Resumen

La identificación de estudiantes con dificultades financieras es uno de los principales problemas en la investigación de datos del campus. La identificación efectiva y oportuna no solo brinda conveniencia a los administradores del campus, sino que también ayuda a los estudiantes que realmente tienen dificultades financieras. El uso popular de las tarjetas inteligentes hace posible identificar a los estudiantes con dificultades financieras a través de big data. En este documento, recopilamos registros de comportamiento de las tarjetas inteligentes de los estudiantes universitarios y proponemos cinco características con las que asociar el nivel de pobreza de los estudiantes. Basándonos en estas características, propusimos el Algoritmo Equilibrado Apriori (ABA) para extraer la relación del nivel de pobreza con el comportamiento diario de los estudiantes. Las reglas de asociación muestran que el nivel de pobreza de los estudiantes está más estrechamente relacionado con su rendimiento académico, seguido por el nivel de consumo, nivel de diligencia y regularidad en la vida. Finalmente, adoptamos el algoritmo semisupervisado -means

• Materias:Virus informático Entropía del gráfico Modelo epidémico Modelo de optimización Modelos conceptuales
• Subjects:Computer virus Entropy of the graph Epidemic model Optimization model Conceptual models
• Palabras claves:Identificación; Dificultades financieras; Investigación de datos del campus; Tarjetas inteligentes; Nivel de pobreza; Algoritmo Balanceado de Apriori
• Keywords:Identification; Financial difficulties; Campus data research; Smart cards; Poverty level; Apriori Balanced Algorithm