大数据背景下大学生精准资助问题研究

大数据背景下大学生精准资助问题研究
摘要：资助是实现社会公平最直接、最有效的方式与途径，但资助的效果与效率取决于对资助对象的精准识别与资助手段的科学性和合理性。

贫困生资助工作是高校人才培养工作的重要组成部分，关乎学生的成长成才、学校的稳定与发展、社会的和谐与进步。

大数据作为计算技术的最新形态，为我们开展高校贫困生资助工作精准化研究提供了新的视角、思维、工具和方法。

充分利用大数据技术，共建资源共享，构建精准识别的新模式，实现以人为本，差异化资助方式，建立实时动态、及时、全面资助管理体系，对于提高高校贫困生资助工作精准化水平，促进资助工作的科学性和实践性，实现贫困生资助工作的公平正义，具有重要的理论价值和现实意义。

关键词：大数据，高校贫困生，资助工作，精准化
一、绪论
（一)研究意义
1、理论意义
本文在国家提出“精准扶贫”政策背景下，结合大数据的优势，提高高校贫困生资助工作精准化势在必行。

大数据给我国高校贫困生资助工作带来新的视野和方法。

本文通过对数据的产生、发展及现状梳理大数据的由来以及产生的必然性，并从其根本属性比较大数据与数据的区别与社会价值。

在理论上，目前研究“精准扶贫”和“大数据”的文章都较多，但结合大数据提升高校资助工作精准化研究还较为新颖，可以为高校资助部门提供理论参考。

2、现实意义
随着高校扩招，高校学生数量急剧上升，学生生源地越来越广泛，贫困生人数也随之不断增加，大大增加了贫困生资助部门的难度和工作量。

亟需运用信息化、数字化手段存放数据资料，拓展数据采集途径，精准认定识别贫困生，增强资助工作的科学性与效率。

传统的资助管理手段很难精准识别贫困生或按照区域进行差异化资助，这既是教育资助问题的重要理论问题更是实际资助过程中的难题。

在实践中，结合大数据实际应用、大数据预警功能等技术给高校资助部门工作注入新鲜血液，规范贫困生资助工作，提高高校贫困生资助工作精准化。

（二）研究现状
1、大数据研究
国内对于大数据的研究起源于大量有关大数据书籍的译本，2004 年范明等人翻译的美国学者韩家讳的《数据挖掘:概念与技术》,2013 年盛杨燕和周涛翻
译了维克托.迈尔-舍恩伯格的《大数据时代:生活、工作与思维的大变革》从一种新的角度定义大数据：大数据不仅是一种技术、方法更是一种思维方式；2013 年漆晨曦和林清怡翻译了丹麦学者的《精确营销方法与案例:大数据时代的商业分析》介绍了大数据的商业价值等著作。

随着大数据知识的不断渗入,也涌现出了很多有见解的国内著作，有郑毅所著的《证析一一大数据与基于证据的决策》运用大数据全样本分析辅助决策,赵国栋、易欢欢和糜万军等人合著的《大数据时代的历史机遇——产业变革与数据科学》，其书中对于大数据定义是:在多样的或者大量的数据中,迅速获取信息的能力。

2、大数据与高校贫困生资助工作相结合的研究
当前诸多学者对大数据应用于高校贫困生资助工作有了一定的理论研究，本文在中国知网数据库内，以“大数据”并含“贫困生”或并含“资助”词频为检索词对数据库内文献及期刊的“主题”进行模糊检索，共获得 86 篇。

通过对所有文献进行整理分类后发现，现有针对大数据应用于高校贫困生资助工作的研究主要分为运用大数据精准识别贫困生、大数据时代高校贫困生评定管理方面、大数据背景下高校贫困生资助工作模式探索以及大数据应用于高校贫困生心理健康的研究等。

吴令娴认为当前，大数据技术的开放性已得到了广泛的应用，通过追踪数据，可分析、判断学生家庭经济的变动。

林晓燕在《大数据时代背景下高校经济困难学生心理预警机制构建》中通过搭建高校学生心理健康创新平台，收集贫困生心理大数据，运用大数据预警功能，构建高校贫困生心理预警机制。

舒忠梅在《大数据时代高校信息管理与决策机制研究》中分析了高校管理决策数据的利用现状及存在问题，并探索通过大数据挖掘与分析技术提高高校决策。

（三）研究思路与方法
1、研究思路
通过对高校贫困生资助工作的发展历程进行梳理及现状分析，提出高校贫困生资助工作存在问题以及所需要解决的问题，明确研究目的和研究方向。

其次，通过对大数据、高校贫困生、资助与精准资助等核心概念做出界定，用高等教育成分分担理论、人力资源理论以及教育公平理论这三种主要经典理论进行扼要阐述，为本研究的展开奠定理论基础。

本研究从高校贫困生资助工作存在问题及原因分析和大数据社会价值及其独特优势这两个视角，分析了大数据提升高校贫困生资助工作精准化的必要性与可能性。

然后，本研究尝试性的从贫困生精准认定、差异化资助、精细化管理及资助评价这四个主要环节和维度，搭建了大数据支持的高校贫困生精准资助工作体系，并据此从构建数据平台、完善政策体系、强化资助育人、开展资助评价等四个主要方面，提出了大数据背景下高校贫困生资助工作精准化的实现路径。

最后，深入分析大数据应用于高校贫困生资助工作的局限性和应对方法，并对今后研究中有待进一步深化的有关问题进行了展望。

2、研究方法
（1）文献研究法
文献研究法是从研究目的出发,通过对资料的收集、整理、分析、归纳和提炼,从而获取研究信息的方法。

搜集国内外高校贫困生资助工作以及大数据实际应用等相关的文献资料,认真学习其他学者的研究,并有选择地参考借鉴其研究成果，可以使研究更加理性和权威，从而增强说服力。

仔细分析中国资助管理中心网站的数据信息，从而得到最新的资助概况。

获取文献的主要做法是:在网上和书店购买了高校贫困生资助工作相关书籍;从中国知网等收集下载了大量大数据应用于高校资助工作的相关论文。

（2）比较研究法
比较研究法是比较两种或两种以上的对象,通过时间、空间、形式、内容、演变和内涵等多维度的分析,找出其中的区别与联系。

本研究通过对大数据运用国别以及大数据运用领域比较分析，探索大数据的社会属性及现实运用，研究大数据背景下构建高校贫困生资助工作精准化体系的可能。

二、理论基础
（一）大数据
维基百科将大数据定义为无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。

权威IT 研究与顾问咨询公司Gartner 将大数据定义为大数据是大量、高速、及多变的信息资产，它需要新型的处理方式去促成更强的决策能力、洞察力与优化处理。

美国国家科学基金会则将大数据定义为由科学仪器、传感设备、互联网交易、电子邮件、音视频软件、网络点击流等多种数据源生成的大规模、多元化、复杂、长期的分布式数据集。

普施曼和伯吉斯在词源学的意义上考察大数据概念指出大数据一词显然是从商业世界中走出来的，这一早期关于商业数据处理技术的词汇所反映的是这样的需求：“寻求新的工具以帮助企业更快地传送搜索数据或以更低廉的成本存储更大量的客户数据，但在此后，这个词语的意思却发生了转变，它的核心变为了分析的目的——尤其为了预测建模——而使用收集到的信息。

”维克.托迈尔舍恩伯格和肯尼思·库克耶在《大数据时代：生活、工作与思维的大变革》一书中就表达了这样一种观点：“大数据思维，是指一种意识，认为公开的数据一旦处理得当就能为千百万人急需解决的问题提供答案。

即把大数据看作是社会革命和思维革命的标志。

”
（二）精准资助
所谓“精准资助”是要让家庭经济困难、需要得到资助的学生得到资助，精准资助有利于促进教育公平和社会公正，有利于促进学生教育和管理，大数据为高校贫困生资助工作提供了一个新的思路，运用大数据精准识别贫困生、精准资助、精准管理以及精准考核，促进高校贫困生资助工作精准化。

（三）教育公平理论
教育公平理论认为教育公平是社会公平的重要体现，教育公平又包括教育起点公平、教育过程公平、教育结果公平。

对于广大贫困生来说，获得同他人一样接受高等教育的机会就是起点公平的体现。

美国著名教育家贺拉斯·曼曾说过：“教育是实现人类平等的伟大的工具，它的作用比任何其他人类发明都要大得多。

”教育起点公平就是让每一个准大学生都能顺利入学，不因为家庭经济的困难而错失接受教育的权利。

因此我国高等教育资助政策中的绿色通道就是专门为无力承担学费的学生提供先入学的通道。

在接受教育的过程中，还要给予贫困生一定的生活补贴或勤工助学岗位以保证贫困生日常的开销和正常学习，体现教育过程公平。

因此，必要要重视高校贫困生资助工作，而资助工作不仅是单纯的经济资助，更要注重贫困生技能的培养、就业的指导以及心理健康的发展。

三、大数据提升高校贫困生资助工作精准化的分析
（一）目前存在问题
1、时效性差
传统的数据管理和分析系统是基于关系型数据库管理系统(RDBMS) 的，这些系统在处理传统的结构化数据时性能突出，但是对当下如视频、音像等半结构化或无结构化数据的处理存在障碍。

一方面，一些学校的贫困生资助管理仍然停留在纸质阶段、人工输入阶段，大量的贫困生信息需要资助工作人员频繁的输入、统计、导出等，未能从传统工作方法中解脱，部分管理平台缺乏智能化设计，很难实现数据的二次利用，无法跟上大数据时代的发展要求。

在统计学生一些有价值的视频、数据等半结构化信息时常常无能为力或需要耗费大量人力物力，贫困生数据从收集到识别再到实施资助并评价需要一个较长的周期，时效性差。

另一方面，高校对于贫困生的数据采集常常是阶段性的，集中于入学时的学生个人信息统计以及贫困生申请周期阶段，时效性较差，无法适应当下对贫困生资助工作高效率和实施更新的要求。

2、针对性差
在数据采集来源及应用上，大数据实时采集、面向所有个体，具有高度全面性和完整性；而传统数据则更倾向于诠释宏观、大体的学生管理状况，对于贫困
生的数据多数来源于阶段性数据，数据的细化程度较低。

由于学生总体人数众多，贫困生资助工作人员很难兼顾到每一位贫困生，特别是对贫困生的认定及心理问题的管理，容易产生遗漏和疏忽，贫困生数据颗粒度较大，使得贫困生资助工作针对性较差。

3、系统兼容性差
目前，我国各高校基本都有独立的资助管理系统和工作平台，促进资助工作的网络化、信息化。

包含“奖、贷、助、补、免”，分别是奖学金、国家助学贷款、勤工助学、困难补助、学杂费减免以及绿色通道等多样资助项目。

然而高校开发的贫困生资助系统存在着标准不一、程序差异等问题，与其他部门管理系统及社会资助系统间的兼容性较低，难以实现资助数据的共享。

（二）原因分析
1、理念滞后，大数据意识薄弱
大数据概念还很新，很多高校贫困生贫困生资助管理部门尚未意识到大数据的巨大潜力。

资助管理人员相对缺乏尽可能多的收集、测量学生数据，以便用于以后决策分析的意识。

运用大数据进行资助工作大多还停留在对大数据平台数据进行存储、查阅的阶段，未能发挥大数据预测分析、预警等功能。

目前我国高校贫困生资助工作还是以各项事务或活动为主线展开，存在大量繁杂琐碎的事务，没有真正摆脱传统以事务为中心的管理模式的束缚。

对于贫困生数据分析思维还停留在统计抽样式的调查问卷或样本数据，尚未形成大数据全样本分析理念，数据利用率较低，对于贫困生资助管理工作需要转变由过去寻找因果关系向寻找相关关系思维方式。

高校贫困生资助管理人员大多是从事高校学生管理工作的行政人员，缺乏大数据思维，通常重视大数据技术而非大数据本身。

大多将大数据作为学生管理的手段之一，甚少能够将大数据转变为资助管理思维方式。

此外，由于高校贫困生人数的增加，资助部门数据量不断增加，特别是网络数据、定位数据、社交数据击打了推动了高校资助工作数据的增长，其数据量大大超过了传统数据，也增加了高校资助部门数据存储和分析的压力，对高校贫困生资助人员的数据素养提出了更高的要求。

2、缺乏顶层设计，统筹规划不足
随着信息技术的进步与普及，高校贫困生运用自身优势在资助工作信息化建设取得了瞩目成绩，一方面各省市的教育管理部门开发了资助信息化平台，及时发布各项资助信息；另一方面高校纷纷建立了独立的的贫困生资助系统，有效的提高资助工作的公开性。

然而，由于缺乏统筹规划和顶层设计，不同系统之间有着不同内容和标准，各个高校甚至高校内各部门工作系统不尽相同，资助网站的繁多以及系统之间的相互隔离更会导致用户的频繁切换，耗费了用户宝贵的时间
与精力，从而无法享用信息化带来的便捷和高效。

还导致了高校与高校、与部门之间很难实现数据共享，容易造成数据异构、冗余，形成数据孤岛。

3、对数据的挖掘不够深入，未能找出事物的潜在关系
贫困生信息管理系统的广泛应用给高校提供了大量的贫困生数据，传统的贫困生管理更多的将这些数据用于备份、查询和统计未能充分利用大数据分析技术，开展有效精确的信息对比分析。

对于学生大量的半结构化、非结构化数据的挖掘不够深入，未能找出贫困生各项资助工作的潜在联系，被描述为“数据丰富，知识匮乏”。

数据分析、决策是大数据利用的高级阶段，数据分析和挖掘对贫困生资助部门工作人员专业背景有着很高要求，需要不同领域业务人员共同参与，技术落后而导致的效率低下是制约高校贫困生数据挖掘的重要原因。

（三）大数据促进高校贫困生资助工作精准化的理论分析
1、有助于转变资助思维
从数据量方面看，大数据常常达到PB 级别以上，相比传统的数据仓库，大数据量更大、查询分析技术更加复杂。

非结构化数据占据越来越多的大数据比例，这成为大数据时代的突出特征。

除了以往数据储存与使用功能外，还可以利用大数据附加价值，即重视全体数据而非抽样数据样本，通过将分散的数据集中起来从而对海量数据进行分析，发现数据之间的关联性，得到未来发展趋势或事物间的相互关系。

大数据体现了相关信息技术发展的最新成果。

传统高校贫困生管理以文本或超链接的形式呈现，而以大数据为平台的管理手段，可以利用图表、视屏、定位、关键词搜索等策略，及时有效的了解学生的多方面信息，从中找出隐藏的关联，进行更加精细化的管理。

更强调探索“是什么”而不是“为什么”，为高校贫困生资助工作提供新视角。

强化数据价值，分析生成新的信息，认识到数据是高校贫困生资助工作的重要战略资源，数据不再认为数据是静止和陈旧的，更是决策的来源。

大数据不仅促进了教育管理方式、组织模式的改革，更重要的是促进了教育管理思想观念的更新，转变了高校贫困生管理思维。

进一步提高资助管理部门工作人员的思想认识，明确自己的责任，善于利用大数据提高资助工作精准化。

在过去样本分析的年代，每一个的样本的准确性都会影响结果，所以我们要尽量保证数据的精确性，才不会导致分析结果的偏差。

但在大数据时代，数据越来越全面，我们甚至可以掌握全部数据，不需要担心某个数据点的错误会对导致分析结果的偏差，因为当数据量规模够大的时候，确切的数量已经不那么重要了。

因此我们要允许数据的不精确，大数据时代更强调数据的完整性和动态性。

2、有助于全面掌握资助信息
大数据时代下，高校可以利用校园一卡通、图书卡、手机话费、网络社交平
台等数据资源，持续观测到贫困生经济状况的变化。

在数据采集来源及应用上大数据实时采集，面向所有个体，高度全面性和完整性而传统数据则更倾向于诠释宏观、大体的学生管理状况，在这方面利用大数据可以更好的实现过程性、全面性管理。

在大数据技术支撑下的教育研究中,先进的观测技术与数据采集设备,能够在自然状态下记录被试者的日常学习行为表现,因此大数据时代的教育研究者"比任何时候都更接近真正的学生。

有助于全面掌握资助信息，从而建立相应的行为规范和约束机制，并给予心理及就业辅导，帮助贫困生形成健康向上、独立自主的精神，促进以后更好地发展。

与过去样本分析不同，大数据时代我们可以掌握全样本，细致到一位学生的情况以及动态，从而更好的服务于高校贫困生资助工作。

3、有助于实现资助全覆盖
大数据应用的对象是全部数据，学生在学校期间的一言一行，发生的所有事情，都可以被量化，用数据记录下来。

不同于传统数据应用范围的随机样本或者随机分析法，大数据应用范围是全部样本、所有数据，数据量巨大，可以获得更加精确、有代表性的结果。

拥有全部或几乎全部的学生数据，贫困生资助工作人员就可以从不同角度、横向纵向观察比较学生数据的放方便便，实现个性化精准管理。

一个学生的行为数据似乎是杂乱无章，但大数据正是因为数据总量大、数据更新快、流动性强，从而给大数据带来了不一样的意义。

当学生数据累积到一定程度时，其潜在秩序和规律变现显现出来。

有学者认为，以全体数据代替随机样本的“大数据”思维具备真正的精准内涵，而以大数据分析为技术手段的精准定位将会在很大程度上保证扶贫开发的精准精确。

四、大数据支持的高校贫困生精准资助工作体系构建
（一）精准认定，推进资助对象识别的指标化
1、提炼指标，建立指标体系
高校应根据往年贫困生数据，提炼出贫困生识别的主要指标，如学生生源地、学生家庭经济收入、家庭人口数等。

指标来源依据一类是学生家庭基本信息、学生提供的民政部门证明等结构化数据，另一类是来源于网络、视频等半结构化或非结构化数据，从网络社交软件、征信系统等高校可以通过搜索关键词等更加深入的了解学生的真实情况。

可以运用大数据用户画像技术，对贫困生各项指标进行分类标签，第一类标签是基础数据如学生的基本家庭信息等；第二类标签为学生的消费能力，借助学生校园卡数据、网购数据评测出学生的消费能力、购买力以及消费频率等；第三类是通过大数据分析技术了解学生的行为偏好，借助用户
画像，全方位了解贫困生生活情况，进而实现精准识别贫困生。

大数据可以辅助贫困生再将各项指标按照占比分类成一级指标与二级指标，细化各项指标数据并进行赋值，建立高校贫困生识别指标体系。

根据学生基本信息数据进行打分计算，得出学生贫困等级。

2、设计权重，建立识别标准
随着高校育人理念及科技的不断发展，社会越来越关注高校贫困生资助质量评估、绩效考核和社会问责等，高校应积极把握现有大数据资源，从中获取有效信息，提升资助工作效益。

对此，利用大数据可以清晰的展现贫困生资助部门的工作脉络，能够详细记录精确识别贫困生的依据、过程以及资助结果。

结合贫困生识别层面、资助层面、贫困生管理层面以及资助评价等为考核工作提供的多维度、多层面的参考指标，设计权重。

根据高校贫困生人数、资助政策和人才培养等，对贫困生的资助情况作配置效益和资助评价情况分析，建立量化评价指标体系。

强调考核的动态性及全面性，克服传统绩效考核中的主观性和片面性。

大数据辅助贫困生指标选择更具实证性，为决策提供大量数据。

（二）精准资助，推进资助行为的差异化
1、个体的差异性资助
贫困生致贫原因各不相同，可根据不同致贫性质如自然灾害、烈士、伤残等和贫困程度建立贫困生档案，准确反映截然不同的贫困生个体，有针对性的实施经济帮扶和心理辅导，为实现个性化分级资助提供基本档案保障。

可以利用大数据聚类分析功能细分学生数据并进行分群，按照致贫性质、贫困等级、贫困生心理健康水平等进行分群，群组之间具有高度相似性。

把大量杂乱无章的学生数据划分为特性相似的不同群组，使得贫困生资助工作精细化。

利用大数据可以依据学生家庭经济状况以及学业成绩、心理健康和在校勤工补助等更多信息，构建细化分级以及多重指标的个性化分级资助模式。

高校可以利用大数据，分类不同专业、技能、特长的学生安排不同的勤工助学岗位，一方面发挥自己所长，另一方面在一定程度上减轻家庭负担。

对于不同贫困生的不同情况进行分类资助、给予个性化指导，做到真正的资助育人模式，促进贫困生经济和精神的双重脱贫，提高资助部门工作效率。

2、区域的差异性资助
学校可按照我国地域分布，分别建立东部、西部、南部、北部和中部五大地区贫困生档案，根据不同地域经济发展水平和人均收入，确认贫困标准，建立贫困生大数据档案，并利用聚类分析、语义分析等大数据技术将原先高校贫困生电子档案资源转化为结构化数据，进一步实现贫困生档案的规范性和智能性。

大数。