基于大数据的“三扶”资助育人工作模式研究与实践

王思思　闫盖

[摘 要] 习近平总书记提出精准扶贫理念，并强调扶贫要与扶智、扶志相结合，为高校资助育人工作明确了方向。新时代大数据技术的发展应用，使得数据间的关联性、潜在应用价值凸显，对高校资助育人工作提供了新的模式和途径。本文以大数据为基础，提出“三扶”资助育人工作模式，探索精准资助育人新的工作机制。

[关键词] 资助育人;大数据;扶贫;扶智;扶志

[中图分类号]G647  [文献标志码] A [文章编号] 1008-2549（2021） 05-0062-03

随着我国高等教育向大众化教育发展，在校学生数量逐年增加，尤其是相对落后的中西部地区大学生数量增加，也增加了高校贫困生的数量，给高校资助工作带来了新的挑战[1]。自2013年习近平总书记提出精准扶贫理念开始，国家在教育资助上也不断提升精准度，在一定程度上解决了大学生生活困难的问题。2018年随着习近平总书记对网络强国建设的战略阐述，以大数据为基础的信息化建设在高校资助育人工作中有了更全面的应用，为新时代高校资助育人工作的开展带来了新的契机。《2020年全国学生资助工作要点》中要求加强家庭经济困难学生认定工作，通过利用大数据技术，把建档立卡、低保、特困救助供养、残疾学生作为“困中之困”，让家庭经济困难学生获得相应的资助。并要求纠正不同地区、学校平均分配及家庭困难程度不同而资助同一标准的现象，推进精准资助[2]。因此，基于大数据技术对贫困生进行识别、划分资助标准，是实现高校精准资助，提升工作实效性的必然要求。依据大数据开展新时代资助育人相关工作，提升贫困生心理健康水平，亦是完善高校“三扶”（扶贫、扶智、扶志）资助育人体系的重要手段，具有重要的现实意义。

一、“三扶”资助育人面临的困难与成因

“三扶”资助育人工作依据精准扶贫思想理念，以育人为本，将“扶智”“扶志”与“扶贫”相结合，“扶贫”是基础，“扶智”“扶志”是拓展延伸，更是真正消除贫困的保障。但在“扶贫”环节中，认定贫困的工作往往在操作过程中存在一定的不足，在“扶智”和“扶志”环节存在一些管理体系建设问题。

（一）“扶贫”认定不够精准

目前大多数高校家庭经济困难学生认定都采用班级、学院和学校三级认定方式，但在操作过程中班级和学部间存在认定标准不一致、困难等级划分不合理、评定信息不对称等现象。另外，高校资助管理工作中缺乏创新意识，大数据理念淡薄，担心困难生认定改革会带来不确定影响，一直沿用以往的认定方法。但国家资助力度不断加大，申请材料也不再需要相应的社会保障部门审核盖章，致使学生数量不变情况下，高校困难生申请数量居高不下，使得高校资助工作更加难以精准把握。

（二）“扶贫”监管不够完善

很多高校虽有建立贫困生管理制度及留有匿名举报联系方式，但基本都疏于应用。没有对贫困生的日常生活、学习情况、综合素质建档，更没有进行实时更新，因此，这也是一些贫困学生家庭已经脱贫，但仍然被认定为困难生的原因。

（三）“扶智”“扶志”工作开展缺少持续性

高校资助育人工作重经济资助、轻解困能力培养，近些年一些高校提出了从“输血”型资助向“输血”“造血”并重转变，但在实施的过程中，往往是理念提出时执行，后续不了了之，这也在一定程度上反映了高校资助育人工作制度的不完善。

二、大数据与“三扶”资助育人工作關联性的成因

（一）大数据与“三扶”资助育人工作相关联是新时代的要求

随着计算机技术的发展，数据的产生量逐渐增加，这些数据经过深度挖掘分析，给各行各业带来了新的机遇，涌现了一些新的工作模式和途径。高校“三扶”资助育人工作从“扶贫”角度来说，大学的扩招，学生体量的增长，给高校资助部门走访调查识别学生是否家庭贫困带来了巨大挑战;从“扶智”角度来说，贫困生的专业能力培养是将来解决家庭经济困难问题的保障，如何准确把握学生学业情况、实践情况，为高校制定个性化的培养方案提供数据支持，是传统资助育人工作的一大难点;从“扶志”角度来说，贫困生的素质培养不容忽视，如何获取贫困生的心理健康、综合素质评价数据，开展第二课堂教育，是高校提升贫困生就业竞争力的重要举措，但没有大数据的支持，难以实现目标。因此，新时代，“三扶”资助育人工作离不开大数据的支持，高校理应顺势而为，利用大数据更好地服务于“三扶”资助育人工作。

（二）大数据与“三扶”资助育人工作相关联是高校信息化建设的必然要求

随着高校信息化建设的逐渐推进，学生的日常行为数据，如学习考勤情况、生活消费情况、奖惩情况等，都被信息化平台记录下来，而这些大数据经过深度分析恰好可以为“三扶”资助育人工作提供客观依据，弥补主观评判过程中的不足，为高校资助育人工作注入新的技术手段。因此，“三扶”资助育人工作必然在高校信息化建设中与大数据融合，充分应用大数据服务于资助育人工作。

（三）大数据与“三扶”资助育人工作相关联是动态识别与监管的需要

随着国家扶贫力度的加大，高校家庭经济困难学生认定递交材料越来越少，认定标准越来越宽松，公示环节学生个人信息越来越少，也导致了一些家庭经济并不困难的学生为了能有更多的消费资金也递交了申请材料，这也增加了高校资助工作的开展难度。因此，对于高校资助育人工作，亟须可以全面反映学生真实情况的数据，并通过动态监管，对困难学生的高消费行为进行教育，对学业成绩不理想的困难学生给予定向帮扶。“三扶”资助育人工作离不开大数据的支持，它是客观反映，也是动态识别与监管的需要。

三、基于大数据的“三扶”资助育人工作模式的实施路径

（一）规范流程，完善“三扶”资助育人管理制度

高校学生“三扶”资助育人工作繁重，内容包括“奖、助、贷、勤、减、免、补、绿色通道、学校特色资助项目”的多元资助体系，高校会与政府、企业、银行、慈善机构等多个组织机构产生联系。因此，没有规范的流程，难以有精准的资助管理体系。不以规矩，不能成方圆，基于大数据的“三扶”资助育人工作模式就格外需要制度保障。在制度中，要增加大数据引导的客观操作标准，尽量减少人为因素的评判，另外整个流程要实现闭环管理，又要留有因时而变的空间，真正实现客观操作，动态管理。

（二）深度挖掘，搭建学生全息反映的大数据管理平台

1.整合校内学生相关数据平台

数据是大数据应用的基础，越全的学生数据，数据的应用价值越高。但很多高校都存在多个数据平台、多个管理部门之间数据无法共享的现象，随着信息化项目建设以及“三扶”资助育人工作的需要，校内平台的整合就显得越发急切。因此，针对“三扶”资助育人工作的需要，学生基本信息系统、校园卡消费管理系统、教务管理系统、心理健康系统、图书馆借阅系统、宿舍出入管理系统、教室考勤管理系统、第二课堂管理系统等都需要根据学生账号将数据全部收集在一个平台之中或可以在一个平台中调阅相关数据，以便于应用大数据处理技术进行数据关联性分析，获得每个学生的意识形态、家庭背景、消费水平、学业水平、心理健康、职业素养等分类标签数据。

2.设计反映学生情况的数据算法及实施路径

（1）贫困生识别算法及实施路径

贫困生识别要保证全面、公平，可以通过整合平台运用大数据进行分析，从学生的家庭背景、消费水平数据出发，综合生源地经济状况和所在高校的消费情况，针对生源地、家庭人数、收入来源及收入额、困难类型等进行量化处理，并赋予权重系数，最终根据所有的指标数据加权计算判断学生的困难程度，并计算求学成本和生活成本，为学生制定个性化的经济资助方案，实现个性化经济资助。

（2）学业预警算法及实施路径

“扶智”是增强贫困生学业水平和专业能力的重要环节，可以强化学生的专业技能，使其在职场站稳脚跟，彻底阻断家庭贫困的代际传递。学业预警算法就是为“扶智”服务，从大数据中获取学生学习状况信息，进而给出判断标准，低于限定学业条件时，将给资助育人管理者发出预警信息，进而提供相应帮扶举措，使其回到正常学业状态。可以根据学生成绩、学生图书借阅情况、学生作息情况、学生选课情况、学生上课考勤情况、学生第二课堂参与情况、自习情况、课程难易程度等数据，通过关联系数及灰色理论预测学生在修课程的成绩，并给出预警信息，针对预警中的学生采取一对一帮扶、集中帮扶以及家校联动的方式，解决其学业困惑。

（3）综合素养缺陷提示算法及实施路径

“扶志”是全面提升贫困生综合素养的重要途径，可以提升学生的就业竞争力，促进学生心理健康发展。因此，需要设计综合素养缺陷提示算法，通过大数据分析学生的综合素养缺陷，利用校内外资源，引导学生补足短板，使其德智体美劳全面发展。算法可针对学生的第二课堂数据、社团活动数据、心理健康测试数据、上网数据进行深度分析，通过量化算法给学生的异常状态贴标签，给学生急需提升的素养贴标签，进而通过开展专项培训和课程满足学生需要，提升其综合素养。

（三）动态监督，建立量化指标评价体系

1.动态评估反馈机制

基于大数据的“三扶”资助育人工作模式的优劣取决于整个体系的工作实绩，对于效果的度量需要建立系统的评价体系，针对资助育人工作的特点，评价体系主要以学生满意度、学生心理健康状态、学业水平、生活质量改善度、综合素养提升度为指标，通过建立资助育人量化体系，实现对“三扶”资助育人工作月度、学期、学年的动态评估，适时完善大数据平台。并发挥学校、社会、教师、家长、学生多方作用，使得评价体系更加公开、公平、公正。

2.安全防护保障机制

大数据的应用价值在于分析海量的数据，但数据的规模越大，发展的领域越深，造成的影响就越大。因此需要建立与之相适应的安全监管机制，对大数据的应用安全性进行评价。一是对大数据应用的技术平台安全性進行评价，要保证数据存储的安全性，防止数据泄露出现伦理道德问题;二是建立完善的账号管理规范，保障“三扶”资助育人工作安全开展。

3.自适应创新机制

随着计算机技术和数据分析理论的发展，大数据技术的应用也在不断深入，每年新生群体的加入都会给大数据基础数据带来新的变化，量化指标也会受到一定的影响。因此，大数据平台也要跟随技术进步的步伐，逐步更新量化指标、评估反馈机制，要使大数据平台自适应变化带来的改变，创新拓展更多的资助育人通道。

四、基于大数据的“三扶”资助育人工作模式的初步实践

实践是检验真理的唯一标准，基于大数据的“三扶”资助育人工作模式同样要经得起实践的考验。本课题以大数据在上海第二工业大学学生资助育人工作中的应用为例，进一步阐述大数据“三扶”资助育人工作的优势，为其全面推广应用奠定了基础。

（一）大数据应用在“扶贫”工作中的初步实践

学校资助育人管理体系较为健全，近几年加入了大数据应用，如为了精准资助家庭经济困难学生，学校开学前就开始通过数据平台采集学生的基本情况，包括家庭人数、家庭年收入、经济来源等，方便学校通过大数据获得精准扶贫家庭学生、低保家庭学生、当年受自然灾害家庭学生、失去主要劳动力家庭学生的信息，对于此类学生提高困难等级，进行百分之百的资助，保证了特殊困难学生的生活所需。

（二）大数据应用在“扶智”工作中的初步实践

在“扶智”工作中，通过教学系统获取学生的学业成绩数据，从中发现一些贫困生学业成绩不理想，一些学生基础课程、四六级未通过，为此学校成立了学业支持中心，针对挂科率高的课程以及通过大数据收集学生需求较高的课程开设了辅导班，由相应课程学业成绩优秀的学生作为辅导老师，并建设了微信线上辅导答疑平台，成果显著，经过学业中心对学员的跟踪调查，数据显示学生的学业水平有了一定的提升。另外，根据学生教室考勤数据、图书馆打卡数据以及校园卡校园消费记录数据，给出辅导员预警名单，一定程度上改善了学生的学习状态。

（三）大数据应用在“扶志”工作中的初步实践

在“扶志”工作中，学校根据贫困生的兴趣、心理健康数据、在校活动数据、多年困难生就业情况调查数据等，发现贫困生心理状况、职业素养方面随着入学到毕业有一定的变化，且部分困难生的创业梦想凸显。对此学校分年级多次开展“自理、自立、自信、自强”素质拓展活动，全面覆盖贫困生，结束后通过问卷调查，显著提升了学生的团队协作能力、沟通能力。针对创业，学校开展了彩虹训练营、创业培训班，培养贫困生自主创业能力和创业素养，经过培训学生创业活动率15%左右，学生的活动满意度近100%。

五、结语

高校资助工作面临新的变化，而要保证教育公平，保证有困难的学生不失学是社会健康发展的前提条件。贫困生的精准识别是基础，能力培养是关键，全面发展是目标。基于大数据的“三扶”资助育人工作模式，以客观数据量化学生困难程度、能力水平和素养缺陷，精确地为资助工作提供帮扶决策依据，是高校资助工作从普遍性到个性化的尝试，是资助工作由量到质转型的重要基础，为新时代资助育人工作提供了新的思路。随着大数据与“三扶”资助育人工作的深度融合，必将使高校资助工作进入一个崭新的时代，促进资助精准发展。

参考文献：

[1]杨晓慧.关于新时期高校学生精准资助工作的思考[J].中国高等教育，2016（9）：22-25.

[2]全国学生资助管理中心.2020年全国学生资助工作要点[Z].2020.

[3]谭黎明，高志强.民办高等教育成本分担机制研究[J].湖南师范大学教育科学学报，2015，14（1）：120-123.

[4]徐晓雯，岳昌君.高校毕业生过度教育状况对就业满意度的影响——基于2015年高校毕业生就业调查数据的分析[J].当代教育与文化，2020，12（2）：96-103.

[5]杨乔乔.马克思教育公平理论在新中国的运用与发展[J].思想政治教育研究，2020，36（2）：99-104.

（责任编辑：刘洁）