高职贫困生

摘要： 本研究界定了“成长陪伴”理念、贫困生、贫困生心理健康教育等概念,分析了高职贫困生的常见心理问题,从社会、学校、个人和家庭角度分析心理问题产生的原因。基于“成长陪伴”理念从学工处、教职工、学生干部、家庭等维度提出高职贫困生心理健康教育工作的建议。

摘要： 以发展型资助视域下高职贫困生心理扶贫的目标理念为基础,构建了发展型资助视域下高职贫困生心理贫困的理论模型,并重点探讨了对高职贫困生进行心理扶贫的路径方法,以引导他们走出心理困境,获得自我成长。

摘要： 在生态系统理论和资本理论视角下,个体心理资本个性化、家庭经济资本差距化、校企文化资本弱势化、社会符号资本异质化成为影响贫困生个性化成长的关键因素.基于优势视角理论,从赋权、抗逆力、成员资格、对话与合作4个方面提出高职贫困生的个性化成长精准帮扶路径,以期实现发展型教育资助的最终目标,促进贫困生健康成长成才.

摘要： 在生态系统理论和资本理论视角下,个体心理资本个性化、家庭经济资本差距化、校企文化资本弱势化、社会符号资本异质化成为影响贫困生个性化成长的关键因素。基于优势视角理论,从赋权、抗逆力、成员资格、对话与合作4个方面提出高职贫困生的个性化成长精准帮扶路径,以期实现发展型教育资助的最终目标,促进贫困生健康成长成才。

摘要： 新时代对高职院校贫困生扶贫工作提出了新的要求,高职院校越来越关注贫困生的心理问题.以心理资本理论为基础,基于心理资本的四个维度透析贫困生心理问题,探索心理资本视角下高职贫困生心理扶贫的路径.

摘要： 通过对高职贫困大学生幸福感的现状进行调查,认为高职贫困生受到认知理念、人格特征、行为能力等主观因素及社会支持、经济状况、应激事件、家庭因素、人际关系等客观因素的影响.鉴于提升高职贫困生幸福感对于个人、社会、国家有着重要意义,提出帮助学生树立正确的三观、完善学生认知、培养学生正确的幸福观、帮助学生设立合理的幸福指标、培养学生提升幸福感的能力、全方位助力形成提升贫困生幸福感合力的工作策略.

摘要： 高职院校主要培养的是能够适应社会发展的应用型人才,因此就业指导在高职院校学生培养中有着极其重要的意义.而对于高职院校中贫困生群体,其具有一定的特殊性格和家庭结构,思想容易在学习中出现波动,因此需要对其进行思想政治教育,构建立体化的就业指导教育模式,为高职贫困生未来发展奠定重要基础.

摘要： 目的:探讨基于心理资本干预模型(即PCI模型)的团体心理辅导干预对提升高职贫困生心理资本水平的效果.方法:以张阔等人编制的积极心理资本问卷(PPQ)为测量工具,采用实验组、对照组前测、后测、追踪测设计,实验组接受基于PCI模型的团体心理辅导干预,对照组没有接受任何干预.结果:干预前后实验组整体心理资本及各维度得分的差值均显著高于对照组(p ＜0.01或p＜0.001);干预结束两个月后,实验组被试在整体心理资本及各维度的提升上达到中等效应;实验干预后及干预结束两个月后,低分组在整体心理资本及各维度上的提升显著高于高分组(p ＜0.001、p＜0.01或p＜0.05),中间组在整体心理资本及自我效能感、乐观、韧性维度上的提升显著高于高分组(p ＜0.01或p＜0.05),在整体心理资本及自我效能、乐观维度上达到了中等效应.结论:基于PCI模型的团体心理辅导干预对提升高职贫困生的心理资本具有显著的即时效果和持续性效果,其中对提升中间组和低分组心理资本的效果尤为显著.

摘要： 本发明公开了一种基于SVM的贫困生辅助认定方法，包括以下步骤：采集学生数据，并对学生数据进行预处理；对预处理学生数据提取特征，通过随机森林对特征重要性进行排名；在满足Mercer条件下，构造混合核函数，并植入SVM中；使用遗传算法对混合核函数参数进行寻优，得到最优混合核函数参数；将最优混合核函数参数代入SVM，并对学生数据进行训练，得到分类器模型；将需要认定的学生数据输入分类器模型，输出分类结果；本发明采用遗传算法对基于SVM混合核函数参数进行寻优，用适应度作为评价依据，通过随机重组重要基因，让群体中的个体不断进化，获取最优解，减少全局搜索时间，提高了分类器的推广泛化能力，并降低成本。

摘要： 本发明涉及基于在校行为数据多维分析的贫困生资助推荐方法，与现有技术相比解决了难以实现待资助贫困生精准推荐的缺陷。本发明包括以下步骤：历史行为数据的获取；历史行为数据的特征提取；推荐模型的训练；待分析行为数据的获取；待分析行为数据的特征提取；推荐结果的获得。本发明基于学生产生的在校数据，通过提取多个维度的特征，利用这些特征建立分类模型，借助分类模型准确判断学生的贫困情况并作出决策。

摘要： 本发明一种基于校园消费卡流水数据的高校贫困生识别方法，属于高校贫困生识别方法领域。包括如下步骤：步骤一、获取学生校园消费卡流水数据，建立SQL Server数据库；步骤二、利用核主成分分析方法选取多个分类特征；步骤三、基于步骤二选取的分类特征，建立RandomForest分类器，并利用训练数据进行训练；步骤四、基于步骤三获得的RandomForest分类器，建立用于高校贫困生识别的预测模型。本发明用于高校贫困生识别，利用核主成分分析方法实现了关键特征提取，并建立了基于RandomForest的分类预测模型，提高了高校贫困生识别的精准度。

摘要： 本发明属于高校学生贫困生资助领域，具体涉及一种基于多维度评价的高校贫困生认证方法及其系统，该方法包括：获取待认定学生的信息；将获取的信息输入到学生贫困生认证预测模型中，得到贫困认证结果；根据贫困认证结果对待认证的学生进行分类，完成贫困生认定；本发明对待认定的人员的信息采集更全面，不仅对申请者的个人消费情况、学习态度情况、日常行为情况、勤工俭学情况、助学贷款申请情况进行采集，还对申请者的家庭基本情况进行采集，使贫困资助系统更加数据更加精确，贫困评估更加全面。

摘要： 本发明属于高校学生贫困生资助领域，具体涉及一种基于用户消费数据的高校贫困生识别方法，该方法包括：获取学生用户的消费信息；对消费信息进行预处理，将预处理后的消费信息输入到SVM分类模型中进行分类，得到分类结果；对分类结果进行聚类分析，得到每个分类结果的评级；将该学生用户的所有分类评级结果进行融合，得到贫困程度综合评级；根据最终的贫困程度综合评级结果判断该学生用户是否为贫困生；本发明通过校园卡储蓄、消费以及餐饮消费占比三种数据信息对学生用户进行贫困生认定，使得认定结果更精确；本发明采用改进的SVM分类模型对输入数据进行分类处理，使得分类的结果更准确。

摘要： 一种基于多分类BP‑Adaboost的贫困生认定方法，包括以下步骤：（1）获取往年贫困生的多维历史数据，（2）对采集到的往年贫困生历史数据进行预处理，构造学生特征矩阵S；（3）将往年贫困生的多维历史数据按照贫困程度分为三个类别，标注学生贫困类别标签，构造训练数据集；（4）设计BP‑Adaboost分类模型，使用提取的往年各贫困程度的贫困生特征矩阵构造的数据集训练BP‑Adaboost分类模型；（5）训练模型用于贫困生辅助认定。本发明利用在校学生产生的学生行为数据，设计了一个基于BP‑Adaboost的多分类模型，本模型可以快速、准确的将学生分为三种贫困类别，以此判断学生的贫困情况辅助高校贫困生管理工作人员进行决策。

摘要： 本申请公开了一种基于区块链的贫困生问题解决方法、设备及介质，方法包括：接收贫困生申请信息；将所述贫困生申请信息发送至审核机构进行背书，并接收所述审核机构的反馈，以确定贫困生；将所述贫困生对应的所述贫困生申请信息在所述区块链中进行标识。本发明实施例通过区块链的分布式存储技术弥补了提高了数据存储的公信力和可靠性，可以实现对贫困生信息的追溯，同时通过区块链技术透明的特性，向外开放举报接口，通过师生监督的方式，降低假贫困生骗取补助的概率。

摘要： 本发明公开了基于长短期记忆神经网络LSTM的高校贫困生精准资助模型，基于LSTM神经网络构建了高校贫困生精准资助模型，通过数据实验分析了LSTM神经网络隐层神经单元数、训练优化算法与贫困生资助等级识别率之间的关系，并据此对基于LSTM的高校贫困生精准资助模型进行结构与参数优化。该精准资助模型能够根据高校贫困生消费数据识别国家助学金资助等级，为高校贫困生资助的精准识别和分类提供智能量化工具，能够减少人为干扰因素，对于高校学生资助助学工作具有创新性意义。

摘要： 本发明公开了一种基于大数据的贫困生精准资助系统，属于互联网技术领域，包括业务系统接口层、数据转换层、中心数据库层、数据分析层、应用层以及终端展现层；业务系统接口层用于提供校方系统的接口；数据转换层用于通过业务系统接口层获取校方系统的数据，并利用ETL数据转换平台对获取的校方系统的数据进行数据清洗转换得到业务数据，以及将业务数据发送到中心数据库层；数据分析层用于根据中心数据库层提供的业务数据进行规则分析，得到数据分析结果，并提供可视化界面形式展示；应用层用于为终端展现层提供数据分析结果数据下载通道和业务对接入口；终端展现层用于根据用户的请求，下载和展示相应的所述数据分析结果。

摘要： 本发明公开了一种基于大数据的贫困生精准资助系统，包括移动终端、web服务器、数据表生成单元、预筛选模块、用户数据跟踪采集单元；用户数据跟踪采集单元包括勤工助学模块、家庭收入采集模块、家庭支出采集模块、成员信息模块、电子产品信息采集模块、电子账单模块、地理位置模块、贷款记录模块、一卡通消费记录模块；勤工助学模块用以记录申请者的打工、工资收入情况；家庭收入采集模块用以录入申请者的家庭月总收入信息；家庭支出采集模块用以记录申请者的家庭月总支出信息；成员信息用以记录家庭成员的多方面信息。本发明的一种基于大数据的贫困生精准资助系统，能够进行大数据采集验证，更加精准全面，带来更好的使用前景。