您好, 访客   登录/注册

浅析大数据视域下高校精准资助

来源:用户上传      作者:

  [摘 要]推进高校精准资助工作是打赢教育脱贫攻坚战的必然要求。在大数据背景下,结合大数据特征有效精准识别出资助对象,丰富帮扶形式,推进精准管理,提高资助育人效能。创新资助管理模式,构建与之相匹配的资助管理平台,加强与政府各部门联动,建立资助安全机制体系,是推进高校精准资助的有效途径。
  [关键词]大数据;高校精准资助;贫困生
  [中图分类号]G647 [文献标志码]A
  党的十九大报告中明确提出“坚持精准扶贫,坚持精准脱贫;健全学生资助制度。”教育部部长陈宝生在《人民日报》上撰文指出“要把学生资助工作摆在更加重要的位置,提升学生资助科学化水平,全面推进学生资助精准化,发挥学生资助育人功效”。2016年教育部等六部门联合颁布《教育脱贫攻坚“十三五”规划》,2017年教育部党组印发《高校思想政治工作质量提升工程实施纲要》首次将资助育人纳入“十大育人体系”等足以说明高校资助工作的重要性。大数据背景下,高校资助工作如何结合大数据来创新工作模式,利用大数据开放共享性来提升资助工作效能将成为今后资助工作实践的重难点。
  1 高校现行资助模式问题审视
  精准资助是指借鉴一定的互联网技术,精准识别家庭经济贫困学生,根据不同区域、贫困程度差异性等提供相应资助,实现资助精准化,做到“不让一个学生因家庭困难而失学”。尽管高校资助工作取得一定成效,但实际操作过程中仍存在一系列问题。①资助识别对象不精准,存在虚假贫困生。贫困生提交贫困证明的真实性难以考量,班级民主评议公平公正性难以定性,申请者自述家庭经济状况时是否有虚假、夸张成分等难以考究,仍存在所“资”非所“助”,虚报、瞒报、漏报等现象。②帮扶形式过于刻板,没有做到因人而异。贫困生因家庭背景不同对资助需求会有所差异,不同年级、不同专业贫困生的需求各不相同,但目前单一的帮扶形式鲜有考虑到贫困生个性化需求,因自尊心受损放弃申请资助的贫困生也不少。③重经济资助轻人文关怀,育人效果不显著。尽管各高校资助育人中取得一定成效,但始终是以经济资助为主线,人文关怀欠缺,尤其是对贫困生精神层面上的塑造和帮扶,导致贫困生受助前后心理落差和压力较大,难以实现“扶质”和“扶志”相结合。④资助管理模式陈旧,缺乏动态性。受助对象在领取相应经济补助后的想法可能仍停留在“等、靠、要、争”阶段,而非改变思维通过自己的努力去争取各种勤工俭学机会,第二年又走老路,重新申请补助。有些困难家庭可能一年内已脱贫,有些家庭可能因天灾人祸致贫,学校并不能及时掌握到这些信息,管理缺乏动态性。
  2 大数据与高校精准资助工作的内在契合
  “大数据”这一概念出自于麦肯锡公司某次研究报告,将大数据定义为“规模大到传统数据库软件已无法正常采集、存储、管理和分析的数据集,已经渗透到每个行业每个业务领域”。大数据具有真实性、普遍性、精准性、隐蔽性等特征,一定程度上契合高校精准资助工作技术需求,将精准资助与大数据技术相结合,找准两者契合“穴位”,“通过大数据技术精准分析整合海量贫困生信息,探寻数据中的规律性和关联性”,精准推进高校资助工作。
  2.1 大数据的普遍性和真实性助力资助对象识别准确性,推进精准认定
  高校精准资助工作重难点在于如何精而准快速识别出资助对象,而大数据技术为此提供了新思路。高校参考以往贫困生提交的各类资料数据,提炼出评判贫困标准的主要识别特征,如生源地、家庭收入、重大疾病等。这些识别依据主要来源于村委开具的贫困证明、家庭收入来源等结构化数据,用大数据射频识别功能对此类特征标签为“基础数据”;借助校园一卡通消费情况、手机缴费情况、网购数据等评测学生消费能力,用大数据真实性功能对此类特征标签为“消费数据”;“借助大数据用户画像功能,全方位了解学生日常生活行为习惯,将此类行为偏好标签为‘行为数据’”。将这三类定性定量的数据结合起来,在SPSS、HPCC等大数据分析工具中设计权重方式过滤掉伪造、虚假、异常的信息,拓宽相关真实数据的量化维度,对各项数据赋值并打分,预判出学生生活状况,然后精准识别并分类细化出资助对象,准确划分贫困等级,推进精准认定。
  2.2 大数据的工具导向和价值导向助力资助行为差异化,推进精准帮扶
  大数据精准预测功能,迫使我们从海量数据中挖掘其隐藏发展规律和态势,“将大数据运用到高校资助工作中,通过大数据技术探求资助体系中各因子的关联性,有针对性地推进精准资助”。不同家庭背景,不同致贫原因,不同个性需求,不同貧困等级等促使高校帮扶对策要有所“因人而异”,实行个性化分级资助,用聚类分析功能,将一些有“相似性数据”贫困生信息进行针对性分群管理,提高资助工作内容精细化水平。结合大数据价值性特征,为不同专业、不同年级学生设计出符合学生个性的多样化资助项目体系,既突出个性化指导,又真真切切地践行精准帮扶。传统勤工俭学岗位一定程度上减轻了贫困生的经济压力,但并未按岗位的专业性来安排相应专业的学生来兼职。借力大数据技术,将勤工俭学与学生技能提升需求相结合,科研能力强的学生可尽量安排科研助教岗位,实操能力强的学生可尽量和校外企业联合培养,具有创业意向的学生可尽量让优秀校友+专业老师联合培养,通过对口的兼职岗位个性化助力贫困生成长,推进精准帮扶。
  2.3 大数据的隐蔽性助力“精神资助”,提高资助育人效能
  数据的采集、存储、分类等都在计算机系统内完成,使得数据具有一定的隐蔽性。而传统的申请者自述家庭状况类似于“哭穷”比赛,严重打击贫困生心理,影响其正常学习和生活。所以利用互联网对所收集到的各贫困生数据进行分类聚合,将所得数据进行相应精准化分类,减去不必要的“公开露面”,既保护了学生隐私和尊严,又能体现出学校对贫困生的人文关怀。对高校资助工作而言,资助的出发点是为贫困生克服困难提供经济帮扶,助力学生顺利完成学业,实现全面发展。就长远而言,综合素质和技能往往是制约贫困生成才的关键因素,利用大数据对贫困生提供对应的帮扶,强化技能,提升综合素质是日后“精神资助”重点。就业,是学生毕业与步入社会工作的“最后一公里”,贫困生相对而言处于弱势,高校资助中心、就业指导中心可利用贫困生在校的各类数据分析出一定程度上与之相匹配的工作岗位,向相关企业推荐,提升贫困生就业质量,保证他们“上好学”,也“就好业”,彰显高校的人文主义,真正落实好资助育人。   3 大数据视域下高校精准资助的现实路径
  3.1 打破“数据孤岛”,整合数据资源,构建统一的资助管理平台
  传统资助管理工作冗杂繁琐,以纸质版、文本形式存储为主,易丢失、易出错,缺乏数字化动态管理,各数据只是单独存在并未被探寻关联性。校资助中心可根据贫困生提交的、数据中心监测到的各类数据进行分类整合,打破受助主体间的“数据孤岛”,整合各类数据资源,构建起与大数据特征相匹配资助管理平台。数据入库前难点在于如何确保数据真实性,校资助中心工作人员可利用全校联网优势,让各相關部门提供相应数据,并结合入学初学生填写的个人基本信息以确保数据的真实性。数据入库后按基础数据、家庭经济状况、致贫因素等进行分类管理,一学期更新一次,以确保数据长期有效性,并定期备份上传至云存储,便于数据随时下载查阅。运用大数据技术的高校资助管理平台不单单只记录学生基本情况、家庭经济情况、在校消费情况、学习状况、技能培训、参加大赛等数据,而应更深入挖掘学生这些数据间的关联性,打造符合学生个性的专属档案分析库,为学生日后在校的生活、学习、就业提供针对性的定制化帮扶,构建符合本校学生特点的智慧化系统。
  3.2 搭建“数据共享桥梁”,加强与有关政府部门的联动
  《国家中长期教育改革和发展规划纲要(2010—2020)》中明确指出“尽快建成覆盖学前教育至研究生教育的全国学生资助管理信息系统,提高学生资助的信息化管理水平,各相关政府部门信息要共享,为高校确认学生身份、家庭情况等信息提供相应的技术支持。”传统资助模式中,学校凭借学生入学时提交的盖有村委、乡镇公章的材料来预判学生家庭经济状况;在大数据时代中,高校在收集学生提交的信息后,可直接与相关政府部门联动,调取相关村委、街道居委会上传的该生家庭经济情况来了解所收集信息的真伪性。单一部门很难存储到资助工作所需的全部信息,搭建部门间的“数据共享桥梁”是推进高校精准资助的重要手段,精准资助也需要多主体、多部门的协同配合,不仅局限于学生处、班主任和辅导员,也需要社会各基层组织、个人的相互监督,共同搭建协同育人平台。
  3.3 建立信息安全“防火墙”,构建贫困生资助安全机制
  在经济资助上对贫困生做到“一个不能少”较为简单,要在精神帮扶上做到“一个不掉队”却不容易,一定程度上而言,“精神资助”比“物质资助”更为重要。如果他们在数据库的个人信息被攻克遭以泄露,那学生的个人隐私、人格尊严都会受到极大的伤害,精神上的打击远比物质上的打击更具冲击力。大数据时代,如何保护好数据安全和个人隐私事关重要,这就必然要求建立信息安全“防火墙”,构建与之相匹配的资助安全机制,如计算机安装防毒软件、重要文件设置加密、不定期更改云存储密码、规范权限分级管理等内外部管理。信息安全“防火墙”构建贫困生资助安全机制的重要保障,也是对所采集到的贫困生数据安全、有效存储的保障。贫困生资助安全机制的建立既要求与资助工作相关的各主体、部门要知法守法,不随意公开学生隐私信息,又要求数据化管理系统要加强“技防”体系建设,确保对学生个人信息的保护。
  [参考文献]
  [1] 陈宝生.进一步加强学生资助工作[N].人民日报,2018.
  [2] 李学龙,龚海刚.大数据系统综述[J].中国科学:信息科学,2015(01):1-44.
  [3] 林于良,丁一岚.大数据提升高校精准资助成效的路径探析[J].黑河学刊,2017(06):186-188.
  [4] 陶俊清.大数据背景下的高校资助工作创新研究[J].东华大学学报(社会科学版),2015(01):24-28.
  [5] 刘云博,白华.精准化资助:高校学生资助工作新思维[J].教育评论,2016(02):67-70.
转载注明来源:https://www.xzbu.com/1/view-15010161.htm