大数据背景下高校智慧资助工作的研究与探索

郑 丹 周晓隆

（合肥职业技术学院，安徽 合肥230000）

1 智慧资助工作发展背景

我国是社会主义国家，根本上十分注重社会公平，所以对于社会公平中最重要的基础之一的教育公平向来都十分重视。近年来，国家大力推进扶贫工作，就是希望消除贫困，减少贫富差距。学生资助工作作为在高等教育领域扶贫途径，越来越受到政府部门和社会的关注，与国家的“精准扶贫”政策类似，教育部门也提出了“精准资助”的概念，并且将其作为国家和教育主管部门现阶段的首要任务，最终目标是要资助到最需要帮助的贫困学生，不让学生因为家庭经济困难而失学[1]。安徽省教育厅积极响应国家相关文件政策，于2017年3月份提出开展高校智慧资助试点的通知，在全省选择11所高校作为智慧资助试点院校，要求充分利用大数据等先进信息技术，建设省、校两级一体化的高校学生资助相关数据资源标准化管理和综合性分析平台，为资助工作提供更加精准及时的数据支持和高效的工具应用，全面提升高校学生资助精准化水平，探索现代信息技术条件下学生资助工作新模式。我校通过积极申请，成为安徽省首批智慧资助试点高校。

大数据技术是基于统计学和数据库等新技术的新产物，改变了现代社会生活方式，被运用到了各个领域。创新资助工作运用大数据技术可以充分享受大数据技术的便捷性，提高工作效率，简化工作内容，精准工作目标。资助工作中工作强度最高、甄别难度最大的部分就是如何准确、及时、高效地统计和记载学生的学习成绩、经济水平、在校期间的真实消费情况，实现困难学生的认定。通过大数据技术的强大优势可以更容易发现隐性贫困生和虚假贫困生，并且更加便捷地实现学生资助数据的及时更新和信息化管理，开创了学生资助管理工作的全新模式。

2 当前高校资助工作存在的问题

2.1 认定家庭经济困难学生标准不够具体不够科学

家庭经济困难学生其实并不少见，每年都会有一部分学生由于自身家庭经济困难，在面对学费和生活费的压力下，学习生活十分艰难，严重影响到他们正常学习和成长。虽然在我国各个高校已经建立起了“奖、助、贷、补、减、免”多位一体且层次分明的贫困生资助体系，但是由于我国地域差异，城乡发展不均衡，在执行和落实学生资助政策的过程中存在各种各样的困难。学生有不同的致贫原因，又有差异性、难以甄别的贫困程度，而由学生户口所在地提供的家庭贫困证明材料无法核实其真实性，因此资助工作者不能深层次、纵向地甄别每个上报申请的学生的贫困情况。学校在实际操作中也很难制定一个定量的准则，很难把握贫困情况的认定标准。不仅如此，目前的资助工作的前期上报依赖于班级民主评议，在这个评议过程中，班级学生的主观评价是否准确，学生贫困程度的衡量是否存在偏差，都值得思考和重视，因此当前的贫困生认定标准并不十分科学。

2.2 家庭经济困难学生认定存在人为干扰因素

目前各高校都建立起了四级认定工作体制，先由班级上报、再由二级学院初步甄别、高校资助管理中心再次审核，最后由学校资助工作领导小组确定最终的名单，从一定程度上保障了学生资助工作能公平、公正、公开的进行，但是由于班主任、辅导员不可能走访到每位学生家庭，不可能详细了解每位学生的家庭经济情况，现在为了简化学生申请资助流程，国家省去困难学生去当地民政部门开具证明盖章等程序，学生只需提供自己承诺签字的《家庭经济困难认定申请表》即可，不排除部分学生有故意夸大困难程度，上报虚假信息的行为。除此之外，家庭经济困难学生的认定一般通过班主任及班级学生的人为评定，学生和班主任为缓解各种矛盾，平均主义、拉票行为、包庇作假等行为常有发生，而真正家庭经济困难的学生还有可能由于自尊心强、人际交往能力较弱等问题羞于申请资助或者与班级学生不融洽，都会影响家庭经济困难学生资助的公平公正性。

2.3 受助学生贫困程度无法量化，资助难免陷入平均主义

很多高校主要是依据学生提供的家庭经济困难的材料并综合班主任辅导员和学生代表反映的信息在班级内部进行贫困生的认定，并粗略地将贫困生的家庭经济困难程度定性分为“特别困难”“困难”和“一般困难”三个等级。评议缺乏量化指标，难以合理分配资助，容易导致平均主义，特别是在名额分配过程中，很多高校采用的都是比例分配。以国家助学金名额下发为例，省教育厅分配助学金名额到各高校，很多高校目前都是根据各二级学院人数按比例分配到各二级学院，再由各二级学院按人数比例分配到每个班级。在这种分配模式下，初步评定都以班级为单位，没有一个高校全体学生贫困程度的横向比较，往往会出现1班“一般困难”的学生实际困难程度还高于2班“特别困难”的情况[2]。虽然国家助学金要求要结合实际情况进行分配，避免一刀切、平均主义，但是由于没有具体数据支撑，所以在学校及二级学院在进行名额分配时非常困难。

2.4 缺乏对贫困生的心理引导和人文关怀

目前高校贫困生资助管理工作很少与学生心理健康信息结合，很多只是落实物质方面的资助，缺乏对贫困生的心理引导和人文关怀。贫困学生由于从小的生长环境和生活条件都较差，其综合素质和心理素质往往也相对较差，其个性往往也缺乏充分发展，一旦像自卑、抑郁、脆弱这些心理问题没有及时发现，将会为学生安全、学校稳定埋下隐患。

2.5 贫困学生的资助效果难以追踪

党的十九大报告中曾指出，要坚决打赢脱贫攻坚战，坚持大扶贫格局，注重将扶贫与扶志、扶智相结合[3]。高校学生资助是为了帮助学生更好地完成学业，激励贫困学子自立自强、励志成才，但是不少家庭经济困难学生得到资助后，对日常学习和生活产生了懈怠，滋生了“等、靠、要”的思想，受助学生在获得资助后，是否依旧勤俭节约，学习成绩是否得到提高，其他方面综合素质是否得到发展，没有数据的统计和支撑，很难追踪资助效果。

3 基于大数据的高校精准资助对策

《国家教育事业发展“十三五”规划》中明确提出“健全更加精准的教育资助体系，确保应助尽助”[4]。借助大数据技术，实现高校资助工作精准化，不仅是贯彻落实“精准扶贫”战略思想在高等教育的集中体现，也是全面推进资助育人的必然要求。

3.1 精准认定贫困生并实现贫困生的精准资助

精准认定贫困生是实现精准资助的前提。在大数据时代，每个学生都是数据的制造者，基于海量数据进行前瞻性预测是大数据的核心价值。学校根据学生的学籍信息、校园卡消费记录、学习成绩、宿舍门禁、上网数据、图书借阅数据等并与扶贫、民政、助学贷款银行等部门数据有机结合，形成在校学生的数据仓库，构建数据平台，利用数据挖掘技术、数学建模、相关算法等建立贫困生精准识别的模型，制定因校而异的贫困生认定的定量标准，进而更加合理、更加有效地建立学生家庭经济困难程度的统一的认定体系，从而更加精准地认定真正需要资助的学生。

3.2 通过大数据技术，构建受助学生差异化的资助体系

智慧资助除了要精准的认定贫困生外，还要根据不同学生的贫困程度、贫困类别、资助需求制定个性化、针对性的资助方案，使用大数据技术对每个学生贫困数据进行充分挖掘，形成学生的个性化画像之后，在资助名额分配及选择何种资助形式的时候就能实现差异化、个性化的管理。以助学金名额分配为例，通过大数据挖掘，可以分析出各个二级学院、各专业、各班级的疑似贫困学生人数，学校在进行名额分配时可以参考这些数据，贫困生多的二级学院、专业可以适当多分配一些名额，这样就避免了资助一刀切、平均主义的现象。除此之外，利用大数据及构建的困难学生评价指标体系，可以对困难学生困难程度进行赋值及排序，对不同的困难学生进行合理的分类排序，针对不同的学生采取不同的资助形式，真正做到以学生需求出发，进行个性化、差异化的资助。

3.3 优化学生资助工作流程，简化线下操作

目前各高校的学生资助工作包括收交学生各种表格，核对学生各项信息，各个资助环节的申报、审核、审批大多是线下完成的，任务繁重且工作量大占用了大量资助管理部门的人力、物力。而国家相关部门越来越重视资助政策体系的不断完善，各个层面对贫困生的资助力度正逐渐加大，各级管理部门对于资助工作的质量、效率的要求也越来越高。一方面纸质材料的收交和审核不利于在宏观上把握学生的资助信息，而且程序复杂，不利于管理；另一方面纸质材料不利于保存和数据的统计和汇总。资助工作是学生管理工作的重中之重，资助信息化的建设也是势在必行，将大数据与资助管理系统相融合，一方面可以通过大数据挖掘学生各项数据，找出贫困生，另一方面可以优化资助工作流程，简化线下操作，从而很大程度上减轻了资助工作者的工作量，同时也促使学生资助工作更加规范。

3.4 对贫困学生受助效果进行跟踪，更好地实现资助育人功能

现阶段很多高校的资助工作仅仅局限于把奖助资金发放给困难学生，而对受助学生的情况缺少后续的调研和跟踪，通过数据挖掘技术，专门针对受助学生群体的生活、学习等行为数据进行分析，根据受助学生的各项行为指标的改变，及时更新信息数据并及时调整资助项目及资助流程，更好地实现资助育人的功能。

3.5 实现学生个人画像，对特殊学生进行行为预警

学生画像是利用人工智能和数据挖掘技术，服务于学校的学生管理和教育引导，通过学生消费数据、成绩数据、在校行为、考勤数据、学籍数据、图书借阅数据、参加志愿者服务活动等数据，构建出基于每个学生知识、能力、人格、心理和生活五个维度的“五位一体”的大数据学生画像[5]。运用大数据的优势分析过程并刻画轨迹，客观、全面和动态地把握每个学生在平时学习生活、成长发展过程中存在的问题，比如精准描述失联学生在校行为轨迹、排查出抑郁敏感心理有问题学生等特殊学生或个人群体。这些特殊学生往往需要学校提供差异化、个性化、定制式的精准管理服务。通过学生画像明晰问题所在，从而大大提高资助育人的针对性和实效性。

4 结语

将大数据技术和高校学生资助工作有效融合，通过数据挖掘分析工具对学生在校的数据进行深度挖掘和跟踪，建立起适应本高校实际情况的贫困生认定体系，从而实现贫困生的精准识别、精准认定、精准资助，并通过对学生画像的分析，建立起对特殊群体的监测和动态管理，不仅对高校的精准资助起到推动作用，也为学校的学生管理工作提供了更加人性化的模式及更加强有力的数据支撑。