贫困认定
贫困认定的相关文献在2007年到2022年内共计70篇,主要集中在教育、自动化技术、计算机技术、管理学
等领域,其中期刊论文70篇、专利文献292篇;相关期刊61种,包括青年时代、决策探索、现代交际等;
贫困认定的相关文献由100位作者贡献,包括刘双印、姜庆宏、晁永红等。
贫困认定
-研究学者
- 刘双印
- 姜庆宏
- 晁永红
- 曾恒
- 朱蓉
- 蔡彬
- 贺超波
- 郑建华
- 黄平
- 丁亦喆
- 冒娟
- 冯圣兵
- 刘军
- 刘年生
- 刘文奇
- 刘楠
- 刘长璇
- 叶祥杰
- 吴美玉
- 吴迅
- 夏光峰
- 夏金元
- 孙玮1
- 孙畅1
- 孙维
- 孙辰
- 孟利霞
- 孟娟
- 尚洁
- 张元爽
- 张小乐
- 张砚清
- 张艳
- 张芳
- 张雪伍
- 彭怡
- 徐丽红
- 徐凌驰
- 徐桂兴
- 成越
- 曾丽燕
- 朱鹏升
- 李华英
- 李想
- 李腾
- 李迎
- 杨帆
- 杨建英
- 杨扬
- 杨政安
-
-
朱鹏升;
杨雯添;
闫琳琳
-
-
摘要:
本文探究了如何依托大数据技术辅助构建高校贫困生认定系统,依据不同人群提出的系统建设需求,考虑了获取学生信息的容许度问题,结合当前学生贫困认定工作的现实情况,设计了五个功能模块,使用计算机技术对收集到的学生信息进行学生贫困认定分析。开发的系统可以辅助贫困生资助部门进行贫困生认定。
-
-
罗雪梅
-
-
摘要:
至今,我还能时常想起那个叫吴德波的男孩儿,憨憨的,皮肤黝黑,但又是班里最勤奋刻苦的一个。德波是我在五间小学教的第一届学生。那时我刚调来,面对55个农村娃,毫无农村工作经历的我显得有些吃力。教学、行为习惯的培养……无一不是教师路上的新挑战。贫困认定是我首先要解决的问题。在农村,每个班都有不少家庭困难的学生。作为班主任,我需要第一时间收集他们的家庭信息。
-
-
李腾;
王越;
苏倩觎
-
-
摘要:
目前,我国仍有部分学生因为贫困无法安心接受良好的教育。因此,从国家到各高校都应建立完善的资助体系。太原工业学院在实际资助工作中尽管已经建立起完善的资助体系,但是贫困认定无法量化给基层辅导员和班主任的工作开展带来了很大困难。为解决这一困难,本文将人力资源管理中绩效考核的"相对比较法"引入贫困认定工作,分析排序法、强制分配法、配对比较法的优点以及使用对象,以大大提高贫困认定效率,并为后期审查提供有力依据。
-
-
满潇颖
-
-
摘要:
精准扶贫是我国新时代背景下重要的脱贫战略,对确保教育的公平性具有极大地现实指导意义.文章分析了目前高校贫困学生认定和资助模式,指出了工作中存在的主要问题:包括认定程序缺乏科学性、学生心理贫困问题突出和资助渠道单一等.在此基础上,提出了采用定性与定量的科学标准、经济资助与心理帮扶相结合和优化资助手段等相对应的改进措施,对精准实施学生资助,确保教育的公平性具有重要意义.
-
-
徐凌驰
-
-
摘要:
高校资助工作是促进教育公平和社会公正,构建社会主义和谐社会,创办人民满意教育的有效保证.构建全方位的资助育人体系以及创建有特色的资助品牌,是充分发挥资助育人功效,培育时代新人的载体.本文基于广东交通职业技术学院资助工作实践,提出构建国家资助—学院奖助—社会捐助—学生自助"四位一体"全方位资助体系,打造以"励志教育、诚信教育、感恩教育"为主体,以"爱心募捐、公益宣讲、志愿服务"为载体的圆梦"资"路的特色资助品牌.
-
-
郑建华;
朱蓉;
刘双印;
贺超波
-
-
摘要:
精准实现大学生贫困认定是实现高校精准扶贫的重要前提,但是因为贫困认定需要提交的材料涉及隐私和数据非客观性原因,当前贫困认定存在部分学生做假和自卑学生不敢申请的不公平现象。针对该问题,以学生一卡通消费数据和个人基本信息等客观数据为基础,构建贫困特征分箱和特征交叉算法,形成一套大学生贫困认定特征参数。随后,为处理贫困认定数据集不平衡性,提出了数据样本和输入属性双重扰动方法,并与核ELM算法融合,构建了大学生贫困认定DP_KELM算法。实验结果表明:构建的特征在随机森林和KELM算法的准确率方面都超过0.82,而双重扰动模式对提高算法的G-mean值有较好作用,DP_KELM算法在G-mean和AUC上均优于对比的9种算法。DP_KELM算法能够有效识别贫困大学生,为实现校园精准扶贫提供辅助决策工具。
-
-
瞿苏
-
-
摘要:
以Y高职院校学生为调查对象,基于对当前资助育人工作的在线问卷调查和访谈,分析了当前高职院校资助育人的状况,并提出新时代下高职院校资助育人质量提升合理化建议,包括扩大资助政策宣传、加大对二级学院资助育人工作的考核、加强感恩教育、诚信教育、加强心理资助工作力度、加强勤工助学资助育人、加强受资助学生的存在感和获得感.
-
-
郑建华;
朱蓉;
刘双印;
贺超波
-
-
摘要:
精准实现大学生贫困认定是实现高校精准扶贫的重要前提,但是因为贫困认定需要提交的材料涉及隐私和数据非客观性原因,当前贫困认定存在部分学生做假和自卑学生不敢申请的不公平现象.针对该问题,以学生一卡通消费数据和个人基本信息等客观数据为基础,构建贫困特征分箱和特征交叉算法,形成一套大学生贫困认定特征参数.随后,为处理贫困认定数据集不平衡性,提出了数据样本和输入属性双重扰动方法,并与核ELM算法融合,构建了大学生贫困认定DP_KELM算法.实验结果表明:构建的特征在随机森林和KELM算法的准确率方面都超过0.82,而双重扰动模式对提高算法的G-mean值有较好作用,DP_KELM算法在G-mean和AUC上均优于对比的9种算法.DP_KELM算法能够有效识别贫困大学生,为实现校园精准扶贫提供辅助决策工具.
-
-
-
成越;
王飞;
刘长璇;
刘楠;
赵思雅;
张雪伍
-
-
摘要:
信息技术、社会经济的不断进步,导致了高校贫困生的贫困判断标准与以往大有不同,使得传统的贫困认定方法遇到了巨大的挑战和困难.基于机器学习、人工智能等模式识别方法构建高校贫困生贫困认定模型,利用高校贫困生校园生活数据对其进行充分训练和优化,最后用该模型对高校贫困生进行贫困认定,并考虑到特殊情况需进行复核、及时更新数据库、优化系统及隐私信息保护等注意事项.基于校园大数据的高校贫困生认定能够实现对贫困大学生的精准认定.贫困生的公平利益能够被高校大数据系统所保障,使高校的决策争议少、氛围好.