大数据在高校贫困生认定中的运用实证分析——基于熵值模型

Empirical analysis on the application of big data in the identification of poor college students——Based on entropy model

为解决高校贫困生认定不精准、成效不显著等问题,运用了一种新的客观认定方法。构建家庭、个人、学校、社会、特殊因素的五维认定指标体系,运用家庭人均收入、个人月平均生活费、义务和志愿服务次数等19项定量指标的大数据,根据熵值模型得出贫困指数,并以xx大学2017园林班为例展开实证分析。研究表明:贫困指数前十位与该班实际认定结果吻合度达70%;对贫困指数影响最大的因素是家庭因素,指标是家庭上年度遭遇重大事件造成财产损失,影响最小的因素是个人因素,指标是个人月平均生活费。该方法精准、客观、公正,对提高高校资助育人成效、完善高校资助育人体系、落实教育精准扶贫政策有着重要意义。