新質生產力視域下探索大數據在高職院校發展型資助育人工作中的應用

摘要：本研究針對高職院校發展型資助育人工作中存在的資助對象篩選與評估不精準、資助形式單一、資助時機和力度與學生需求不匹配、資助育人環節缺乏育人實效等問題，探討大數據技術在新質生產力視域下的應用。通過分析現有資助體系的不足，本文提出了一個基于大數據分析的決策支持系統模型，旨在優化資助決策，實現精準資助，促進家庭經濟困難學生的全面發展，加快形成新質生產力。

關鍵詞：新質生產力；大數據；高職院校；精準資助；決策支持系統

引言

2023年推進新時代推動東北全面振興座談會上，首次提出了新質生產力理念，聚焦于“加快形成新的高質量生產力，為發展注入新動力”[1]。新質生產力的核心是高素質勞動者的增長，而大數據技術作為這一過程中不可或缺的工具，引發了生產力內涵和形式的革命性變化，數字時代的技術革命將帶來新的高質量生產力。

一、研究問題的提出

長期以來，我國高等職業院校在教育過程中較為側重專業知識的講授和技術技能的培訓，此種教育模式使得這部分學生在工匠精神的養成上存在缺失，進而影響了他們適應新時代發展趨勢及應對產業升級所帶來的新技術、新產品的變化能力，家庭經濟困難學生也面臨這樣的問題。從社會發展的角度來看，以資助和培養經濟困難優秀學生人才為戰略突破口，有利于提高貧困優秀人才的素質和水平，為國家和社會的發展形成良好的人才儲備[2]。對新的形勢，發展型資助育人工作將融合現代技術，以學生為中心，旨在幫助學生克服困難、提升綜合能力和促進長遠發展。通過構建“功能導向”和“自我發展”型的資助理念與制度，支持學生的全面發展，確保每位學生都能獲得成長所需的支持 [3]。部分學者探討了高校發展型資助構建的現實需求，強調大數據技術在提升資助精準度和效率方面的關鍵作用，分析了新質生產力條件下技術技能人才能力培養的挑戰，指出大數據技術在精準資助中的潛力。

在職業教育中，傳統的資助模式已無法滿足當前的需要，發展型資助模式如何融合大數據技術，實施精準資助，培養學生綜合素質，提高教育的整體質量和生產力，將成為教育工作者需要深入思考的問題。

二、研究的概念框架

國外對發展型資助并無明確的概念，只有許多關于非直接經濟資助的研究。比如Castleman B L，Page L C.（2015）研究發現對高中生的信息支持，增加了許多無法獲得信息的學生的大學入學率。紐約城市大學所設計的聯合加速學習計劃（Accelerated Study in Associate Programs， ASAP）旨在通過為期3年的財政援助、學術輔導及其他輔助服務，助力更多學生在規定時間內順利完成學業。

2023年，由江蘇省教育廳聯合多個部門發布的《關于加強家庭經濟困難學生發展型資助育人工作的指導意見》明確了發展型資助的核心目標與重點，強調了以立德樹人為根本宗旨，關注家庭經濟困難學生的身心健康，并基于此同步推進資助育人活動。盡管如此，文件中并未對發展型資助育人的具體定義做出詳盡說明。該文件旨在通過綜合性的資助措施，促進受助學生的全面發展，確保他們在道德、心理及學業等多方面均能健康成長。基于國內外研究現狀，本文采用《大數據背景下高職院校家庭經濟困難學生資助體系構建》一書中的五位一體發展資助體系為依據，建立以經濟幫扶為基礎、以思想幫扶為重點、以身心幫扶為支撐、以技能幫扶為手段、以就業幫扶為依托的發展型資助育人體系概念框架圖，見圖1。

三、研究設計

（一）目標研究對象選取

以江蘇省的一所典型的高職院校N校作為案例，選取在該校2023—2024學年接受資助的家庭經濟困難學生為調查對象。采用隨機抽樣方法，一共調研了300多名高職院校學生，共回收有效問卷317份。

（二）研究方法

本文采用案例分析法與問卷調查法。問卷的設計包括封閉式和開放式問題，以便全面收集意見和建議。收集后，對問卷收集到的數據進行描述性統計和推斷性統計方法分析，總結出普遍規律和個性化需求，提出針對性地改進措施。

四、研究結果

本次問卷一共調研了300多名高職院校學生，共回收有效問卷317份，其中男生占56.2%，女生占43.8%，絕大部分學生來自大一年級（50.2%）且家庭居住地多集中在農村（25.9%）或縣級市或縣城（26.8%）。

（一）目前資助工作的現狀

利用 SPSS26.0 軟件對調查數據進行統計學處理，利用多重響應分析中的 頻數分析對多選題項進行處理，得出學生接受過資助的方式和途徑主要是通過綠色通道、生源地助學貸款、國家助學貸款、勤工儉學和獎助學金的這種經濟幫扶的方式來完成自己的學業。學生了解資助政策的渠道主要為：“老師講解”“宣傳資料”“新聞媒體”“同學朋友”4個渠道。關于“對學校資助中你認為存在的不足”這一問題中，調查顯示，22.9%學生認為家庭經濟困難學生的界定模糊，17.2%的學生認為助學金評定與發放較慢，16.2%的學生認為學校提供的勤工助學崗位過少，13.9%學生認為“物質資助”與“精神資助”不對稱，剩余學生認為貸款手續復雜等情況。

（二）對資助工作效果的評價

調查顯示，在“目前你認為所受到的困擾是什么”問題中，有部分學生表示還會存在一定的經濟問題。此外，32.2%學生表示有就業發展問題，23%學生有學業問題，14.5%學生存在身心問題。在“除了經濟幫扶外，你希望獲得哪些幫助”問題中，69.09%學生表示需要就業幫扶，還有部分學生分別指出需要技能幫扶、心理幫扶、思想援助等。綜上所述，可發現高職院校的家庭經濟困難學生對資助工作的精準性、及時性以及全面性方面均不同程度地提出了自己的看法，可見在高職院校開展發展型資助工作十分必要。

（三）資助工作的分析總結——決策支持系統

高校的資助工作作為評價教育公平性的一個重要指標，其“精準資助”原則尤為關鍵。但是，當前許多高校在執行資助政策時仍面臨多種挑戰。隨著信息技術的不斷進步，高校可以通過采用大數據技術，構建學工系統與校內各部門間的數據共享機制，從而實現對家庭經濟困難學生的即時識別。此外，借助這一系統，高校還能對這些學生進行長期的跟蹤管理，定期組織針對性的主題教育活動，并提供必要的幫助，確保資助工作的有效性與針對性。故本文建立運用大數據打造的 “精準資助 ” 決策支持系統，見圖2。

圖2 大數據在發展型資助工作中的應用模型

1.大數據采集階段

構建資助精準識別平臺，建立學生動態電子信息庫。針對最低生活保障戶、困境兒童等特定困難群體，可以通過互聯網和大數據分析，實現學生個人信息及其家庭經濟狀況的高效交換與核實。這不僅提高了信息收集的精確度，也增強了民主評議過程的透明度和公平性，簡化了困難學生申請證明材料的流程，提升了整體工作效率。通過大數據技術，可以開發出專門的算法和平臺，用于量化評估學生的家庭經濟狀況。這種方法基于學生提交的數據，通過算法自動計算，能夠客觀反映學生的實際困難程度，減少了班級民主評議或學院審核過程中的主觀判斷，實現了更加科學、準確的家庭經濟困難學生認定。

2.大數據技術分析階段

資助過程動態跟蹤，探尋數據化資助決策新舉措。在資助工作的整個周期——包括準備階段、執行階段和后續階段——實施動態跟蹤，有助于構建差異化的、可持續的資助體系。高校可借助大數據技術，持續更新并完善家庭經濟困難學生的信息檔案，以便于進行縱向對比，適時優化資助方案。通過網絡技術建立的跟蹤系統，可以全面監測學生的學習進展、技能獲取、心理健康和個人發展等多個維度，確保準確理解每個學生的具體情況及獨特需求，實現及時有效的動態支持。

資助管理部門不僅能夠將收集到的數據與教育、民政、財政、殘疾人聯合會、扶貧機構等外部單位實現無縫對接，還能在校內推行“大思政”理念，促進跨部門的信息交流與合作。通過對學生在校園內的消費行為，如在食堂、超市等地的開支記錄進行深入分析，可以構建起精準的學生經濟狀況模型，確保真正需要幫助的學生不會遺漏。這種方式不僅提高了資助工作的針對性和實效性，也體現了對每位學生個性化需求的關注和支持。

3.大數據平臺融合階段

資助主題教育的形式多樣，能夠激發數據化資助育人的創新思維。采取靈活多變的專題教育方式，可以探索數據驅動下的資助育人新模式。高職院校的全年資助工作應緊密結合學生在教育培養各階段的實際需求，確保在學生學習的不同環節均有相應的資助措施相配套。這樣的做法不僅能夠及時響應學生的實際需要，還有助于通過數據分析優化資助策略，促進學生的全面發展。

例如，春季是高職院校學生心理問題的高發期，研究者指出，“抑郁”“焦慮 ”等不良情緒可以通過采取相應措施得到有效解決。3—5月份，要加強對家庭經濟困難學生的心理健康教育和戶外體育活動，緩解他們的低落情緒。有學者指出，家庭經濟困難畢業生屬于大中專畢業生中的特殊群體，他們往往面臨較大的就業障礙，處于相對弱勢地位。6—8月是畢業期的最后階段，同時也是待就業畢業生找工作的最后沖刺期，高職院校重視就業幫扶是發展資助育人的重要環節。9—11月作為新老生的角色轉換期，新生面臨開學適應，老生面臨升年級適應。學校是意識形態工作的前沿陣地，既要擔負起學生思想教育的重任，更要明確引導學生扣好人生的第一粒扣子。基于此，資助育人工作應與學生的思想政治教育相結合，做好學生的思想調整，以促進新階段的學習和生活。有研究表明，貧困定向招生、農村普通招生的大學生與城市大學生在學分績點、院系排名以及不及格率等方面存在顯著差異。困難學生學業成績不佳的部分原因可歸結于客觀條件，如來自單親家庭或家庭經濟狀況不佳等。相關研究也顯示，師生之間的互動與學生的個人成長、學業成就及對學習的滿意度之間存在明顯的正向關聯。12月—次年2月，作為新生和老生經過角色適應期后的首次正式、全面且系統的考試，雖然困難學生群體的家庭背景難以改變，但可以通過創建一個支持性的校園環境來改善其學習狀況。通過完善針對困難學生的學業輔導體系，可以有效地彌補他們在家庭資源和父母支持方面的不足。這樣，不僅能幫助他們更好地適應學習生活，還能促進其學業成績的提升。

4.大數據呈現育人實效階段

資助育人效果可視化，提供階段性育人新服務。根據往年的資助工作發現，存在 “重認定輕過程，重發放輕管理與績效評價”或只注重形式規范而忽視人文關懷的現象。應制定一生一策，結合受助學生的表現，為學生提供資助服務。在受助學生的后期管理上，建立相應的跟蹤與評價反饋。

綜上所述，高職院校應依托大數據分析技術推動資助工作的信息化建設，收集受助家庭經濟困難學生的多方面數據，以此為基礎對學生需求、資助流程及效果評估等內容進行動態量化分析，力求精準。此舉旨在有效應對現行傳統資助模式下存在的問題，進一步優化資助政策，增強資助工作的針對性和實效性，從而提升整體的育人成效。

五、研究思考

大數據技術與資助工作的結合，能夠實現數據的大規模收集、存儲、動態分析及持續跟蹤，有助于提前識別問題并迅速響應，從而提升資助育人的效果。然而，大數據技術的應用并非沒有限制。數據錯誤、缺失或不準確等問題可能削弱資助工作的成效；同時，還需考慮如何妥善保護家庭經濟困難學生的隱私，例如，其過往的資助歷史、學校表現及消費模式等敏感信息。鑒于此，資助工作者需注重線上數據處理與線下人文關懷的有機結合，比如，在確定困難等級時，實施精準地分類與排序；在日常溝通中，充分發揮導師、班主任及專業教師的作用，確保資助工作的細致與人性化。

結語

為了確保資助和教育工作的準確性和高效性，大數據技術必須保護困難學生的個人隱私信息，確保資助數據的安全性。雖然大數據技術可以自動進行數據處理和模型構建，但實際應用仍需要人工干預。

本文系南京鐵道職業技術學院2024年思政課題立項一般課題《新質生產力視域下算法推薦賦能大學生網絡思政教育路徑優化》（項目編號：2024SD011）的研究成果。

參考文獻：

[1]徐平利.發展新質生產力需要中國職業教育話語體系實現新轉向[J].職業技術教育，2024，（09）：8-14.

[2]劉家祥.高校貧困生資助政策的價值邏輯[J].江蘇高教，2018，（04）：80-84.

[3]朱善璐.一流大學必須有一流學生資助體系[J].中國高等教育，2016，（09）：10-13.

（作者單位：南京鐵道職業技術學院）

（責任編輯：宋宇靜）