高校資助工作中大數據運用的局限與超越

摘要：大數據技術助推了資助工作信息化、精準化的進程，推動了高校資助工作模式的創新，在資助工作過程中如果對大數據過分推崇會導致出現過度數據化。本文基于資助工作實際提出的數據采集機制、指數的分析機制，以及數據運用機制，力圖構建出一線管理人員“上手快、用的上、有效果”的數據處理辦法，為資助工作提供一定的決策參考。

關鍵詞：高校；資助工作；大數據

基金項目：2020年福建省中青年教師教育科研項目“大數據技術在高校貧困生資助工作中的應用研究”（JAT200560）。

作者簡介：汪靈波，泉州師范學院資源與環境科學學院講師（福建泉州362000）。

中圖分類號：G649.2文獻標識碼：A文章編號：2095-5103（2022）10-0121-04

自“國家大數據戰略”提出以來，《促進大數據發展行動綱要》與《大數據產業發展規劃（2016—2020年）》相繼發布，國家十四五規劃和二〇三五年遠景目標明確提出，“要推動互聯網、大數據、人工智能等同各產業深度融合”。大數據技術正在各行業中廣泛應用。高校在校生規模逐年擴大，對高校資助工作的精細化、精準化的要求越來越高，同時，也給教育管理者提出了很大的挑戰。因此，本文結合大數據技術在高校資助工作中的運用，探討大數據技術在該領域存在的局限性，并提出謹慎科學而又實際可行的使用方法和應用路徑。

一、高校資助工作中大數據運用的現狀

隨著大數據技術快速發展，高校資助工作中大數據運用的理論研究也在近十年間有了快速的推進。在中國知網搜索頁面以“大數據”并含“資助”為主題詞進行高級搜索，得到753篇文獻（截至2022年1月），從年度分布來看，從2013年開始有部分研究成果，然后逐年增多。通過篩選，以數據挖掘技術為代表的大數據技術在資助工作中運用的文獻有127篇。其中，挖掘“一卡通”（或稱為校園卡、餐卡、飯卡等）消費數據的文獻有78篇，現有研究呈現出以下幾個特點。

（一）偏重于理論和整體上的綜合研究

大部分研究以精準資助為視角，從教育信息化的大背景入手，強調大數據運用到學生資助工作中對于高校學生管理的重大意義和理論價值，偏重于理論和整體上的綜合研究。王宏鵬從五個宏觀方面構建“五位一體”的高校精準資助工作新模式[1]。羅麗琳從高校精準資助制度的整體性等四個方面進行理論模型的構建與制度的創新[2]。其他部分的研究則傾向于勾勒出一個宏大的框架。姚蓓基于大數據算法，從整體上建立貧困生算法預測模型[3]?？娦⊙嗵岢鰪恼w上構建高校貧困生資助工作精準化體系[4]。

（二）在數據收集問題上過于理想化

有研究提出對大學生進行數據全樣本分析，如對學生網絡購物數據、金融消費數據進行分析，提出要對學生的銀行卡、支付寶、微信、QQ錢包等消費渠道進行挖掘。還有一些研究提出要對學生互聯網行為軌跡如新聞網站活動軌跡、社交軟件使用數據、短視頻平臺活動軌跡包括點擊記錄、互動記錄、發帖記錄進行挖掘，甚至提出對學生通信通話數據等進行挖掘。這些研究存在過于理想化的傾向，要想把學生所有的數據收集、儲存起來、加以挖掘運用，這在一定程度上忽視了信息收集的合法性與倫理性等方面的規范。

大數據是一把雙刃劍。對大學生信息的挖掘應該有限度和邊界?！毒W絡安全法》規定“不得收集與其提供的服務無關的個人信息，不得違反法律、行政法規的規定和雙方的約定收集、使用個人信息”?！秱€人信息保護法》規定“個人信息受法律保護，收集個人信息應當限于實現目的的最小范圍，不得過度收集個人信息”。從目前實際情況來看，不太可能輕易收集到學生銀行流水、線上消費、網絡行為軌跡等個人信息的全樣本數據?！盀E用”大數據來識別貧困生可能存在越界和違法的嫌疑，這是一個不容忽視的嚴肅問題。

（三）過度推崇以數據挖掘為基礎的資助工作模式

依托大數據技術可以實現隱形資助，于無形中幫助困難學生，實現“潤物細無聲”式資助。但是過于推崇這種以數據挖掘為基礎“默默給予資助”的工作模式就出現了盲目崇拜的傾向。部分研究不僅對這種模式大加贊賞，而且還認為大數據技術無所不能，認為只要運用了大數據技術，資助工作中所有難題都會迎刃而解。部分研究認為，資助工作中處處皆可大數據技術化，出現了大數據技術運用的工具依賴。與此同時，把資助工作等同于貧困認定是狹隘地理解了資助工作?，F有的資助體系是涵蓋“獎、助、貸、勤、補、減、免”等一體化的政策體系，是對學生全方位的資助。而在實際資助過程中，高校方面過于關注貧困生的物質生活需求而忽視了其他方面和其他層次的需求。

二、高校資助工作中大數據運用的局限性

以數據挖掘技術為代表的大數據技術，在高校資助工作中已經顯示出一定的作用，但是技術的局限性不容忽視。

（一）宏觀層面

新時代的資助工作中心向資助育人轉變，單純的物質資助已經無法滿足新時代大學生追求發展、追求卓越等多樣化的需求。一方面，單純地從大數據中甄別出的貧困生已經不能滿足當前資助工作發展的需要。新時代高校學生資助工作有新氣象，僅從教育部公布的年度中國學生資助發展報告里就可以看出變化，但從2017年開始，每年度的報告中就新增了“資助育人”的相關內容?？梢?，新時代的學生資助工作將從過去主要解決學生經濟困難轉變為更加注重資助育人的新模式。另一方面，政策方面只是鼓勵使用大數據，并沒有要求一定要用大數據。教育部等六部門發布的《關于做好家庭經濟困難學生認定工作的指導意見》明確指出，“學?？刹扇〖以L、個別訪談、大數據分析、信函索證、量化評估、民主評議等方式提高家庭經濟困難學生認定精準度”，由此可見，大數據分析只是鼓勵使用的方式之一。

（二）中觀層面

中觀層面的局限性主要體現在兩個方面。一方面，大數據技術運用的技術門檻較高。從目前研究成果來看，能夠運用到資助工作中的大數據技術五花八門層出不窮。明心銘利用基于Spark的分布式算法對消費行為特征進行聚類分析“一卡通”消費數據[5]。王煜對“一卡通”消費數據進行類logistic回歸分析，來確定貧困狀況[6]。伍智鑫基于“一卡通”消費數據，使用Spss軟件完成聚類分析[7]。段玉婷利用Apriori關聯規則挖掘K-均值聚類結果頻繁規則，根據挖掘出學生校園“一卡通”消費強度和就餐率兩個指標，來認定貧困生[8]?？梢钥闯?，這些對技術的要求高，對資助工作者的知識素養、學科背景與大數據技術駕馭能力的要求高，工作人員能力較弱會導致工作效果不佳。另一方面，大數據的運用需要軟件、硬件的成本投入。由于技術門檻高，需要進行必要的軟硬件投資和人力資源投資，這就需要充足的經費保障。

（三）微觀層面

當下，網絡化的消費渠道很多，基于“一卡通”消費的數據不能代表一個人的實際消費情況。一方面，“一卡通”消費數據存在片面性。既排除不了其他合理懷疑，也排斥不了其他渠道的消費。大量的研究集中在對校園卡消費數據分析?！耙豢ㄍā毕M強度和頻率等，涉及交易的金額、日期、時間、次數等具體信息?？梢詫⒔y計出來的數據與學生平均消費水平進行比較，從而估算出學生大致的消費水平。但是，不可否認的是貧困生的日常消費也并非全部由“一卡通”支付，相反，有人偽裝成“低消費”也有可能。另一方面，即便是政府部門開展的扶貧工作也沒有單一地依賴大數據技術。數據遠遠沒有想象中的那么可靠，想要依賴某一項指標來評估是否貧困是很困難的。一般來講，貧困指的是個人、家庭或者群體處于一種綜合不利狀態[9]。貧困測算主要有兩種途徑，一是依托大樣本的入戶調查，二是建立相關可測量的指數與指標[10]。在新時代，測度貧困要從收入或消費等單一維度，擴展至多維貧困[11]。政府部門的扶貧干部在進行貧困認定過程也是通過大規模的入戶調查結合部分問卷調查和訪談調查綜合得出結論的。因此，從這一層面來看大數據具有一定的局限性。

三、高校資助工作中大數據運用的超越：可能的路徑分析

根據高校資助工作中大數據運用的現狀和其自身顯示出來的局限性，基于高校學生管理者（亦是學生資助工作者）的視角，可以選擇工作中需定期接收的數據，以及無障礙獲取的數據進行匯總，建立與資助密切相關的指數，在日常工作中及時錄入數據、將數據轉換成一定的分值，最終為資助工作提供決策參考。

（一）確立數據采集機制

根據在實際工作中能采集得到的數據信息，能夠作用于學生資助工作的信息可以有以下幾個數據采集來源。首先，學生工作部門自身儲備的基礎信息，主要包括學生個人基本信息、學生檔案中顯示出的基本信息和家庭信息。其次，學生工作部門在工作中會定期收到的學校相關部門發送過來的指定信息。主要包括教務系統相關信息、學工系統相關信息（以泉州師范學院為例，正常運行的至少包含學生獲評先進、受資助、獲勤工儉學機會等幾方面信息）、宿管中心數據、易班APP有關信息（以泉州師范學院為例，正常運行的至少有學生請假、學生出入校大門的相關信息）、校醫院學生體檢數據、校心理咨詢中心學生心理普查數據。再次，學生工作部門在校內通過申請、協商獲取的數據。如圖書館系統數據、“一卡通”系統數據、校醫院學生就診數據、校心理咨詢中心接受學生咨詢數據。最后，學生工作部門通過調查、調研獲取的數據。如學生家庭深層次信息、學生日常表現信息、學生“第二課堂”參與信息等。

（二）建立數據分析機制

根據采集到的數據，從學生家庭信息、學習情況、生活狀況、個人思想、社會實踐等方面制定幾項相關指數來分析學生貧困的相關信息。

一是學生家庭貧困指數。主要觀察點有：家庭所在地的區域經濟發展水平、家庭戶口狀況、家庭居住房屋情況、家庭交通出行方式、家庭總人數、家庭在校生人數、家庭成員健康狀況、家庭成員收入來源和水平、家庭成員遭受危重病情況、家庭遭受自然災害情況、家庭債務情況、家庭其他方面突發狀況、學生個人助學貸款情況、學生在校期間繳費情況、學生個人曾受資助的情況、學生個人兼職情況。二是學生貧困測評指數。主要通過同學間測評的方式，主要觀察點有：服裝、化妝品等日常消費的頻率和價位，交通出行方式及消費的價位，手機、個人電腦及其他電子設備消費情況，娛樂休閑消費情況（含旅游、健身、戶外運動）等。三是勤學指數。主要觀察點有：出入圖書館情況、借閱次數與數量、上課考勤情況（尤其是線上課的簽到情況、線下課的遲到情況）、獎學金獲得情況、榮譽稱號獲得情況（包含受到懲罰的情況）。四是學業完成指數。主要觀察點有：各門課程考試（或考核）情況，教師資格證、大學生英語、大學生計算機、普通話等考證考級情況，與專業緊密相關的資格證書獲得情況。四是勤工指數。主要觀察點有：校內勤工儉學申請情況、校內勤工儉學的機會獲得情況、校內勤工儉學的所在單位評價情況、校外勤工儉學的開展情況。五是健康指數。主要觀察點有：大學生體檢報告、校醫院（或校醫務室）就診數據、大學生心理普查報告、校心理咨詢中心的咨詢情況。六是“第二課堂”的參與指數。主要觀察點有：學生的政治態度，學生的人際關系狀況（尤其是與父母的感情親疏、與專業師生的人際關系、與宿舍室友的關系），學生在校內基層組織、學生組織、群團組織的任職情況，志愿服務活動參與類型與時長，社會實踐活動完成情況、體育鍛煉情況、文體活動參與情況、學業學術情況，就業創業情況等。

（三）強化數據運用機制

數據運用主要體現為以下三個方面。一是為學生資助工作做決策參考。將學生的基本信息按照學生家庭貧困指數、學生貧困測評指數、勤學指數、學業完成指數、勤工指數、健康指數、“第二課堂”參與指數等方面指數按照相應的觀察點分別輸入制作表格，根據學生每一項實際情況進行勾選，各項指數都能從高到低排列出優、良、中、差（其中家庭貧困指數、學生貧困測評指數轉換成為特別貧困、一般貧困、疑似貧困、不貧困）四個等級，最終根據各方面指數得出一個初步的推斷為學生資助工作提供參考。二是為特殊學生作預警?？梢愿鶕奚衢T禁數據進行挖掘，對多次晚歸學生、異常未歸學生、宅居過長學生進行行為預警；根據校園卡低消費和高消費行為進行一定的預警；可以根據教務系統數據和宿舍門禁數據的比對，對曠課、未歸學生進行失聯預警。根據教務系統數據對學生學業完成度進行學業預警。三是對特殊學生進行行為預測。根據教務系統數據對部分學生進行學業預測，可以做到成績排名預測和學業修滿情況預測以及部分學生的課程掛科預測?？梢愿鶕睦碜稍冎行臄祿Y合門禁系統、圖書借閱數據對特殊學生進行抑郁傾向預測?？梢愿鶕W生家庭貧困指數、貧困測評指數，以及學生家庭所在地突發重大災害或重大突發事件等，對學生展開臨時生活困難預測。

貧困是世界各國公認的一個多維度社會現象[12]。正因如此，需要綜合考慮各因素。同時必須警惕在資助工作中對大數據技術的過分推崇。當前的情況下，要想完整地收集到大學生所有的數據是較為艱巨的任務，因此，需要立足工作實際，從合法渠道獲取的數據入手，制定一線工作人員切實可行的工作路徑。

參考文獻：

[1]王宏鵬.大數據視域下高校精準資助“五位一體”新模式[J].高校輔導員學刊，2019（11）.

[2]羅麗琳.大數據視域下高校精準資助模式構建研究[J].重慶大學學報（社會科學版），2018（24）.

[3]姚蓓.數據挖掘技術在高校智慧資助中的應用研究[D].合肥：安徽大學，2019.

[4]繆小燕.大數據背景下高校貧困生精準資助體系的構建[J].大學，2021（26）.

[5]明心銘.基于數據挖掘的高校學生行為分析方法與應用研究[D].深圳：深圳大學，2020.

[6]王煜.基于校園大數據的助學金獲取關鍵因素分析[J].中國教育信息化，2018（17）.

[7]伍智鑫.基于一卡通數據挖掘的高校貧困生精準扶貧應用研究[J].湖南科技學院學報，2019（4）.

[8]段玉婷.基于校園卡的學生消費信息數據挖掘與應用研究[D].綿陽：西南科技大學，2018.

[9]郭尚武，張全紅.1990年代以來湖北省貧困指數的測算分析與政策建議——基于多維貧困視角[J].湖北經濟學院學報，2015（13）.

[10]王寶成.中國多維貧困的測算與結構分解[J].統計與決策，2021（16）.

[11]王亞柯，夏會珍.后減貧時代中國老年多維貧困的測度[J].東北師大學報（哲學社會科學版），2021（5）.

[12]馮怡琳，邸建亮.對中國多維貧困狀況的初步測算——基于全球多維貧困指數方法[J].調研世界，2017（12）.

責任編輯：聶慧麗