基于大数据分析视角对高校奖学金评价体系的探讨——以成都地区为例

文/任铭扬 张桂祥 许欣欣，成都大学

1 引言

1.1 奖学金综合素质测评与高校学生发展的联系

中国共产党第十九次全国代表大会的报告指出，建设教育强国是中华民族伟大复兴的基础工程，必须优先发展教育，深化教育改革，加快教育现代化，办好人民满意的教育。为了促进学生综合素质的全面发展，奖学金已成为激励高校学生的主要手段之一。

经济援助与学生的课外学习时间呈正相关，与学业成绩呈正相关，与课程不及格率呈负相关，资金在一定程度上促进了高等教育过程和结果的公平性（杨钋，2009）；其他研究发现，对研究生的经济援助可以激发他们的学术和科研热情，最终提高他们的学业成绩（刘文娟，2014）。总而言之，多年来，学生综合素质的建设一直是教育的重点，支持并发展好奖学金的激励作用，建设学生综合素质评价系统是十分重要的。

但是，我国高校素质教育评价存在一些突出问题。具体而言，实际评审中出现了一些只看重学业成绩、评审标准不太公平等情况。探讨这些问题的根源，对于奖学金评定体系的改进至关重要。清华大学教育研究院的李锋亮也指出“随着我国高校用于奖学金和助学金的资金越来越多,对于其公平、效率、效果的讨论与学术研究也越来越重要”。

目前，虽然高校有奖学金评估制度和实施细则，但在奖学金评定方面，大多数高等学校的奖学金都是在人工操作数据阶段进行管理的。因此，在实际操作过程中存在一些问题，导致奖学金激励效果的削弱。

更为突出的是奖学金评估的不公平现象。具体来说，虽然教学金评定是基于“德、智、体、美、劳”的标准，但它在实践中，由于“德、体、美、劳”难以量化衡量，而“智”以明显可量化的学业成绩为主衡量，目前形成了以智育成绩为主，“德体美劳”为辅的评价标准。所以就实际而言，相当一部分大学生为获得奖学金，而将大量时间放在学业成绩的提升。根据机会成本理论，换而言之，这些大学生放弃了很多“德、体、美、劳”提升的机会。根据马太效应，对于以成绩优异、志愿服务和社会实践丰富选出的“奖学金收割者”，往往无法看到自己缺点，无法居危思安，这样奖学金的激励作用也相应有所减弱。相应的，从教师的角度上思考，老师往往对成绩优异的同学寄予厚望，而这些学生相应也获得一些隐形的优势。

这样有失公允的奖学金评定，往往会导致一些不良后果。为获得奖学金，会呈现两个极端，学业成绩优异的同学往往只重视学习而忽视其他方面，而学业成绩欠佳的同学往往忽略学习，盲目参与各种志愿者活动和社会实践。

但针对于目前高校奖学金评定问题，部分国内高校也在做一些实质性改进。清华大学教育学院的李锋亮曾谈到清华大学奖学金评定准则中降低学业成绩在奖学金评定中的权重，扩大了对学生的鼓励范围。从而看来，“德、智、体、美、劳”在奖学金评定的标准和权重是十分重要的。

1.2 大数据技术运用在奖学金评定的相关研究

国内外高校大数据的开发主要以云技术为技术支持，集教学，科研，行政管理，学生服务和生活服务数据于一体，建立数字化新校园。具体而言，数据主要来自于学校各部门使用的管理应用系统、数据库和校园一卡通。

针对前文提出的奖学金评定方式单一、数据挖掘意识不强等情况，可以采用云计算、大数据、物联网和互联网等技术，收集大学生综合信息，构建学生信息大数据处理平台，可以获得更准确的学生综合素质评价结果。

目前，国内外也有一些实质性进步。对于学生数据挖掘，国外早于国内。国外高校常和企业联合投入学生信息的数据挖掘中，有成功也有失败的例子。林肯大学和华为公司合作，完善林肯大学在线学习管理系统Learn和科研管理系统Symplectic Elements。

国内高校争先进行智慧校园的建设，累计了大量学生个人信息和行为信息的数据，这些数据可以分析评价学生的行为和情感，提供更全面的学生形象，以更全面地评估学生。2010年，浙江大学就提出了智能校园蓝图。

随着智能校园的建设，高校重视学生的数据。李爽以“辽宁交专”为研究对象，确定了学生的评价指标体系和权重设置，并采用基于机器学习的方法对“辽宁交专”学生评价数据进行建模，完成系统设计，以满足学校管理需求，反映学生的成长规律。更有学者利用大数据技术对高校学生某一方面进行研究，比如对学生的思想政治教育情况、安全预警的管理模式进行分析等。吴雷在“大数据助力高校网络思想政治教育创新的长效机制构建”中就引入大数据视角，构建了网络政治教育实施体系和质量评价体系。

2 模型设计

2.1 拟解决问题：

设计一个能全面衡量学生综合素质的学生奖学金的评价体系，并实证奖学金的获得对成都高校学生的综合能力素质具有影响。

2.2 设计方法：

我国奖学金主要是激励成绩突出的学生，同时兼顾学生德智体美的均衡发展。结合我国奖学金特点，根据《普通本科高校、高等职业学校国家奖学金管理暂行办法》，设计指标体系并发放问卷。采用AHP确定各级指标权重，再根据模糊评价方法将定性评价转为定量评价。逐一获得每个学生的最终定量得分并比较差异，以实证是否获得奖学金能提升学生的综合素质。

2.2.1 数据描述：

本文采用的数据来源于对成都各大本科高校、高等职业学校的问卷调查。调查总体为成都市部分高校、职业学校所属大学生中二年级、三年级和四年级本科生，采用随机抽样的方式，直接抽取到学生个人，以保证随机原则。

2.2.2 学生综合素质评价指标层次的搭建：

高校的教育既应以教育质量为核心，以培养高技能的匠人；也应该结合德智体美各个方面，以形成相对全面的的评价标准。在设计建立指标时，分解并简化问题以把握主要因素，做到不漏不多；比较元素之间的强度关系，使相差悬殊的要素在不同层级比较。见图1-1。

采用专家打分法最终确立了3个一级指标，为别是：专业能力素质、思想道德素质、身体能力素质。这些一级指标又分为7个二级指标，这些二级指标中，有些是容易定量的，有些是不易定量的。其中专业能力素质包含3个二级指标：排名变化、绩点变化、课外学习能力。思想道德素质包含3个二级指标：社会实践活动、公益活动、爱国爱党。身体能力素质包含1个二级指标：在校体育成绩。

通过问卷调查中的相关问题，能获得是否取得奖学金，以及取得奖学金后的变化情况。

排名变化衡量依据：上学年学业表现班级排名/上学年班级总人数)－(本学年学业表现班级排名/本学年班级总人数)

绩点变化衡量依据：获得奖学金前后绩点（满分为5分）的差值

课外学习能力衡量依据：获得奖学金前后课外学习时间的差值

社会实践活动衡量指标：获得奖学金前后社会实践活动次数的差值

公益活动衡量指标：获得奖学金前后公益活动次数的差值

爱国爱党衡量指标：是否是党员

身体能力素质衡量指标：获得奖学金前后体育分数（百分制）差异变化

2.2.3 构造成对比较矩阵

确定各层级之间的权重时，通过两两相互比较，并依照其重要性程度评定等级。比较时采用1～9尺度。

表1 权重标度表

判断矩阵对应最大特征值的特征λmax向量W经归一化后即为同一层次相应元素对于上一层次某元素相对重要性的排序权值。在单排序之后，对判断矩阵的一致性进行检验：首先计算一致性指标CI，再根据表3查找相应的平均随机一致性指标RI，最后计算一致性比例CR。计算

表2

表3 一级指标判断矩阵

CR公式如下：

一般，如果CR＜0.1 ，则认为该判断矩阵通过一致性检验，否 则就不具有满意一致性。

表4 二级指标学习能力素质判断矩阵

表5 二级指标思想道德素质判断矩阵

运用matlab计算得到各个指标的一致性检验结果皆小于0.1，并 计算各权重系数。得到以上各部分的权重，如下：

表6 各级指标权重

2.2.4 易定量指标的值以及模糊评价

2.2.4 .1建立评价尺度：

不易定量指标：绩点变化、课外学习能力、社会实践活动、公益活动、爱国爱党。

运用模糊数学中的方法做出综合评价，在基于层次分析法的基础上将不易定量的指标定量分析。按照优、良、中、差4各标准制定表格，分别对应分数100，80，60，40。将绩点（满分为5分）的差值：0.5及以上，0.3-0.5，0.1-0.3，0.1以下一一对应分数；获得课外学习时间的差值：3h及以上，2-3h，1-2h，0-1h一一对应分数；社会实践活动次数的差值、公益活动次数的差值：3次及以上，2-3次，1-2次，0-1次一一对应分数；是否为党员：是对应100分，不是对应60分。再通过问卷收集的数据对每个个体的二级指标进行评价，最后得到评价判断矩阵R（隶属矩阵R）。再根据每个一级指标下对应的二级指标的权重W与隶属矩阵的模糊乘积便可以得到相应一级指标的不一定量素质综合分数。如：

专业能力素质：w=（0.3635，0.0684，0.1931），隶属度函数：

汇总Bi最终得到指标量化汇总表。根据汇总表计算出每个一级指标对应的分数，再将一级指标分数加总求和后得到每个学生的总评成绩。而汇总表的优势在于：根据学生个人的指标量化汇总表能看出个体的成绩分布情况，并找到其各项素质的优势与劣势便于对学生发展的指导；根据获得奖学金与未获得奖学金的总评成绩比较，能够直观发现奖学金对于成都地区学生综合发展的相关作用。

3 结论

本文通过成都地区的学生综合能力素质问卷调查情况，采用二级指标的指标体系，目的是将错综复杂的学生综合评价从三个方面、两个层次运用层次分析法与模糊评价法证实了奖学金的获得对成都高校学生的综合能力素质具有影响。后继研究者应获得更广泛的数据并将更多因素考虑进评价体系中。由于学生存在的多样化发展，评价体系在具体实施过程中应该针对实际情况不断完善与改进。