CN103632238A - 基于一卡通消费行为分析识别经济困难生的方法和装置 - Google Patents
基于一卡通消费行为分析识别经济困难生的方法和装置 Download PDFInfo
- Publication number
- CN103632238A CN103632238A CN201310668947.5A CN201310668947A CN103632238A CN 103632238 A CN103632238 A CN 103632238A CN 201310668947 A CN201310668947 A CN 201310668947A CN 103632238 A CN103632238 A CN 103632238A
- Authority
- CN
- China
- Prior art keywords
- consumption
- purpose card
- student
- financial difficulties
- students
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于一卡通消费行为分析识别经济困难生的方法和装置。该装置包括:获取装置,用于获取各个学生一卡通上学期或上学年的消费数据;统计装置,用于计算各个学生一卡通总消费额A、食堂消费的次数T和消费均值V=A/T;排序装置,用于选择T≥T_threshold的学生根据消费均值V排序;选择装置,用于根据排序结果选择消费均值V最小的N名学生;WebService接口装置,用于提供识别经济困难生装置的远程调用接口。本发明通过量化指标识别经济困难生的方法具有很高的可信度,并且指标可调整,具有很好的灵活性。
Description
技术领域
本发明涉及数据分析。
背景技术
当前,高校困难生办理流程是:学生主动填写申请书,提供各种证明材料,材料需要当地政府机关签章,学校管理人员审核受理,审核通过后发放补助。管理人员审核受理中,主要依托学生提供的各种证明材料判断。这种方法的缺点主要有以下:
1、地方政府已经没有识别的职责,签章很难说明问题,无法反映学生真实的经济状况;
2、高校管理人员基于这些证明材料也很难识别谁是真正的困难生;
3、这种方法人为操作性太强,随意性过大,存在权力寻租问题,具有腐败空间;
4、一些真正经济困难的学生,出于自尊心等原因没有主动申请,但确实需要学校帮助。
发明内容
本发明所要解决的问题是通过数据统计等技术手段识别经济困难生,以便于为经济困难生提供生活帮助,提高经济困难生判断的客观性,减少人为主观判断,并减少复杂的申请程序,真正把帮助落实到经济有困难的学生上。
为解决上述问题,本发明采用的方案如下:
根据本发明的基于一卡通消费行为分析识别经济困难生的方法,该方法包括以下步骤:
S1:获取各个学生一卡通历史消费数据;
S2:计算各个学生一卡通总消费额A、食堂消费的次数T和消费均值V=A/T;
S3:选择T≥T_threshold的学生根据消费均值V排序;
S4:根据排序结果选择消费均值V最小的N名学生。
进一步,根据本发明的基于一卡通消费行为分析识别经济困难生的方法,所述步骤S3中排序时男生女生分别排序,所述步骤S4为根据排序结果选择消费均值V最小的N_male名男生和N_female名女生。
进一步,根据本发明的基于一卡通消费行为分析识别经济困难生的方法,所述的步骤S1获取的一卡通历史消费数据为上学期或上学年的消费数据。
根据本发明的基于一卡通消费行为分析识别经济困难生的装置,该装置包括:
获取装置,用于获取各个学生一卡通历史消费数据;
统计装置,用于计算各个学生一卡通总消费额A、食堂消费的次数T和消费均值V=A/T;
排序装置,用于选择T≥T_threshold的学生根据消费均值V排序;
选择装置,用于根据排序结果选择消费均值V最小的N名学生。
进一步,根据本发明的基于一卡通消费行为分析识别经济困难生的装置,所述排序装置中排序时男生女生分别排序,所述选择装置为根据排序结果选择消费均值V最小的N_male名男生和N_female名女生。
进一步,根据本发明的基于一卡通消费行为分析识别经济困难生的装置,所述的获取装置获取的一卡通历史消费数据为上学期或上学年的消费数据。
进一步,根据本发明的基于一卡通消费行为分析识别经济困难生的装置,该装置还包括通信接口装置,用于提供识别经济困难生装置的远程调用接口。
进一步,根据本发明的基于一卡通消费行为分析识别经济困难生的装置,所述的通信接口装置为WebService接口装置。
一种机器可读介质,其特征在于,该可读介质上存储有指令集合,当该指令集合被执行时,使得该机器可执行本发明的基于一卡通消费行为分析识别经济困难生的方法。
本发明的技术效果:本发明通过量化指标识别经济困难生的方法具有很高的可信度,并且指标可调整,具有很好的灵活性。
附图说明
图1为本发明的关系结构示意图。
具体实施方式
下面对本发明的发明内容和权利要求作进一步详细说明。
本发明是通过服务器构建的识别经济困难生的装置,如图1所示,包括WebService接口和计算引擎。WebService接口为客户端提供远程调用功能,其调用的参数为计算引擎中经济困难生时用到的规则参数,远程调用返回的结果为以XML格式的方式表示,以列表形式给出的经济困难生列表。计算引擎识别经济困难生的方法如下:
首先通过一卡通消费数据库中读取各个学生的历史消费数据。历史消费数据一般为上学期或上学年的消费数据。消费数据中保存了学生每一次消费的时间、学号、终端号、消费金额。终端号是学生消费时,用一卡通刷卡记录的刷卡机的识别码。根据终端号,可以识别每次消费在哪里发生,比如是食堂消费还是小卖部消费。对于每个学生来说一学期内或一学年内的通过一卡通消费次数会有很多次,因此学生的历史消费数据构成一列表或数组。
然后根据学生的历史消费数据进行分析统计,统计的数据包括:消费总额A、食堂消费次数T、以及消费均值V=A/T。需要说明的是,这里的消费总额A是学生所有一卡通历史消费数据的总额,而食堂消费次数T则是在特定的刷卡机在特定时间段内的消费次数。所谓特定的刷卡机是指具有特定终端号的消费数据,是指食堂中打饭打菜用的刷卡机上刷卡得到的消费数据。而特定时间段是指早、中、晚三餐时间内消费的消费数据。消费均值V是消费总额A与食堂消费次数T相除得到的数据,该值并不表示每次消费的平均值,也不表示食堂消费的平均值。
最后根据学生的消费均值V进行排序。排序前首先过滤掉那些食堂消费次数T少于T_threshold的学生。排序时,男生女生分别排序,排序可以根据升序排序也可以按降序排序。排序后即可获取消费均值最少的N_male名男生和N_female名女生。假如按升序排序前N_male名男生和前N_female名女生即为经济困难生;假如按降序排序则后N_male名男生和前N_female名女生即为经济困难生。
上述过程中,T_threshold、N_male和N_female是根据WebService远程调用时调用的两个规则参数per_threshold1和per_threshold2确定的。per_threshold1参数用于计算T_threshold,per_threshold2用于确定N_male和N_female。设一卡通历史消费数据为一个学期的消费数据,设一个学期的天数为150天,则一般的学生在食堂消费的次数应当有300次(每天两餐计算), 设per_threshold1为0.8,则T_threshold的值为0.8×300=240。设学校男生总数为Total_male,女生总数为Total_femal,则N_male=Total_male×per_threshold2,N_female=Total_female×per_threshold2。
本发明识别识别经济困难生方法合理性分析:
1、根据一般常识,学校食堂消费的价格比校外消费的价格低,因此经济困难生通常会选择在学校食堂就餐,因此那些食堂消费次数T少于T_threshold的学生可以认定为经常在校外就餐的学生,不可能是经济困难生。这里也要考虑到个别极度经济困难生通过减少一天的就餐数来减少支出的问题,因此T_threshold不能过高。
2、男生女生分别统计考虑到了男生女生就餐方面的支出本来具有很大的差异性。女生饭量少,吃饭支出也必然少。
3、消费均值V是消费总额A与食堂消费次数T相除的结果,综合了消费总额A与食堂消费次数T,它不表示每次消费的平均值,也不表示食堂消费的平均值。这是考虑到了部分学生虽然食堂消费少,但吃零食多,吃零食多通常意味着小卖部消费次数多,这种消费应当平摊到食堂消费中。而有的学生校内消费次数少,但校外消费次数多,导致一卡通消费总额少,这种学生食堂消费次数T也必然少,但每一次消费的平均值会较高。总的来说经济困难生其消费总额必然低,但一卡通消费总额低的学生未必是经济困难生。本发明用消费总额A与食堂消费次数T相除的结果判断是否经济困难生具有相当的可信度。
需要说明的是,本发明的具体实施方式下,采用了WebService接口,本领域技术人员理解,实际应用中,还可以通过的通信接口或其他通信方式。
Claims (9)
1.基于一卡通消费行为分析识别经济困难生的方法,其特征在于,该方法包括以下步骤:
S1:获取各个学生一卡通历史消费数据;
S2:计算各个学生一卡通总消费额A、食堂消费的次数T和消费均值V=A/T;
S3:选择T≥T_threshold的学生根据消费均值V排序;
S4:根据排序结果选择消费均值V最小的N名学生。
2.如权利要求1所述的基于一卡通消费行为分析识别经济困难生的方法,其特征在于,所述步骤S3中排序时男生女生分别排序,所述步骤S4为根据排序结果选择消费均值V最小的N_male名男生和N_female名女生。
3.如权利要求1或2所述的基于一卡通消费行为分析识别经济困难生的方法,其特征在于,所述的步骤S1获取的一卡通历史消费数据为上学期或上学年的消费数据。
4.基于一卡通消费行为分析识别经济困难生的装置,其特征在于,该装置包括:
获取装置,用于获取各个学生一卡通历史消费数据;
统计装置,用于计算各个学生一卡通总消费额A、食堂消费的次数T和消费均值V=A/T;
排序装置,用于选择T≥T_threshold的学生根据消费均值V排序;
选择装置,用于根据排序结果选择消费均值V最小的N名学生。
5.如权利要求4所述的基于一卡通消费行为分析识别经济困难生的装置,其特征在于,所述排序装置中排序时男生女生分别排序,所述选择装置为根据排序结果选择消费均值V最小的N_male名男生和N_female名女生。
6.如权利要求4或5所述的基于一卡通消费行为分析识别经济困难生的装置,其特征在于,所述的获取装置获取的一卡通历史消费数据为上学期或上学年的消费数据。
7.如权利要求4或5所述的基于一卡通消费行为分析识别经济困难生的装置,其特征在于,该装置还包括通信接口装置,用于提供识别经济困难生装置的远程调用接口。
8.如权利要求8所述的基于一卡通消费行为分析识别经济困难生的装置,其特征在于,所述的通信接口装置为WebService接口装置。
9.一种机器可读介质,其特征在于,该可读介质上存储有指令集合,当该指令集合被执行时,使得该机器可执行权利要求1或2或3所述的基于一卡通消费行为分析识别经济困难生的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310668947.5A CN103632238A (zh) | 2013-12-11 | 2013-12-11 | 基于一卡通消费行为分析识别经济困难生的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310668947.5A CN103632238A (zh) | 2013-12-11 | 2013-12-11 | 基于一卡通消费行为分析识别经济困难生的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103632238A true CN103632238A (zh) | 2014-03-12 |
Family
ID=50213263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310668947.5A Pending CN103632238A (zh) | 2013-12-11 | 2013-12-11 | 基于一卡通消费行为分析识别经济困难生的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103632238A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886922A (zh) * | 2017-03-01 | 2017-06-23 | 安徽大智睿科技技术有限公司 | 一种基于一卡通消费的重点关注学生分析方法及系统 |
CN108074208A (zh) * | 2017-11-27 | 2018-05-25 | 同帅科技(天津)有限公司 | 基于食堂数据的弱势群体补助系统及其方法 |
CN108197657A (zh) * | 2018-01-04 | 2018-06-22 | 成都寻道科技有限公司 | 一种基于校园数据的学生经济状况预测方法 |
-
2013
- 2013-12-11 CN CN201310668947.5A patent/CN103632238A/zh active Pending
Non-Patent Citations (1)
Title |
---|
张沂红: ""基于校园卡系统的学生困难认定辅助评判系统的研究与实现"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886922A (zh) * | 2017-03-01 | 2017-06-23 | 安徽大智睿科技技术有限公司 | 一种基于一卡通消费的重点关注学生分析方法及系统 |
CN108074208A (zh) * | 2017-11-27 | 2018-05-25 | 同帅科技(天津)有限公司 | 基于食堂数据的弱势群体补助系统及其方法 |
CN108197657A (zh) * | 2018-01-04 | 2018-06-22 | 成都寻道科技有限公司 | 一种基于校园数据的学生经济状况预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Using SEM to analyze complex survey data: A comparison between design-based single-level and model-based multilevel approaches | |
Dribe et al. | The impact of socio-economic status on net fertility during the historical fertility decline: A comparative analysis of Canada, Iceland, Sweden, Norway, and the USA | |
Sasaki et al. | Changes in religious commitment in the United States, Holland, and Japan | |
Huang et al. | Feature screening for ultrahigh dimensional categorical data with applications | |
González-Bailón et al. | The effects of social interactions on fertility decline in nineteenth-century France: An agent-based simulation experiment | |
Hulson et al. | Determining effective sample size in integrated age-structured assessment models | |
Urbancikova et al. | Socio-economic and regional factors of digital literacy related to prosperity | |
Decancq et al. | Multidimensional poverty measurement with individual preferences | |
Chakraborty et al. | India 2025: the public distribution system and national food security act 2013 | |
CN112101786A (zh) | 基于大数据的学生数据分析方法、装置及计算机设备 | |
Martínez-Camblor et al. | Powerful nonparametric statistics to compare k independent ROC curves | |
Liu et al. | Regional analysis of the impact of inward foreign direct investment on economic growth in the Chinese electronic industry | |
Norman et al. | The use of a new indirect method to estimate ethnic-group fertility rates for subnational projections for England | |
Podgórski et al. | Estimation for stochastic models driven by Laplace motion | |
CN103632238A (zh) | 基于一卡通消费行为分析识别经济困难生的方法和装置 | |
Leroux et al. | Estimation of a latent variable regression growth curve model for individuals cross-classified by clusters | |
Wu et al. | Using design-based latent growth curve modeling with cluster-level predictor to address dependency | |
Möller | Self-exciting threshold models for time series of counts with a finite range | |
Weiß | Fully observed INAR (1) processes | |
Lin et al. | Evaluating the use of publicly available remotely sensed land cover data for areal interpolation | |
Emran et al. | Education and freedom of choice: Evidence from arranged marriages in Vietnam | |
Cleveland et al. | Drawing statistical inferences from international census data | |
Chandra et al. | Small area estimation using estimated population level auxiliary data | |
Shirke et al. | Tolerance intervals for exponentiated scale family of distributions | |
Hardouin et al. | Clustering binary variables in subscales using an extended Rasch model and Akaike information criterion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140312 |
|
RJ01 | Rejection of invention patent application after publication |