本发明涉及高校助学金评定模型的建立，特别涉及一种基于大数据的高校学生精准助学模型的建立方法。
背景技术：
目前，我国高等学校助学金的发放一般是在基于学校对于贫困生的调查基础上，由学生申请，各级认定单位对学生从家庭经济、日常消费、成绩表现等方面进行综合认定。虽然该评定过程客观、公平、公正，但只能是相对的，仅凭调查表、日常消费表现这样的助学评价模型是很难做到精准助学。
国际贫困生认定一般也是从调查学生消费水平、学生家庭经济状态的角度出发，如经济高度发达的美国、日本等，具有完善的征税体系与个人资产登记系统，则可精确定位家庭资产与收支情况，但评定依据一般也是以数据收集、调查为主。
技术实现要素：
本发明要解决的技术问题是提供一种基于大数据的高校学生精准助学模型的建立方法，通过重新构建评价模型，以此评价模型利用大数据挖掘与分析平台得出客观评价数据，从而真正实现精准助学。
为解决上述技术问题，本发明的技术方案为：一种基于大数据的高校学生精准助学模型的建立方法，其创新点在于：研究现行高校助学金评价体系，所述现行高校助学金评价体系包括数据采集子系统、数据分析与挖掘子系统、贫困生评定模型建立子系统、学生网络征信档案建立子系统、资助管理子系统和勤工助学子系统，了解评定过程中的各子系统的各项指标，分析各项指标的合理性与差异性，调整助学金评定指标内容，修正其指标权重，重新助学金评定模型；具体包括如下步骤：
步骤s1：利用图书馆或相关数据库进行相关资料、文献的搜集，并对其进行系统地分析与梳理；
步骤s2：在前期文献研究的基础上，设计调查问卷，利用网络问卷形式对高校现行助学评定体系进行调查并分析，形成调查报告；
步骤s3：利用网络、相关系统或借助有关机构对研究对象入学前相关数据以及在校期间的各类消费数据进行采集并形成相关报告；
步骤s4：利用数据挖掘技术、大数据分析工具对采集数据进行分析，通过聚类分析算法与关联分析算法，为贫困生构建大数据“学生画像”；
步骤s5：基于步骤s2调查的现状情况，根据贫困生“学生画像”重构助学金评定模型。
进一步地，所述步骤s3中的研究对象入学前相关数据以及在校期间的各类消费数据包括研究对象所在地平均收入支出、家庭经济收入支出、特困生一卡通日常消费、网络应用消费和手机通讯费。
本发明的优点在于：本发明基于大数据的高校学生精准助学模型的建立方法，针对当前高校学生资助工作的现状开展调研，分析存在问题，调整助学金评定指标体系，重新构建评价模型，以此评价模型利用大数据挖掘与分析平台得出客观评价数据，从而真正实现精准助学。
具体实施方式
下面的实施例可以使本专业的技术人员更全面地理解本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例
本实施例基于大数据的高校学生精准助学模型的建立方法，以南通航运职业技术学院为例，研究现行高校助学金评价体系，该现行高校助学金评价体系包括数据采集子系统、数据分析与挖掘子系统、贫困生评定模型建立子系统、学生网络征信档案建立子系统、资助管理子系统和勤工助学子系统，了解评定过程中的各子系统的各项指标，分析各项指标的合理性与差异性，调整助学金评定指标内容，修正其指标权重，重新助学金评定模型；具体包括如下步骤：
步骤s1：利用图书馆或相关数据库进行相关资料、文献的搜集，并对其进行系统地分析与梳理；
步骤s2：在前期文献研究的基础上，设计调查问卷，利用网络问卷形式对高校现行助学评定体系进行调查并分析，形成调查报告；
步骤s3：利用网络、相关系统或借助有关机构对研究对象所在地平均收入支出、家庭经济收入支出、特困生一卡通日常消费、网络应用消费和手机通讯费进行采集并形成相关报告；
步骤s4：利用数据挖掘技术、大数据分析工具对采集数据进行分析，通过聚类分析算法与关联分析算法，为贫困生构建大数据“学生画像”；
步骤s5：基于步骤s2调查的现状情况，根据贫困生“学生画像”重构助学金评定模型。
以上显示和描述了本发明的基本原理和主要特征以及本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。