大数据背景下高校学生资助数据分析及应用思考

安哲锋 李颖 王文杰

摘 要：随着大数据理念和技术的发展，大数据对高等教育改革与发展产生了重要影响。为了提高高校学生资助工作的精准化水平，文章将大数据的理念引入高校学生资助领域，对学生资助数据进行了详细分析，并且对数据应用的途径提出了建议。

关键词：大数据；学生资助；数据应用

中图分类号：G640 文献标志码：A 文章编号：2096-000X（2018）15-0060-03

Abstract： With the development of the concept and technology of big data， big data has an important impact on the reform and development of higher education. In order to improve the precision level of college student financial aid， this paper introduces the idea of big data into the field of financial aid of college students， analyzes the data in detail， and puts forward some suggestions on the way of data application.

Keywords： big data； student financial aid； data application

为了帮助家庭经济困难学生顺利完成学业，促进家庭经济困难学生成长成才，党和国家非常重视学生资助工作。自2010年《国家中长期教育改革和发展规划纲要（2010-2020年）》颁布以来，我国相关部门出台了一系列资助政策和措施，国家资助政策体系不断健全，从制度上保障了“不让一个学生因家庭经济困难而失学”。从高校学生资助来说，针对本专科生和研究生的特点，建立了个性化的资助体系，在这些政策的保障下，高校学生资助工作得到了很好的发展，同时，也存在着一定的问题，比如资格认定问题、资助资金的分配问题、资助的效益问题等等，这些问题的引起了专家学者们的关注，并开展了深入的研究。

近年来，大数据理念的提出和流行，给高校学生资助领域的研究和实践工作的改进带来了新的思路，也为解决学生资助问题提供了新的途径。大数据理念和相关研究为此提供了很多借鉴，就“大数据”相关研究而言，一方面，研究者对“大数据”的概念和特点进行了研究，“大数据”概念于20世纪90年代被提出，M. G. Institute认为大数据是指一种数据集集合，其规模大到在获取、存储、管理、分析等方面远远超出传统数据库软件工具的处理能力和使用范围，具有数据量巨大、数据多样性、价值的密度小、处理的速度快等特征[1]。目前，还没有统一的定义，但是一般认为大数据需要满足上述四个特点。除了概念和特点外，还有研究者对大数据理念进行了阐述，李恬（2014）认为大数据理念的具体内涵包括从数据的视角分析问题、重视数据整体、从数据中寻找关联关系[2]。另一方面，研究者对“大数据”在学生资助领域中的应用进行了研究，例如，陶俊清（2015）对大数据背景下工作创新的途径和策略进行了研究，主要包括学生资助的智能化、个性化和科学化等[3]；吴朝文等（2016）对大数据环境下高校贫困生精准资助模式进行了研究，主要涉及运用大数据进行贫困生认定和贫困生大数据结果的应用[4]；刘玉霞（2016）提出了大数据时代精准资助的提升途径，以数据挖掘实现认定对象精准化，借助大数据实现资助形式差异化，借力大数据实现资助管理动态化[5]；张露露、黄海敏（2017）构建了学生资助数据库的理论模型，并对基于大数据的精准资助提出了建议[6]等等。从以上两方面研究来看，研究者已经将大数据理念引入到学生资助领域，并且从数据库建立、精准资助等方面开展了相关研究，但是相对来讲，从大数据角度对学生资助数据的分析以及大数据如何应用的探讨还不够深入，而且这部分研究对于准确把握学生资助大数据，提高大数据在学生资助领域的应用效果，具有重要的意义。

基于以上的学生资助实践和研究的背景，本文以大数据理念为指导，深入分析高校学生资助工作过程中产生的“大数据”，构建数据结构的理论模型，提出数据运用的途径，以实现促进学生资助工作，提高家庭经济困难学生培养质量的目的。

一、大数据理念下的高校學生资助“大数据”

“大数据”概念的出现为我们提供了一个思考问题的方式，而“大数据”的理念为我们提供了分析问题的视角，“大数据”理念的内涵为我们提供了分析问题的途径。为了保障家庭经济困难学生顺利完成学业，促进他们成长成才，在学生资助政策指导下高校学生资助工作者会开展丰富多样的资助工作，并产生大量数据，这些数据在学生资助工作和教育教学改革工作中具有较高的应用价值，我们有必要对高校学生资助“大数据”进行深入挖掘。

下面将从数据来源、数据内容、数据类型、处理速度四个方面进行分析[7，8]。

（一）高校学生资助数据来源分析

学生资助数据来源具有多样化的特点，从不同角度可以划分出不同的来源。1. 从数据来源的机构来说，数据主要来源于民政部门、各级资助管理部门、学院、班级、家庭、学生社团等组织；2. 从数据来源的主体来看，数据主要来源于政府相关工作人员、资助工作负责教师、辅导员、班主任、专任教师、学生等；3. 从数据来源的工作来看，数据主要来源于绿色通道、各类奖助学金、国家助学贷款、学费减免和缓缴、勤工助学、资助育人活动等方面。从这里的分析可以看出，无论是从数据来源的机构，还是数据来源的主体和工作，都表明数据来源是多样化的，但是，从当前来看，主要的数据来源是学校的资助管理部门的数据较多，来源于民政部门、家庭或其他方面的数据相对较少，并且来源于经济资助的数据较多，来源于精神资助或资助育人方面的数据较少，尤其是资助育人方面的数据还未被充分重视，也没有特别注重去收集数据，这也给学生资助工作提出了新的任务和要求。

（二）高校学生资助数据内容分析

根据数据来源分析和日常工作实践，学生资助数据内容大致包括：1. 绿色通道数据：每年新生入学，各高校都会设立绿色通道，帮助家庭经济困难学生顺利入学，在这个环节中，大致会产生以下数据：新生提交的家庭经济情况调查表数、办理助学贷款人数、办理缓缴学费人数、发放被褥和生活用品份数等数据；2. 各类助学金数据：助学金分为国家助学金、学校助学金、社会助学金等，在助学金评审和发放过程中，会产生各类助学金金额、获得各类助学金人数等数据；3. 各类奖学金数据：除了面向全体学生的奖学金之外，面向家庭经济困难学生的奖学金也很多，如国家励志奖学金是专门面向家庭经济困难学生的，在各类奖学金评审和发放过程中，会产生学生获得各类奖学金的金额、获得各类奖学金人数等数据；4. 国家助学贷款：在这项工作中，会产生学生贷款的金额、学生贷款人数等数据；5. 学费减免和缓缴：在这项工作中，会产生学生学费减免和缓缴的金额、减免和缓缴的人数等数据；6. 勤工助学：每所高校都为家庭经济困难学生提供了丰富的勤工助学岗位，供学生选择，在这项工作中，会产生学校为学生提供的岗位数量、学生选择各个岗位的人数等数据；7. 资助育人活动：为了提升家庭经济困难学生的综合素质，每所学校都会组织多种多样的资助教育活动，培养学生各种技能，在这项工作中，会产生学生参与的人数、学生对活动的认识与反馈等数据。除了这些数据之外，家庭经济困难学生的学习成绩、心理健康数据、党员数量、消费数据等数据，也对开展资助工作具有重要的意义。这些数据内容从不同角度和程度反映了学生资助的状态，从现实情况来说，有的数据内容比较丰富，也比较系统，例如奖助学金、国家助学贷款等数据，但是，有的内容可能不太注意收集，分析也就弱一些了，例如学生参加资助育人的情况等。数据内容是我们开展学生资助教育的重要参考依据，做好数据内容的记录和分析工作是学生资助工作的重要内容之一。

（三）高校学生资助数据类型分析

高校学生资助工作产生的数据类型，主要包括：文本型资源、数值型资源、音视频资源、图片资源等。文本资源主要来自家庭状况描述、学生对参加活动的认识或反馈、班级评价等数据，这部分数据相对较少，数值型资源主要来自各类奖助学金、助学贷款、勤工助学、学费减免和缓缴、绿色通道等，这部分数据相对较多，音视频资源和图片资源都主要来自于学生资助育人活动等，这些数据有些是结构化的，有些是非结构化的。从这些数据类型可以看出，高校资助工作产生的数据类型也是多样化的，并且，从当前来看，数值型的数据相对较为丰富，结构化较强，对学生资助工作的帮助也最大，相比来说，随着资助育人活动越来越多，音视频和图片型的数据越来越多，但是这种数据结构化稍微弱一些，不太容易分析，对学生资助工作的帮助也相对较小。因此，高校普遍重视数值型的数据收集，并将这些数据应用于学生资助工作中，而对于音视频和图片型的数据也重视收集，多数应用于学生资助政策宣传教育。

（四）高校学生资助数据处理速度分析

从高校学生资助数据处理速度方面来说，主要是指学生资助数据的实时处理程度。从不同数据内容来说，绿色通道等相关内容的数据，应该是实时处理，及时反馈的，相对来说，各类奖助学金、学费减免、勤工助学等相关内容的数据，从学生申请，到最后出结果，不是实时处理的，而是数据更新或反馈是有一段时间间隔的，例如，在国家励志奖方面，学生提交了国家励志奖申请表后，往往不是实时给结果，而是间隔好长一段时间才能将结果反馈给学生或相关老师，而且一年评一次，数据更新一次，大多数其他奖助学金也都是这样的。总体来说，有些资助数据是实时处理的，但是相对较少，有些资助数据需要一些时间才能处理好，但是有些非实时处理的资助数据也可以向着实时处理去努力，例如勤工助学、学费减免等数据，或者尽量缩短处理周期，这样才能更加及时、有效地反馈给学生，进一步提高学生资助服务的质量和效率。

通过以上分析可以看出，在高校资助工作中，产生了大量的、多样化的数据，并且有些能实时处理，符合大数据的特征，努力收集这些数据，深入挖掘这些数据，可以更多、更快地了解学生资助的各种信息，提高学生资助工作的精准化水平，促进学生资助工作的科学、健康、持续发展。

二、高校学生资助数据的应用思考

随着经济社会的发展，国家越来越重视学生资助工作，若能充分收集和挖掘上文提到的学生资助数据，将这些数据充分应用到资助工作和培养家庭经济困难学生的工作上來，一定会提高资助工作的质量和资助的精准化水平。

（一）重视学生资助数据收集，努力实现数据实时共享

从现在的学生资助数据来看，各种奖助学金的数据、绿色通道数据、学费减免和缓缴等数据是比较齐全、系统的，也是定期更新的。但是，很多数据是不定期的，尤其是资助育人活动学生的参与情况，或者有些社会助学金，这些数据可能不太齐全，也不系统，这就需要资助工作者建立收集数据的意识，定期收集。除此之外，学生资助工作之外的数据，尤其是家庭经济困难学生的学业数据、心理数据、课外活动数据、消费数据等，对促进资助工作的精准化也非常重要，也需要加强收集。为了更好的管理和应用这些数据，还需要建立专门的学生资助数据管理与应用系统，实现资助工作内部数据之间、资助工作与教育教学工作之间实时共享，最终实现数据服务于家庭经济困难学生的培养。

（二）注重多元数据协同应用，提高资格认定精准水平

从现实的家庭经济困难学生资格认定依据来说，主要包括家庭经济收入和状况描述数据、班级评价数据等，但是，相对来讲，指标比较单一，有时存在一定的误差，要改进和提高资格认定精准程度，可以采取以下措施：1. 校内和校外数据协同应用：民政部门、家庭的数据等校外数据与各类奖助学金、助学贷款、班级评价等校内数据同时应用到资格认定中；2. 资助数据与非资助数据协同应用：家庭经济收入、各类奖助学金等资助数据与学生的消费数据、学业数据等数据同时应用到资格认定中。通过多个来源和多种数据类型数据的协同应用，将多个数据指标用于资格认定，进一步提高资格认定的精准性。

（三）优化学生资助运行模式，实现精准资助动态管理

每个家庭经济困难学生都是独立的个体，个人的家庭经济困难情况和行为习惯都各不相同，如何能最大效益地满足每个家庭经济困难学生的个性化需求，这对精准资助工作提出了挑战。从这一点来说，优化学生资助的运行模式，实现动态管理是非常关键的，如何提高其有效性，可以从以下两个方面入手：1. 加强每个学生受助情况的统计和及时更新，并将前后受助关联起来。根据每个学生受助的金额，灵活调整受助群体和金额，例如根据学生受助情况，可以灵活调整减免学费和缓缴的金额或群体。2. 利用学生行为数据，动态调整资助群体和金额。根据每个在校生行为数据，尤其是经济行为数据，决定受助群体和金额，并且实现动态调整，例如资助工作者可以根据学生消费数据，在经过客观考察后，可以考虑将消费较低的学生纳入资助群体。

（四）建立适时评估反馈机制，提升学生资助工作绩效

从当前资助工作来看，各级资助管理部门越来越注重对资助工作的评估，越来越注重资助工作的绩效。从这一点来说，数据对资助工作评估或绩效起着重要的支撑作用，如何提高数据的支撑作用，可以从以下两个方面入手：1. 定期进行资助数据整理，评估资助工作的质量。通过这些数据，可以表明资助款项的执行度、学生资助活动参与度、学生对资助工作的满意度等情况，并不断反馈给相应的部门或工作人员，不断提升资助工作质量。2. 利用学生行为数据，考察资助工作绩效。通过学生的学业数据、消费数据等，可以表明资助工作促进学生成长的效益，是不是对学生成长有促进，是不是资助了应资助的人群，而且没有遗漏。

（五）建立资助数据应用制度，规范资助数据应用行为

任何一项工作，若想良好持续开展，需要有制度保障，学生资助数据建设与应用也不例外，若想要数据建设与应用正常运转，就要建立资助数据应用制度，明确各主体的责权利。一方面，制定资助数据建设与应用的实施办法。起草办法文本，描述数据建设与应用的重要性和内容，明确各主体的职责，以及可以获得的利益。另一方面，号召各主体遵守规定。各主体自觉遵守办法的内容，在日常工作中践行办法，规范自己的行为，为资助数据建设与应用贡献自己的力量。

参考文献：

[1]秦殿启.整合与大数据理念下的个人知识组织[J].情报理论与实践，2014，37（2）：19-22.

[2]李恬.大数据理念与图书馆大数据[J].新世纪图书馆，2014（6）：24-27.

[3]陶俊清.大数据背景下的高校资助工作创新研究[J].东华大学学报（社会科学版），2015，15（01）：24-28.

[4]吴朝文，代劲，孙延楠.大数据环境下高校贫困生精准资助模式初探[J].黑龙江高教研究，2016（12）：41-44.

[5]刘玉霞.大数据背景下高校精准资助路径探析[J].未来与发展，2016，40（09）：69-73.

[6]张露露，黄海敏.基于大数据助力高校学生精准资助[J].知识经济，2017（11）：11-12.

[7]武法提，牟智佳.電子书包中基于大数据的学生个性化分析模型构建与实现路径[J].中国电化教育，2014（03）：63-69.

[8]安哲锋，张鹏.大数据背景下高校学生心理健康数据分析及反馈体系构建研究[J].思想教育研究，2016（09）：93-96.