大数据背景下的高校资助工作创新研究

陶俊清

(东华大学 学生处， 上海201620)

大数据背景下的高校资助工作创新研究

陶俊清

(东华大学 学生处， 上海201620)

随着互联网等新媒体技术的发展，大数据时代已经来临。高校资助工作要应对大数据带来的机遇和挑战，必须进一步强化大数据意识，加强利用数据处理技术的能力，完善各项制度保障。在大数据背景下，推进高校资助工作创新有利于提高工作的科学性、针对性和效率，更好地发挥资助工作的育人功能。

大数据；高校资助；创新

当今世界，正在从数据时代走向大数据时代[1]。2014年的“两会”，“大数据”第一次出现在政府工作报告中，这表明我们对大数据重要性的认识上升到国家层面。大数据时代社会的信息化程度前所未有，已形成了创新思维的新起点。高校作为思想最活跃、知识最密集、网络信息技术充分运用的前沿阵地，学校的教育、管理和服务模式以及师生的思想观念、学习方法和行为习惯必将受到大数据浪潮的深刻影响。研究如何在大数据时代创新高校资助工作，将是今后一段时间高校资助理论研究与工作实践的重点。

一、高校资助工作信息化的现状

2001年起，全国学生资助管理中心开始建立全国高校学生资助工作信息管理平台，逐步实现了中央、省级、高校三级学生资助工作及贷款学生信息的网络化管理。全国大部分省份开通了学生资助工作网站，信息化建设取得了一定的成果。但是，同时也存在一些问题：

(一) 缺乏顶层设计，统筹规划不足

近几年，各高校的学生资助工作信息化建设都取得了不同程度的进展，但是大多数学校都相对独立地建设信息系统。这些系统的标准、内容不统一，数据不够开放、难以共享，数据接口也比较复杂，既浪费了开发维护成本，又制约了系统之间的互联互通，更阻碍了更多的部门获取并利用这些数据。同时存在多个管理平台，往往让学生、老师在不同的系统间频繁切换，耗费了宝贵的时间与精力。各省市的教育管理部门一般都开发了信息化工作平台，各高校又有独立的奖助学金系统，同时也使用全国高校学生资助工作信息管理平台。如此就让用户不知如何选择，而进入其中之一，又与其他网是隔离的，信息无法共享，从而无法享用更多的便捷和高效。[2]

(二) 服务目标模糊，信息化不完全

许多地区建立的信息平台使用率不高，只是为了有一个信息平台而建立了一个信息平台，没有实质的内容，或者仅有少量的工作内容。部分高校的信息平台是基于管理者对实际工作的需要而建立起来的，宣传、统计、管理、决策等是设计系统的主要目标，而对学生的实际需求考虑不够，因而信息系统的建设会出现更多服务于管理者而非学生的现象。在实际工作中，目前的资助工作信息化主要是技术层面，将纸质的变成电子版的，或者就是把传统的工作复制到网络上，并没有充分利用网络资源建立新的工作机制和模式，将任务简化，反而加重了各方的负担。

(三) 过度关注数据，忽视对学生的发展指导

在资助工作信息化建设中，人是真正的主体，无论信息化软硬件水平有多高、制度多么完善、流程多么严谨，如果没有发挥人的积极作用，就不能体现资助工作的育人本质。由于高校资助工作的特性，资助工作者在日常工作中容易进入一个误区：过分追求各项任务的细致和各类数据的精准，因此耗费了大量的精力在验证、核对之上。审查严格、金额准确、放款及时固然是资助工作的基本要求，但目前各校的资助人员配置普遍紧张，如果大多数的工作时间都用于数据纠错，势必难以顾及对学生的教育引导。

二、大数据的价值

大数据的内涵并不是简单的、规模很大的数据集合，而是一整套新型的技术、理念与应用。大数据要求数据能充分发挥其外部性并通过与某些相关数据交叉融合产生远大于简单加和的巨大价值。数据处理新技术的不断推陈出新，使得大数据中所蕴含的价值得以发掘和体现。[3]

(一) 大数据的技术价值

大数据的出现更多是基于两个方面：一是互联网使得数据产生量大大增加，有了现实的不同数据比对和处理的可能性。大数据时代下，数据资源是海量的，理论上学校可以通过数据中心收集到学生的绝大部分信息，如选课及出勤率、图书借阅情况、消费及津贴数额、归寝时间甚至包括网站浏览、日志信息等；第二是计算能力大幅度提高，原先单一的中央式计算方式变成了以云计算为特征的分布式计算方式，使得处理能力海量增加，在融入统计学方法之后，可以挖掘出更多有趣的信息。高校可以充分利用机构优势有组织地通过对各类数据源的定位和连接，实现数据的采集、传输和汇聚。近年来，由于数据资源具有体量巨大、类型繁多、生成快速、混乱无规则等特点，IT业界陆续推出了Hadoop、HPCC等大数据分析工具，便于使用者获取各种数据资源。

(二) 大数据的理念价值

1. 由片面追求微观细节转向宏观面的前瞻性探索

在大数据时代，获取数据的途径越来越多，类型和内容日益丰富、多元。数据分析不仅仅靠微观抽样，更可以全面获得宏观整体的数据。以往仅能针对结构型数据依靠抽样分析来进行数据分析，确认信息来源及其现实客观真实性。大数据时代的海量数据内容庞杂、类型多样、来源广泛，分析大数据必须具备宏观掌控能力，在整体层面具备敏锐的直觉和洞察力，利用新型的数据工具对宏观整体的情况进行分析。

2. 由单纯探究因果关系转向挖掘事物相关性

过去科学不发达，人们通过水井跟霍乱这两种非相关数据的分布寻找到了因果联系，虽然不知道为什么，也无法解释，但是却能作出较好的防范。这种非相关数据的相关性是偶然发现的，并非刻意寻找的结果。原因之一是过去没有数据汇集技术，导致数据量太少，根本无法对非相关数据进行集中比对；原因之二是处理数据的能力有限，即使数据汇集了，也无法有效进行数据处理，找出各种数据的相关性的手段极为有限。所以，数据分析更多还是对带有相关性的数据的整理和分析，都是以因果逻辑作为基础的。

在大数据时代，透过无处不在、各式各样的数据，我们可以发现事物之间的相互联系，测知事情发生的趋势，获取更有价值的社会认知。所以，大数据的价值在于从海量的非相关性数据里寻找出一定的相关性，然后推演出行为方式的可能性。

3. 由传统经验判断转向新型量化评估

传统上，普遍认为人的态度、偏好以及价值观是无法量化的，但在大数据背景下，量化的过程不需要无限精确。道格拉斯·W·哈伯德在《数据化决策》一书中阐述了“量化”并非是深奥神秘、让人费解的事情，并且除了日常我们惯于用数据来表示的事物外，其他以定性说明的抽象事物，例如“幸福感”“满意度”“质量”“形象”“品牌价值”等看不到摸不着的东西也都是可以量化的[4]。而量化的目的并不是为了获取精确数值，而是掌握了解不确定性，控制降低风险，为评估提供依据。有效的量化过程厘清了过程与结果的关系，明确了待量化的内容，找出核心问题，并给出其清晰的定义，进而使用适合的量化方法获得对评估有价值的信息。

(三) 大数据的应用价值

1. 综合评价

人的能力是多方面的，人都有各自优势。学生在校学习、生活与实践过程中，表现出来的能力不是单一维度的数值反映，而是多维度、综合能力的体现。大数据时代的到来，让所有社会科学领域能够凭借前沿技术的发展从宏观群体面向微观个体，让跟踪、记录、处理与分析每一个人的数据成为可能，帮助学校对学生进行全方位的评价，即主体多元化、内容多维化、方法多样化，使评价结果更为客观，促进了对学生的多元化评价。

2. 发展预测

针对海量非结构性数据的相关性分析、态势与效应的判定，揭示事物发展的演变规律，进而对事物发展趋势进行预测。发展预测体现了目前大数据最突出的使用价值。[5]

3. 决策支持

面向领域或主题的历史数据与当前数据的融合，对潜在线索与模式的挖掘，对事件群体与社会发展状态的感知。伴随人工智能、机器学习及数据挖掘技术的不断进步，大数据将会进一步提高信息价值而促成决策、引导行动、规避风险。

三、高校资助工作创新路径

(一) 以智能化为创新内容

随着信息技术的发展，知识传播转向了知识生产及应用，高校资助工作不再是单向的资源给予，而是主动的、交互的、协同的创新型学生工作，提供个性化的、合作式的服务，资助工作者的职责从以往单纯的资源分配者转向家庭经济困难学生、当前(数据和资源)与未来(发展方向)的联系者。

(二) 以个性化为创新目标

大数据技术可以实现实时采集数据，避免问卷调查等传统形式采集信息的刻意性、掩饰性；并且大数据技术能够使原本无法量化的信息，如学生的感受、情绪、态度等，通过挖掘和分析得以量化和显现，从而让高校资助工作可以从宏观群体走向微观个体。资助工作者可以借助网络平台的数据信息，对学生形成更加全面、准确的认识，根据每名学生的实际情况和需要量身定制资助项目套餐，使得“一对一”的个性化资助成为可能。

(三) 以科学化为创新原则

如今的高校学生工作是建立在多样化的异构网络(如互联网、物联网等)上的，并基于这些网络对学生进行多样化、多层次的管理和服务(诸如学习、培训、饮食、住宿、奖助等)，对大数据的充分挖掘是作出精确决策的基础，有效利用数据来分析问题、作出精确决策，并以电脑代替部分人脑的工作，可以有效提升资助工作的科学性、稳定性和效率。

四、高校资助工作创新策略

(一) 智能化的状态识别

传统的学生评估经常依赖个人的经验，而这种主观性很强的评估行为使得这项工作缺乏科学性，而且效率较低。在对学生的生涯规划、评奖评优及困难认定过程中，可以借助大数据技术跟踪、记录、分析每个学生的信息，例如上课出勤率、借阅学术书籍的频率、学习成绩、校内消费数额、晨跑以及借用体育场地或器材情况等各种信息，通过在较为全面的范围内对学生点滴微观行为的捕捉，对学生进行多元评价，帮助我们了解学生的个性特点、兴趣爱好、学习态度、经济状况和当前身心状态等。学校还可以通过对学生就餐、日常消费等数据的实时监测以及处理，深度整合学生相关信息，更准确地覆盖到需要资助的学生，帮助家庭经济困难学生及时获得人性化帮助。

在技术层面，可以利用大数据智能算法构建特征模型(如蒙特卡罗模型)，对学生资格认定的有关问题进行智能化处理[4]。

(二) 智能化的发展指引

根据贝叶斯定理，可以通过A的发生估计B发生的概率。学校在对学生进行资格认定的过程中，其实已经分析出学生的当前状态。在此基础上，宏观层面可以及时了解和掌握学生的思想动态，针对学生讨论、关心的热点问题和突发事件，积极进行教育引导，及时化解矛盾冲突，维护好校园学生的思想、舆论安全和稳定；微观层面可以对比历史数据对学生下一步行为进行预判，进而对学生进行有效的指引，或者对状态异常的学生进行有效的干预。例如，学校可以根据收集来的家庭经济困难学生个性、成绩、兴趣和技能等相关信息，给予其合适的职业规划指导、实习信息乃至就业岗位，通过符合学生实际情况的生涯规划或就业指导，提高就业率，为学生毕业后职业的可持续发展提供有力的支持。

在技术层面，可以利用大数据智能算法(如新型的人工神经网络、决策树等)构建透视可视化模型，模拟未来发展趋势，对学生进行智能化和科学化的发展指引[6]。

(三) 智能化的资源分配

尽管近年政府、社会以及高校都非常重视大学生资助工作，投入的经费也逐年提高，但给予众多家庭经济困难学生的资源毕竟有限。面向不同情况的困难学生配发助学金、补助、慰问金等资助经费，本质是有限资源的争用。这是带有约束的资源调度问题，要求遵守描述关系的一组复杂的规则，且处理此类问题关键是要基于数据、面向规则。例如，绝大多数的学校每年奖助学金的总额、资助人数都会随着政府拨款、社会赞助、学校投入及学生数量等因素的变化而变化，所以每年都需要重新计算、制定新的资助标准，并根据其分配奖助学金资源给符合条件的学生，这一系列的过程非常复杂。对此，学校可以预先对学生类别或层次进行划分，并设定某一合理的限度(如以基尼系数限制最大差距)，在此基础上将资助资源分配给各个学生群体。

在技术层面，可以利用大数据智能算法(如新型的遗传算法等)构建数学模型，进行资源分配的动态优化[7]。

(四) 智能化的绩效评估

高校学生资助工作绩效评估具有重要的意义，不仅是为了对相关工作作出优劣等级的判断，更重要的是为了发挥评估的促进和激励作用，引导高校持续优化资助工作资源配置，不断对评估指标体系本身的科学性、合理性进行持续不断的检验和改进。然而，目前我国在高校学生资助工作绩效评估领域的研究还处于起步阶段。鉴于资助育人的工作理念，本文认为资助工作的绩效除了应体现资助工作本身(机构建设、资源投入及社会效应等)的发展，更要反映出受资助学生的成长，即以学生的成长作为评估资助育人工作绩效的关键指标。因此，不妨基于困难学生的各方面表现建立数据库，将学生的获奖、发表论文、直升研究生、入伍和基层就业、勤工助学、志愿服务、创业就业等情况纳入学生成长参考系。在此框架之下，通过大数据方法，分析得出受资助学生的成长情况，并以此评估资助工作的绩效情况。

在技术层面，可以利用大数据智能算法(如新型的聚类分析等)构建特征模型，对资助工作绩效评估的有关问题进行智能化处理[6]。

五、大数据背景下高校资助工作创新的推进步骤

(一) 强化大数据意识

互联网的自由、共享、开放、快捷等特点为高校资助工作提供了新的发展机遇，也提出了新的挑战。面对艰巨的全面数据整合，高校的决策者和领导者要有远见卓识，转变思维，从战略上重视大数据，推动高校资助工作有侧重地发展，进而提高资助工作水平。高校资助工作者要对数据及其处理技术提高认知，重视学生的不同信息数据之间的关系，借助互联网掌握更加真实可信的学生信息，积极主动对有效数据进行整理、分类、汇总和分析，尽快熟悉大数据背景下的资助工作规律。[8]

(二) 培养复合型人才

大数据人才需要理解大数据技术，能够解读大数据分析的结论，深入了解高校各个部门之间的关联性，并且能够根据大数据得到的结论，制定出可具体执行、管控、评价的相关环节。这些新的挑战与需求，催生高校要系统性地培养大数据专门人才，组建专业化大数据应用与管理队伍。但就我国目前高校资助工作者的队伍结构来看，很难在短时间内充实一支既具有大数据技术知识背景，又熟悉资助工作规律的教师队伍。为此，高校需要在资助工作者中培养一批掌握相应技术的人才，例如开展统计学、网络技术等专业知识的培训，使其尽快具备运用有关技术的能力。

(三) 完善管理制度

1. 信息安全制度

互联网技术的发展使人们发现了大数据的价值，与此同时，个人信息的安全也受到了严重的威胁。在大数据时代，每个人在网络上的踪迹如个人资料、聊天记录、图片、日志等几乎都可以被查到，网络外的生活也很少能逃避“人肉搜索”的威胁。这些敏感数据的所有权和使用权并没有明确的界定，很多基于大数据的分析都未考虑到其中涉及到的学生的隐私问题。因此，高校要加强内部管理，规范大数据的使用方法和流程，加强对重点领域数据库的日常监管。[9]

2. 数据使用制度

高校资助工作者要在继承传统工作经验的基础上，根据工作需要和发展需要，建立起完善的数据使用标准化流程，通过制度来规范数据使用，使学校各部门能够密切配合，形成合力，确保资助工作的正常开展[10]。

(四) 建立评估反馈机制

大数据技术的应用，使得高校可以对其数据资源采取完全数据筛选的方式来分析、挖掘隐藏在数据背后的规律，从而能够让我们更真实、更全面地了解学生，促进学生的发展。然而，由于当前人们对大数据的认识尚处于探索阶段，大数据在教育领域的研究才刚刚开始，而且大数据提供的也只是参考答案而非最终答案。因此，高校资助工作要在实践中摸索出新的工作规律，增强绩效意识，利用科学的方法对资助工作绩效特别是对奖助学金在公平和效率方面的绩效进行综合评价，不断提高高校资助工作的实效性。[11]

[1]维克托·迈尔-舍恩伯格，肯尼思·库克耶.大数据时代：生活、工作与思维的大变革[M].杭州：浙江人民出版社，2013：1.

[2]范小鹏，胡冰.信息化建设在学生资助工作方面的现状分析[J].中国新技术新产品.2015，(1)：150.

[3]张兰廷.大数据的社会价值与战略选择[D].北京：中共中央党校，2014：16.

[4]道格拉斯·W·哈伯德.数据化决策[M].北京：世界图书出版公司，2013：142.

[5]何非.大数据及其科学问题与方法的探讨[J].武汉大学学报：理学版，2014，(1)：3.

[6](美)林那夫，贝里.数据挖掘技术[M].北京：机械工业出版社，2007：138.

[7]何青，李宁，罗文娟，等.大数据下的机器学习算法综述[J].模式识别与人工智能，2014，(4)：330.

[8]万辉.大数据在高校学生管理工作中的应用[J].高校辅导员学刊，2014，(4)：49.

[9]钟荣丙，大数据时代信息技术创新的演进趋向[J].科技和产业，2014，(11)：162.

[10]张锐，董志，夏鑫.大数据时代高校思想政治教育工作创新探索[J].学校党建与思想教育，2014，(5)：68.

[11]周淑敏.浅谈大数据在高校思想政治教育中的运用[J].思想政治教育研究.2014，(5)：125.

2014-12-10

陶俊清(1983—)，男，江苏南通人，讲师，硕士，研究方向为大学生思想政治教育。E-mail:taojq@dhu.edu.cn

G641

A

1009-9034(2015)01-0024-05