张 睿,焦中宁
(1.安徽大学 学生处;2.安徽大学 经济学院,安徽 合肥 230601)
当今社会,信息化程度达到了前所未有的高度,大数据作为一种新型的理念、技术和应用的集合体,正在改变着社会的各个领域。在学生资助领域,大数据为高校推进快速、便捷、高效、精准资助工作带来新的机遇,为实现资助育人提供了新的理念和技术支持。
自2007年起国家实行新的高校资助政策体系以来,基本实现了不让一个学生因家庭困难而失学的目标。随着经济的发展、社会的转型,国家对学生资助工作提出了更高的要求。目前高校学生资助工作仍然存在一些问题:家庭经济困难学生的认定体系有待完善,仅凭现有的制度和手段,难以做到精准识别;资助资源在分配和设置上缺乏科学性,大多采用简单的划比例、“一刀切”,无法做到精准配置;资助资金使用效益的评价缺乏科学合理的标准,绩效评价体系尚不完善;偏重经济帮扶,对贫困大学生学业、心理、能力等方面关注不够;以无偿资助为主的资助体系,弱化了学生的诚信意识、感恩意识,容易让学生产生依赖心理和行为惰性。
高校学生资助工作面临困境和问题的根源在于现行的学生资助工作体系和模式存在管理和制度上的漏洞,缺少技术上的有效支持。随着大数据的来临,采用新技术,探索资助工作新思路、新模式是解决当前学生资助工作存在问题的重要手段。智慧资助是将大数据采集与分析技术充分运用到高校学生资助领域,通过对学生基本信息、家庭情况、受助情况、生活状况、在校表现等海量数据信息的采集、挖掘与分析,实现学生资助的精准化、智能化和人性化,是智慧服务、智慧管理与智慧育人的有机统一,是学生资助发展的新模式、新形态,是有效解决当前学生资助工作存在问题,提升学生资助精准化水平,促进学生资助事业科学发展的必经之路。
大数据的海量数据采集功能,是智慧资助的基础。利用大数据采集技术,采集大量有关学生家庭经济情况、个人消费情况、日常行为表现情况的数据,通过深度整合和分析,可以识别学生在校期间的真实消费情况、经济水平,发现“隐性贫困”与疑似“虚假认定”现象,为高校贫困生认定和助学金评定提供重要参考,提高学生资助工作的精准度和公平性。
基于大体量数据的深度挖掘与分析,是智慧资助的核心。问卷调查等传统形式分析信息具有一定的弊端,大数据技术则可以通过纵向与横向、宏观与微观等方面的比较和分析,对海量数据进行挖掘提炼,探寻出相关性,使原本无法量化的信息,如学生的感受、态度、需求等,得以量化和显现。据此,高校学生资助工作者可以有的放矢,在资助资源的配置和资助方式的选择上更加精准有效。
对学生日常消费、行为表现等相关数据进行动态跟踪,并及时作出发展引导、预警处理等是智慧资助的重要内容。利用大数据平台,动态跟踪受助学生消费情况、上课出勤率、学习成绩、图书借阅情况、网页浏览情况等数据信息,可以帮助高校学生资助工作者了解受助学生的真实情况,对学生有可能发生的诸如生活窘迫、学业困难、心理危机等异常情况进行预判并采取及时有效的措施。
建立客观、动态、多维度的数据库,挖掘受助学生成长规律,引导学生成长成才是智慧资助的最高层次。在育人目标的导向下,利用大数据的挖掘、分析技术,探寻出资助效果的评价维度,可以实现资助评价由单一、滞后向多元化、全过程转变,资助功能从单一经济帮扶到多维发展引导的转变。
高校资助工作模式的创新是贫困生科学认定、资助需求深入分析、资助过程动态跟踪和资助效果科学评价的有机统一,智慧资助是助推传统资助工作模式创新的有效途径。
证明材料法、观察认证法和民主评议法是现行的贫困生认定的常用方法[1]。证明材料法过多依赖文字资料,其内容的真实性和可靠性得不到有效保证;观察认证法更多的是师生面对面的观察,主观性较强,无法真实了解学生深层次情况;民主评议法易受学生性格、人缘等影响,认定结果也不够客观。
科学量化的认定评估体系是实现精准识别资助对象,提高认定结果客观性和准确性的基础,是智慧资助系统构建的基础性环节和内容。运用互联网和大数据采集技术,采集学生家庭基本状况、家庭成员健康状况、家庭收入情况、家庭受灾情况、家庭消费情况、家庭负债情况和学生消费情况等多项数据,采用因素分析法、层次分析法、一致性检验等方法,提炼出致困因子,并界定相应的权重标准,从而搭建科学、量化的贫困生认定指标体系,最终确定困难等级,实现精准识别。
传统一刀切式的资金分配方式,偏重经济帮扶的单一物质形式,导致家庭经济困难学生的生活、成长需求得不到完全满足。
智能化的资源分配方式和个性化的资助项目服务,是实现有限资助资源效率和效益最大化的重要手段。在保障性需求层次上,结合贫困生致困因子量化指标体系,对学生的困难程度进行有效区分,实施差异化资助,即针对不同困难程度制定不同的资助标准,确保资助资源用在刀刃上;在发展性需求层次上,横向上分析不同性别、不同民族、不同专业、不同区域等学生群体的资助需求,纵向上分析不同年级学生群体的资助需求,微观上对学生个体形成更加全面、客观的认识,在此基础上,根据不同学生的实际情况和需求,提供个性化和定制式的发展型资助项目和服务套餐。例如可根据收集来的经济困难学生的专业、兴趣、技能和个性等信息,为其提供合适的勤工助学岗位和就业、实习信息等。
动态化管理是一种实时跟踪、动态调整机制,是智慧资助系统的重要功能。利用大数据信息管理平台,建立受助学生预警和剔除机制,实现资助对象动态进出和发展引导。一是建立预警机制,及时关注到生活、学业、心理等方面存在困难的学生,并采取相应的帮扶措施,包括生活预警、学业预警和心理预警等。运用大数据信息平台和预测功能,将学生个人资助管理信息系统、校园一卡通系统、银行借记卡系统、校园网系统等相关量化系统关联,以学生消费数据、学业数据、网络行为数据为主要参考,选取科学的参数、制定合适的预警标准从而筛选出预警人群,经核实后,采取发放补助、学业辅导或心理干预等帮扶措施。这种“隐性资助”更具有人文关怀,更能体现人性化资助的内涵。二是建立剔除机制,即运用大数据信息平台,定期甄别、淘汰高消费的或弄虚作假的“假贫困生”。
传统对高校资助效果的评价以资助政策落实状况的考察为主,评价手段较为单一,主要依据高校提供的相关证明材料,考核高校资助实施状况、资金使用情况等,忽视资助育人效果的检验,且工作的真实性和客观性无法保证。
建立基于育人导向的资助工作全方位评价体系,是促进资助工作方式转变,落实资助育人理念的重要途径,是智慧资助系统的重要拓展。高校学生资助工作绩效评价的重要意义,不仅在于作出了高低优劣的判断,更在于它的引导和激励作用。资助效果的绩效评价除了应考核高校资助工作开展的情况(如机构建设、人员配备、制度建设、资金投入等),更要考量受助学生的成长情况[2]。利用大数据平台,汇聚学生在校消费、学习科研、社会实践、勤工助学、创新创业、升学就业等各方面的数据,充分利用大数据量化研究优势,建立呈现出学生诚信度、学业成就度、心理健康度等多维评价体系,让政府和高校管理者实时监控资助效果,及时调整资助方案,引导树立并践行“资助与育人相结合”的工作理念,助力学生全面发展、成长成才。
智慧资助是大数据在高校资助工作中的创新应用。面对新的工作思路,新的技术挑战,高校要高瞻远瞩,创新思维,建立一整套与智慧资助系统配套的技术平台、运行制度和机制,保障智慧资助系统顺利运行。
智慧资助实施的前提是数据的搜集、整合与共享,并确保数据的真实可靠。高校一方面要链接教务、财务等不同职能部门,加强大数据技术的学习、应用,实现内部数据的共享,另一方面,积极与相关部门建立联动机制,与各级资助工作部门实现数据共享,尽量减少通过学生填入等传统渠道采集信息,确保数据来源丰富、真实、可靠。
目前,仅依靠高校现有的技术平台,能够采集到的数据十分有限,并且难以有效运用,远远满足不了智慧资助的需要。利用大数据等先进信息技术,建设高校学生资助相关数据资源标准化管理与综合分析平台,实现对学生资助数据的采集、交换、集中存储和管理,引入大数据分析引擎及数据展示工具,开展数据统计、分析和挖掘,通过图、表形式展示分析结果,为高校学生资助相关的服务、管理、决策和研究工作提供更加精准、及时、有效的平台支持。
在实践中,要建立学工、教务、信息技术、财务等相关部门协调配合,共同探索、共同研究的评价反馈机制,保障智慧资助系统健康、良性、可持续发展。同时,学生大量的个人信息涉及个人隐私,为规范、合理、有效使用大数据,避免威胁学生个人信息安全和侵犯其隐私权,必须建立健全相关数据使用制度,如信息安全制度、问责制度等,确保智慧资助顺利开展。