大數據視角下高校貧困認定機制研究
——以安徽財經大學為例

涂登琴 汪睿 孫暢 孫瑋

一、引言

一方面，現代社會的發展離不開人才，離不開科學技術，而高校是孕育人才，發展科學技術的主要地點，讓高校學生都能正常受到教育對社會發展有著重要意義；另一方面，保障每個高校學生擁有平等的受教育權利是促進教育公平的重要部分，2010 年黨中央、國務院將“家庭經濟困難學生資助”納入重大教育改革發展項目，并提出“不讓一個學生因家庭經濟困難而失學”的工作目標[1]。而精準識別貧困生成為完成目標的重要前提，國家中長期教育改革和發展規劃綱要（2010-2020 年）》學生資助中期評估報告中就提出要“進一步推進學生資助信息化建設。盡快建成以學籍為基礎的覆蓋學前教育至研究生教育階段的全國學生資助管理信息系統，切實提高學生資助的信息化管理水平。全國學生資助管理信息系統要實現與人口、低保、扶貧等部門信息系統的對接或信息共享，為各級各類學校確認學生身份、認定家庭經濟困難學生提供技術支持，提高資助管理工作效率和學生資助的‘精準度’[1]。目前已有一些學者進行了相關研究，吳朝文等人將智慧校園與貧困認定相結合，基于對校園消費數據的分析，提出了結合大數據的貧困認定方法[2]；蔣東興則從系統的角度描述了高校智慧校園的結構與關鍵技術[3]；孫夢選取了在校生三餐等消費數據進行統計分析并論述了用SVM 理論和方法分析消費數據以識別貧困生[4]；宋美喆基于模糊綜合評價法建立了貧困的認定指標[5]；畢鶴霞則綜合運用模糊綜合評價法和模糊層次分析法進行了模型的實證研究[6]；羅麗琳[7]、王婷[8]分各自從理論角度論述了大數據角度下的精準資助機制等。本文試圖在前人研究的基礎上，以安徽財經大學為例，分析現有貧困認定機制的不足之處，并結合大數據的思想，提出提高貧困認定機制的準確率的建議，助力實現“精準識別”貧困生。

二、現行貧困認定機制的不足與挑戰

據了解，目前多數高校仍采用傳統的貧困認定機制判別貧困生，首先由學生提交貧困認定申請書以及學生家庭所在地開具的相關證明，最終按民主評議辦法確定貧困生。另有部分高?；谥腔坌@項目，利用大數據挖掘學生校園卡等消費信息，研究學生用餐消費次數以及消費金額，設定貧困標準，依據該標準識別貧困對象。兩種辦法各有優勢，傳統辦法成本較低，新型辦法流程簡單，識別相對更加準確。但兩種認定規則仍存在一些不足。

（一）主觀性較強

安徽財經大學主要采取傳統辦法認定貧困生，以定性分析為主，無法量化貧困標準，難以實現貧困對象的精準識別。其次，學生提供的相關貧困證明的真實性與有效性有待商榷。依據對安徽財經大學學生的不完全統計，結果顯示，70.23%的學生認為周圍少量存在貧困生識別錯誤的現象；59.46%的學生迫切要求學校在貧困認定工作中能夠采取定性與定量相結合的方式，利用大數據建立貧困指標體系，更好地實現教育精準扶貧。

（二）認定程序過于繁瑣，政策難以落實

學校一般由學生遞交申請，再由班級民主評議擬定貧困生初步名單，最后通過上級審核確定并公示最終名單完成貧困認定工作。但部分高校因成本等因素，簡化貧困認定程序，僅憑自身對學生情況的了解確定貧困生名單，未能將資助政策落到實處。且由于前期認定程序的復雜性，學生獲得資助的實際時間較晚，其學習和生活容易受到影響。

（三）缺少綜合分析

隨著大數據技術的日益成熟，與其相關的數據分析技術成為定量分析問題的有力工具。然而，部分高校僅利用校園卡的消費數據作為貧困標準，指標過于單一，且該辦法缺少對男女用餐消費特征差異性的考慮，可能導致女生因減肥減少用餐而被誤認為貧困生等問題。其次，學生的消費類型、消費方式以及消費理念的多樣性也增加了該法實施的難度。安徽財經大學學生除去每日在食堂用餐須選擇校園卡消費，其余消費類型均可選擇網絡或現金消費方式，校園卡的消費僅占學生日常校園中消費的一部分，因此校園卡消費信息無法全面真實反映學生的消費水平。此外，該方針未對學生家庭收入、健康狀況等各方面綜合分析，結果缺乏價值和準確性。

三、優化貧困指標

當前貧困指標缺乏明確性和綜合性。貧困指標模糊不清，界定不明，未能全面反映學生家庭與個人實際情況，致使學生在貧困認定工作中出現渾水摸魚的現象。為進一步優化貧困指標，對安徽財經大學貧困生與非貧困生的基本情況進行調查，研究表明學生家庭基本情況、學生就讀專業、學生收入與學生消費行為特征以及學生身體健康狀況能夠為貧困指標提供依據。

（一）學生家庭基本情況

學生家庭基本情況包括學生家庭收入水平、成員工作狀態、家人健康狀況以及是否為單親家庭或其它。貧困生家庭主要來自農村，收入來源主要為務農，收入水平較低。家庭成員若處于待業狀態或者家庭撫養以及贍養人數過多，家庭壓力較大。另外，家庭成員因病減少收入來源并增加消費支出。單親家庭缺少一部分勞動能力，經濟狀況較一般家庭差。

（二）學生基本情況

1.學生收入來源

學生收入主要來源分為四類：家庭供給、實習或兼職、國家或校內補助以及獎學金。數據分析結果顯示，貧困學生更多選擇參加實習或兼職賺取生活費用；同時，他們較非貧困生更刻苦，獲得獎學金的比例更大。

2.學生消費特征

貧困生與非貧困生的首要消費類型都是用餐，其中貧困生較非貧困生一周更多選擇在食堂用餐；出行費用位居非貧困生主要支出類型的第三位，原因可能在于非貧困生花費更多的資金與精力選擇出行旅游，而貧困生出行費用明顯較低，相較之下，更愿意購買書籍學習知識；目前學生的身體健康狀況普遍良好，因此學生在醫療方面的花費的較少。

3.學生就讀專業

學生就讀專業不同，學費不等。藝術學院的學生日常消費水平相比一般學院的學生較高，計算機專業的學生對電腦的相關配置要求更高，所選擇的電腦價格更高。不同專業的學習成本不同，因此學生就讀的專業對于有針對性地指定貧困生的消費標準有重要參考作用。

四、大數據在高校貧困認定機制中的應用

利用大數據技術輔助高校貧困認定工作能夠有效提高貧困認定精準度。目前，智慧校園項目正在各高校生根發芽，學生的生活處于更加信息化、智能化的校園環境中。智慧校園結構體系包括大數據層以及網絡層，其獲取和分析學生各方面信息，為學生提供個性化服務。智慧校園工程也為高校貧困認定工作提供更加可靠的依據。

（一）優化貧困認定程序

傳統的貧困認定程序主要采取民主評議方式，主觀性較強，且學生隱私可能無法得到有效保護。高校可以構建一個貧困認定系統，學生在系統中提交貧困認定申請以及家庭收支證明材料，如有家庭成員因病須花費大量資金的學生應提供相關證明材料，所有材料由系統自動審核和統計，相關信息加密保護。最后，依據確定的貧困指標，利用算法確定貧困指數，對高于貧困指數的學生給予援助。

（二）動態分析學生信息

利用智慧校園項目對學生在校信息進行動態分析。學生在校信息包括學生基本信息以及在校收支情況。不同學生的消費標準和理念存在差異性，利用大數據技術獲取學生的消費地點、消費金額以及消費類型等消費信息，結合學生基本情況以及家庭情況動態分析，去偽存真。另外，學生在某段時間消費特征存在顯著差異時，及時分析該原因，識別學生是否陷入或脫離困境，采取相應的措施。

（三）全面管理貧困對象

利用校園卡記錄學生去圖書館的頻率，數據分析結果顯示貧困生的學習成績高于非貧困生的平均水平，但貧困生的綜合能力低于學生的一般水平。利用大數據分析原因，對因經濟原因阻礙其全面發展的學生，學校應采取針對性措施，更好地幫扶貧困學生。跟進貧困對象獲得資助后的情況，對于已獲得資助但生活水平未改善的學生分析其原因并采取針對性辦法。

五、研究面臨的挑戰

大數據技術使得貧困認定工作更加高效，但隨之高校也面臨更多挑戰。一是學校越來越重視用數據認定貧困對象，忽視用定性與定量結合的方式分析解決問題。大數據對貧困認定工作起重要支撐作用的同時，學校也應當結合個人具體情況給予更具有針對性的幫助，同時增加對貧困學生的人文關懷。二是貧困認定規則仍然容易被學生投機取巧，學生可以利用定量分析的漏洞獲得貧困生資格，致使貧困認定的精準率依然受限。三是由于學校尚未與各級政府、醫療等系統互聯，難以實時獲取和綜合分析學生家庭和個人數據，共享相關數據庫，以便獲取學生家庭的真實情況，從而提升高校貧困認定的精準度。如何應對挑戰，解決難題是后續研究應當關注的方向。