yù)測(cè)結(jié)果的準(zhǔn)確性

為了驗(yàn)證預(yù)測(cè)結(jié)果準(zhǔn)確性，首先，利用基于查分進(jìn)化的特征選擇算法對(duì)于本實(shí)驗(yàn)student數(shù)據(jù)集進(jìn)行處理，結(jié)果發(fā)現(xiàn)從初始36個(gè)特征中，選擇了17個(gè)特征作為特征子集，達(dá)到了特診高緯度下降三分之二的效果。本實(shí)驗(yàn)利用選擇出來的特征子集利用KNN分類預(yù)測(cè)算法，將新的學(xué)生數(shù)據(jù)集進(jìn)行分類，分類結(jié)果如圖3所示，通過將分類信息與學(xué)院信息庫進(jìn)行核對(duì)，發(fā)現(xiàn)96.53%的分類結(jié)果是準(zhǔn)確的。在預(yù)測(cè)過程中，類別0和2的錯(cuò)誤率很低，分別為1.3%和5.7%，結(jié)果較好，但類別1的錯(cuò)誤率相對(duì)較高達(dá)到29%，需要下一步采集特征標(biāo)簽更大的子集，并深入研究家庭經(jīng)濟(jì)困難認(rèn)定影響因素。但總體來看，本文已經(jīng)實(shí)現(xiàn)了較好的分類效果。

六、結(jié)論

家庭經(jīng)濟(jì)困難認(rèn)定是高校資助工作的重要一環(huán)，采用開學(xué)之初學(xué)生信息采集，并通過不斷迭代動(dòng)態(tài)信息來維護(hù)學(xué)生信息集，使用“線上+線下”的操作模式，使家庭經(jīng)濟(jì)困難認(rèn)定更加簡(jiǎn)潔、方便、安全、無遺漏且無虛報(bào)。本文通過利用基于差分進(jìn)化的特征選擇方法，達(dá)到了將海量學(xué)生信息進(jìn)行降維的目的，并通過KNN分類預(yù)測(cè)算法，完成學(xué)生家庭經(jīng)濟(jì)狀況的分類預(yù)測(cè)，經(jīng)過實(shí)驗(yàn)證明，該算法是有效的且高效的。進(jìn)一步為高校學(xué)生管理提供了新思路、新方法，并能夠適用于高校資助體制。下一步，我們將利用線上監(jiān)控措施來重點(diǎn)觀測(cè)學(xué)生課堂學(xué)習(xí)狀況，為學(xué)生期末成績(jī)做出預(yù)測(cè)和預(yù)警，為高校細(xì)信息化管理提供新思路。

參考文獻(xiàn)：

[1]教育部.關(guān)于做好家庭經(jīng)濟(jì)困難學(xué)生認(rèn)定工作指導(dǎo)意見[EB/OL].學(xué)信網(wǎng)，2018.11.https：//www.chsi.com.cn/jyzx/201811/20181

107/1736219869.html.

[2]陳寶生.進(jìn)一步加強(qiáng)學(xué)生資助工作[N].人民日?qǐng)?bào)，2018-03-01（13）.

[3]習(xí)近平.決勝全面建成小康社會(huì) 奪取新時(shí)代中國特色社會(huì)主義偉大勝利——在中國共產(chǎn)黨第十九次全國代表大會(huì)上的報(bào)告（2017年10月18日）[R].前進(jìn)，2017（11）.

[4]Storn R， Price K. Differential evolution-A simple and efficient heuristic for global optimization over continuous spaces [J]. Journal of Global Optimization， 1997，11（4）：341-359.

[5]宋勇，蔡志平.大數(shù)據(jù)環(huán)境下基于信息論的入侵檢測(cè)數(shù)據(jù)歸一化方法[J].武漢大學(xué)學(xué)報(bào)（理學(xué)版），2018，64（2）：121-126.

[6]韓鳳霞.大數(shù)據(jù)時(shí)代高校學(xué)籍預(yù)警機(jī)制的探索與研究[J].中國教育信息化，2015（19）：46-49.

[7]E. Frank， M. Hall， G. Holmes， R. Kirkby， B. Pfahringer， and I. H. Witten， “WEKA”[J]. Data Mining and Knowledge Discovery Handbook， pp. 1306-1314，2005.

[8]滕旭陽，董紅斌，孫靜.面向特征選擇問題的協(xié)同演化方法面向特征選擇問題的協(xié)同演化方法[J].智能系統(tǒng)學(xué)報(bào)，2017，12（1）：24-31.

[9]Jinmeng L I， Lin Y， Zhu T. k-Nearest Neighbor Classification Algorithm Based on Hubness and Class Weighting [J]. Computer Engineering， 2018.

[10]UC Irvine Machine Learning Repository. http：//archive.ics.uci.edu/ml/index.php.

[11]金仙力，李金剛.基于遺傳算法的多目標(biāo)路徑優(yōu)化算法的研究[J].計(jì)算機(jī)技術(shù)與發(fā)展，2018（2）：54-58.