大数据视域下高校贫困生资助的路径探析

刘 佳，朱学博

(1.内蒙古财经大学 统计与数学学院，内蒙古 呼和浩特 010070；2.内蒙古经济数据分析与挖掘重点实验室，内蒙古 呼和浩特 010070)

高校贫困学生的资助工作是教育帮扶工作中非常重要的一项内容，帮助贫困学生实现受教育的权利，改变个人命运的同时为党和国家提供社会发展所需要的各类高端人才，这是全面建设小康社会的重要环节。

一、文献回顾

就国内外目前已有的研究来看，国外对于高校贫困生资助的研究主要为高校贫困生识别方式和高校贫困生资助模式的研究。

国外关于高校贫困生识别的方式主要有三类：一是以家庭收入为识别贫困生的标准，采取这种贫困识别方式的多为发达国家；二是以各项分类指标为识别贫困生的标准，采取这种贫困识别方式的多为发展中国家；三是将家庭收入与分类指标相结合的贫困识别方式。

我国属于发展中国家，以各项分类指标为高校识别贫困学生的标准。随着我国打赢脱贫攻坚战号角的吹响，我国已经从绝对贫困治理阶段过渡到相对贫困治理阶段，因此，高校的贫困资助目标也不再局限于贫困学生的识别，还应包括：对象精准、需求精准和效能精准。就现有的研究来看，国内学者大多从对象精准的角度进行了深入的研究，主要包括资助对象的认定指标体系构成和贫困识别的方法。

(一)国内高校贫困学生认定指标体系构成研究

从国内学者对高校贫困生资助认定指标体系构成的研究来看，指标体系的维度越来越多元化。赵炳起和盛波从经济、社会、人力等方面构建贫困生资助的指标体系[1,2]。王秀民在前人研究的基础上加入了学生基本信息和个人特征信息两部分内容[3]。吴丽仙在王秀民研究的基础上，又加入了教辅人员评价和贫困学生生源地两项指标[4]。

(二)国内高校贫困学生识别方法研究

从国内学者对高校资助对象的贫困识别的方法来看，众多学者运用数据挖掘技术针对校园一卡通数据进行分析研究。费小丹等建立了基于聚类分析的贫困生认定算法并用该方法分析了学生的一卡通消费数据[5]。刘超等、王秀民和李明君以学生客观消费记录为标准，利用K-Means算法，找出贫困生[3,6,7]。马洪维将神经网络方法应用到高校贫困学生识别中，更客观地评价学生的贫困程度[8]。

综观来看，国内对高校贫困生资助的研究主要集中在认定指标体系构成和贫困识别方法上，这些研究仅体现了对象精准。目前，对需求精准和效能精准的研究还不多，因此，在高校贫困生资助路径研究的完整度上存在欠缺。

文章基于2015年诺贝尔经济学奖获得者Angus Deaton的消费贫困理论、《症状自评量表SCL90》及数据挖掘技术，在大数据视域下，应用“智慧校园”数据、多维社会数据和实地调研数据，结合高校贫困生资助的现状，搭建一条对象精准、需求精准以及效能精准的高校贫困生资助的实施路径。这对优化高等教育扶贫机制、提高高校扶贫资源分配效率具有积极的意义。

二、高校贫困生资助的现状

(一)贫困识别模式存在一定的局限性

目前，大部分高校采取一年资助政策，通过建立指标体系，来认定贫困及划分等级。指标和等级一旦确定，基本形成一个相对稳定的格局，但这种评估形式也可能导致某些问题的出现。首先，由于缺乏数据支持，导致贫困认定指标体系不够健全，不能全面、真实地反映出学生的个人及家庭情况。其次，由于致贫原因和贫困程度的不同，贫困学生对于贫困资助的需求也是充满差异化和个性化的。仅将贫困划分为三个等级未免有些单一和刻板。再次，会导致“贫困寻求”现象的发生，虚假贫困的学生根据高校贫困认定指标体系和相关等级，通过寻租行为达到贫困的要求。最后，贫困资助往往还和贫困学生的学习成绩挂钩，有相当一部分贫困学生来自偏远地区，由于从小的教育环境落后、缺乏社会地位和话语权导致学业成绩差，失去了获得贫困资助的权利，这样就会形成恶性循环，使他们落入贫困陷阱而无法自拔。由于以上问题的出现，导致高校的贫困生资助难以实现对象精准的目标。

(二)侧重物质帮扶，忽视心理疏导

高校贫困生资助的意义在于物质帮助进而实现心理帮扶，二者缺一不可。一些高校往往为了公开政务，直接宣传贫困学生的情况，使这一特殊群体的标签更加明显，给贫困学生的心灵带来了很大的创伤。在高校贫困生资助的工作过程中忽视心理疏导，无疑为国家“精准扶贫”政策的实施增加了无形的障碍，无法实现需求精准的目标。

(三)无法满足贫困学生的发展性需求

与普通大学生相比，高校的贫困大学生除了和他们有共同的发展性需求外，还存在一些显性或隐性的特殊发展需求[9]。另外，在强烈的自尊心驱使下，贫困大学生更希望获得同学们的认同，提升自信心，因此，他们对人际关系的提升也有着极为迫切的需求。但是目前大部分高校的资助工作仍停留在物质帮扶层面尚未充分满足贫困学生的差异化需求，无法实现需求精准的目标。

(四)缺少事后监督管理机制

高校的贫困资助是一个循环往复的过程，真正贫困的学生往往在大学期间一直都需要帮扶，所以对于已经认定为贫困的学生需要进行事后的监督和动态管理。目前，大部分高校贫困学生的认定工作仍为传统的人工模式，贫困资助管理属于静态管理方式，缺少对贫困学生数据的即时更新和动态管理，造成资源配置的效益性降低，无法实现高校贫困生资助效能精准的目标。

基于上述高校在贫困资助过程中存在的困难和问题，如何高效和精准的识别贫困学生，提升扶贫资源配置的效益性，从而实现对象精准、需求精准和效能精准的目标是目前高校亟待解决的问题。

三、大数据思维与高校贫困生资助工作的结合

党的十九大报告明确提出“健全学生资助制度”，学生资助是一项重要而长期的工作。我们要针对根据贫困生的实际情况，优化资助分配政策，设立贫困学生专项资助资金。具体而言，建立以大数据为基础的高等教育贫困生资助机制，利用云计算、互联网等技术将各类数据资源整合起来，实现数据的共享，打造一个高等教育贫困生资助的大数据平台，通过对各类数据进行整理、加工、建模、分析为教育工作者深入开展高校贫困生资助工作提供数据支持[10]。

(一)“智慧校园”数据为高校贫困生资助工作提供有力支撑

“智慧校园”是大数据时代高校在治理过程中为实现信息现代化的产物，是高校进入全新的大数据管理时代的重要标志。随着“智慧校园”应用系统的日益完善，学生在校园中日常的自在的学习生活状态被完全的展现出来。通过“智慧校园”数据平台可以关联分析得到贫困学生日常行为特征，为高校贫困生资助工作提供有力支撑[11]。

(二)多维社会数据打造高校和社会部门之间贫困生资助工作的联动平台

“智慧校园”数据仅能反映贫困学生本人的日常学习生活状态，但是学生贫困的根源来自于学生出身的家庭。所以从根源上掌握贫困学生家庭的生活状态，才能真正地实现高校的贫困生资助。各地政府部门应积极协调高校与扶贫、民政、残联、工会、银行等有关部门，利用多维社会数据打造高校和社会部门之间贫困生资助工作的联动平台。实现高校与社会部门之间对贫困学生家庭数据的共享，进而实现高校贫困学生的精准认定、精准识别和贫困生资助的工作机制。

(三)实地调研数据是对高校贫困生资助工作的补充和完善

大量的实践经验证明，实地调研贫困学生家庭是对高校贫困生资助工作的补充和完善。通过实地调研可以真实的度量学生家庭的生活情况，及时的发现虚假贫困、隐形贫困以及精准的对学生的贫困程度进行分类、分级，从而满足贫困学生的个性化、差异化需求。同时，通过实地调研可以对学生家庭进行国家资助政策的宣传和普及，能够增进贫困学生及其家庭对国家资助政策的正确认识。

四、大数据视域下高校贫困生资助的路径探析

(一)大数据视域下高校贫困生资助的认定指标体系构建和贫困识别

在传统的高校贫困学生认定工作中，由于缺乏数据支持，贫困认定指标体系具有一定的局限性，并不能完全展示出学生的情况，贫困等级的划分也单一和刻板。在大数据视域下，我们可以根据大数据提供的全方位、多维度的指标，即，利用以“智慧校园”数据、多维社会数据和实地调研数据为核心的大数据平台对贫困学生进行认定。

首先，根据“智慧校园”数据获取学生的个人信息。例如，掌握申请贫困资助学生家庭的基本信息以及致贫原因，对申请贫困的学生有个初步的判断，获取申请贫困的学生的缴费信息、贷款信息、奖学金情况、学习成绩信息、日常消费数据以及学生日常的行为轨迹。综合以上信息运用数据挖掘技术，例如，随机森林算法等就可以快速地对申请贫困的学生进行贫困的初步认定以及等级的划分。其次，可以利用多维社会数据，即，利用高校贫困生资助大数据平台中扶贫办、民政部门、残联、工会、银行等有关部门提供的贫困家庭信息和通过“智慧校园”数据确定的贫困学生家庭进行比对，从而对已经初步认定为贫困的学生及其贫困等级进行验证。最后，对于处在少数民族偏远地区的部分没有在相关部门建档立卡的贫困学生家庭，可以以实地调研的方式进行确认和验证。

通过以上三个步骤的实施不但可以完成对贫困学生及其贫困等级的认定，而且还能满足贫困学生差异化、个性化的需求，从而实现高校贫困生资助的对象精准目标。

(二)大数据视域下高校贫困生资助的心理监测预警及发展型资助机制构建

贫困学生除了物质缺乏以外，还担负着沉重的思想负担，强烈的自卑感和强大的自尊心复杂交织往往让他们无所适从，以致影响学习。因此，在对贫困学生物质帮扶的同时要适当的结合心理疏导，实现物质和精神“双向资助”的贫困生资助模式。就目前高校的心理监测体系来看，只有针对全体学生的定期的心理测试，并没有专门针对贫困学生的心理测试。

将《症状自评量表SCL90》设置的90个题目和大数据提供的有关贫困学生的多维度、全视角的指标对应起来，建立高校贫困学生心理监测系统，定期监测这些能够反映贫困学生日常行为及表现的指标动态。然后应用大数据的关联算法建立这些监测指标之间的多维关联规则，一旦关联满足要求就能够对应到《症状自评量表SCL90》中的心理症状，及时发现贫困学生的心理问题，采取措施进行心理疏导，发挥出大数据的“探照灯”功能，实现高校贫困生资助的需求精准目标[12,13]，文章构建的高校贫困学生心理监测预警系统如图1所示。

针对现有的贫困资助体系无法满足贫困学生进一步的发展性需求问题。文章认为，可以运用“智慧校园”数据中有关贫困学生个人轨迹的信息发掘贫困学生的发展性需求，将其与学校和社会所能提供的帮助对接，满足贫困学生的差异化需求。

(三)大数据视域下高校贫困生资助的事后监督和管理

高校贫困学生认定工作完成以后，对贫困学生进行事后的监督和管理是必不可少的环节。就目前来看，高校的贫困生资助研究尚缺少理论基础。因此，文章将美国著名经济学家、2015年诺贝尔经济学奖获得者Angus Deaton的消费贫困理论应用至高校贫困生资助的事后监督和管理研究中，以弥补高校贫困生资助理论方面的空白。

基于以上的分析，在高校扶贫政策和高校人才培养战略的指引下，文章构建大数据视域下高校贫困生资助的路径如图1所示。

图1 大数据视域下高校贫困生资助的路径

五、大数据在高校贫困生资助工作中运用时应注意的事项

(一)保护贫困学生隐私

大数据在发挥其“探照灯”功能的同时，必然会涉及贫困学生的个人信息甚至是隐私。因此，应制定相关规章制度加强信息监管和对大数据技术的提炼，在实现教育公平的同时保护贫困学生个人隐私不被侵犯。

(二)彰显社会主义核心价值观

大数据应用在各个领域进而实现多维度、全视角的技术服务是社会发展的必然，也是时代的进步，但是大数据只是我们实现目标的手段和工具，真正贯穿高校贫困生资助工作始终是公平正义、诚实守信、以人为本的社会主义核心价值观[14]。因此，在实施贫困生资助的过程中要秉承社会主义核心价值观，充分利用并放大大数据的服务价值，为高校贫困生资助工作的顺利开展奠定良好的基础。

(三)大数据贫困生资助要与立德树人相结合

高校贫困生资助的意义不仅是“扶贫”，更是“扶智”和“扶志”，在运用大数据贫困生资助的同时，要将心理疏导、道德浸润、学业指导、能力拓展、精神激励巧妙的融入对贫困学生资助的工作过程中，帮助高校的贫困学生成长、成才。

(四) 拓展大数据贫困生资助的领域

为了拓展高校贫困学生受助的覆盖领域，高校可根据自身办学特色汇聚四方公益力量，积极向社会寻求资助，形成国家、高校、企业、个人资助的合力，并运用大数据将受助方和资助方链接，采用社会舆论监督的方式建立贫困资助的长效机制。

六、结论和展望

文章创造性地将“智慧校园”数据、多维社会数据和实地调研数据三者相结合，打造了高校贫困生资助工作的大数据平台。并分别应用数据挖掘技术、《症状自评量表SCL90》、Deaton的消费贫困理论及模型对高校的学生进行贫困认定、构建心理疏导预警和发展型资助机制、实施事后监督和管理从而搭建了一条完整的高校贫困生资助路径，实现了高校贫困生资助的对象精准、需求精准和效能精准的目标。解决了高校贫困资助工作面临的时间紧、难度大、情况复杂等问题，增加和提高了高校学生资助工作的效益和效率，丰富了高校贫困生资助工作理论和实践两方面的内涵。在为贫困学生提供良好的成长、成才环境的同时，也将会极大地推动高校贫困生资助工作的顺利开展。