运用大数据推进大学生精准资助工作*

郭 辉

(包头职业技术学院 学生工作处，内蒙古 包头 014035)

一、大数据的意义

大数据是一种在获取、存储、管理、分析方面的规模远超出传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。大数据具有收集、挖掘、分析和处理大量信息的能力，这些信息涉及到人类生活的方方面面，而这样的能力是通过传统数据库手段无法完成的，它的目的在于从复杂的数据里找到传统数据库手段下不易发现的规律，从而预测未来。大数据的发展和应用已成为高校家庭经济困难学生认定和资助的根本要求，成为提升精准资助的新路径。

二、精准资助的涵义

学生资助工作是一项保民生、暖民心的工程，事关脱贫攻坚与教育公平。我国目前已经建立起国家奖助、生源地贷款、入伍学费补偿、学费减免等多种形式的资助模式，然而在实际执行过程中，仍然存在一些问题，如对贫困生的认定不够精准，在资助过程中缺乏分级分类识别贫困生的硬性指标，学校的资助体系不够完善，缺少动态监管机制等，这都导致了学校的资助工作无法做到精准化、差异化。

精准资助是对传统资助工作的补充和提升，是指通过科学合理的资助模式对贫困生进行精准识别，以此来实施精准帮扶。通过开展精准资助工作，为广大贫困家庭子女提供发展的机会，实现国家层面的富强、和谐等价值目标，通过有效辨识受助学生并了解他们的需求，实现扶贫和扶智相结合，达到资助育人的最终目的。

三、大数据对于精准资助的重要性

在每年的贫困生认定和助学金评审过程中，高校可通过大数据平台筛查学生信息，对受助学生进行精准识别，提高贫困生认定的准确性，同时通过对数据进行分析评估，甄别资助对象的资助类别，提升资助效果。

(一)依据大数据精准识别资助对象

目前，大多数高职院校仍然采用传统的资助模式，由贫困学生提出书面申请，班级召开民主评议，班级评议小组和班主任通过对学生的了解程度来辨别他们是否拥有获得资助的资格并确定获得资助的等级，上报各系公示无异议后由学院学生资助管理部门汇总后统一发放。这样的评审流程虽然能甄别一些特别困难的学生，但对于谎报、瞒报、开具虚假证明的学生和同学、老师不了解的学生，这种模式就无法进行有效甄别。学校也无法对所有申报学生进行家访，逐一核实，最终导致对困难生无法精准的识别，降低资助成效。

在资助前期充分运用大数据将学校贫困生档案与全区、全国资助管理系统信息、民政部门等信息数据进行整合、分析和评估，核实贫困生的申请材料，精准掌握贫困生的家庭经济状况、学生的基本生活开销，以及在交通出行、电子产品、旅游娱乐等方面的开支情况，通过大数据，获取贫困生的消费习惯、消费水平以及个人资金流动状况等信息，为贫困生认定工作提供客观、真实的数据，做到精准识别贫困生。

(二)依据大数据科学辨别资助对象的标准

目前，各大高校的国家助学金发放都采用分等级形式。在一等助学金评审时，班级评议小组及同学们对评审结果几乎没有异议，但是对二等和三等助学金的把握，班级评议小组往往存在争议。例如，同样是低保家庭，南方和北方在认定标准中对家庭收入一项的规定还有一定的差距，对于孤儿、伤残或是单亲家庭如何赋值也难以精准评定，定量识别资助对象的标准便成了大数据的一项重要任务。[1]

在对贫困生进行精准识别之后，要以科学的大数据平台为支撑，通过线上和线下相结合的方式，准确划分困难学生的贫困等级，提高资助工作的精准性。首先，要根据实际情况建立科学的认定体系，充分考虑地域差异、家庭现状、学生本人情况以及家庭突发状况等因素，依据体系数据准确赋值，定量评估学生情况；其次，班主任和辅导员老师要及时与贫困生谈心谈话，了解其家庭现状，同时结合同学们的评价与反馈对贫困生做出线下的定性评估。

(三)动态更新贫困生数据库

对于高职院校来说，从大一新生入学至毕业，有三年的时间在校并需要获得资助，尽管在新生入校时资助管理部门会统计学生的基本信息，但是在三年间部分学生的家庭状况会发生变化，如果不及时动态更新贫困生资料库，就会导致需要资助的学生因不在贫困生数据库而错失机会，而家庭状况好转的学生却重复获得资助。

高校的资助工作是一个长期的过程，只有动态管理贫困生资料库，才能更加有效精准地进行资助。依据大数据平台，掌握贫困生的生活、消费及家庭状况，及时更新校内贫困生资料库，依据贫困生动态信息，精准识别贫困生，准确划分其资助等级。

四、如何运用大数据开展精准资助工作

高校要不断提高资助资金的利用率，就需要建立合理完善的指标体系，依据大数据，建立适合本校资助工作的数据模型，动态监管贫困生数据库，实现资助的精准化、差异化。

(一)收集基础数据，建立合理的指标体系

学校利用大数据将学生的情况进行整合分析，为精准资助提供了信息和数据，解决了学生资助过程中出现的困境。要想将大数据和精准资助更加紧密地结合起来，必须提前做好资助基础数据的收集工作，才能建立合理的指标体系，从而服务于资助工作。

学生基础数据的收集应包括家庭所在地、家庭住房、家庭成员身体状况、家庭收入、家庭人口数、家庭人员的工作学习单位、家庭支出、家庭成员医疗保险情况、是否低保、建档立卡或孤残家庭等内容。依据大数据平台提供的数据信息，建立合理的指标体系，汇总各项基础数据并对各项基础数据赋值后进行评估，最终得出定量指标，以此来作为贫困生的量化数据进行后续资助。[2]

(二)依托数据模型，实现资助精准化、差异化

高职院校的资助不仅是经济上的扶困，还应将扶志与扶智相结合，资助管理部门应根据贫困学生不同的致贫因素，建立性质不同的贫困生档案，并根据学生需求有针对性地进行帮扶。在建档立卡过程中，高校应综合利用大数据，科学分析评估学生数据，按照致贫原因、困难等级、心理问题等进行分类，做到分类指导、分级帮助。在资助的过程中，利用大数据资料，针对不同专业、不同能力的学生设置勤工助学岗位，对学生经济帮扶的同时，引导学生发挥个人所长，在勤工助学中实现个人价值，[3]真正实现资助的精准化、差异化。

(三)及时更新数据，建立贫困生动态管理模式

利用大数据平台，建立贫困生动态监管模式，及时掌握学校建档立卡学生和受助学生的个人情况，在数据动态更新中进行动态管理，在动态监测中进行贫困生动态认定，对因家庭成员突发疾病或是遭受自然灾害致贫的学生，要及时更新数据，并对致贫学生进行精准帮扶。同时，学校资助管理部门应及时收集受助学生的家庭变化、日常消费、勤工俭学等数据，对获得资助却铺张浪费的学生收回其所获得的资助，对于未获得资助却在预警边缘的学生及时关注其生活和心理状态，对已经脱贫的学生要从学校贫困学生库中移除，让有限的资源能更加精准地用在真正需要帮扶的同学身上，实现资助育人的公平公正。

随着时代的发展，高校资助工作与大数据结合是必然的趋势，也是资助工作发展的一项创新举措。高校利用大数据建立科学的资助模型，精准识别资助对象，依据贫困生致贫原因科学区分建档立卡学生类别，根据贫困原因、困难等级等问题分类帮扶，实现扶困、扶志和扶智相结合。依托大数据的变化，动态更新学校的贫困生数据库，提升高校精准资助的效果，真正做到资助的公平公正。