大数据视域下高校家庭经济困难学生精准资助体系研究

陈昊，杨志邦，廖良梅

（长沙学院计算机科学与工程学院，湖南 长沙 410022）

习近平在首届国际教育信息化大会的贺信中指出要“积极推动信息技术与教育融合创新发展”［1］。经过长期发展，我国高校学生资助已形成“奖贷助为主，勤补免为辅，外加绿色通道”的政策内容体系，但实施过程中仍然存在家庭经济困难学生（以下简称家困生）界定不准确、资助额度不均衡、资金结构不合理等问题。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》（以下简称“十四五”规划）提出加速数字化发展，加快数字社会建设步伐，以数字化转型驱动生产方式、生活方式和治理方式变革。在新时期，全面贯彻习近平关于教育的重要论述，认真实施“十四五”规划关于教育事业的决策部署，高校需要持续推进学生资助与大数据技术深度融合，利用大数据的融合协同、信息采集、动态分析功能，推进高校学生精准资助工作的优化与升级。在大数据视域下，利用大数据技术对家困生开展精准资助，既是新的思路和方法，也可以逐步解决目前资助工作中的相关问题，因此，借助大数据推进高校家困生精准资助工作的优化与升级显得尤为重要。

从现有的研究来看，关于高校家困生精准资助的研究主要集中在基于公共政策维度的资助政策改善研究、基于精准扶贫维度的精准资助研究、基于资助育人维度的模式优化和衍生问题研究。结合以上三个维度，针对精准资助的复杂性和动态性，可以进一步探索现有研究及应用层面的不足。

1.1 基于公共政策维度的资助政策研究

1999年，我国开始实施国家助学贷款政策；
2002年，实施国家奖学金制度，奖励品学兼优的家困生；
2005年，设立国家助学金，专项资助家困生。2007 年 5 月，《国务院关于建立健全普通本科高校高等职业学校和中等职业学校家庭经济困难学生资助政策体系的意见》发布，针对高校家困生采取奖、贷、助、补、减等多种形式进行资助，至此，我国高校基本形成了以奖、贷、助、补、减为主的高校学生资助体系，完善资助政策给资助工作提供制度支撑，为重点帮助经济困难人口子女接受教育提供了重要保障。在资助政策研究方面，刘志洲等认为学生资助工作中的家困生认定存在不规范、资助比例偏少等问题［2］。洪柳对我国高校贫困生资助体系存在的问题进行了研究，发现我国的资助政策虽然经过了“免学费加人民助学金”“奖学金和学生贷款并存”“多元混合资助”几个阶段的发展，但仍然存在对家困生界定不准确、资助额度不均衡、助学贷款比例有待提高等问题，尤其存在资助对象不够精准化、提升教育资助的精准性难等问题［3］。现有的基于资助政策的研究还是局限于传统层面，较少结合新技术、新理念进行探究，缺乏寻求精准资助研究创新方面的研究。

1.2 基于精准扶贫维度的精准资助研究

2015年，中共中央、国务院印发《关于打赢脱贫攻坚战的决定》，对精准扶贫的概念进行了深入的阐释，由此，精准扶贫成为高校学生资助工作的基本原则。在资助机制与精准资助研究中，隋世锋等就家困生评审机制问题进行探讨，认为目前的家困生评审在建档立卡范围之外仍然存在诸多问题，许多重大决策事项缺乏听证及说明理由，资助信息公开范围和方式不当等，可能侵犯资助申请人和受资助者隐私权，造成资助过程中学生的公平感缺失［4］。家困生评审由于流程固化、审查不严而容易出现不公平的现象，资助结果与精准扶贫的精准要义相背离。徐焕章等以某高校资助执行水平专项审计调查问卷为研究样本进行探析，发现存在资助政策宣传不到位、审查正确率不高、执行落实效果不理想等问题［5］。樊永生研究发现，精准扶贫视域下高职院校家困生资助政策和规章制度虽逐步健全，但资助政策落实时依然存在精准识别不彻底、按需资助不充分、资助体系不完善等问题［6］。由此来看，既有教育帮扶政策的实际执行效果与政策制定的出发点存在差距。吕坤等以四川省15所高校为调查对象，对资助政策的实效性进行实地调研，发现在家困生认定中虚构困难户现象时有发生，存在家困生受外因影响主动“退让”、认定过程夹带人情与关系、评审规则不够具体等现象，给资助工作的效能提升造成障碍［7］。显然，资助对象的精准认定是实施精准资助的前提条件，是提升资助政策实效性的关键。

1.3 基于资助育人维度的模式优化研究

资助政策的不断完善增加了资助的覆盖面，而在资助工作过程中的问题也愈发增多，研究者开始对现有的资助模式进行研究，试图建立更加合理的资助模式。何旭娟等聚焦资助模式与资助育人进行研究，提出“经济资助+成长扶助”的“双助”模式，实现资助与育人的深度融合，促进家困生成长成才［8］。李洁基于教育公平理论、教育成本分担理论和以人为本的理论，对精准资助的政策要求、工作体制、运行机制等进行了深入剖析，从精准识别资助对象、精准确定资助标准、精准保证发放时间、精准动态监督反馈进行研究，从实践层面探究精准资助的可行路径［9］。当前传统资助模式的优化主要局限在理论建构、体制机制上，聚焦实践层面的资助可行模式或路径研究还不够完善。随着大数据技术的发展，有学者将新技术应用于建立学生资助模式和评价体系上，罗丽琳提出要利用大数据技术的优势，优化学生资助模式，从框架设计、制度保障、技术路径和联动机制等角度出发，构建大数据信息平台［10］；
欧阳铁磊等通过分析校园卡消费数据将学生分为两类统计消费特征，通过寻找家困生的消费特征，利用相关技术分析学生家庭信息和行为特征，设计辨别家困生的模型，为资助家困生提供数据参考［11］。在此阶段，相关研究主要聚焦大数据技术本身，偏重技术而在体系建构上稍显不足。

传统的家困生认定模式中，识别家困生的主要依据是高校学生家庭情况调查表和认定申请表，家庭情况调查表由学生本人填写基本情况、家庭类型、家庭成员、家庭经济情况等信息，认定申请表由学生本人填写家庭经济情况、申请认定理由等信息，之后由班级评定小组评定、二级学院评定，最后交由学校资助管理机构审核。无论是家庭情况调查表还是认定申请表，学校对学生家庭所在地民政部门意见签章已经不作要求，申请认定家庭经济困难很大程度上以学生的个人诚信为前提，但学生的申请材料时常存在不同程度的与现实情况不符的成分，实际操作过程中家困生的认定结果在一定程度上与学生的实际家庭经济情况相偏离。而利用大数据技术中的决策树算法可以构建以多重数据来源为主体的高校家困生认定决策方法。

决策树算法的类型有很多种，其中常用的是由罗斯·昆兰提出的C4.5决策树算法。它的基本原理是将具有多种特征的数据进行加工整理，输出具有某一类特征的数据。这种算法可以将不同的数据集进行提炼、整合，给不同数据贴上不同的标签，而这种不同的标签就可以为管理者进行决策提供参考。

图1为决策树算法精确认定家困生技术生成结构。在实际的运用过程中，导入政府平台的家困生数据、国家助学贷款银行数据、学生基础信息数据等，对缺失值进行处理，对异常值进行检测，并对隐私数据进行脱敏处理，之后进行数据集成、数据选择。在这个过程中需要将采集到的数据分类为训练版本和测试版本，使用训练版本进行模型训练，之后利用测试版本进行反复验证和科学性评估，并对存在的问题进行调整。利用算法将不同维度数据导入处理后，可以给数据贴上不同的标签，而不同的标签就指代不同的学生群体，如指代建档立卡学生、城乡低保学生、残疾人家庭学生和残疾学生、单亲学生、遭遇突发事件家庭学生等具有不同标签的家困生群体，可以快速实现对家困生的分类、分层，并通过决策树算法对家困生进行有效精准识别和动态管理，实现全过程跟踪。

图1 决策树算法精确认定家困生技术生成结构

目前对家困生的分类主要是基于学生申请表中填写的家庭经济情况，而没有综合对学生的消费情况、家庭情况等进行整体评估，在综合评定学生的经济困难情况时分层不精准，得出的家庭经济困难、家庭经济一般困难、家庭经济不困难的评价结果很大程度上是基于人为主观因素评定的，这种传统的分类方法过于主观，容易导致“伪家困生”“虚假贫困”等现象的产生，而利用大数据技术中的聚类算法，可以实现对家困生群体的主动识别。

就聚类算法而言，其基本原理是对大量的差异化数据进行筛选、清洗，把具有类似特征的数据稳定在不同的属性周围，在这个过程中可以提炼差异化数据中具有稳定性质的同类数据。通过聚类算法的多次清洗，最终可以得到几个稳定的具有突出特征的数据集合，这些集合的产生就是通过聚类算法使数据收敛、归类的结果。

在实际应用中，K-means算法是常用的聚类算法之一，基本思路是结合高校学生的基础信息数据和其他在校行为数据分析，其他在校行为数据主要包括成绩数据、校园卡消费数据、图书借阅总数、身体素质测试数据的统计值等［12］。通过聚类算法完成对该样本的数据处理、挖掘与分析，剔除信息失真数据和严重异常的样本后，对较为精确的数据进行进一步分析和数据脱敏处理，得出学生消费习惯聚类分析、学生生活习惯聚类分析、学生学习习惯聚类分析。通过对这一系列数据的聚类，可以主动挖掘出校园中具有家困生特征的学生群体，辅助家困生基础信息的评定与分析，实现从“数据端”到“学生端”的主动识别，对学生的整体经济水平、困难程度进行综合评估，主动识别家困生，实施精准资助（见图2）。

图2 聚类算法主动识别家困生技术生成结构

高校家困生资助工作的执行环节主要在学院完成，学院和学校职能部门之间属于“审核—审批”的静态关联。所有的环节主要在线下完成，包括学生申请、班级评议、辅导员审核、学院审核、学校资助中心审核、学校审批、结果公示、资格复查。构建基于大数据的精准资助体系（见图3），以家困生基础信息数据、学生消费数据等为支撑，可将工作方式由线下转移到线上，形成对家困生入库认定、助学金评定、家困生动态管理与测评的全过程全方位管理，对传统的资助形式进行流程变革与优化，进行精准资助体系建构。

图3 “大数据+精准资助”技术生成结构

基于大数据技术，可依靠收集的家困生基础数据、学生校园消费数据、图书馆借阅和出入数据、学生成绩信息、寝室门禁系统出入数据、生源地贷款数据、家庭经济情况调查数据等多种维度的家困生信息，建立家困生精准资助的管理系统。结合决策树算法和聚类算法，可形成家困生精准资助的识别、分类和管理体系。我们根据决策数算法和聚类算法的数据分析与整理，对高校学生的数据进行深度挖掘，进而为构建“大数据+精准资助”的精准资助体系提供数据支撑。

另外，建构家困生精准资助体系的关键在于获取学生在校园产生的数据，因此需要对校园数据和外部数据进行整合和融合，在总体框架上制定学生资助标准、学生数据、学生数据端口接入与管理、学生数据存储与计算、导入与导出、检索与分析、动态监测与管理、综合分析等各个模块。通过算法对数据进行脱敏处理、特征提取、特征选择、分析验证，完成大数据精准资助的技术支撑，进而实现高校学生申请家困生认定、助学金评定、家困生日常行为分析与管理等操作。

最终，家困生精准资助体系的构建可以将传统的人工审核转变为结合数据分析的综合评定，将传统的被动管理转变为主动管理，高校管理者可以根据数据呈现的学生特点、动向，对家困生进行精准化资助，实现体系化管理，同时该体系可赋能高校资助工作，给高校管理人员减负，实现数据驱动下的精准资助。

猜你喜欢 资助精准算法 哪种算法简便小学生学习指导(低年级)(2021年12期)2021-12-31高校资助育人成效的提升路径分析大学(2021年2期)2021-06-11“隐形资助”低调又暖心今日农业(2020年24期)2020-12-15精准防返贫，才能稳脱贫当代陕西(2020年21期)2020-12-14Travellng thg World Full—time for Rree阅读与作文（英语初中版）(2019年8期)2019-08-27进位加法的两种算法小学生学习指导(低年级)(2018年11期)2018-12-03根据问题 确定算法小学生学习指导(低年级)(2018年11期)2018-12-03精准的打铁NBA特刊(2018年11期)2018-08-13精准扶贫 齐奔小康民生周刊(2017年19期)2017-10-25精准扶贫二首岷峨诗稿(2017年4期)2017-04-20

推荐访问:视域 精准 资助