信息化背景下高校贫困生资助和心理异常预警的路径探析

林 振，王庆佳

（福建商学院 a.传媒与会展学院；b.信息工程学院，福建 福州 350001）

高校贫困生是指高校中家庭经济困难的大学生，因为经济困难导致生活拮据，容易产生自卑、敏感、焦虑、不自信、过于节俭等异常心理，他们在学校很难健康快乐地学习和成长，所以对高校贫困生进行资助和异常心理预警刻不容缓。庆幸的是我国资助政策能有效减轻贫困生家庭经济压力，让他们上得起学，但是高校贫困生认定和资助依然存在多方面的问题，例如每个地区贫困认定标准不一，学生申请数据真伪难辨，民主评议主观性较强，真贫困生自尊心强不敢申请，贫困生存在过度消费行为，贫困生自卑感较强，贫困生抑郁发生率高等。

教育部《关于加强新时代教育管理信息化工作的通知》提出要推动管理理念创新由传统管理模式向数字化转变、创新管理方法、提升学校管理效能，大幅提高教育科学决策和综合治理能力，助力新时代我国教育改革发展的战略选择[1]。新时代教育管理理念给资助工作带来新的机遇，数据处理技术的发展可避免高校贫困生认定和资助问题持续重复发生。因此信息化背景下利用数据处理技术对高校贫困生精准认定、资助和异常心理预警势在必行，且迫在眉睫。

1 高校贫困生精确资助研究现状

对学生信息进行大数据分析已然成为高校管理信息化发展的主要趋势。福建商学院《智慧校园“十四五”规划》指出将以“互联网+服务”为切入口，推进“放、管、服”改革，构建“福建商学院+教育现代化2025”的校园管理模式、教育教学智能化和美好幸福校园生活“三位一体”大数据管理体系。据此可知，以数据处理技术为突破口的高校管理信息化已经从国家战略定位、各部门联合部署，到各个高校贯彻落实阶段。

1.1 国内外高校学生精准资助的现状

在国内，基于数据处理技术的高校学生校园生活信息化研究范畴已涉及学生的消费、学习、社会活动等各方面。华南理工大学等高校通过数据处理跟踪在校学生的消费行为，对有消费行为异常的学生进行沟通，必要时给予二次补贴，浙江大学通过建立10个贫困生综合素质培训中心和3个贫困生实践项目，帮助贫困生实现多元化的素质提升[2]。聂敏等抽取学生基本信息特征和在校行为特征，采用深度学习CW-LSTM、朴素贝叶斯、决策树三种算法进行建模分析对比验证，发现深度学习CW-LSTM算法预测效果最好，但未计入隐形特征，未进行不平衡处理，因此总体识别率低[3]。袁璟瑾等在精准认定框架下采用SMOTE重采样法对学生数据进行分类建模，将贫困生识别精度由15%提高到40%[4]。吕宗瑛等探析大数据技术促使高校学生管理从智能化向智慧化提升，提出基于大数据的高校学生精准思政研究路径[5]。

在国外，Liu Tab等研究者利用校园终端系统收集的信息对学生社交网络进行编织并让计算机学习，该系统在西安交通大学进行试验运行[6]。Rianne Conijn等利用Moodle课程管理系统和LMS学习管理系统对数据进行分析从而对学生学业成绩预警[7]。M.Sweeney 等对学生学习行为进行分类和归纳并对学生将来成就进行预测[8]。

1.2 国内外高校学生精准资助存在的问题

一是现有研究仅提取学生校园消费数据来识别贫困生，而没校外消费数据，导致校园消费数据所反映的学生财务状况与真实状况存在偏差，同时如何有效利用其他类型的学生校园数据，提取有效的特征，缓解校外消费数据缺乏的影响，也是一个难题；二是贫困生的识别是一个典型的不平衡数据分类问题，贫困生和总学生的数量比例小于1:4时，计算机学习和分类模型对原始数据集在统计上偏向于普通学生，而目前不平衡预处理方法和分类模型算法都在尝试中，尚无一致认可的标准，导致贫困生的总体识别率低[9]；三是根据每个贫困生的具体情况来确定资助金额，并提供心理支持，这是精准认定、精准资助的本质需求，而这在现有的基于智慧校园大数据的贫困生资助和异常心理预警研究中是凤毛麟角。

2 高校贫困生资助与心理异常预警的研究意义

针对国内外相关方面存在的一些困难提出信息化背景下高校贫困生资助和心理异常预警的路径探析有以下几点意义：

一是搭建学生数据中心平台，可将学生的纸质信息数字化，当学生数据达到一定量时便可进行数据建模分析，进而有助于智能化和智慧化的发展。

二是通过调研福建商学院学生外卖点餐行为，发现这些数据存在数据盲区，因此应在有限的学校数据收集范围内挖掘贫困生的隐形特征，可有效地缓解由于校外消费数据缺乏而造成的贫困学生识别困难。

三是不平衡问题一直是数据分类处理的痛处，因为数据采集不平衡，计算机分类模型不能正确学习少数类数据，建模结果往往有利于多数类数据，导致结果畸形和决策失误。通过不平衡预处理方法（重采样法）与分类模型建模算法（随机森林算法）相结合，利用新提取的特征，可以有效减少数据不平衡带来的统计偏差。

四是通过分析学生在一段时间内行为的变化，跟踪学生的心理状态，并提供预警信号，可以帮助辅导员及时了解学生并为此类学生提供心理咨询支持，提升压力应对技能，避免恶性循环。

五是数据处理技术与“慢、偏、钝”传统资助模式相比更加“快、准、狠”，可提高贫困生认定结果准确性和科学性，必将有助于高校精准资助、精准思政，提高学生管理的效率和质量，减少高校工作人员的工作量。

3 高校贫困生异常心理预警路径探析

总体路径如图1 所示，它包含六个主要步骤:学生数据中心平台、学生信息收集、特征提取、分类模型建模、贫困学生资助推荐和异常心理预警、辅导员核实处理。与此同时，应对心理异常学生及时采用生命意义感教育和领悟社会支持的结合模式进行干预。

图1 信息化背景下高校贫困生资助和心理异常预警的路径

3.1 学生数据中心平台

每个学生从被学校录取后就开始产生海量数字数据，高校各部门之间应当顺应新时代，打破“数据孤岛”现象和信息壁垒，实现共建共享、协同驱动的学生数据中心平台。学工部可以提供宿舍信息（如房号、房间人数、宿舍成员、舍长等信息）、资助信息（高中是否受过资助，是否农村低保户、建档立卡户、残疾人家庭子女等）、助学贷款信息（如贷款所属银行、贷款金额、贷款期限、贷款地等信息）、就业信息（期望工作职位、期望薪资等）、心理咨询状况等信息。教务处拥有教育数据较多的部门，可以提供学生的选课情况、奖惩情况、各门课业成绩、学生在线课程学习数据、考勤数据、高考录取信息等。后勤处一卡通系统可以提供校园卡片消费信息、充值记录、图书借还情况、门禁进出数据等信息。校团委可以提供学生社团活动信息，如志愿者服务时长、担任何部门何岗位等信息。此外，应当提高财务处、网络技术中心、通识教育学院等部门间信息联动的意识，同时提升信息素养。

3.2 学生信息收集具体方法

学生信息收集要体现以人为本的理念，将各个部门的信息整合，体现成学生个人画像，包括学生的个人信息，如注册信息、学生家庭背景调查问卷数据、校园食堂和商店消费数据、校园各地方（包括宿舍、图书馆、体育馆、教学楼等）的进出记录、成绩等。学生信息收集的六类数据主要来自三个数据源。第一个数据源是学生管理系统，包含个人的基本信息数据。这些数据是在学生入学时录入系统的，包括学号、姓名、省份、录取类别、考生编号等。第二个数据源是关于家庭背景的，通过问卷的方式获得，问卷由每个新生在大一入学的第一个月填写。问卷调查包括以下项目（不论其父母是否去世或者离异）：18 岁以下的家庭成员人数、65 岁以上的家庭成员数、父母的教育水平、父母职业类型、亲属职业类型、家庭收入、家庭债务等。第三个数据源是校园卡系统数据。学生卡系统管理和记录每个学生用于消费、学习和日常生活活动的数据等。当学生在学校食堂、商店等消费产品，在POS 机上刷卡，该系统记录消费金额、时间和POS 机的数量和位置。学生进入或离开学校各个地方要刷校园卡，门禁系统可以记录时间、地点和其他相关信息。此外，教学管理系统记录了学生选课、成绩、教学评价、奖惩等信息。

3.3 特征提取与选择具体方法

通过分析和归纳智慧校园的数据，用来识别贫困生的特征。然后，采用关联法和信息增益法删除无关的特性。最后，获得模型训练的特征集，它包括五个特征类别，分别是个性化的家庭情况、消费、校园活动、消费地点、价格偏好和消费物品种类。这个模块能为贫困学生的评议鉴定提供基础支撑，进而着手补贴金额的量化和学生的心理异常预警。

3.4 贫困学生分类模型建模具体方法

该模块包括不平衡数据处理和建模两个步骤。不平衡数据处理是为了解决数据集不平衡导致贫困学生的识别能力差的问题。在这一步中，可采用四种常用的不平衡数据处理方法，分别是二次抽样法、重采样法、代价敏感学习法和合成少数类过采样法。通过比较上述四种方法的性能，选择最优的一种算法作为不平衡数据处理方法。在建模步骤中，要通过比较多种机器学习算法训练模型的性能，选择性能最好的模型。

3.5 贫困学生资助推荐和异常心理预警具体方法

它包括对资助金额量化补贴和对异常心理状态学生预警。根据每个贫困生的具体情况确定资助方案，对建档立卡家庭子女、低保户子女、烈士子女或孤儿、残疾学生等占贫困生比例较少的又急需社会帮扶的家庭特别困难学生进行资助育人“家校关怀万里行”教育（金融知识校园行、资助政策乡村行、家校关怀万里行）。

家校关怀万里行，是由资助工作人员组建一个家访小组，通过家访不仅可以有针对性地了解学生家庭真实情况，给予定制化建议和帮扶，还可以对数据建模分析评议出的有争议贫困生进行实地调研，避免发生贫困生认定偏差。在与家长沟通时，向学生家长反馈其在校综合表现情况，可以发放资助宣传手册，讲解国家资助政策，宣传国家“让每个孩子都上得起学”的资助精神，以点带面，让学生周边邻居也能知悉国家政策，消除家访地点附近困难家庭由于经济拮据上不起学的困虑。

另外，针对很少购买甜品和水果的贫困学生可向他们发放节假日食堂补贴券和水果券。并提醒辅导员通过生命意义感教育和领悟社会支持教育等方式对心理状态异常的贫困生学生进行心理疏导。

3.6 辅导员辅导学生具体方法

贫困学生的推荐名单和量化补贴金额建议后，即可对特困生和一般贫困生进行审核，特别是特困生的生活习惯、消费习惯和民主评议结果。首先辅导员要精心组织班级贫困生评议小组成员，评议小组成员分工明确，并强化贫困生诚信教育。要将贫困生认定审核与诚信工作教育相结合，教育引导学生按照实际情况反映家庭经济。其次，强化责任落实。辅导员切实担负起在困难认定中应负的职责，责任到位，采纳系统参考推荐名单来提高困难认定精准度。第三，强化监督检查。根据数据分析给予的名单信息与学生申请信息相核查，对申请资助时弄虚作假的学生，取消受助资格。最后，强化感恩教育，高校教职工特别是思政教育工作者应借助“志愿汇”APP端资助志愿者联盟平台，联合各级团委、学生会开展感恩志愿服务，鼓励国家助学金获得者积极加入资助志愿者联盟，多参与学校、社会组织的各类公益、志愿、无偿服务，鼓励贫困生毕业后用自己的知识和汗水服务基层，以实际行动感恩回馈社会。

4 结论

目前已经有高校例如西安交通大学通过智慧校园分析学生的行为和状态，帮助学校管理者更好地了解学生的情况和需求，并根据学生的需求及时有效地提供资助方案，说明了数据处理技术应用于高校贫困生资助和心理异常预警的路径探析已有例可循。此外，贫困生容易产生心理问题，主要表现为自卑、焦虑、敏感、人际交往缺乏自信、花钱节俭等，学习成绩差的贫困生更容易出现心理问题，难以适应校园环境，对他们未来的发展产生负面影响。长此以往，恐会导致学习与心理的恶性循环，有必要对心理状态异常的贫困学生提供心理支持，应当采取以下措施。

4.1 因人施策，开展精准资助

每个人自胚胎发育开始经历不同的生物基础、成长境遇、机遇，贫困生亦是如此，每个贫困生的家庭背景、致贫原因、需求都因人而异。如贫困生假期在校时间比普通学生多，普通学生在学校购物选择比贫困生更加多样化，贫困生往往很少购买甜品和水果；大同大学医学院做的一项调查表明有33%的贫困生没有食用早餐，77%的贫困生早餐品种单调，营养质量低且谷类食物居多；男生早餐、晚餐的质量好于女生等[10]。根据这些调查结果，高校管理者应发起有针对性的资助活动，比如向学生发放节日食堂补贴券和水果券；多宣传、提倡、补贴贫困生食用廉价食品如豆类和薯类；还应及时干预贫困女生的膳食营养搭配。

4.2 化解心理危机风险

习近平总书记指出扶贫要先扶智，因此贫困生心智健康也至关重要。造成贫困生心理问题的原因是多方面的，其中家庭环境是重要原因之一。通过数据处理分析筛查出异常心理行为的贫困生，并提醒辅导员家校联系，动员家长给予贫困生家庭更多情感关怀、更多陪伴、保护和引导。辅导员也应通过生命意义感教育和领悟社会支持教育等方式对心理状态异常的贫困生学生进行心理疏导，多措并举化解心理危机，可提高校园安全水平。

4.3 弥补校外数据缺乏的弊端

之所以在贫困生认定后经常出现投诉现象，往往是因为部分贫困生存在一身名牌、旅游晒照、校外高消费等行为，着实有点“违和”。在学生提供贫困生认定材料属实的情况下，很可能是学生在经过一段时间后动态脱贫了，而在认定时是静态贫困的。为此，高校教育管理信息化后可为高校贫困生资助和心理异常预警机制提供全天候监测服务，还可通过数据建模公式分析，了解和学习学生的生活习惯和行为规则，挖掘贫困生的隐形特征（例如消费地点、价格偏好、消费种类等），可有效地缓解由于校外消费数据缺乏而造成的贫困学生识别困难，提高资助公平性。

4.4 强化安全意识，提升信息安全性

数据中心存储着学生的所有信息，如若泄露，将造成严重伤害，因此网络安全至关重要，它关系着学校、社会、国家的安全。高校要科学处理智慧校园安全与发展的关系，完善网络与信息安全管理相关制度和工作机制，强化学生数据中心平台的数据安全防护与安全管理，提升高校学生信息的安全性。建立完善的数据采集制度、数据访问权限控制制度、隐私保护制度，对数据全生命周期所有者、使用者、传播路径进行监管。结合学校实际，布置上网用户认证、网络日志保存、网络杀毒系统等网络安全防护措施，这样才能推进信息化背景下高校贫困生资助和心理异常预警的工作向智能化、智慧化发展。