大数据视域下高校精准资助模式创新与载体建构

付 尚，杜宏宇，何海明

习近平总书记在2021年全国脱贫攻坚总结表彰大会上的讲话中提到要坚持精准扶贫方略，用发展的办法消除贫困根源，“脱贫攻坚，贵在精准，重在精准”，要“对症下药、精准滴灌、靶向治疗”［1］。“精准扶贫”思想对高校开展好家庭经济困难学生的资助工作具有重要的指导意义。资助的本质是育人，资助工作关系到每一个独立个体的发展，关系到教育的公平与公正，更需要贯彻落实精准思维。高校精准资助模式以习近平总书记的精准扶贫思想为指导，以实现“精准识别、精准定制、精准滴灌、精准评估”为目标，借助信息化、数据化手段，规范家庭经济困难学生认定程序，加强资助制度建设、完善资助教育平台、落实资助精细管理，构建了一套有效运用大数据技术来实现高校精准资助工作的模式创新与载体构建，有效提升了资助工作效率，更充分体现了资助育人的价值。

一、高校学生资助工作存在的问题

1.资助工作缺乏时效性

在高校学生资助工作中，资助对象的信息通常是静态的，高校无法实时获取动态信息，因此学生资助工作经常缺乏时效性。当前，学生提供的《家庭经济困难认定申请表》与民政部门开具的证明被高校当作对学生资助的主要依据。部分证明材料可重复使用，提交一次，有效期即为四年。同时，地方政府学生资助系统没有实现与高校的学生资助信息共享，在学生家庭出现突发状况以及突发重大自然灾害事件时，高校无法及时更新学生的家庭经济状况数据，在学生家庭经济情况有所好转时同样也无法完成信息更新。总之，高校资助工作无法实现对家庭经济困难学生的及时精确识别。而且，资助工作时效性的缺乏也影响了资助资金的最佳效用。

2.资助过程缺乏公平性

高校学生资助过程易受人为主观因素干扰，缺乏公平性、客观性。我国目前并没有建立全国性的扶贫数据库，学校无法对学生的家庭状况进行准确了解。在家庭经济困难学生认定及其资助等级初步评定过程中，高校通常采用学生自主申报、辅导员和管理人员线上线下双审核、学生民主监督反馈的方式，缺乏对学生真实的家庭生活条件、收支情况的量化评价。这种方式的评价主观性较强，极易在家庭经济困难学生等级认定中出现不公平的情况，导致“应助未助”“不贫而助”的现象，难以使资助资金发挥最佳的配置效益［2］。

3.资助方式缺乏针对性

高校在资助工作中的资助方式还不够丰富，缺乏针对性。目前的资助方式多是助学金、奖学金、助学贷款、绿色通道的设置以及勤工助学岗位的设置等。由于缺乏学生的需求数据，大一至大四学生都实行统一的资助方式，并没有依据不同阶段、不同类型学生的实际需求进行针对性帮扶［3］。而在实际情况中，不同阶段的学生需要的资助方式是不同的，有的贫困生需要得到经济方面的扶持，有的贫困生则需要学业提升、职业技能、社会实践方面的扶持，不少贫困生存在人际关系困扰、学业困扰和就业困扰而需要心理扶持的需求。总之，目前高校资助项目分配上缺乏科学依据，个人主观意愿起主导作用，难以做到因人资助，各取所需。

4.资助育人成果缺乏成效性

高校在资助中通常是从物质经济上去扶持学生，忽视了对家庭经济困难学生的人文关怀，重扶贫而轻扶志，存在资助育人成效缺位的现象［4］。部分经济困难学生同时也会存在心理、人际交往等方面的困难，他们缺乏自信心，会经常性地自我否定。部分获得生源地贷款的学生诚信意识缺失，个人主体责任淡薄，存在违约行为。由于缺失对资助对象的思想价值引领，部分家庭经济困难学生缺乏感恩意识，认为接受国家和社会对自身的资助是理所应当的，缺乏对社会的回报意识。而传统的资助工作，主要是对学生进行经济补助，缓解学生的经济压力，并不能及时发现学生心理方面的需求，不能及时进行思想引导，导致资助育人成效不明显。

二、大数据背景下的精准资助

在高校的资助工作中推行精准资助就是要实现精准认定、精准帮扶、精准管理，最终实现资助育人的目的，它是高校资助工作的升级版［4］。“精”就是要简化、易操作，“准”就是要量化，结合实际情况和目标准确。目前高校的精准资助发展还处在不成熟的阶段，存在精准识别缺乏科学性、帮扶方式缺乏层级性、管理手段缺乏有效性等问题。

大数据作为一种新技术、新方法，能够在海量数据中挖掘出最有价值的数据［6］，通过对资助对象动态数据进行整合、分析、判读、决策、追踪和预测，精准掌握资助对象的思想行为数据，获取我们所需要的的信息。高校所掌握的学生的基本信息、家庭数据、画像数据、教务数据、消费数据、奖助数据、勤助数据等数据可以充分助力大数据技术的实现。资助工作中运用大数据驱动高校的资助工作，能够实现从传统资助向精准资助的转型升级。

1.精准识别，推动精准认定

精准识别资助对象是实现高校资助的前提和基础。大数据通过对数据的有效整合，能够最大限度地保证认定方式的科学性。它通过分析学生的图像、文本、视频音频等数据信息，掌握学生最真实生活状况，将所有数据定量化，最大限度地保证资助对象的真实性，避免认定全过程的主观性。首先，在认定依据方面，利用大数据掌握学生的实际家庭情况，检验学生提交的相关证明材料是否真实；其次，在认定流程上，利用大数据掌握学生在学习、生活中的基本消费情况，保证认证程序的客观性，克服民主评议、学校认定的主观性，实现应资助学生“一个都不能少”、不应资助学生“一个都不能有”的“两个一”目标［7］；最后是认定等级上，通过对学生的基本信息进行精准识别，掌握资助对象的普遍情况，并分析受资助对象的特殊情况，针对学生家庭成员的身体健康情况、生活条件和家庭收入情况等做出量化指标，制定高精度的认定等级体系。

2.精准定制，实现资助方式个性化

通过大数据对学生的信息资源进行动、静态分析，高校能够及时发现精准资助工作中各个工作的相关关系和存在的问题，从而制定出符合群体和个体的资助方案，实现精准资助。首先，对校内外的勤工助学岗位进行包括数量、工作、报酬、资质要求、工作时间等方面的数据进行分析，将各岗位的需求与学生的意愿建立相关关系，以便使不同年级、专业、能力、性格特征、目标追求的学生都能找到适合自己的勤工助学岗位，从而实现对勤工助学岗位的个性化设计。其次，利用大数据，对不同人生追求的家庭困难学生制定个性化的培养方案，有针对性地让学生参与不同的资助项目。例如，为刚入学需要提升自身专业能力与学习能力的家庭困难学生提供图书馆相关工作岗位，并留给学生相应的自由学习时间；为有出国发展意愿的家庭经济困难学生提供促进对外交流的资助项目，提升其交流沟通能力；为有创业及就业意愿的家庭经济困难学生提供就业指导和就业培训，并使其加入到相关项目，为学生的创业就业打下坚实基础；对想继续深造并且科研能力较强的家庭经济困难学生提供科研助教的工作岗位，提升学生的科研能力；等等。总之，高校通过以上个性化资助方式的精准定制能够实现对资助对象的有效帮扶。

3.精准滴灌，实现资助过程动态化

习近平总书记强调的“必须在精准施策上出实招、在精准推进上下实功、在精准落地上见实效”就是要达到“精准滴灌”的效果［8］。实现精准脱贫需要转变传统的“填填表、看看情况、发发钱”的管理方式，多从学生个体出发，实现多方协作、精准高效、拓展内涵。实现经济脱贫与激励成才相结合，实现“扶智”和“扶志”相结合，并使受助学生能够积极回报社会，实现从“大水漫灌”到“精准滴灌”的跨越式转变，是精准资助的硬核。大数据技术的应用能够实现信息技术的有效整合，使资助工作跨越时空局限。高校通过构建基于智能运算的“分面聚合+成才导航”教育资助图谱模型，按照学生多源碎片化数据的联合向量化表示、“主题—分面”的关系抽取、主题与分面的映射三个层次，厘清符合学生发展规律的素质能力发展要求。具体来说，首先是按照资助工作规律勾勒学生全面发展的素质能力图谱；其次是以各单项素质发展形成“主题”下的“分面”，并对资助要素数据（包括学生的一卡通数据、成绩数据、学籍数据、上课考勤数据、上网行为数据）进行聚类形成学生“精准画像”；再次，嵌入智能运算模型形成“成才导航”，协同推进全面发展“主题”下的个性化“分面”成长；最后，通过大数据分析对资助对象的生活状况进行动态捕捉，及时采取针对性资助，实现资助资源有效补给与育人过程的智能互动［9］。

4.精准评估，推动精准管理

高校资助工作涉及的领域和参与的主体众多，包括高校、政府、银行、企事业单位、社团等多个机构，涉及信息收集、信息整合、评议核实、经费发放、效果反馈、政策修正等多个过程，需要对学生的生活、学习、思想、工作等多方面进行帮扶，工作复杂，难度较大。因此，高校要想实现精准资助工作，就要在资助过程中及时发现资助管理工作的不足之处和薄弱环节，建立动态的信息管理系统，加强各个机构部门的协同性，加强资助工作管理中的责任追究。大数据技术的运用，能够实现资助工作的定性评价定量化。例如，高校可以将学生的学籍信息、一卡通信息、家庭基本信息、贫困生信息、奖勤助贷免信息、荣誉信息、社会实践参与信息、志愿服务参与信息等方面相关数据精准记录并加以整合，将“小样本”系统化，为及时调整资助方法提供依据。

三、高校精准资助的模式创新与载体建构

精准资助是由多要素、多系统构成的新型资助工作模式，主要包括数据采集与分析系统、科学研判与决策系统、动态评估与实时反馈系统、管理协同与制度保障系统（见图1）。

1.数据采集与分析系统

精准资助首先要建设学生基础数据库，整合与学生有关的全口径、全周期数据。精准资助打破了原有单个部门数据的局限性和分割性，形成跨部门、跨院系的大数据共享云平台，采集全链条数据，整合交叉性、关联性数据，实现数据延展与互融互通。一方面，连通校内的人事、学工、团委、教务、财务、总务等部门各类系统，实现高校资助管理信息系统与地方相关部门信息系统的有效衔接；与各企事业单位、社会团体、社区、创业园区等的信息系统实现有效畅通，形成学生数据的全口径采集整理。另一方面，从纵向时间序列上，采集并整合学生从入学前到毕业后的全周期数据。学生信息数据范围包括学生本人及家庭基本情况、贫困等级、致贫原因，学生一卡通消费情况、学籍情况、上课考勤情况、门禁情况、银行卡收支情况、学生个人诚信档案等信息以更好地实现资金的精准分配以及发现“隐性贫困”与疑似“虚假认定”学生。总之。高校要通过模式构建打破技术壁垒，实现信息地有效衔接。这是高校资助工作提升资助精准度、实现资助过程精准化的基础。

精准资助需要搭建学生生活大数据分析与服务平台。一方面，要实现数据的整合兼容，支撑精准资助的顺利实施。数据来源的多样性使得格式不一、维度不同、重复冗余的混杂性数据大量存在，需要进行一致性检查，无效值、缺失值处理等，完成数据的清洗、转化、标准化，从而去伪存真，提升利用率。另一方面，要科学解读数据蕴含的价值，有效发掘潜在问题和隐含风险。将海量的数据条目和丰富的数据关系表达进行算法加工，建立消费指数、学习情况、生活习惯、心理健康等模型，寻找大数据相关性背后的特征、共性、规律，组成学生全面画像，进行精准识别、分析，科学有效地开展资助工作（见图2）。

图2 数据采集与分析系统运行机制

2.科学研判与决策系统

精准资助要求在分析模型基础上构建科学研判与决策系统，其运行机制如图3所示。研判系统要借助深度学习理论、人工智能技术等前沿科技成果，融入教育学、心理学、管理学、社会学等相关理论，瞄准资助对象成长发展实际，进行科学研判，为精准资助工作者提供支持。从实践看，研判系统包括家庭经济困难判别认定、家庭经济情况分析、学业状态预警、日常生活状态捕捉、社交圈分类及识别、兴趣潜能发现、就业智能匹配推荐、心理状况摸排诊断等。研判系统可以对家庭经济困难学生的学习生活和思想行为进行整体性研判和个性化研判，促使我们全面了解学生成长规律并实行个性化资助。学生一旦偏离习惯性轨迹，就会触发预警阈值，以供资助工作者发现资助目标偏差，并及时采取措施予以纠正。

图3 科学研判与决策系统运行机制

决策系统是建立在研判系统之上的执行系统。依据研判系统对学生学习生活、思想行为的整体性和个性化问题的分析，高校可以制定多套精准资助、教育和管理方案，确定实施主体、方法，并依据学生在不同阶段的需求制定针对性的资助方案。例如，资助决策系统可以依据学生的生源地收入水平、个人和家庭成员基本情况、家庭收入水平、学生“一卡通”消费情况、银行卡收支情况、已获资助、资助需求、学习状况等信息，分析学生的贫困程度、消费特点、学习状况及资助需求，最终研判得出最佳的资助方案。

3.动态评估与实时反馈系统

高校要基于对不同家庭经济困难学生在不同发展阶段的资助需求，以及对突发重大事件致贫学生的精准识别，构建实时评估与反馈系统。一方面，构建动态评估系统，区分资助标准，实现多元化、发展型资助，适应学生不同的资助需求［9］。例如，高校可以通过学生的个人消费信息、恩格尔系数、消费位置参数等指标及时识别资助对象，对经济状况好转的学生适当降低资助等级，对经济状况明显好转的学生不再进行资助，将发生重大变故、家庭经济陷入贫困的学生不受申报时间限制及时纳入资助体系，对于在资助期间有违法违纪、弄虚作假等行为的学生可以取消或停止资助。同时，建立动态的心理评估体系，了解学生的心理动向，为家庭经济困难学生提供心理关怀，回应学生需求。另一方面，要构建实时反馈系统，实现精准、科学反馈。例如，高校可以用动态评估系统的分析结果为反馈内容，关注家庭经济困难学生个体与群体的差异、即时数据与历史数据的对比情况、诸多变化数据之间的关联情况，反馈家庭经济困难学生整体性信息和个体异常信息，对行为异常、心理异常的重点关注学生进行及时反馈，并依据反馈信息及时调整资助方式和育人策略。

4.管理协同与制度保障系统

精准资助模式不仅仅是思维模式的转变，更要求建立各部门齐抓共管的管理协同与制度保障机制，建立校内校外资助平台，实现校外平台与校内学工系统的数据全面对接，从而实现资助管理的全过程、全方位、规范化。一是建立校级联合办公制度，强化顶层设计，打通校内人事、学工、教务、财务、后勤、就业等部门各类系统，构建教育教学一体化管理系统，为家庭经济困难学生提供个性化的学业指导、心理帮扶、兴趣培养、技能培训、科研指导、创新创业扶持，全面提升资助对象的社会竞争力。二是引入思想政治教育学、心理学、传播学、管理学等专业领域人才，注重发展性资助育人模式构建，打造集多学科为一体的管理育人团队，在做好日常资助和育人工作的同时，有针对性地对大数据专业技术人才进行前期相关领域的理论学习、素质提升和能力培训。三是建立高校与各企事业单位、社会组织、银行、社区街道办、创业园区等对接的信息系统，实现多种育人资源的联动，建立学校与社会资助资源数据共享、协同育人实践平台。

精准资助需重视信息隐私与信息安全规章制度建设。学生数据的运用过程不可避免地涉及个人隐私、信息保护等伦理和法律问题。管理者应制定严格的大数据使用规则条例，合理合法地开展数据分析、挖掘、使用。例如，在技术层面要实现无感化采集，进行脱敏隐私保护，不该公开的不公开，不成熟的结果不运用，保护好个人隐私和信息安全；还要制定学生资助数据安全保护章程，实现数据安全使用责任制、数据分级管理制和安全责任追偿制，提醒数据收集者、管理者、分析者和使用者时刻做好尊重和保护学生个人隐私权益工作。同时，高校要重点做好学生资助数据体系建设，构建信息数据安全“防火墙”。例如，对主机进行加固、安装防病毒软件、加强入侵检测、加密数据、开启数据备份与恢复功能、设置口令鉴别功能、采用敏感数据标记、制定权限分级管理规范等，以确保数据在采集、存储、分析、使用全过程中的安全性。管理协同与制度保障系统运行机制见图4。

图4 管理协同与制度保障系统运行机制

四、结论

高校家庭经济困难学生资助工作信息化建设与大数据技术相结合，是当前高等教育研究领域的重要组成部分。提升高校家庭经济困难学生资助工作的精准化水平，离不开对学生资助大数据的搜集、管理和分析，离不开资助工作决策者在获得有效信息和具备洞察力基础上的决策科学化能力，离不开大数据平台所提供的共享、实时和个性化服务。本文根据高校家庭经济困难学生资助工作的现状并结合大数据技术发展与利用背景，构建大数据支持的高校家庭经济困难学生精准资助体系，以期通过构建数据采集与分析系统、科学研判与决策系统、动态评估与实时反馈系统、管理协同与制度保障系统来实现资助过程的精准识别、精准定制、精准滴灌和精准评估。高校精准资助系统的构建可以助力资助方案从“一类一策”向“一人一策”转变，提升资助工作的针对性、精确性、科学性和时效性，最终提升资助育人的功能。然而，大数据技术应用到高校家庭经济困难学生资助工作中也面临种种挑战：一是大数据价值的体现依赖于大数据技术的应用及完善，相应的分析技术也需要专业型人才来完成，而高校的相关专业化人才队伍建设是一个亟须解决的问题；二是大数据技术应用到资助工作中存在学生隐私数据泄露的潜在威胁，面临着个人隐私和道德伦理的挑战。因此，高校在运用大数据技术提升高校家庭经济困难学生工作精准化的同时还需要清醒意识到大数据运用面临的可能性障碍与风险。在运用大数据技术实现资助育人目标过程中，一方面要加快制定大数据使用的制度规范，拟定大数据提取及使用的规章制度，保障数据安全及维护贫困生隐私；另一方面，要提高高校家庭经济困难学生资助人员的大数据意识，提升大数据技术水平，积极运用大数据参与日常资助工作，以推动高校资助体系更加智慧、更加系统和更加完善。