基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着校园一卡通的应用,学生在校行为数据得以客观记录.为了解决高校学生工作中对于经济困难学生认定存在的主观性强,认定材料烦琐等问题,文章采用数据挖掘方法,采集某高校校园一卡通消费数据,应用神经网络算法构建高校经济困难学生精准认定模型.该方法有助于实现对学生经济困难等级的辅助预测,提高高校学生资助工作的科学化水平.
推荐文章
“家庭经济困难学生”认定途径的探索与创新
家庭经济困难学生
认定途径
拓展
高校经济困难学生认定制度研究
经济困难
认定制度
高等学校
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于神经网络方法的经济困难学生认定研究
来源期刊 现代信息科技 学科
关键词 数据挖掘 人工神经网络 学生资助
年,卷(期) 2021,(7) 所属期刊栏目 信息技术|Information Technology
研究方向 页码范围 6-9
页数 4页 分类号 TP18
字数 语种 中文
DOI 10.19850/j.cnki.2096-4706.2021.07.002
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (21)
共引文献  (3)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(3)
  • 参考文献(0)
  • 二级参考文献(3)
2016(5)
  • 参考文献(0)
  • 二级参考文献(5)
2018(5)
  • 参考文献(3)
  • 二级参考文献(2)
2019(9)
  • 参考文献(2)
  • 二级参考文献(7)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
数据挖掘
人工神经网络
学生资助
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代信息科技
半月刊
2096-4706
44-1736/TN
16开
广东省广州市白云区机场路1718号8A09
46-250
2017
chi
出版文献量(篇)
4784
总下载数(次)
45
总被引数(次)
3182
论文1v1指导