基于大數據的高職院校家庭經濟困難學生精準資助機制

摘要：高校家庭經濟困難學生的資助工作已經從單純解決經濟問題發展為物質幫扶、道德浸潤、能力拓展和精神激勵等多方面的資助。如何利用大數據技術實現對資助對象識別、資助需求確認以及資助過程的精確實施，以確保需要幫助的學生“一個不能少”和不應助學生“一個不能有”，成為資助亟待解決的問題。

關鍵詞：大數據；高職院校；家庭經濟困難學生；精準資助機制

在脫貧攻堅的基礎上，要推進學生精準資助，利用大數據手段從資助對象識別、資助需求確認到資助過程實施，全方位、全過程地構建應助學生“一個不能少”和不應助學生“一個不能有”的精準資助機制，保障家庭經濟困難學生“按需資助和充分資助”，從而實現教育公平，讓每個孩子都有人生出彩的機會。

一、精準資助對象識別

現階段高職院校分布廣泛且在不同省份招生，不同地域的經濟發展水平不同，同一地域的不同地區學生的家庭經濟狀況相差很大，同時學生生源呈現多樣化、復雜化趨勢。同時，不同學校對家庭經濟困難學生的認定標準不統一，認定評議過程中的主觀因素等都對家庭經濟困難學生的認定結果帶來外因影響。學生對自身家庭經濟情況的情感認知及對家庭經濟困難生認定的信息采集內容理解也以內因的形式影響資助對象的確認，例如有的家庭經濟困難學生自立自強，自己做多份兼職賺取生活費，自己再苦再累也不愿給學校和國家添麻煩；有的學生家庭經濟雖然困難，但礙于面子，怕同學瞧不起，不但不申請困難學生認定還向父母額外要錢裝富擺闊，加重了家庭經濟的困難；有的學生家庭在當地是中等收入家庭，學生卻認為自己家很困難，迫切需要資助。種種因素都對資助對象的精準確認造成影響。

目前高職院校普遍采用的家庭經濟困難學生認定模式是“學生自主申報，評議小組民主評議”，采用信用承諾制，以學生的自主申報為基礎，綜合評議小組的民主評議，自評與他評相結合，有效提升了認定結果的準確度。但學生按照申報信息并結合自己的理解進行申報，申報信息的全面性和準確性及學生對申報信息的理解會影響學生家庭經濟得分，進而影響認定結果的準確性。要解決這個問題，可以用大數據和機器學習的算法來優化學生家庭經濟信息采集量化指標體系，通過迭代學習計算將每項分值對應的權重計算出來，使家庭經濟困難生認定標準更加科學合理，認定結果更加精準。對于民主評議環節，評議小組根據對申報學生的了解進行主觀評議，評議項目的設置和評議小組成員對申報學生的了解及與申報學生的關系都會影響評議結果。怎樣聚合民主評議的各項內容特征，減少主觀因素對認定結果的影響是提高家庭經濟困難學生認定結果精準度的關鍵。

舉例說明：表1是家庭經濟困難學生認定民主評議中的在校生活表現項目，包含四個具體評議內容，每個評議內容根據學生表現及評議小組成員的了解分優、良、中、差四個等級，每個等級對應不同的分數。從表中可以看到，“生活節儉，衣著樸素”等這些評議內容，不同的人有不同的評判標準，沒辦法用具體的數據來表達。但是家庭經濟困難的學生確實存在比如“生活節儉、衣著樸素”這樣的一些共性特征，在此提出用大數據與機器學習的K－均值算法來聚合不同困難程度學生的共性特征，以此來實現家庭經濟困難學生的精準認定。

表1把學生的在校表現定義了四個特征，讓評議小組對不同學生進行打分，然后把所打的分值與此特征的滿分求比值，進行歸一化處理，如特征1中，評議小組成員1對張三同學打18分，那么張三同學的特征1的比值就是18/20=0.9。如果評議小組有5名同學進行打分，按照以上的辦法對張三同學的各項打分如表2所示。

按照平均值的方法計算各個特征的中心：

特征X聚類中心=（X1+X2+X3+X4+X5）/5? ? ? ? ? （1）

特征Y聚類中心=（Y1+Y2+Y3+Y4+Y5）/5? ? ? ? ? （2）

特征Z聚類中心=（Z1+Z2+Z3+Z4+Z5）/5? ? ? ? ? （3）

特征W聚類中心=（W1+W2+W3+W4+W5）/5? ? ? ?（4）

令：

S=（X-特征X聚類中心）2+（Y-特征Y聚類中心）2+（Z-特征Z聚類中心）2+（W-特征W聚類中心）2? （5）

評議值與聚類中心的歐式距離的公式為畢達哥拉斯公式，即勾股定理公式：

以特征中心的各個分量組合為聚類的中心，按照點與點之間的歐式距離來計算評議值與聚類中心的距離。

由表2可以看出，通過隨機選擇K個點，作為子聚類的中心，每個學生的評分值與子聚類中心的歐式距離通過公式（6）計算出來，然后把每個評分值分配到與此評分值的歐式距離最近的子聚類中。這樣就把評議小組對所有學生的評分值第一次分割成K個聚類，距離遠的分配到其他的子聚類中，最后所有的聚類中心都是由歐式距離最近的點組成，經過不斷的迭代，就能找出不同困難等級的學生的特征，進而精準認定家庭經濟困難學生的困難等級。

二、精準資助需求確認

不同年級、不同時段學生的資助需求不同。李亞員教授在“按需助學：新時代高校發展型資助模式創新”一文中把大學生分成三個階段：大一是適應階段，大二是獨立階段，大三、大四是全面發展階段。資助要根據學生不同時段的具體需求努力做到“掌握需求，按需、分級、分段進行資助”，讓學生充分享受“定制化”的資助紅利。針對處于適應期的一年級家庭經濟困難學生，可以從生活補貼、交通補貼、助學金、適應性教育、學業職業規劃等方面進行基礎性資助；處于獨立期的二年級家庭經濟困難學生可以從助學獎學金、專業技能提升、素質能力拓展等方面進行對口資助；對處于全面發展期的三年級家庭經濟困難學生應更多地從就創業能力提升、求職面試指導、就業及招聘會信息提供與組織等方面進行資助。同時宏觀上要加強政策宣傳，提升資助政策的知曉度，讓更多的學生知政策、用政策。可以成立教師資助政策宣講團，選聘學生資助宣傳大使，開展學生家庭走訪送政策、回母校宣傳政策、招生宣傳現場政策解讀等，使資助政策“入腦入心”；建立動態管理機制，分時段、分學段、分類型組織召開家庭經濟困難學生座談會，開展需求問卷調查，設立需求信箱、許愿池等，及時掌握學生所需所盼，有的放矢，按需資助。聚合校內外資源，強化學校、社會、家庭、個人等多方責任共擔，確保資助政策和信息充分共享，從生活幫困、學習幫助、心理幫扶等方面開展資助需求調研，根據困難學生實際制定“一人一案”資助方案，建立“標準化”和“定制化”的資助方式。

三、精準資助資金分配

目前高職院校大部分資助資金基本上按照困難等級進行統一發放，不能按照每個學生的具體情況進行“定制化”資助，發揮資助資金最大的效能。如何運用大數據方法，具體評估學生的實際情況，合理分配有限的資助資金，是進行精準資助迫切需要解決的問題。

可以通過對學生校內生活成本分析，學習費用分析，估測學生基本的學習生活費用，然后對所有列入資助范圍的學生用大數據算法進行精確計算，來合理確定每個學生的受助資金，真正把有限的資助資金最大限度資助給家庭經濟困難學生，達到精準資助的目的。

舉例：以表3中的特征為指標進行預測，通過多特征的線性回歸來預測學生需要獲得的資金支持。用Y表示一個學生學習與生活需要的資金值，可以知道

公式中a為偏置項，為預測誤差項。K1到Km為權重，X1到Xm為特征分值，a和Kj（1≤j≤m）取值為最小化均方誤差的結果，這個均方誤差表示如下：

式（8）中，Yi和Xij分別是第i個學生需求資金值和第i個學生的第J個特征所獲得的分值。

在單一特征中，可以利用微積分的求導數的方法來判斷最小值的條件，但是在這個具有多個特征的應用中，可以將式（8）作為代數矩陣模型來計算求解，從而得到每個學生所需要的學習與生活資金數值，精準進行資金的估算與分配。當特征值更多時，用矩陣模型的方法計算的時間復雜度和空間復雜度會提高很多，可以改用梯度下降算法來求解會更方便。

四、結束語

綜上所述，目前高職院校家庭經濟困難學生的資助，已經由單純地通過經濟資助解決學生的學習生活困難，發展為物質幫扶、道德浸潤、能力拓展、精神激勵全方位的資助，在這個資助過程中家庭經濟困難學生的精準識別是基礎，學生需求的精準確認是手段，學生能力素質的精準服務是目的。

通過家庭經濟困難學生資格認定分析和資助資金分配預估，利用信息化與大數據的便利，用大數據與機器學習的方法進行精準分析、精確判斷，改變大水漫灌的方式，讓有限的資助資金發揮最大的資助效益；通過對家庭經濟困難學生學習、心理、就業、能力等方面的需求的研判，有針對性地對他們的需求進行“滴灌”式精準扶植，解學生所困，助學生所需，提高精準資助水平，讓黨的資助政策“有的放矢”，惠及每個家庭經濟困難學生，讓他們都擁有出彩的機會。

作者單位：田慧芬? ? 南京鐵道職業技術學院

參? 考? 文 獻

[1]王秋月， 覃雄派 ，趙素云 ，等.人工智能與機器學習[M].中國人民大學出版社，2020.

[2]許珂.大數據時代高職大學生精準資助的問題與對策[J].湖北職業技術學院學報，2020（9）：45-48.

[3]竇蘇明，荊敏菊.大數據視域下高校貧困生精準資助管理機制探究[J].機械職業教育，2020（11）：13-16.

[4]羅麗琳.大數據視域下高校貧困生精準資助研究[M].知識產權出版社，2018.

[5]冀津.精準構建新時期高校家庭經濟困難學生資助體系[J].北京教育（高教），2022（06）：62-64.

[6]張勇，卓澤林.從保障到發展：我國高校學生資助資源的現狀、影響因素與對策建議[J].教育探索，2023（01）：36-41.

[7]李亞員.按需助學：新時代高校發展型資助模式創新[J].高校輔導員學刊，2022（03）：41-48.