乡村振兴战略背景下中高职院校困难生智能识别与精准帮扶策略分析

2024-11-09黄海宁罗伟泰林振程

广西糖业 2024年5期

摘要：探索实施乡村振兴战略背景下中高职院校困难生智能识别与精准帮扶策略，搭建学生资助智能识别与精准帮扶工作信息平台，为推动中高职教育公平和持续发展提供参考依据。文章通过项目实施，剖析发现中高职院校困难生智能识别与精准帮扶过程存在以下问题：数据收集与整合具有难度、数据分析与应用能力需进一步提升、精准帮扶资助工作监督与评估机制有待完善及资助系统智能化程度低，结合大数据和人工智能技术手段对学生家庭经济状况、个人能力和发展潜力等多方面信息进行综合分析，可实现对困难生的精准识别和资助，提出通过采取构建学生资助智能识别与精准帮扶工作信息化平台、设计构建智能识别与精准帮扶大数据资助平台、探索中高职院校精准资助育人信息管理系统架构及优化和完善中高职院校困难生资助管理体系等策略，推动中高职教育公平和可持续发展。

关键词：大数据；困难学生；智能识别；精准帮扶；中高职院校

中图分类号：TP391.4；G719.2 文献标志码：A 文章编号：2095-820X（2024）05-0391-06

0 引言

中高职院校困难生的精准帮扶策略不仅包括传统的经济资助，还涵盖心理辅导、职业规划和学业指导等多个方面，在乡村振兴战略背景下实施困难生智能识别与精准帮扶，可实现对困难生的全方位支持和帮助。传统的困难生认定方法通常依赖于单一的经济指标，难以全面反映其实际困难情况。随着大数据和人工智能技术的发展，通过多维度信息的综合考量已能实现对困难生的精确识别，并制定个性化帮扶策略。精准帮扶策略的构建应基于数据驱动的识别机制（利用大数据分析和人工智能技术，通过学生家庭经济状况、个人能力、学业成绩、心理状态和社交活动等多维度信息，构建智能识别模型，以提高困难生识别的准确性和全面性）、个性化帮扶策略（根据智能识别结果，制定个性化帮扶方案，包括但不限于经济资助、心理辅导、职业规划指导和学业辅导等，确保帮扶措施能切实解决困难生的实际问题）、动态跟踪与评估（建立困难生动态跟踪机制，定期评估帮扶效果，及时调整帮扶策略，确保帮扶措施的持续性和有效性）及多方协同合作（鼓励政府、学校、企业和社会组织等多方参与，形成协同合作的帮扶网络，共同为困难生提供支持）等方面。2020年，我国在既定标准下实现了农村困难人口的全面脱贫，乡村振兴战略正式开启。但在困难生认定工作中，传统的困难生认定方法暴露出一些亟需解决的问题，包括“隐形困难”和疑似“虚假困难”现象。在面对中高职教育中困难生识别的挑战时，借助基于数据驱动的识别机制，可实现对困难生的精确识别和制定个性化资助方案，从而提升资助工作的效率和针对性，促进教育公平和持续发展。随着人工智能技术的不断进步、深度学习技术的充分利用及以大数据为支撑的精准识别模型构建，高校困难生资助工作的精确度得以提升。在大数据和人工智能技术飞速发展的背景下，互联网思维已广泛渗透至众多传统行业。尽管目前已有研究尝试运用数据挖掘技术攻克困难生认定难题，但受限于试验数据量的不足，仅能侧重于分析学生的消费水平及消费模式，研究深度和广度均受到限制。此外，当前困难生认定方法多依赖于单一、简单的机器学习模型，在深度学习技术应用及多种分类方法比较研究方面明显不足。文章基于《大数据背景下中高职院校家庭经济困难生精准资助路径研究》项目的实施，剖析中高职院校困难生智能识别与精准帮扶现状，提出解决其智能识别与精准资助问题对策，为推动中高职教育的公平性和可持续发展提供参考依据。

1 困难生智能识别与精准帮扶现状

在当前信息化时代背景下，大数据技术的深入应用为高校困难生精准资助工作开辟了新的路径，但也面临着诸多挑战［1］。相对困难是乡村振兴过程中涉及的一种综合而复杂的社会现象，包含教育、医疗和价值再创造需求等多维性问题，其中教育扶贫是解决相对困难问题的主要路径［2-3］。相对困难视角下中高职院校困难生智能识别的实现需结合大数据和人工智能技术手段，通过对学生家庭经济状况、个人能力及发展潜力等多方面信息的综合分析，实现对困难生的精准识别和资助。郑冬冬和张明煜［4］通过对美国俄亥俄州高等教育学生管理数据（OBR）的分析发现，接受资助的大学生1年内退学率明显下降，对美国高中生追踪调查数据（HS&B）的分析结果也表明，经济资助既直接影响学生的学业坚持，也通过与学业目标、学术生活、社会生活和政策认同度的交互作用间接影响学生的学业坚持。但当前大数据中高职院校困难生的智能识别和精准资助仍存在以下问题。

1.1 数据收集与整合具有难度

大数据的精准识别依赖于全面和准确的数据支撑，但在实际操作中，由于数据来源广泛、格式多样和质量参差不齐，数据收集与整合面临诸多困难。同时，考虑到数据安全和隐私保护的要求，部分数据可能无法直接用于资助工作参考，进一步增加了数据整合的难度。

1.2 数据分析与应用能力需进一步提升

大数据技术的应用需具备专业的数据分析与处理能力，但目前高校的数据分析与应用人才储备相对不足，难以充分发挥大数据技术的优势。此外，随着大数据技术的不断更新迭代，高校现有的数据分析与应用人才仍需通过不断加强学习和培训，提高数据分析与应用能力，以应对精准识别困难生的需求，制定个性化资助策略。在实际操作中，部分高校在资助策略制定上过于依赖传统模式，缺乏足够的灵活性，无法满足困难生的个性化需求，从而影响资助效果，降低困难生申请资助的积极性［5］。

1.3 精准帮扶资助工作监督与评估机制有待完善

大数据技术的应用使得中高职院校困难生精准资助工作更透明和量化。但目前部分中高职院校在资助工作监督与评估方面仍存在不足，难以及时发现和解决资助工作中存在的问题，不仅影响资助工作的公正性和有效性，还可能对困难生的权益造成潜在损害。因此，基于大数据的中高职院校困难生精准资助工作仍需进一步完善监督与评估机制。

1.4 资助系统智能化程度低

在高等教育机构中，针对经济困难生资助系统已开展了较多研究。Fang等［6］利用某高校一卡通系统提供的丰富消费数据，运用聚类分析算法对学生群体进行科学分类，从而构建一套行之有效的困难生识别资助体系。Ma和Zhu［7］借助学校一卡通系统数据，结合C4.5决策树模型和K-Means算法，有效识别出经济困难学生，为学校管理提供了决策参考。戴海辉［8］聚焦学生在图书馆使用、超市购物、餐饮及水果消费等数据，通过C4.5决策树算法，从消费行为角度预测学生可能面临的经济问题，为校园内经济困难学生评估提供辅助。王卫星和李斌［9］整合智慧校园中统一标准化数据平台存储的学生行为数据，围绕学生的学习状况、家庭经济背景和消费水平，构建了贝叶斯网络模型，以精准识别困难生。蒲飞等［10］通过校园一卡通系统收集在校学生的初始数据，运用数据预处理技术提取相关特征，利用经验样本进行正态分布检验，最终在异常点检测问题上采用基于正态分布的一元离群点检测算法，将异常结果识别为困难生，有效辅助困难生认定工作。在评估资助对大学生影响研究方面，姜庆华和钱修萍［1］、王萍萍［11］分析认为，经济资助可增加困难生进入大学的机会和完成学业的可能性。但目前中高职院校困难生资助系统仍存在智能化程度低、缺乏精准识别标准、难以科学实施资助考核及重经济资助而缺人文关怀等问题和不足，直接或间接导致资助精准度不高，影响资助效果及其公平性和公正性。因此，如何精准认定、准确资助“隐形困难生”并有效核查“虚假困难生”，使中高职院校困难生资助的顶层设计精准落地，是当前和今后一个时期做好中高职院校困难生资助工作的重要任务，也是本研究项目探究的方向。

2 解决困难生智能识别与精准资助存在问题的策略

2.1 构建学生资助智能识别与精准帮扶工作信息化平台

资助是实现社会公平最直接、最有效的方式和途径，但资助的效果与效率取决于对资助对象的精准识别、资助手段的科学性和合理性。困难生资助工作是高校人才培养工作的重要组成部分，关乎学生的成长成才、学校的稳定与发展及社会的和谐与进步［12］。大数据作为计算技术的最新形态，为开展中高职院校困难生资助工作精准化研究提供了新的视角、思维、工具和方法［13］。因此，建设学生资助智能识别与精准帮扶工作信息化平台，对于提高中高职院校困难生资助工作精准化水平，促进资助工作的科学性和可操作性，实现困难生资助工作的公平正义具有重要的理论价值和现实意义。该平台应以大数据交互与共享及资助数据分析与展示为主要功能，充分利用大数据技术，纳入智慧思政平台建设内容，在硬件配备、软件环境、平台招标和资金支持方面与智慧思政平台共建资源共享和精准识别新模式，实现以人为本的差异化资助方式，建立实时、及时和全面的资助管理体系，构建大数据背景下中高职院校家庭经济困难生精准资助路径。

为建设学生资助智能识别与精准帮扶工作信息化平台，需省级数据资源局及有关部门沟通协调，共同推进学生家庭经济状况数据共享，辅助各地、各中高职院校安全便捷地获取能反映学生家庭经济状况的数据信息，实现大数据背景下中高职院校困难生的精准资助；需探究困难生认定量化指标体系，摸索出新的困难生认定模式，如学校探索“线上量化测评+线下实地回访验证”困难生认定模式，在线上量化认定的基础上，每年随机开展回访验证，核查学生家庭真实经济状况，验证指标体系的精准度，并根据验证结果对指标体系进行修正，实现大数据背景下中高职院校困难生精准认定和主动精准资助；在数据获取和使用过程中，要遵循用户本人授权原则，建立数据授权使用和可信追溯机制，确保学生及其家庭隐私、敏感数据得到精准授权、全程留痕和充分保护，切实保障数据安全、有序和按需使用，避免学生及其家庭个人信息安全受到威胁，隐私权受到侵犯［14-16］。

2.2 设计构建智能识别与精准帮扶大数据资助平台

2.2.1 数据挖掘路径

首先，运用数据挖掘技术对大量的困难生数据进行分析，找出其中具有潜在价值的信息，从数据源中选取需进行分析的数据；其次，采用某种方式或算法对选取的数据进行分析并找出规律；最后，通过用户能理解的方式对挖掘出的结果进行表述。以某学院精准资助政策宣传途径统计结果为例，从其媒体宣传、网络宣传、身边亲友和同学介绍、资助手册、学校专题宣讲及辅导员和班主任讲解等各类宣传途径使用次数等关键数据中，可分析出辅导员和班主任讲解途径使用最频繁、学校专题宣讲较频繁、媒体报道和网络宣传使用次数占比较低的趋势（图1）。

2.2.2 系统化策略

采用信息系统开发中的系统分析方法，对学生困难风险预警系统的需求进行分析，论述系统设计的目标和原则，设计预警系统的总体框架结构。

2.2.3 行动研究策略

首先，构建大数据背景下的项目研究与中高职院校困难生精准资助有效衔接模式，建立校校协同、资源共享、互惠互利的校企融合育人运行机制，并在校内开展新媒体视域下基于大数据背景的中高职院校困难生精准资助培养实践活动，根据反馈结果对大数据背景下中高职院校困难生精准资助模式进行完善；将制定的相关资助策略应用于中高职与本科教育有效衔接模式建设中，在行动中认识和反思，边实施边教学边研究。其次，通过问卷调查法和访谈法对2020—2023年秋季学期参与项目实施班级的师生进行研究性教学调查，在分析反馈意见的基础上，构建项目研究与中高职院校困难生精准资助有效衔接的实践模式。图2为本研究项目实施过程中探索出的困难生精准资助路径及新模式。从图2可看出，中高职院校学生精准资助路径工作机制与模式具有以下特点：①困难生精准资助路径分多个阶段，包括识别与评估、帮扶资助、管理和引导；②在识别阶段，采用多种指标综合评估学生的困难程度，如家庭经济状况和学业表现；③在评估阶段引入大数据分析和人工智能技术，以量化指标标准，方便组织评估，提高评估的准确性和效率；④精准帮扶资助模式呈现多元化，包含奖学金、助学金和勤工俭学等多种形式；⑤通过管理与引导机制确保资助效果得到及时评估和调整。最终，通过综合评估和多元化资助方式，结合大数据及人工智能技术提高资助的准确性和效率，形成中高职院校学生精准资助路径闭环工作机制。

2.3 探索精准资助育人信息管理系统架构

从图3可看出，中高职院校精准资助育人信息管理系统架构通过获取并分析学生困难风险的统计数据，实现对学生困难风险的动态监测、精准研判和智能识别。根据图3的架构，本研究在项目实施过程中针对困难生数据的特征，运用深度学习方法高效融合多源异构数据间的信息，提出一种学生困难风险动态评估预警方法；在专业资助方面，制订一系列课程建设奖励制度，对大数据背景下高校困难生精准资助专业课程给予大力扶持和培育，取得了良好效果；项目实施前期的调查已包括大数据背景下高校困难生精准资助概况，待条件成熟后，结合三教改革，在广西质量工程职业技术学院推广高校困难生精准资助专业课程的教学理念和方法，如果取得显著效果，还会将这种教学理念和方法作为大数据背景下高校困难生招生和人才培养衔接精准资助方案进行推介。资助困难生不仅是高校的责任，也是社会各界的共同责任，因此，高校需加强与社会各界的合作和沟通，通过与社会组织、企业和政府机构等建立合作关系，共同筹集资金和资源，为困难生提供更多帮助和支持。同时，通过加强沟通，可及时了解社会的需求和期望，为精准资助帮扶工作提供更明确的方向和目标。此外，需关注资助的可持续性和长期效益问题。困难生资助不仅要解决其短期经济困难，还应帮助其实现长远发展和自我能力提升。因此，需制定长期的资助计划和策略，关注困难生的成长和发展，为其提供更多的教育、培训和就业机会。通过这些措施，可确保困难生资助工作的可持续性和长期效益，为困难生创造更加美好的未来。通过应对数据质量、技术应用、合作与沟通及可持续性等挑战，可更好地发挥大数据的作用，为困难生提供更精准和有效的资助服务。

2.4 优化和完善中高职院校困难生资助管理体系

大数据在中高职院校困难生精准资助领域的应用具有巨大潜力，有助于进一步优化和完善中高职院校困难生资助管理体系。

2.4.1 在乡村振兴战略背景下建立更完善的数据收集与分析系统

目前，虽然很多高校已开始利用大数据技术进行困难生认定与资助，但数据收集的广度和深度仍有待进一步提高。应将更多的学生信息纳入数据库，包括但不限于家庭收入、家庭成员健康状况、学业成绩和课外活动参与情况等。同时，利用先进的数据分析技术，能更准确地识别真正需要资助的学生，确保每一分资助款项均能发挥应有的作用。为构建更健全和高效的数据收集与分析架构，必须着手进行系统升级和扩展。通过扩充数据库内容，能更全面地了解学生的综合情况，借助尖端的数据分析工具和技术，深入挖掘和分析大量数据，可揭示可能被忽视的资助需求或未被充分利用的资助渠道。在确保数据收集广度和深度得到提升的同时，还需建立严格的数据保护机制，确保所有收集到的信息均遵循相关的隐私保护规定和数据安全标准。

2.4.2 加强数据的实时更新和动态管理

困难生的家庭经济状况可能会随着时间的推移而发生变化，因此需一个能实时更新数据的管理系统，以确保资助决策始终基于最新信息，帮助及时调整资助策略，满足困难生的实际需求。为更好地应对困难生家庭经济状况的动态变化，必须提升数据更新和管理的实时性，确保资助决策始终建立在最新和最准确的数据基础上，使困难生资助工作更精准迅速。

2.4.3 利用大数据技术进行困难生的跟踪和反馈，实现乡村振兴战略

通过对困难生资助效果数据的分析，可了解资助策略的有效性，以便及时改进，为困难生资助工作提供有力支持，帮助更好地发现和服务困难生的需求。利用先进的大数据技术对困难生的学习和生活状况进行持续追踪与反馈分析，可深入把握其实际需求，以便实时调整资助策略。通过对资助效果数据的深入挖掘和分析，能识别在资助过程中表现突出的策略，发现效果不佳亟需改进的策略，为优化分配资助资源、提升资助效率和质量提供坚实的数据基础。此外，通过对困难生需求的精准把握，可有针对性地设计出更符合困难生实际情况的帮扶计划，确保每项资助措施均能落到实处，真正帮助困难生解决生活中的难题，支持其在学业上取得进步，提升其自信心和自我发展能力。

2.4.4 建立完善的数据管理制度

在利用大数据进行困难生认定与资助过程中，必须严格遵守相关的隐私保护法规，建立一套完善的数据管理制度，确保学生个人信息不被泄露。同时，需对数据的收集、存储和使用等环节进行严格监管，以确保数据的安全性和可靠性。

3 结语

大数据在中高职院校困难生精准资助领域的应用具有巨大潜力和价值。通过完善数据收集与分析系统、加强数据的实时更新和动态管理、利用大数据进行困难生跟踪和反馈及加强对学生隐私的保护，可更好地发挥大数据的作用，为困难生提供更精准和有效的资助服务，助力乡村振兴战略实施。为确保数据收集的准确性和完整性，需通过定期的家庭访问、电话访谈或其他方式与困难生家庭保持联系，实时更新其家庭经济状况及其他相关信息；需加强数据分析师、资助工作人员和相关决策者有效应用大数据技术的能力，使其能根据资助效果数据的分析结果作出合理决策。

参考文献：

［1］姜庆华，钱修萍. 数据驱动高校资助育人精准化：动因，阻碍与实践进路——基于江苏省学生资助申请平台建设与研究［J］. 职业技术教育，2021，42（18）：37-41.

［2］樊永生. 精准扶贫背景下广西高职院校贫困生资助政策体系完善研究［J］. 教育与职业，2021（1）：62-66.

［3］候昀晨. 基于“立德树人”理念高校精准化资助农村贫困大学生的路径——评《中国高校学生资助政策体系理论与实践研究》［J］. 热带作物学报，2020，41（11）：2366.

［4］郑冬冬，张明煜. 大数据背景下大学生社会主义核心价值观培育路径构建研究［J］. 继续教育研究，2021（12）：107-109.

［5］鹿奎奎. 高校家庭经济困难学生精准资助路径研究［J］. 湖南邮电职业技术学院学报，2020，19（3）：111-113.

［6］ Fang Y S，Gang H，Chen Y D．Decision support system of subsidies for needy students in college based on the platform of digital campus［C］//International Association for Information and Management Sciences.2010 Information and Management Sciences-Processings of the Ninth International Conference on Information and Management Sciences. 2010：62-68.

［7］ Ma H W，Zhu H K. The analysis and study of the relationship between poverty and consumer behavior of college students based on the data of campus one-card-through system［C］//Science and Engineering Research Center. Proceedings of 2015 International Conference on Simulation，Modelling and Mathematical Statistics（SMMS 2015），2015：402-408.

［8］戴海辉. 基于Hadoop的校园卡数据挖掘的研究与实现［D］. 南昌：南昌航空大学，2017.

［9］王卫星，李斌. 智慧校园下利用机器学习算法实现高校贫困生的预测［J］. 三门峡职业技术学院学报，2019，18（1）：133-140.

［10］蒲飞，赵正辉，涂旭东，等. 基于校园一卡通数据的贫困学生消费异常数据检测分析［J］. 电子测试，2018（6）：58-60.

［11］王萍萍. 大数据背景下高校家庭经济困难生精准资助路径研究［J］. 产业创新研究，2019（12）：193-195.

［12］李琦，周建修，张宗怀. 高校家庭经济困难学生发展型资助体系探索——以湖北文理学院为例［J］. 湖北文理学院学报，2020，41（4）：67-71.

［13］王茜. 大数据背景下高校资助育人工作模式重塑［J］. 湖北开放职业学院学报，2023，36（7）：141-142.

［14］武文军，向晋文. 做好高校贫困生工作的思考［J］. 当代教育论坛（宏观教育研究），2007（11）：141-142.

［15］索文斌，闻羽. 高校发展型学生资助工作刍议［J］. 思想教育研究，2014（11）：90-93.

［16］周璐莹. 高校家庭经济困难学生资助工作探索与思考［J］. 扬州大学学报（高教研究版），2019，23（5）：100-104.

（责任编辑思利华）

收稿日期：2024-08-05

基金项目：广西教育科学“十四五”规划学生资助专项《大数据背景下中高职院校家庭经济困难学生精准资助路径研究》（2022ZJY2615）