基于校園大數據的高校貧困生認定研究＊

成 越，王 飛，劉長璇，劉 楠，趙思雅，張雪伍

（江蘇理工學院，江蘇 常州 213000）

人類社會正在步入大數據時代，決策不再像過去基于決策者個人的感覺和直覺，而是基于大量數據分析的結果，決策結果更加科學合理[1-2]。在即將全面建成小康社會的時代背景下，高校貧困生的認定與幫扶也是脫貧工作的重中之重[3]。但新時期高校貧困生的外在特征已與過去貧困大學生的外在特征有著較大的不同，從而使得高校貧困生的認定過程困難重重，經常容易產生不合理的認定結果[4]。如何提高高校貧困學生的貧困認定精度已經成為高校貧困大學生幫扶工作的一個重要研究課題。論文依托高校校園大數據對高校貧困生的貧困認定策略進行研究，構建基于校園數據庫的高校貧困生精準識別認定流程，為創造和諧校園，實現高校貧困生的精準脫貧提供有價值的參考。

1 高校貧困生界定

“貧困”一詞有著豐富的內涵，且始終處于一個不斷發展變化的過程中，如資源匱乏、知識不足、心理缺陷等[5]。但作為高校資助進行研究時，“貧困”主要是指經濟貧困。因此，高校貧困生主要是指由于經濟困難缺乏基本物質生活條件或生活水平達不到社會普遍認可的大學生應有的生活水平的在校大學生。高校貧困生是一個相對概念，不同時期有著不同的認定標準，其最根本的判斷標準就是其生活水平是否達到社會普遍認可的最低水平。

2 傳統高校貧困生認定的困難

傳統高校貧困生認定是由學生自行申報，學工人員根據其申報材料和證明材料，并根據班委討論結果進行認定[6]。但由于社會生活水平有了很大的進步，貧困生的外在特征和表現也發生了很大的變化，學生的證明材料亦核實困難，致使傳統的高校貧困生認定方法存在很大的局限性，可能出現非貧困生占用幫扶資源，而真正貧困學生的生活得不到充分的資助保障。

2.1 不同地區貧困標準不同

高校大學生來自五湖四海，他們的貧困證明材料主要由生源地民政部門或村委會提供。由于地區間的經濟發展水平存在較大差異，不同生源地的貧困標準也不同，致使持有同樣貧困證明材料的同學缺乏橫向的可比性。例如，一些學生在經濟發達地區屬于貧困生，而他們在經濟欠發達地區卻不屬于貧困的范圍。

2.2 貧困證明材料真假難辨

貧困證明材料在高校貧困生的認定過程中起著關鍵的作用。但是由于地理距離和其他因素的限制，使得高校很難對貧困生提供的貧困證明材料進行實地驗證。同時，申報材料中家庭收入信息均由學生自行填寫，難免出現一些夸大情況。有些需要幫扶的真正貧困大學生由于礙于面子又不愿意申請貧困補助，致使其生活水平大大降低，甚至學習也受到了很大的影響。

2.3 定性認定缺乏精準性

傳統高校貧困生認定主要以定性指標為主，雖然在一定程度上起到貧困甄別的作用，但由于缺乏可量化的統一標準，致使其針對性和嚴謹性略顯不足。在現實操作過程中，由于貧困生認定人員認知和經驗的不足，致使貧困生認定工作缺乏統一標準和尺度，可能導致高校貧困生認定工作中出現不公平、不合理的現象。

3 基于校園大數據貧困生認定框架

隨著高校信息化、數字化建設的持續推進，積累了大量的學生日常校園生活數據，如學生食堂消費、校園快遞、家庭經濟情況、移動賬單、一卡通、圖書借閱、微信朋友圈、QQ 空間等數據。這些數據能夠對高校學生的在校生活進行較為精準的刻畫，結合學習生活中同學和老師的評價，從而使基于校園大數據分析的高校貧困生精準認定成為現實。基于校園大數據分析的高校貧困生認定框架如圖1 所示。

圖1 基于大數據高校貧困生認定框架

3.1 貧困生數據庫構建

基于校園大數據高校貧困生認定的核心思想就是利用海量貧困生數據對基于機器學習的貧困生識別模型進行訓練，優化模型參數，再使用優化的高校貧困生識別模型對新的貧困生進行貧困識別。因此，存儲了海量貧困生信息的貧困生校園生活數據庫就成了基于校園大數據高校貧困生認定的重要數據基礎。首先，收集既有的貧困生校園生活數據、貧困生家庭數據和貧困生管理數據；其次，對這些數據進行預處理，并實施數據融合，構建高校貧困生校園生活歷史數據庫。

3.2 貧困識別模型構建

利用機器學習、深度神經網絡等人工智能算法構建高效貧困生的貧困認定模型，運用高校貧困生校園生活數據庫中的數據信息，對貧困認定模型進行充分訓練篩選，優化模型參數從而做到準確精細。高校貧困生貧困認定模型的構建與優化是一個反復的過程，隨著時間的推移和貧困生校園生活數據庫中數據的增加，應該將一部分時間較久遠的數據進行淘汰處理。因為貧困的內涵是一個動態變化過程，不同時期有著不同的內涵和外在表現，為了提高模型貧困認定精度，應按照一定周期對早期數據進行淘汰。

3.3 貧困生認定

首先，將待認定高校貧困生數據和管理數據輸入到訓練后的高校貧困生貧困認定模型中，通過貧困生識別產生初步貧困生名單。其次，由學工管理人員對模型輸出的貧困生及其對應等級進行復核，從而確定高校貧困生最終名單。最后，將認定后高校貧困生相關數據輸入到貧困生數據庫中，完成對高校貧困生校園生活數據庫的更新。

4 注意事項

4.1 模型認定結果人工復核

雖然基于校園大數據的高校貧困生貧困認定模型能在一定程度上提升貧困生認定的速度和精度，但學工管理人員要對模型輸出的結果進行進一步的判別和確認。特別是因突發狀況而導致家庭貧困的學生，模型很難對其貧困狀態進行正確的認定，應單獨進行人工識別和確認。

4.2 識別模型應定期優化

隨著社會經濟發展，貧困標準在不斷地變化。為了使模型適應新的高校大學生貧困標準，應不斷使用貧困生的最新數據逐步替換貧困生數據庫中陳舊數據。同時，應對高校貧困生認定模型進行重新訓練和優化，提升模型的適應性和認定精度。

4.3 注重學生信息安全性

高校貧困生相關數據涉及了學生的家庭、學習、校園生活等學生的隱私信息，具有高度敏感性，一旦泄露將會對貧困生的學習和生活產生極大的不利影響。因此，應對大數據貧困生識別系統的數據安全性給予高度重視，制定嚴格完善的數據使用制度和保密制度，嚴防學生個人隱私數據的泄露。

5 結語

科學合理、客觀公正的高校貧困生認定是有效開展高校貧困生資助工作的重要環節。但隨著社會經濟水平的提升，高校學生貧困的內涵也隨之發生了較大的變化，這給高校貧困生的認定工作帶來了巨大的挑戰。基于高校貧困生校園大數據制定的高校貧困生認定策略能夠彌補傳統高校貧困生認定方法的不足，實現高校貧困生認定的客觀公正和快速高效。