基于大數據的高校資助系統模型與案例分析

胡培培(無錫科技職業學院 學工處， 江蘇 無錫 214028)

?

基于大數據的高校資助系統模型與案例分析

胡培培
(無錫科技職業學院 學工處， 江蘇 無錫 214028)

基于大數據開展智慧教育應用已成為時代發展的趨勢。在高校智慧校園的建設中，利用大數據技術開展高校資助工作具有十分重要的意義，驅動高校資助體系從主觀判斷向行為科學的轉變。很多高校在實踐中并不清楚如何具體開展工作，文章從實用角度建構了大數據支持下的高校資助系統工作模型，并對實踐案例進行分析，結合實例提出了大數據在高校資助工作中的幾種應用途徑，為大數據在高校資助工作中的示范推廣應用提供參考。

大數據； 高校資助工作； 系統模型； 案例分析； 應用拓展

隨著大數據理念在全球發酵，越來越多的國家將數據定義為國家戰略資源，開始搶占信息時代的制高點。教育大數據的意義是能對教育數據進行專業化處理，從而為科學決策提供基礎。在大數據背景下，高校研究如何利用大數據技術驅動資助體系的完善，實現精準扶貧和長效育人的資助目標已成為當前高校資助工作的首要任務。

1 我國高校資助工作現狀

我國高校資助工作的現狀就是機遇與挑戰并存。機遇就是高校資助總額和總人數呈快速上升趨勢。在經濟發展的前提下， 2015年我國學生資助資金繼續保持增長勢頭，首次突破1500億元，增長近10%。其中高等教育資助總額是847.97億元，比上年增加131.11億元，增幅18.29%，資助人數達 4141.58萬人次，受助范圍超過36%[1]。資助資金大幅增長，受助范圍的逐步擴大，實現了“不讓一個學生因家庭經濟困難而失學”的資助目標。挑戰是高校資助實施工作中存在一些發展性障礙，如貧困生定位不準、資助有效性不高、虛報偽造學生信息、忽視學生長遠發展等。為了真正實現“不讓一個學生因家庭經濟困難而失學”的發展目標，高校資助工作除了可以完善制度、加強貧困生的人文關懷外，還可以借助大數據技術增強資助工作的實效性，逐步推進精準定位和資助的力度，將錢用在刀刃上。

2 大數據對高校資助工作的意義

大數據在高校資助中的應用是高校智慧管理的一部分，目的是為了實現精準扶貧和長效育人。我國高校基本建立了“獎、貸、助、勤、減、補”六位一體的資助體系，這是保證教育公平的有效措施。如何幫助真正需要幫助的學生是建立公平、公正救助體系的關鍵。在傳統教育體制下，一般沿用學生申請、班主任和輔導員審核、學工處審批的模式，這種人工的模式由于人情因素、學生動機不良等原因會出現錯助、漏助的現象。借助大數據技術就可以避開這些人為因素。用技術手段建立學生海量信息庫，全面掌握學生信息，通過分析數據之間的關系發出預警，預測貧困生成長狀態，以提高資助有效性。

2.1 有助于貧困生精準識別

國家的大規模教育扶貧政策圓了很多困難學生的求學夢，但一些無償援助項目如國家助學金給了動機不良的人有可乘之機，造假現象時有發生。而一些真正貧困的學生由于心理障礙不愿意申請，這些都嚴重浪費了國家資源。數據技術對學生在校消費水平、貸款情況、家庭收入、家庭成員情況等數據進行分析與挖掘，客觀發現隱性貧困生，剔除虛假貧困生，指導學生資助部門精準幫扶，讓關懷不再缺位。

2.2 有助于推動貧困生成長成才

資助目的是育人。目前高校資助工作普遍注重物質援助，而忽視德能培養，更別談貧困生的市場競爭力。借助大數據技術，可長期跟蹤貧困生成績、品德與社會實踐情況，對未來市場就業能力給予判斷，及時調整資助項目，提高資助有效性，幫助貧困生成長成才。

3 基于大數據的高校資助系統模型

高校資助工作的大數據應用，主要是針對貧困生和受獎勵學生的全體數據集合，主要包括采集、處理、分析和應用四個關鍵環節，集成應用整合、存儲、數據挖掘、預測分析等相關技術，并依托可視化技術實現數據解釋應用的過程，以便實現老師利用數據實現精準定位、精細資助和趨勢分析的目的[2]。

大數據驅動高校資助體系的完善，前提條件是有統一規范的學生數據采集平臺，以解決各部門學生數據信息孤島問題，在此基礎上進行全校學生的信息數據的處理和分析。結合工作實際，筆者認為，基于大數據的高校資助系統應包含：定位系統、資助項目系統、監督系統、預警系統、就業評價系統五大子系統，整個系統是動態前進過程，后一子系統以前一系統為依托，詳見圖1。

圖1 基于大數據的高校資助工作系統模型

3.1 定位系統，提高貧困生認定精準度

在家庭收入、支出、成員信息、地理位置、貸款、綠色入學通道、消費水平、勤工助學等數據采集和分析基礎上初步判定是否是貧困生，在系統分析出的名單基礎上進行人工確認，以保證貧困生認定精準度。

3.2 資助項目系統，根據個人情況進行資助項目組合

目前國家和學校提供了多種多樣的資助項目，實際工作要根據學生貧困程度和具體情況進行組合資助。如成績優異的特困生可以給予獎學金、助學金和特困補助。在組合時根據學校資助項目和金額進行統籌兼顧，既要考慮學業成本；又要考慮全校貧困生人數，既保障絕大部分人的利益，又要照顧個別家庭極其困難的學生。

3.3 監督系統，保障定位系統的準確性

采集數據包括日常消費水平、電腦與高檔手機、高檔服飾情況、有無請客吃飯情況等。為提高監督的有效性，數據采集即可以是來自學校后勤系統的消費水平數據，也可以來自學校微信、電話、公共論壇揭發數據，甚至可以是第三方監督機構的數據，如省廳電話反饋數據等。

3.4 預警系統，跟蹤貧困生日常情況并做出干預

預警系統數據來源于學生日常消費水平、家庭突發狀況、成績情況、品德情況、獎助情況、勤工助學等信息采集和挖掘。這是資助系統的重要組成部分，一是對定位系統的查偽補缺，根據消費水平判斷貧困生名單是否準確，是否有遺漏，是否有突發家庭狀況的學生需要資助；二是對學生個人資助持久性做出判斷，及時調整干預資助項目，提高市場競爭力。如學生成績、個人能力都很優秀的條件下，是否可以增加資助項目，進一步提高學生的市場競爭力，相反，對于不努力的學生調整資助金額和項目來刺激他的學習動機生成。

3.5 就業評價系統，對資助有效性做出判斷

資助最終目的是學生能成功就業。通過對貧困生就業單位、職務、工資水平、技術水平等數據的采集和挖掘，能清晰地反映出資助的效果。特別是企業專項資助，判斷是否達到企業的預期，就業評價系統反饋特別重要。

4 資助系統模型案例分析

大數據支持下的高校資助工作系統模型不是紙上談兵，有些高校已經開始積極嘗試，有嘗試就會有進步。筆者介紹兩個實際使用的案例。

案例1 華東師范大學資助預警系統[3]

案例介紹：2012年9月，我國首個家庭經濟困難學生預警系統在華東師范大學正式投入使用。預警系統流程包括學生家庭經濟情況、日常餐飲消費情況、參加勤工助學情況、學習情況和獲得獎助學金情況等四個方面。通過調研得到學生正常餐飲消費標準，制定預警標準；根據預警標準，如全校平均值的60%，對低于此標準的學生生成預警名單，系統會發出核實短信詢問確認學生是否有經濟困難，需要學校提供幫助(見圖2)；對確實存在困難的學生給予幫扶。此外，該預警系統還能關注學生勤工儉學信息，如果某學生突然增加了勤工助學的工作量，學校也會前往了解該學生的經濟狀況是否出現了問題，從而有針對性地提出解決方案。

案例分析：華東師范大學資助預警系統是大數據在學生資助工作中的大膽嘗試，給基地學校提供了經驗。

第一，及時發現問題，實現資助情況的動態監督。通過建立學生家庭和在校情況的大數據，學校可以從學生中發現不愿讓老師和同學知曉的家庭經濟困難學生，對漏助學生實現即時救助；對于學生發生突發狀況學校也可以及時知曉，做好相應的補救措施。

第二，實現人機互動，大大提高了資助的有效性。通過該預警系統的短信回復，大數據與人工相結合，很好地提高了資助效果；輔導員根據系統的提示及時對漏助和突發情況的學生做調查，確認困難情況，也提升了救助體系的科學化。

第三，科學的數據分析，推動資助工作的科學性。2012年6月，在系統試運行期間，餐飲預警名單95人，經二級學院確認，有2人經濟困難，學校對這2名同學進行了一對一談話，制定了個性化的幫困計劃。根據餐飲預警和勤工助學預警，學校復查了568人的困難等級，更改了438人的困難等級，并及時給予針對性的幫困指導，這些都大大提高了資助的科學性。

第四，后續需進一步完善，逐步實現資助目標。該系統在運行中也存在一些問題，需要后續進行完善。首先，餐飲預警系統準確率還不是很高，這跟學生動機有關。有的學生主觀上減少就餐金額，也有可能是飲食不習慣等。可以進一步豐富預警數據，如水、電、電話、電腦、手機、高檔奢侈品等其他消費數據，還可以結合學生貸款情況、勤工助學、綠色通道、家庭經濟情況等綜合判斷。其次，對資助育人的挖掘度不夠。可跟蹤學生實踐情況、感恩教育、平時表現等數據判斷學生品德發展情況，并及時給予心理疏導和引導。

案例2 南京理工大學偷偷給學生沖飯卡[4]

案例介紹：2016年3月，南京理工大學啟動“暖心飯卡”項目，該校通過大數據分析，將每個月在食堂吃飯超過60頓、一個月總消費不足420元的學生列為受資助對象，然后直接將補貼款打入學生飯卡，不用審核。已有301位學生受助，有的多了十幾塊，有的甚至多出了三百多塊。以后，他們每個月還將收到同樣金額的補助，直到畢業。

案例分析：南理工暖心做法意義非凡，值得稱贊，當然也有值得改進的地方。

第一，體現了學校的人文關懷，學生更加身懷感恩之心。偷偷充飯卡這一小小的舉動體現了精細扶貧的資助工作要求，把學校對貧困生的人文關懷體現在具體的生活細節中，不僅減輕了貧困生的生活負擔，也溫暖了寒門學子的心，使他們更加身懷感恩之心。

第二，利用大數據成功定位，體現了精準資助的要求。利用大數據分析技術結合人工確認的方法要比之前單純依靠人工方法來得合理。這301位學生都是每餐平均不足7元的學生，相比南京的生活條件來說確實比較清苦。這些學生來自于系統的數據分析，比較客觀。而人工認定的受助學生受主觀因素的影響，缺乏詳細的調查和必要的數據分析支持，難免會出現漏助錯助的現象。

第三，需進一步核實數據，防止資源浪費。偷偷地充飯卡說明事先學校沒有發出通知，學生是在正常消費情況下做的數據分析，避免了主觀因素的干擾，有一定的合理性，但也存在進一步改進的空間：如301位受助學生還需進一步確認，以防止主觀降低用餐費用的現象存在；長期單一的資助金額顯得不妥，還是要結合學生實習情況、貸款情況、獎勵情況等動態調整，以免浪費有限的扶助資金。

5 大數據在高校資助工作中的應用拓展

高校資助政策的制定、貧困生認定和審查、資助項目的組合和資助效果的評價，這些過去靠資助工作者主觀思想或者經驗決定的東西，在大數據的背景下，正轉變為一種數據支撐的行為科學。當前，大數據技術正通過不同的途徑服務高校資助體系的科學發展，下面筆者結合實例說明。

5.1 大數據驅動貧困生智慧擇校

好的學校對貧困生來說不僅能減輕學業成本，好的專業還能提高自己未來市場競爭力，真正實現成才夢。現在教育信息資源不對等嚴重影響貧困生擇校和專業的選擇。有數據顯示，70%的人后悔自己當年所報志愿，大部分人從事與專業無關的工作。為解決這一難題，世界各國都在進行資源整合，搭建統一信息平臺，從根本上解決這一難題。

案例3 美國高校導航

案例介紹：美國教育科學院利用大數據技術開發的“高校導航”[5]，可以對全美7000多所高校進行了解和對比分析，家庭經濟困難學生可以根據所在地區、學費、獎學金資助、入學率和畢業率等各類指標選擇最適合自己的學校，“美國導航”網站截圖見圖3。

案例分析：該網站的特點信息全面、直觀，可以查找全美所有高校的信息。如輸入Harvard University，顯示哈佛大學的學生規模、學位種類、學費、資助金額和人數、校園安全等基本信息。也可以選擇一個州，城市等進行分類顯示，如州里所有大學的排名和信息情況。貧困生可以根據自己條件選擇合適的大學。

案例4 美國新聞網站

案例介紹：美國新聞網站提供了全美高校排名和對國際學生的資助情況。你可以了解到每所大學的學費、申請、資助等情況，還可以看出哪些高校提供給留學生的資助人數和金額最多，并查看這些高校專業的排名情況，從中你可以選擇最合適自己的學校。同時網站還提供一些有趣的排名，如全美最貴的十所高校、性價比最高的十所高校等，這些都依賴于大數據技術的應用。

案例分析：該網站特點是提供了學校的各種排名，你可以根據你需要的方面進行分析比較，從而選擇最適合的學校。比如你想了解國際學生申請資助的情況，可以從對國際學生的資助排名中看出哪些高校對國際學生給予資助的名額和金額最多。表1顯示2014—2015學年美國提供資助最多人數的是哈佛大學，為524人，資助金額最高的斯基德莫爾學院，為5.66萬美元[6]。當然你也可以在了解全美高校的學費和排名情況，如2016年美國最好的國立大學是普林斯頓大學，學費是4.34萬美元，哈佛大學名列第二，學費是4.529萬美元。國際學生可以結合學費及資助情況選擇最合適的一所學校。

圖3 美國高校導航應用

表1 全美排名前10的高校資助和新聞專業排名情況

我國高校資助根據國情向農、林、牧、漁等專業學生傾斜，6所高校師范學生實施免費教育，并給予補助，報考這些專業為寒門學子圓大學夢提供了很好的機會。

5.2 大數據驅動貧困生智慧就業

貧困生就業情況是衡量資助有效性的最終指標。利用大數據技術可以幫助貧困生了解各行業就業情況，提高成功就業率。

案例5 美國一站式就業服務

案例介紹：美國勞工部利用大數據技術基于多年就業統計推出了“一站式就業服務”系統，(網址：http://www.careeronestop.org/)你可以查找歷年來行業薪資、教育培訓等情況，根據自身情況選擇合適的職業和生活城市。

案例分析：對于想找工作的人來說，最關心的是工作地點和薪資待遇。如果能了解到歷年來某個城市某項職業的待遇水平，那么對于貧困生找工作來說是個很大的幫助。美國勞工部的一站式服務系統就提供了這樣的功能，而這些就依賴于大數據技術。如在找工作一欄下輸入工作為教師，城市為紐約，可顯示歷年來紐約地區提供教師工作的公司、職位、地點等信息，點開列表可顯示每個職位的職業類型、薪資待遇、任命類型等信息(見圖4)，從而可以了解紐約教師大概的工資范圍。

5.3 大數據驅動資助政策的科學化

大數據以可視化的方式分析出歷年來高校資助總金額、人數、平均受助金額、資助項目等變化情況，幫助教育主管部門負責人和決策者制定科學的

圖4 美國“一站式就業服務”應用

資助發展規劃。每年全國資助管理中心都會發布年度中國學生資助發展報告，結合歷年情況對當年資助情況進行具體分析，對未來資助工作提出規劃和要求。如2015年中國學生資助發展報告中，對2015年各學齡段學生資助總額、資助人數、資金來源情況、資助項目等進行詳細分析，對比過去一年的發展情況，為未來資助工作規劃提供依據。

5.4 大數據驅動資助資源配置合理化

定位不準、資源浪費是高校資助中的突出問題。以國家助學金為例，根據教育部數據顯示，2015年普通高校總人數是3 467萬人，其中本專科生受資助人數543.45萬人，資助研究生314.23萬人，總資助人數為 857.68 萬人，占在校生總人數的 24.7%，而我國實際上，根據國家統計局數據顯示，截至2015 年底中國貧困人口僅有 7 017 萬，約占農村居民人口總數的 7.2 %。大數據可以提高貧困生認定準確性，跟蹤學生在校成長狀態，預測其未來就業能力，為決策者合理分配資金提供依據。

案例6 美國建立縱向數據庫系統

案例介紹：縱向的數據質量系統是美國提高學生學業質量的新舉措，通過建立學生完整和準確的教育數據，為政策制定者和教育者做決策和改進實踐提供基礎。美國弗吉尼亞州正在建立的縱向數據系統(longitudinal data system)，可以跟蹤學生從幼兒園到工作的狀態，利用大數據可以分析出招生、財政救援和學位獎勵情況。2008年弗吉尼亞教育委員會將獲得佩爾(pell grant)和其他形式資助的學生就業成功率和所有學生的成功率做比較，來分析資助的效果，預測未來資助資金的合理流向[7]。通過和失業率與工資記錄相關聯，還可以預測畢業生未來的工資情況，幫助學生了解畢業后收入和學生貸款的變動情況。

案例分析：數據分析驅動了資助體系的科學化。首先，有助于分析資助政策的效果。通過對個體的教育信息進行常年跟蹤，有助于了解哪些資助政策對學生產生了積極的影響，從而更好地完善資助政策。其次，有助于決策未來資金的流向。通過對資助學生成功率與所有學生成功率的比較，及對未來工資水平的預測，決策者決定資助資金流向哪些領域可以更加積極地推動教育和經濟的發展。第三，有助于推動教育體系的改革。資助的最終目的是育人。通過對資助學生行為的長期跟蹤，可以發現教育中長期存在的問題，如貧困生的心理健康問題、就業問題，決策者和教育者可以及時調整教育政策和教育手段。

5.5 大數據驅動資助資金來源多樣化

根據教育部發布的《2015年中國學生資助發展報告》顯示，我國高等教育資助資金來源主要是財政、銀行貸款、高校事業收入和社會捐贈(見圖5)。可以看出社會捐贈資金比較少。原因一是學校沒有大力宣傳，企業缺乏認識；二是對于捐贈資金是否最終能為企業服務缺少證據支持。大數據可以擴大資金來源，跟蹤項目資助的使用情況，提高捐贈者捐資助學的興趣。

案例7 引入互聯網大數據做細提案吸引資助

案例介紹：“捐助者之選”(網址：www.DonorsChoose.org)是一家線上教育募資平臺，它曾被知名脫口秀主持人奧普拉·溫弗瑞盛贊為 “革命性的公益組織” 。該平臺非常注重執行效果，有嚴謹、透明化的機制，每個提案必須詳細羅列完整的預算，包括教具品名、單價、廠牌等，讓資助者明確追蹤自己的資助款項將如何被使用[8]。

圖5 2015年我國普通高校資助資金來源

案例分析：“捐助者之選”的特點就是公開、透明、執行力強，并運用互聯網擴大捐贈資源。該平臺積極運用了大數據，分析過去各個提案的學校類型、捐款形態，并做出內部或公開的報告供自己和大眾檢閱。同時成功運用互聯網，將捐助者和需求者聯系起來，為他們搭建合作的橋梁。捐助者再也不是盲目地捐款，無論他們貢獻多少，他們都能知道自己的貢獻到了哪個項目的手里，也能知道項目進展得怎樣，這就建立起捐贈者對平臺的信任感，從而更加積極踴躍地加入慈善行列。

6 結語

雖然大數據在高校資助工作中應用研究是一個全新的領域，但大數據對高校資助的影響卻很深遠。大數據技術改變了傳統高校的資助做法，使個性化資助成為可能，提升了救助體系的科學性。未來利用大數據技術還可以進一步研究高校資助多樣化途徑，如美國的家庭貸款、稅收減免。還可以

討論如何擴大資助受助范圍，如資助范圍由全日制教育向在職教育延伸等問題。當然，不是說有大數據技術就不需要人工了，兩者要有機結合起來，才能進一步高校完善資助體系。

[1] 全國學生資助管理中心.2015年中國學生資助發展報告[EB/OL].(2016-09-01)[2016-10-12].http://www.moe.gov.cn/s78/A05/moe_702/201609/t20160901_277355.html.

[2] 唐斯斯，楊現民. 智慧教育與大數據[M]，北京：科學出版社，2015.

[3] 華東師范大學.華東師范大學研發困難生餐飲預警系統 [EB/OL].(2012-08-09)[2016-10-13].http://www.u-office.ecnu.edu.cn/s/173/t/222/17/0d/info5901.htm l.

[4] 黃歡.善用大數據 資助才能真正暖人心[EB/OL] . (2016-03-08)[2016-10-15]http://news.ifeng.com/a/20160326/48225457_0.shtml.

[5] NCES:National Center for Education Statistics.Collegenavigator[EB/OL] . (2016-04-26)[2016-10-19].http://nces.ed.gov/collegenavigator/

[6] us.news.Usnewseducation.[EB/OL].(2016-04-26).[2016-10-23]. http://www.usnews.com/education/best-colleges/the-short-list-college/articles/2015/09/24/10-universities-that-offer-international-students-the-most-aid.

[7] 唐斯斯，楊現民. 智慧教育與大數據[M]，北京：科學出版社，2015.

[8] 中山商報.公益機構“捐助者之選”創新助學模式獲成功[EB/OL].(2015-07-06)[2016-11-02].http://www.zsnews.cn/News/showindex_10.shtml

責任編輯 陳桂梅

Case Analysis of Subsidization System in Universities Based on Big Data

HUPeipei
(Department of Students’Affairs, Wuxi Vocational College of Science and
Technology, Wuxi 214028, China)

Modern education based on big data has become a trend of times. It is necessary and has great significance to use big data to build smart campus. Subsidization system changes from subjective judgment to behavioral sciences. However, many colleges and universities are not clear on how to work in practice. This paper analyzes the funding system from practice. In addition, combining some cases, it proposes several application approaches, which provides references for applying big data technology in a right way.

big data; subsidization system; model; case studies; application route

2016-12-09

胡培培(1983— )，女，江蘇無錫人，助理研究員，碩士研究生，研究方向：智慧校園，學生管理。

10.13750/j.cnki.issn.1671-7880.2017.02.011

TP 311.13

A

1671-7880(2017)02-0040-07