高校精準資助路徑探析

陶俊清

(東華大學 學生處， 上海 201620)

高校精準資助路徑探析

陶俊清

(東華大學 學生處， 上海 201620)

在大數據時代背景下，如何精準認定、準確資助，是高校學生資助的一個大問題，打造資源共享，精準認定資助新模式，建立實時動態、及時完善的管理思路，對提高高校精準資助水平具有重要意義。本文通過對高校學生資助工作的現狀進行分析，構建了高校精準資助實施路徑模型，且以東華大學為例，收集分析了各項數據；并針對現狀提出了實施精準資助的對策建議，擬為相關部門提供決策參考。

大數據； 精準資助； 路徑

當今世界，正在從數據時代走向大數據時代[1]。所謂大數據技術，是指從各種各樣類型的數據中，快速獲得有價值信息的能力。它通過技術的不斷創新與發展以及對數據的全面感知、收集、分析、共享，為人們提供了一種認知世界的全新方法，即決策行為將日益基于數據分析作出，而非像過去更多地憑借經驗和直覺。

近年來，黨和國家高度重視學生資助工作，為助力貧困生發展，政府出臺了一系列的決策部署，并取得重大進展和顯著成效，幫助數千萬貧困生順利入學、完成學業。但與此同時，學生資助工作中所存在的隱性貧困、虛假貧困等現象也引起了教育管理部門的注意。2015年，中共中央、國務院印發的《關于打贏脫貧攻堅戰的決定》(中發[2015]34號)，對“精準扶貧”作了更為深入的闡釋和部署。“精準扶貧”不僅對扶貧工作提出了更新更高的要求，而且也為學生資助工作指明了方向，帶來了更為廣闊的理論視野和實踐空間。在《教育部2017年工作要點》(教政法[2017]4號)中，同樣也提到“要提高學生精準資助水平”。可見，新時期的精準資助確實需要依托大數據技術，深入整合教育管理信息，通過數據挖掘與預測性分析，增強高校學生資助工作的準確性和公平性，進而實現精準資助。

一、 高校學生資助工作的現狀

(一) 資助工作發展歷程

新中國成立以來，隨著高等教育的改革和發展，高校學生資助工作經歷了從單一逐步向多元化發展的歷程。2007年，國家新的資助政策頒布實施以來，各高校積極落實新資助政策，創新機制體制，增加了資助方式，提高了資助力度，擴大了資助范圍，并以“資助育人”為核心，逐步完善學生資助政策體系，基本形成了“政府為主導、高校為主體、社會積極參與”的多元資助格局，并且構建了“獎、助、貸、勤、補、免、償”多位一體的資助體系。目前，大部分高校在資助工作中不但為貧困生提供經濟資助、物質支持，幫助他們改善學習和生活條件，還通過開展培訓講座、勤工助學、社會實踐等活動，培養學生實踐能力、創新能力、創業能力和就業能力，提高綜合素質，收到了良好的效果。

(二) 資助工作信息化的困境

近些年，高校學生資助工作呈現出更高、更全面的要求，追求日益精細化，使得工作的難度逐漸增加、效率逐漸降低。針對這一情況，各校進行了學生資助工作信息化建設，取得了不同程度的進展，但是現有的信息系統標準不統一，數據不夠開放、難以共享，部分高校的信息系統僅實現了管理者宣傳、統計及管理的功能需求，而對學生的實際情況以及現實需要考慮不夠。這些信息系統不僅浪費了開發維護成本、制約了信息的有效利用，更阻礙了以育人為核心的新型工作機制的建立進程。

(三) 精準資助面臨的問題

習總書記強調扶貧開發要做到“對癥下藥、精準滴灌、靶向治療”。“對癥”“精準”“靶向”都是在強調要精準把握對象的各項特征。因此，高校實施精準資助首先必須科學把握學生的狀態和需求。然而，精準資助面臨以下問題：一是現行貧困生認定方法客觀性和準確性不足，調查顯示50.3%的大學生認為不能有效識別“裝窮貧困生”；二是現行資助資金的發放缺乏科學性和統籌性，調查顯示59.1%的大學生認為存在資助資源分配不合理的情況；三是目前高校資助工作績效評估指標尚不夠細致與全面，較傾向于考察資助工作本身(如機構建設、資源投入及社會效應等)的發展。[2]

二、 大數據技術推動高校學生資助工作精準化的基本思路

大學生在互聯網以及校園網上產生了大量的“痕跡”，為大數據技術的運用提供了良好的現實基礎。同時，大數據也已經擁有了一定的認知基礎，如調查顯示62.8%的大學生支持運用大數據技術識別貧困生。可見，在已然來臨的大數據時代，對于高校推進精準資助，“萬能”的大數據技術將有助于高校學生資助工作的對癥下藥、精準滴灌以及靶向治療：

(一) 對癥下藥：由傳統經驗判斷轉向新型量化評估

人的能力是多方面的，每個人都有各自優勢。學生在校學習、生活與實踐過程中，表現出來的能力不是單一維度的數值反映，而是多維度、綜合能力的體現。大數據時代的到來，讓所有社會科學領域能夠憑借前沿技術的發展從宏觀群體面向微觀個體，讓跟蹤、記錄、處理與分析每一個人的數據成為可能，幫助學校對學生進行全方位的評價，即主體多元化、內容多維化、方法多樣化，使評價結果更為客觀，促進了對學生的多元化評價。

(二) 精準滴灌：由單純探究因果關系轉向挖掘事物相關性

在大數據時代，透過無處不在、各式各樣的數據，我們可以發現事物之間的相互聯系，測知事情發生的趨勢，獲取更有價值的社會認知。如面向領域或主題的歷史數據與當前數據的融合，對潛在線索與模式的挖掘，對事件群體與社會發展狀態的感知。伴隨人工智能、機器學習及各類算法的不斷進步，大數據技術將會進一步提高信息價值而促成決策、引導行動、規避風險。

(三) 靶向治療：由片面追求微觀細節轉向宏觀面的前瞻性探索

大數據時代的海量數據內容龐雜、類型多樣、來源廣泛，分析大數據必須具備宏觀掌控能力，在整體層面具備敏銳的直覺和洞察力，利用新型的數據分析工具對整體情況進行透視。針對海量非結構性數據的相關性分析、態勢與效應的判定能夠揭示事物發展變化的規律，進而對事物發展趨勢進行預測。發展預測體現了目前大數據技術最突出的使用價值。

圖1 基于大數據技術的高校精準資助工作模型

三、 基于大數據技術的高校精準資助實施路徑

根據以上基本思路，本文以發展為目的、智能為方法、學生為對象、資源為要素構建模型，并進一步研究高校精準資助在貧困生的狀態識別、資源分配、發展指引以及績效評估四個方面的實施路徑。

(一) 精準化的狀態識別

學校可以通過對學生就餐、日常消費、上網設備等數據的實時監測，深度分析學生的經濟狀況，更準確地做好困難認定的動態管理，使得貧困生及時獲得資助，并精準識別出“裝窮貧困生”并將之剔除。

(二) 精準化的資源分配

學校將有限的助學金、補助、慰問金等資助經費配發給不同情況的貧困生，為了避免金額等級不匹配和差距過大，可以預先對學生按類別或層次進行劃分群體，并設定某一合理的規則，在此基礎上將資助資源分配給各個學生群體。

(三) 精準化的發展指引

學校在對貧困生進行資格認定的過程中，已經分析出學生的當前狀態。在此基礎上可以對比歷史數據，針對不同的學生給出基于最優策略的生涯規劃指導、選課套餐、實習信息乃至推薦就業崗位，為學生畢業后的可持續發展提供有力的支持。

(四) 精準化的績效評估

鑒于資助育人的工作理念，資助工作的績效除了應體現資助工作本身的發展，更要反映出受資助學生的成長，即以學生的成長作為評估資助育人工作績效的關鍵指標。在此框架之下，通過大數據技術，分析得出受資助學生的成長情況，并以此評估資助工作的績效[3]。

四、 實施路徑下可用的大數據技術

(一) 基于蒙特卡羅模型的學生狀態識別

傳統的學生評估經常依賴個人的經驗，而這種主觀性很強的評估行為使得這項工作缺乏科學性，且效率較低。在對學生的生涯規劃、評獎評優及困難認定過程中，可以借助大數據技術跟蹤、記錄、分析每個學生的信息，例如上課出勤率、借閱學術書籍的頻率、學習成績、校內消費數額、晨跑以及借用體育場地或器材情況等各種信息，通過在較為全面的范圍內對學生點滴微觀行為的捕捉，對學生進行多元評價，幫助我們了解學生的個性特點、興趣愛好、學習態度、經濟狀況和當前身心狀態等。學校還可以通過對學生就餐、日常消費等數據的實時監測以及處理，深度整合學生相關信息，更準確地覆蓋到需要資助的學生，幫助貧困生及時獲得人性化資助。

圖2 學生數據來源

全國(或地方)的學生資助管理中心已建或正在建設學生資助信息系統，通過整合一定范圍內的家庭經濟困難大學生的信息，以此為基礎數據，構建特征模型(如蒙特卡羅模型)，可實現貧困生的智能認定。

(二) 基于遺傳算法的資助資源分配

盡管近年政府、社會以及高校都非常重視大學生資助工作，投入的經費也逐年提高，但給予眾多貧困生的資源畢竟有限。面向不同情況的貧困生科學地配發助學金、補助、慰問金等資助經費，這是帶有約束的資源調度問題，要求遵守描述關系的一組復雜的規則，且處理此類問題關鍵是要基于數據、面向規則。例如，絕大多數的學校每年獎助學金的總額、資助人數都會隨著政府撥款、社會贊助、學校投入及學生數量等因素的變化而變化，所以每年都需要重新計算、制定新的資助標準，并根據其分配獎助學金資源給符合條件的學生，這一系列的過程非常復雜。對此，學校可以預先對學生類別或層次進行劃分，并設定某一合理的限度(如以基尼系數限制最大差距)，在此基礎上將資助資源分配給各個學生群體。

將本校困難大學生基本信息庫、獎助學金資源庫、學工數據(公益活動和勤工助學情況)及教務數據(學習成績)等無縫對接，以此為基礎數據，借助新型的遺傳算法等構建數學模型，實現貧困生獎助學金資源分配的動態優化。

(三) 基于人工神經網絡的學生發展指引

根據貝葉斯定理，可以通過A的發生估計B發生的概率。學校在對學生進行資格認定的過程中，其實已經分析出學生的當前狀態。在此基礎上，宏觀層面可以及時了解和掌握學生的思想動態，針對學生討論、關心的熱點問題和突發事件，積極進行教育引導，及時化解矛盾沖突，維護好在校學生的思想、輿論安全和穩定；微觀層面可以對比歷史數據對學生下一步行為進行預判，進而對學生進行有效的指引，或者對狀態異常的學生進行有效的干預。例如，學校可以根據收集來的貧困生個性、成績、興趣和技能等相關信息，給予其合適的職業規劃指導、實習信息乃至推薦就業崗位，通過符合學生實際情況的生涯規劃或就業指導，提高就業率，對學生畢業后職業的可持續發展提供有力的支持。

將本校困難大學生的基本信息庫、全國(或地方)的大學生心理特征庫、學校數據中心及畢業生數據庫對接，此為基礎數據，借助新型的人工神經網絡、決策樹等構建可視化模型，模擬未來發展趨勢，可實現貧困生職業生涯的個性指導。

(四) 基于聚類分析的工作績效評估

高校學生資助工作績效評估具有重要的意義，它不僅是為了對其作出優劣等級的判斷，更重要的是為了發揮評估的促進和激勵作用，引導高校持續優化資助工作資源配置，對評估指標體系本身的科學性、合理性進行持續不斷的檢驗和改進。然而，目前我國在高校學生資助工作績效評估領域的研究還處于起步階段。鑒于資助育人的工作理念，本文認為資助工作的績效除了應體現資助工作本身(機構建設、資源投入及社會效應等)的發展，更要反映出受資助學生的成長，即以學生的成長作為評估資助育人工作績效的關鍵指標。因此，不妨基于貧困生的各方面表現建立數據庫，將學生的獲獎、發表論文、直升研究生、入伍和基層就業、勤工助學、志愿服務、創業就業等情況納入學生成長參考系。在此框架之下，通過大數據技術，分析得出受資助學生的成長情況，并以此評估資助工作的績效情況。

以全國(或地方)的學生資助信息系統中所含獎懲數據、期刊數據庫、學生先進典型庫及畢業生數據庫等為基礎數據，借助如新型的聚類分析等構建特征模型，可以對各校的學生資助工作績效進行綜合評估。[4]

五、 實踐經驗探討——以東華大學為例

東華大學作為教育部直屬高校，資助工作同時受全國學生資助管理中心和上海市學生資助管理中心領導和指導。近年來，學校探索利用大數據技術實現精準資助，在此方面有所收獲。具體做法如下：

(一) 采用大數據技術對貧困生實施動態管理

學校每年定期采集學生家庭經濟及成員信息、學生本人及受資助信息、學生所在生源地經濟水平信息、學生日常消費評價等四大類共千萬條數據，對全體貧困生進行資格復查，經過兩年的實踐，效果良好，貧困生動態調整率接近10%。

1. 識別異常消費

根據前期的研究成果，我們發現貧困生的消費水平與校內消費次數、金額呈現一定的相關性，即校內消費情況可以部分反映學生的經濟情況。在實際工作中，基于該學年第一學期全體學生的校內消費數據，識別消費異常高的貧困生以及消費異常低的非貧困生。

2. 識別高檔電子產品使用

提前建立高檔電子設備數據庫，基于此在登陸校園網的設備中識別使用高檔電子產品的貧困生。

3. 綜合判斷

在前兩項數據分析的基礎上，通過輔導員、民主評議小組的日常了解，綜合判斷貧困生是否需要降級或取消資格，以及非貧困生是否需要補充認定。

(二) 采用大數據技術評價貧困生的發展水平

根據教育部對學生資助工作績效考評的精神，東華大學每年定期對全體貧困生的綜合發展情況進行梳理和分析，目前將貧困生獲獎、發表論文、入伍和基層就業、勤工助學、志愿服務及創業就業情況等評價因素納入學生成長參考系，通過大數據技術分析得出受資助學生發展情況，以此判斷學生資助工作的實際效果。考慮到近年來東華大學招生政策基本穩定，可以說2010—2016年間，學校學生資助工作的質量總體上保持了上升態勢，如表1所示：

表1 2010—2016年東華大學學生資助工作質量

(三) 采用大數據技術評價資助資源分配公平度

東華大學還努力通過大數據技術實現獎助學金分配科學化。目前采用的主要指標——基尼系數由意大利統計學家基尼(Corrado Gini， 1884—1965)于1912年提出，是國際上用來綜合考察居民內部收入分配差異狀況的一個重要分析指標。它是一個比值，數值在0和1之間。基尼系數的數值越低，表明財富在社會成員之間的分配越均勻。一般發達國家的基尼系數在0.24到0.36之間。基尼系數按照聯合國有關組織規定如表2所示：

表2 基尼系數的數值含義

參考以上概念，學校每年都會基于貧困生資助總額度計算基尼系數，以此判斷該年資助資源分配的公平度。表3為2010年至2016年期間，東華大學面向貧困生分配資助資源的基尼系數，可見東華大學2010—2016年的資助資源分配總體上公平。

表3 2010—2016年東華大學面向貧困生分配資助資源的基尼系數

六、 高校實施精準資助的對策建議

(一) 強化大數據意識

互聯網的自由、共享、開放、快捷等特點為高校學生資助工作提供了新的發展機遇，也提出了新的挑戰。面對艱巨的全面數據整合，高校的決策者和領導者要有遠見卓識，轉變思維，從戰略上重視大數據，推動高校學生資助工作有側重地發展，進而提高資助工作水平。高校學生資助工作者要對數據及其處理技術提高認知，重視學生的不同信息數據之間的關系，借助互聯網掌握更加真實可信的學生信息，積極自主地對有效數據進行整理、分類、匯總和分析，盡快熟悉大數據背景下的資助工作規律。[5]

(二) 加強工作隊伍建設

大數據人才需要理解大數據技術，能夠解讀大數據分析的結論，深入了解高校各個部門之間的關聯性，并且能夠根據從大數據得到的結論，制定出可具體執行、管控、評價的相關環節。這些新的挑戰與需求，催生高校要系統性地培養大數據專門人才，組建專業化大數據應用與管理隊伍。但就我國目前高校學生資助工作者的隊伍結構來看，很難在短時間內充實一支既具有大數據技術知識背景，又熟悉資助工作規律的教師力量。為此，高校需要大力培養資助工作者相應的技術能力，例如開展統計學、網絡技術等專業知識的培訓，使其盡快掌握運用有關技術的能力。

(三) 完善管理制度

1. 信息安全制度

互聯網技術的發展使人們發現了大數據的價值，與此同時，個人信息的安全也受到了嚴重的威脅。在大數據時代，每個人在網絡上的蹤跡如個人資料、聊天記錄、圖片、日志等幾乎都可以被查到，網絡外的生活也很少能逃避“人肉搜索”的威脅[6]。這些敏感數據的所有權和使用權并沒有明確的界定，很多基于大數據的分析都未考慮到其中涉及到的學生的隱私問題。因此，高校要加強內部管理，規范大數據的使用方法和流程，加強對重點領域數據庫的日常監管。

2. 數據使用制度

高校學生資助工作者要在繼承傳統工作經驗的基礎上，根據工作需要和發展需要，建立起完善的數據使用標準化流程，通過制度來規范數據使用，使學校各部門能夠密切配合，形成合力，確保資助工作的正常開展。[7]

(四) 建立評估反饋機制

應用大數據技術，使得高校可以對其數據資源采取完全數據篩選的方式來分析、挖掘隱藏在數據背后的規律，從而能夠讓我們更真實、更全面地了解學生，促進學生的發展。然而，由于當前人們對大數據的認識尚處于探索階段，大數據在教育領域的研究才剛剛開始，而且大數據提供的也只是參考答案而非最終答案。因此，高校學生資助工作要在實踐中摸索出新的工作規律，增強績效意識，利用科學的方法對資助工作績效特別是對獎助學金在公平和效率方面的績效進行綜合評價，不斷提升高校學生資助的工作質量。[8]

[1] 維克托·邁爾-舍恩伯格，肯尼思·庫克耶.大數據時代：生活、工作與思維的大變革[M].杭州：浙江人民出版社，2013，(1)：1.

[2] 劉玉霞.大數據背景下高校精準資助路徑探析[J].未來與發展，2016，(9)：69-73.

[3] 季超，王玲.高校學生精準資助工作的難點、對策與路徑選擇[J].當代教育實踐與教學研究，2016，(11)：100-101.

[4] 凌峰，趙丹，汪文哲.基于目標的高校學生資助績效考核研究[J].遼寧行政學院學報，2010，(12)：105-107.

[5] 萬輝.大數據在高校學生管理工作中的應用[J].高校輔導員學刊，2014，(4)：49.

[6] 鐘榮丙.大數據時代信息技術創新的演進趨向[J].科技和產業，2014，(11)：162.

[7] 李懷杰，夏虎.大數據時代高校思想政治教育模式創新探究[J].思想教育研究，2015，(5)：48-51.

[8] 黃陽輝.淺談大數據在高校思想政治教育工作中的運用[J].高教學刊，2016，(21)：241-242.

2017-02-11

陶俊清(1983—)，男，江蘇南通人，講師，研究方向為大學生思想政治教育。E-mail：taojq@dhu.edu.cn

G641

A

1009-9034(2017)01-0047-06