基于大數據技術開展高校精準資助認定的探究

王 瑩 李 鵬 張起志

1.東北林業大學理學院，黑龍江 哈爾濱 150040；2.東北林業大學黨委學生工作部，黑龍江 哈爾濱 150040

2013 年，習近平總書記前往湘西進行考察時首次提出了“精準扶貧”的資助工作理念，該理念的提出，是高校資助工作理念的一次變革，在原來高校資助工作的“普遍扶貧”基礎理念上增加了“精準”的概念，能夠提升高校資助工作的育人成效。2020 年，在全國教育工作大會中，“精準資助”的概念也被進一步明確，要求高校在開展家庭經濟困難學生的資助工作時要貴在精準，要進一步提高家庭經濟困難學生的認定、預算分配、資助標準設定等工作的精準化水平。近年來，在中國高等教育迅速發展的過程中，我國高校招生規模不斷擴大，高校中家庭經濟困難學生的人數也逐漸增多，基本呈現逐年上升的趨勢。為了解決家庭經濟困難學生上學難、生活難、就業難等一系列的問題，實現高等教育機會均等的目標，我國學生資助經費投入大幅增加，學生資助規模不斷擴大。在當前學生基數日趨龐大的背景下，如何采取有效措施對家庭經濟困難學生的家庭情況進行有效的精準識別，并以此為基礎開展差異化的資助工作和育人工作，成為當前高校資助工作的重點［1］。目前，進入大數據時代，面對海量的數據，如何做好數據挖掘、信息處理工作，進而使大數據為人所用，正在逐漸變成一個重要的研究課題。因此，將大數據技術應用于高校家庭經濟困難學生認定，以此為基礎提供科學、公平、客觀的貧困生識別方法，對實現高校精準資助具有重要推動作用。

一、當前我國高校家庭經濟困難學生認定困境

通過查閱資料調研，目前我國大部分高校往往采用“收集學生材料—評議小組初步討論擬定家庭經濟困難學生等級排名—認定小組審核認定—院級公布家庭經濟困難人員名單—上報學生資助管理中心”的評定流程來確定家庭經濟困難學生人員及等級，存在著有效信息核實較難，認定程序不夠規范、認定結果相對可調整性低、可量化認定標準籠統等問題。

（一）有效信息核實較難

大多數高校在開展家庭經濟困難學生認定工作時往往將《家庭經濟困難學生認定申請表》《高等學校學生及家庭情況調查表》等作為了解掌握學生家庭經濟狀況的主要材料，申請家庭經濟困難的學生往往被要求提交相關材料。但生源地政府或部門對學生家庭經濟條件缺乏必要的調查機制，學生提供的家庭經濟困難證明材料真實性有待考證［2］。

（二）認定程序不夠規范

大多數高校在對學生的家庭經濟情況進行認定的過程中，主要依靠學院的輔導員老師或是資助專干老師、班級的主要干部以及班級的學生代表對家庭經濟困難學生提供的證明材料、班級匿名投票情況及學生的日常消費情況等進行綜合考慮。由于學生投票的過程主觀性很強，沒有量化的標準，因此認定過程中的隨意性比較大，出現遺漏或不準確的現象時有發生，因此，較難真實反映各位學生的家庭經濟情況困難程度［3］。

（三）認定結果可調整性低

一般來說，對于高校家庭經濟困難學生的認定工作大多是在學生入學后開始申請并建檔完成，大多數高校家庭經濟困難撤檔或者換檔的情況很少，一般只是在一年后對家庭經濟困難學生的評定等級做出小范圍內的調整，且這種調整往往是依據家庭經濟困難學生過去一年內對班級對學院的貢獻度、對學校活動的參與度等來確定的，較少參考學生的家庭經濟狀況。因而大學四年內，高校的家庭經濟困難學生數據庫是基本不更新的，動態可調整性較低。

（四）可量化認定標準籠統

家庭經濟困難學生認定標準涉及學生家庭所在地經濟發展情況、家庭基本情況、家庭成員健康狀況、家庭成員工作情況、家庭收入情況、家庭負債情況、家庭所在地受災狀況、學生貸款情況等，是一個較為復雜的體系，需要一個科學的、統一的、可量化的認定標準。由于學生來自不同的地區，不同地區的發展狀況又不盡相同，學生家庭的收入情況和學生家庭當地的物價情況可能存在較大差異，這使得家庭經濟困難的認定缺乏統一的標準。目前，認定過程和結果易受主觀因素影響，且較為籠統模糊。因此，家庭經濟困難的名額給誰難以進行精準判定。

因此，在國家和社會的重視和關注下，高校如何把國家和社會資助的資金用到實處、精準資助，能否被公平公正、客觀合理地分配好，都是國家和社會關注的重點。高校家庭經濟困難學生認定程序的科學性、公平性和可操作性也和能否讓更多真正有困難的學生以及家庭受到合理的幫助有很大相關［4］。

二、大數據技術在高校家庭經濟困難學生認定中的應用

隨著大數據技術的不斷發展和各高校“精準資助”體系建設的逐漸完善，越來越多的高校開展使用大數據技術手段量化學生的家庭信息和行為特征，大數據技術在高校家庭經濟困難學生認定中的應用成為當前研究熱點。

目前，高校常用的評選方法為定性與定量相結合的方式。伍冬云［5］認為在大數據背景下，信息共享模式已成為發展趨勢，充分利用互聯網可獲取到個人消費信息，運用數據挖掘技術實現對資助對象的精準認定。吉朝明等［6］通過對Apriori方法進行改進處理并實際應用，用來進行經濟困難群體的判定和挖掘，其運用隨機森林算法和決策樹進行判別，運用機器學習中的XGBoost 模型及主層次分析等進行判別，而該系統僅使用一個弱分類求解器，計算過程中會使模型精度偏低。曹路舟等［7］利用大數據分析專家Datist 軟件以學生的各類消費交易數據為基礎進行導入建模，進而完成所需數據的截取、融合及有形化表達。其利用K-Means 算法對家庭經濟困難學生的相應的指標體系進行處理，對學生的消費交易情況進行判定，再應用GBDT 算法對家庭經濟困難學生的貧困等級程度進行預測判定。郝婧等［8］應用高校學生使用的一卡通的各項數據，利用數據挖掘技術來進行高校家庭經濟困難學生認定模型的構建，應用二分k-means 算法對學生校園一卡通的消費流水數據進行聚類，同時運用輪廓系數和簇內誤方差方式進行聚類效果評價，并通過調整參數值以獲得家庭經濟困難學生最佳的聚類效果。

三、構建機器學習和深度學習的家庭經濟困難學生認定平臺的探索

本文擬通過大數據篩選后進行精準判定的數學建模，從而構架出資助對象精準認定的一體化網絡平臺，具備導入數據、建模分析、系統運算、自定義篩選等功能，可應用于家庭經濟困難學生認定，提供客觀的分析和結果，有助于學校進行精準資助。

（一）數據收集

數據搜集方面，先是實際調查了解市場上的家困生認定所存在的主要問題，之后通過大量面向大學生們的調查問卷來收集數據。在完成必要的信息采集后，開發小組運用3-δ原則對數據進行清洗和匿名化處理，借助特征工程及特征分析確定模型所需指標與數據，并根據數據特征與相關系數成反比實現一定的數據降維處理。

（二）模型建立

在得到必需的指標與數據后，首先采用多元統計分析方法進行數據挖掘，深度挖掘貧困生特征指標與貧困生身份之間的關聯模式，隨后針對最小化判別誤差問題進行優化建模，采用機器學習、深度學習中隨機森林、svm 支持向量機、神經網絡、XGBoost 四個弱分類求解器所訓練的融合判別器，該判別器在測試集上獲得了88.71%的準確率。開發小組為了使模型能夠適應真實場景下數據吞吐量大、判別結果實時性要求高的特點，本產品還針對特征冗余、算法學習速度、大數據批處理等問題對算法進行了專項優化，最終本產品以web 網頁的形式呈現。

（三）Web 開發

在Web 開發方面，選用python 語言，后端采用Django 框架，采用了numpy 等計算軟件包，使用了joblib、pandas 來進行數據清洗、數據處理及數據分析，而為了使系統的頁面更加簡潔、功能更加豐富；而前端采用了基于HTML css javascript的bootstarp 框架，根據后端中所寫的路由寫每一個HTML 模板，其中主要包括base.html、header.html、footer.html 三個文件，其中base.html 中通過cdn 的方式引入了bootstrap 以及需要的jquery、javascript header 以及footer 文件分別寫好了系統的導航欄和尾頁。通過Django 自帶的模板語法的繼承方法將其他的HTML 模板引入這三個基本文件以實現各個頁面風格統一，系統采用了MVT 模式，前后端交互則使用了Django 自帶的交互邏輯。對于批量導入判定當中生成的結果excel 表格下載部分，在HTML 表單中，enctype規定了form 表單在發送服務器時候的編碼方式，創建一個名字為import_excel 的視圖函數，用Django request 的FILES.get 方法接收前端POST過來的文件對象。然后取到上傳文件的后綴名，設置一個簡單的判斷語句用于判斷上傳的格式是否為EXCEL 的格式。如果上傳格式正確則會進入數據處理部分，將上傳的表格以Data frame 的格式讀入，批量處理數據之后將生成名為“sorted_output.xlsx”的表格，用來存放我們需要的數據結果。這樣做的目的是方便程序將數據渲染到前端，以及方便用戶需要下載處理后的表格。開發小組設置了一個download_sorted_data 視圖函數，當被調用時會返回sorted_output.xlsx 文件。

（四）功能實現

最終得到的網頁可實現個體判別及批量導入判別兩個主要功能。個體判別方面，在同學填入前端的數據會暫時儲存在一個自帶的excel 表格中，之后后端通過調用excel 表格中經過清洗的數據以成熟的算法進行計算進而輸出結果，同時也會清除部分原表中的數據以保證同學們的隱私安全。而批量導入判別方面，判別人可以通過下載網頁預留的excel 模板來實現數據導入，把大批量數據進行統一計算。最終得到結果后對結果進行降序排序并生成一個新的excel 表格儲存數據，用戶會在網頁內看到輸出結果，如有需要，也可以通過點擊下載承載有輸出結果的excel 表格以便使用。

（五）多端口搭建

本章所搭建的平臺除了可通過網頁端搜索鏈接進入外，還已實現平臺通過在微信公眾平臺添加網頁子鏈接直接連接到信息填寫網頁頁面或批量處理結果頁面，實現隨時隨地更方便地進行信息填寫與相關資質認定。接下來，平臺的主要優化方向為微信后端小程序的使用以及開發資質認定APP，從網頁端口與微信公眾號等多方向出發，形成輻射式網絡應用，達到資質認定的最優化使用。

四、總結與展望

本文所搭建的精準資助一體化平臺將改善以往認定工作中存在的學生家庭貧困身份難核實等困境，實現人工智能與學生資助管理工作的有機結合，并達到了對市場上運用的相關分解器的優化效果，具有認定標準系統化、人力資源高效化、后臺監督管理動態化、與大數據時代海量數據結合適應的特點，也在一定程度上填補了基于大數據的精準資助實踐創新研究的空缺，將大數據技術應用于高校資助認定工作中，可以有效提高當前高校教育資助工作的精準程度，確保了資助工作的公平性、精確性、及時性，最終實現不讓一名學生因家庭經濟困難而失學，達到精準量化、動態管理、點面結合、定位準確、全面育人的目標，為高校大學生的資助工作踏入“精準”時代提供更好的平臺。