大数据视角下高校贫困认定机制研究——以安徽财经大学为例

涂登琴 汪睿 孙畅 孙玮

一、引言

一方面，现代社会的发展离不开人才，离不开科学技术，而高校是孕育人才，发展科学技术的主要地点，让高校学生都能正常受到教育对社会发展有着重要意义；另一方面，保障每个高校学生拥有平等的受教育权利是促进教育公平的重要部分，2010 年党中央、国务院将“家庭经济困难学生资助”纳入重大教育改革发展项目，并提出“不让一个学生因家庭经济困难而失学”的工作目标[1]。而精准识别贫困生成为完成目标的重要前提，国家中长期教育改革和发展规划纲要（2010-2020 年）》学生资助中期评估报告中就提出要“进一步推进学生资助信息化建设。尽快建成以学籍为基础的覆盖学前教育至研究生教育阶段的全国学生资助管理信息系统，切实提高学生资助的信息化管理水平。全国学生资助管理信息系统要实现与人口、低保、扶贫等部门信息系统的对接或信息共享，为各级各类学校确认学生身份、认定家庭经济困难学生提供技术支持，提高资助管理工作效率和学生资助的‘精准度’[1]。目前已有一些学者进行了相关研究，吴朝文等人将智慧校园与贫困认定相结合，基于对校园消费数据的分析，提出了结合大数据的贫困认定方法[2]；蒋东兴则从系统的角度描述了高校智慧校园的结构与关键技术[3]；孙梦选取了在校生三餐等消费数据进行统计分析并论述了用SVM 理论和方法分析消费数据以识别贫困生[4]；宋美喆基于模糊综合评价法建立了贫困的认定指标[5]；毕鹤霞则综合运用模糊综合评价法和模糊层次分析法进行了模型的实证研究[6]；罗丽琳[7]、王婷[8]分各自从理论角度论述了大数据角度下的精准资助机制等。本文试图在前人研究的基础上，以安徽财经大学为例，分析现有贫困认定机制的不足之处，并结合大数据的思想，提出提高贫困认定机制的准确率的建议，助力实现“精准识别”贫困生。

二、现行贫困认定机制的不足与挑战

据了解，目前多数高校仍采用传统的贫困认定机制判别贫困生，首先由学生提交贫困认定申请书以及学生家庭所在地开具的相关证明，最终按民主评议办法确定贫困生。另有部分高校基于智慧校园项目，利用大数据挖掘学生校园卡等消费信息，研究学生用餐消费次数以及消费金额，设定贫困标准，依据该标准识别贫困对象。两种办法各有优势，传统办法成本较低，新型办法流程简单，识别相对更加准确。但两种认定规则仍存在一些不足。

（一）主观性较强

安徽财经大学主要采取传统办法认定贫困生，以定性分析为主，无法量化贫困标准，难以实现贫困对象的精准识别。其次，学生提供的相关贫困证明的真实性与有效性有待商榷。依据对安徽财经大学学生的不完全统计，结果显示，70.23%的学生认为周围少量存在贫困生识别错误的现象；59.46%的学生迫切要求学校在贫困认定工作中能够采取定性与定量相结合的方式，利用大数据建立贫困指标体系，更好地实现教育精准扶贫。

（二）认定程序过于繁琐，政策难以落实

学校一般由学生递交申请，再由班级民主评议拟定贫困生初步名单，最后通过上级审核确定并公示最终名单完成贫困认定工作。但部分高校因成本等因素，简化贫困认定程序，仅凭自身对学生情况的了解确定贫困生名单，未能将资助政策落到实处。且由于前期认定程序的复杂性，学生获得资助的实际时间较晚，其学习和生活容易受到影响。

（三）缺少综合分析

随着大数据技术的日益成熟，与其相关的数据分析技术成为定量分析问题的有力工具。然而，部分高校仅利用校园卡的消费数据作为贫困标准，指标过于单一，且该办法缺少对男女用餐消费特征差异性的考虑，可能导致女生因减肥减少用餐而被误认为贫困生等问题。其次，学生的消费类型、消费方式以及消费理念的多样性也增加了该法实施的难度。安徽财经大学学生除去每日在食堂用餐须选择校园卡消费，其余消费类型均可选择网络或现金消费方式，校园卡的消费仅占学生日常校园中消费的一部分，因此校园卡消费信息无法全面真实反映学生的消费水平。此外，该方针未对学生家庭收入、健康状况等各方面综合分析，结果缺乏价值和准确性。

三、优化贫困指标

当前贫困指标缺乏明确性和综合性。贫困指标模糊不清，界定不明，未能全面反映学生家庭与个人实际情况，致使学生在贫困认定工作中出现浑水摸鱼的现象。为进一步优化贫困指标，对安徽财经大学贫困生与非贫困生的基本情况进行调查，研究表明学生家庭基本情况、学生就读专业、学生收入与学生消费行为特征以及学生身体健康状况能够为贫困指标提供依据。

（一）学生家庭基本情况

学生家庭基本情况包括学生家庭收入水平、成员工作状态、家人健康状况以及是否为单亲家庭或其它。贫困生家庭主要来自农村，收入来源主要为务农，收入水平较低。家庭成员若处于待业状态或者家庭抚养以及赡养人数过多，家庭压力较大。另外，家庭成员因病减少收入来源并增加消费支出。单亲家庭缺少一部分劳动能力，经济状况较一般家庭差。

（二）学生基本情况

1.学生收入来源

学生收入主要来源分为四类：家庭供给、实习或兼职、国家或校内补助以及奖学金。数据分析结果显示，贫困学生更多选择参加实习或兼职赚取生活费用；同时，他们较非贫困生更刻苦，获得奖学金的比例更大。

2.学生消费特征

贫困生与非贫困生的首要消费类型都是用餐，其中贫困生较非贫困生一周更多选择在食堂用餐；出行费用位居非贫困生主要支出类型的第三位，原因可能在于非贫困生花费更多的资金与精力选择出行旅游，而贫困生出行费用明显较低，相较之下，更愿意购买书籍学习知识；目前学生的身体健康状况普遍良好，因此学生在医疗方面的花费的较少。

3.学生就读专业

学生就读专业不同，学费不等。艺术学院的学生日常消费水平相比一般学院的学生较高，计算机专业的学生对电脑的相关配置要求更高，所选择的电脑价格更高。不同专业的学习成本不同，因此学生就读的专业对于有针对性地指定贫困生的消费标准有重要参考作用。

四、大数据在高校贫困认定机制中的应用

利用大数据技术辅助高校贫困认定工作能够有效提高贫困认定精准度。目前，智慧校园项目正在各高校生根发芽，学生的生活处于更加信息化、智能化的校园环境中。智慧校园结构体系包括大数据层以及网络层，其获取和分析学生各方面信息，为学生提供个性化服务。智慧校园工程也为高校贫困认定工作提供更加可靠的依据。

（一）优化贫困认定程序

传统的贫困认定程序主要采取民主评议方式，主观性较强，且学生隐私可能无法得到有效保护。高校可以构建一个贫困认定系统，学生在系统中提交贫困认定申请以及家庭收支证明材料，如有家庭成员因病须花费大量资金的学生应提供相关证明材料，所有材料由系统自动审核和统计，相关信息加密保护。最后，依据确定的贫困指标，利用算法确定贫困指数，对高于贫困指数的学生给予援助。

（二）动态分析学生信息

利用智慧校园项目对学生在校信息进行动态分析。学生在校信息包括学生基本信息以及在校收支情况。不同学生的消费标准和理念存在差异性，利用大数据技术获取学生的消费地点、消费金额以及消费类型等消费信息，结合学生基本情况以及家庭情况动态分析，去伪存真。另外，学生在某段时间消费特征存在显著差异时，及时分析该原因，识别学生是否陷入或脱离困境，采取相应的措施。

（三）全面管理贫困对象

利用校园卡记录学生去图书馆的频率，数据分析结果显示贫困生的学习成绩高于非贫困生的平均水平，但贫困生的综合能力低于学生的一般水平。利用大数据分析原因，对因经济原因阻碍其全面发展的学生，学校应采取针对性措施，更好地帮扶贫困学生。跟进贫困对象获得资助后的情况，对于已获得资助但生活水平未改善的学生分析其原因并采取针对性办法。

五、研究面临的挑战

大数据技术使得贫困认定工作更加高效，但随之高校也面临更多挑战。一是学校越来越重视用数据认定贫困对象，忽视用定性与定量结合的方式分析解决问题。大数据对贫困认定工作起重要支撑作用的同时，学校也应当结合个人具体情况给予更具有针对性的帮助，同时增加对贫困学生的人文关怀。二是贫困认定规则仍然容易被学生投机取巧，学生可以利用定量分析的漏洞获得贫困生资格，致使贫困认定的精准率依然受限。三是由于学校尚未与各级政府、医疗等系统互联，难以实时获取和综合分析学生家庭和个人数据，共享相关数据库，以便获取学生家庭的真实情况，从而提升高校贫困认定的精准度。如何应对挑战，解决难题是后续研究应当关注的方向。