大数据分析助力高校经济困难学生隐性资助工作

朱夏辉

摘 要： 高校经济困难学生隐性资助以学生生活消费水平作为主要判断依据，采用以大数据分析为基础的综合分析手段，查找并资助真正需要帮扶的经济困难学生，同时注重保护学生的隐私，实现精准资助与维护学生人格尊严的高度统一，为高校学生资助工作改革提供极具参考价值的范本。

关键词： 隐性资助 学生资助 大数据分析 精准资助

一、引言

党的十八大以来，以习近平同志为核心的党中央把扶贫开发作为全面建成小康社会的艰巨任务和最突出短板，摆到治国理政的重要位置。习近平总书记深刻指出：“扶贫开发推进到今天这个程度，贵在精准，重在精准，成败之举在于精准。”高校学生资助工作是党的扶贫政策在高等教育领域落地的具体形式。“精准资助”作为“精准扶贫”在教育领域的延伸和发展，已成为高校学生资助工作今后改革前进的重要方向。近年来，教育部不但要求高校学生资助工作“进一步提高资助精准度”[1]，“采用大数据分析、个别访谈等方式深入、直观地了解学生家庭经济状况，及时发现那些困难但未受助、不困难却受助的学生”[2]，还强调“开展调查研究工作，保护受助学生尊严”，“采用隐性的方式，避免把困难学生与非困难学生割裂区分开”[3]。这表明进一步加强和改进高校学生资助工作既要追求精准又要彰显人文精神。在此政策背景下，运用大数据分析实施经济困难学生隐性资助的探索与实践在各地高校悄然兴起。

二、高校经济困难学生隐性资助概况

隐性资助也称为隐形资助，暂未形成公认表述。目前，该领域的理论研究较少，相关资料多散见于网络媒体的新闻报道中。本文阐述的隐性资助是指以学生生活消费水平为依据，采用以大数据分析为基础的综合分析手段，免去或减少申请、评议、公示等公开环节，精准查找需要帮扶的经济困难学生并注重保护学生隐私的高校学生资助模式。此处说的大数据分析是指对一定周期内全校学生消费信息进行统计分析，计算每名学生的消费指数，并筛选出消费指数较低的学生的过程。2004年，中国科技大学首创隐性资助，至今已资助贫困生4万多人次，累计资助金额超过600万元[4]。近年来，隐性资助在越来越多大学校园中试行。如福建幼儿师范高等专科学校实施的“隐形餐补”工程：学校通过对整个学期学生就餐卡消费信息的统计分析，筛选出消费水平较低的经济困难学生若干名，每生补助300元；学校不进行公开的评选和公示，直接把補助款打到学生就餐卡里，在解困的同时维护学生的隐私和尊严。

三、高校经济困难学生隐性资助的现实意义

（一）为实施精准资助指明了改革方向

传统学生资助评选模式受主观因素影响大，人际关系、学习成绩等各方面表现优良的申请者易受青睐，很难做到教育部要求的“认定经济困难学生应依据其家庭经济状况，不能加入其他非经济因素”[5]。传统学生资助评选模式以学生对困难情况的自述为前提，既不能排除部分困难学生碍于面子放弃求助，又不易甄别家境富裕者虚报困难情况骗取资助，难免陷入公平困境。大数据技术的应用使学生资助评选模式由微观经验判断升级为宏观量化评估。隐性资助以对大数据的宏观分析为主要手段，以客观实在的消费记录作为判断学生经济困难程度的主要依据，排除各种主观因素的干扰，勾勒出学生真实的生活状态，为实施精准资助指明改革方向。

（二）为高校学生资助工作彰显人文精神树立了标杆

贫困是一种隐私，不宜罔顾当事人感受随意公开。经济困难学生比普通学生承受更大的精神压力，表现出自尊心强、极度敏感的特质。有些经济困难学生苦于“自揭伤疤”，宁愿挨饿受冻也不主动向学校“伸手”。有些经济困难学生因受助萌生自卑心理，背上沉重的思想包袱。高校学生资助工作应充分保护受助学生的隐私和尊严，让其免受“示众”之苦，极力避免在经济扶贫的同时造成附加精神伤害。隐性资助强调的“隐性”，是大爱无形、润物无声。通过大数据分析掌握学生经济水平，可以减少或免去申请、评议、公示等公开环节，充分保护学生的隐私，实现扶贫与维护学生人格尊严的高度统一，彰显出高校学生资助工作“以生为本”的人文精神。

四、以抽样调查观点看待高校掌握学生消费信息的局限性

绝大多数实施隐性资助的高校都通过“校园一卡通”系统采集学生消费信息。“校园一卡通”即通常所说的校园卡、就餐卡，由高校参与运营，集身份识别、消费支付、管理服务等多重功能于一身，是在全国高校普及使用的校园支付工具。多数高校能掌握的学生消费信息局限于校园范围内的“校园一卡通”支付，但学生可以在校外消费或通过互联网消费，有的校园内还可以使用微信、支付宝进行支付，导致“校园一卡通”消费信息不能完全反映学生消费的全貌。

高校难以完全掌握学生消费信息，还能不能实施隐性资助？笔者认为，可以用抽样调查的观点回答这个问题。抽样调查是经反复验证的科学调查方法。大数据分析不等同全数据分析，大数据分析与抽样调查并非相互排斥，而是可以相互补充，大数据条件下合理利用抽样技术能更有效地开展数据收集和分析，更好地释放大数据的能量，挖掘大数据的价值[6]。高校对掌握有限的学生消费信息进行大数据分析，实质就是抽样调查，只要抽样方法得当，抽取的样本足够多、足够有代表性，调查就可行。

高校在多大程度上掌握学生的消费信息，才能实施隐形资助？不可一概而论，应结合大数据分析的具体方式确定。一般而言，30%是可靠性较高的抽样比例[7]，高校掌握学生消费信息应尽量高于总量的30%。例如某高校学生平均月生活费为1000元，如果大多数学生在校方掌握的“校园一卡通”上的月消费额超过300元，那么该校已具备实施隐性资助的基本条件。

五、保障隐性资助精准性的途径

隐性资助的根本目的是精准资助，但在实施过程中可能出现偏差。要保障隐性资助的精准性，笔者认为应从四个方面着手：

（一）科学设置大数据分析算法

实施大数据分析，要有提取和运算数据的技术手段，更要有科学的算法作为逻辑内核。要细化设置分析条件，有效提炼和利用数据。例如，中国科技大学按月统计分析学生校园卡就餐信息，对每月在食堂就餐60次以上，平均每餐费用分别在4.0元和3.7元以下的男、女生每人补助160元[8]。校方把每月在食堂就餐60次以上设为初选条件，能避免将经常在校外就餐导致食堂消费数据偏低的学生误认为经济困难学生，规避调查误差。校方还留意到男女生的食量差异，差别化设置了资助门槛，体现出科学严谨的态度和以人为本的精神。

（二）拓宽大数据覆盖面

一方面，统计数据要有充足的时间跨度。显而易见，统计的时间跨度越大，分析的结果就越精确。目前，多数实施隐性资助的高校按月统计分析学生消费信息，也有部分高校按学期或学年统计分析。另一方面，可以拓宽分析范围，将尽可能全面的消费信息纳入分析，以数据容量的最大化保障分析结果的精确性。如在电子科技大学实施隐性资助过程中，综合食堂饭卡、超市购物、乘车用水、健身休闲等全部校内消费信息用于分析学生经济水平[9]。

（三）建立健全大数据分析结果校验机制

大数据分析的结果未必总是能够揭示真理，消费指数较低的学生未必就是经济困难学生。女生为了减肥而节食、本地学生经常回家吃饭等特殊情况都会造成消费指数偏低，引起校方对学生经济状况的误判。因此，要建立健全大数据分析结果校验机制，对消费指数较低、拟予资助的学生进行复核，达到去伪存真的目的。应结合学校掌握的各方面信息进行校验。如果消费指数较低、拟予资助的学生兼有申请国家助学金、参加勤工助学、靠助学贷款交学费、作风简朴等经济困难学生的典型特征，则基本能够确认其经济困难的真实性。如果消费指数较低、拟予资助的学生的经济困难情况是学校之前没有掌握到的，则应重点进行人工校验。学生可能存在三种情况：一是实际并不困难，因特殊情况消费指数偏低；二是困难情况属实，碍于面子始终没有申请资助；三是近期因突发原因致困。應由辅导员私下找有关学生个别谈话，深入了解情况。如果确认学生属于后两种情况，则不但要给予隐性资助，还要酌情配套其他帮扶措施，如安排校内勤工助学岗位、指导其申请助学金等。

（四）将资助与育人紧密结合

新技术的应用在推动社会发展的同时，往往使人类陷入新的伦理困境。隐性资助的初衷是让真正困难学生吃饱吃好，但其运行规律被掌握后，会不会出现学生“比拼吃少”或以其他方式投机取巧、套取资助的现象？其实，这并不是新问题，而是老问题的新表现。高校学生资助工作的根本任务是资助育人，只有把资助手段和育人手段紧密结合才是正确方式。因此，我们不但要实施隐性资助，还要加强对学生的诚信教育，以及引导学生树立正确的消费观。

六、总结和展望

高校经济困难学生隐性资助处于探索和起步阶段，目前主要作为传统学生资助模式的辅助和补充存在，但随着技术的进步和实践的深入，必将不断进步完善。作为“互联网+”背景下应用大数据分析，发展精准资助创新模式的一次技术验证，隐性资助尚不能做到面面俱到，但其理念追求高度契合时代精神和教育部的最新要求，未来必将成为重构高校学生资助工作形态的风向标。

参考文献：

[1][5]关于进一步落实高等教育学生资助政策的通知[Z].财科教〔2017〕21号，2017.

[2][3]教育部办公厅关于进一步加强和规范高校家庭经济困难学生认定工作的通知[Z].教财厅〔2016〕6号，2016.

[4]“隐性资助”背后是可贵的大学价值取向[EB/OL].http：//guancha.gmw.cn/2017-07/13/content_25071477.htm，2017.

[6]程开明，宋艺旋.大数据还需要抽样吗[J].中国统计，2017（11）：10-13.

[7]邵志强.抽样调查中样本容量的确定方法[J].统计与决策，2012（22）：12-14.

[8]隐形资助让贫困大学生有尊严的受助[EB/OL].http：//www.sohu.com/a/156336356_99941164，2015.

[9]隐形补助贫困生不失为助困好办法[EB/OL].http：//guancha.gmw.cn/2017-05/19/content_24530482.htm，2017.