基于大數據的高校貧困生精準認定研究

摘? 要：教育公平是社會公平的重要基礎，高校貧困生資助是教育公平的關鍵環(huán)節(jié)。然而，貧困生快速準確認定已成為高校資助育人工作發(fā)展的瓶頸問題，突出表現在入校之初新生貧困生的認定環(huán)節(jié)。大數據時代的到來給高校資助育人工作帶來新機遇。文章開展了基于大數據的高校貧困生貧困指數精準測度研究并研發(fā)了相關系統，重點介紹了該系統中貧困認定指標與權重的由來。研究表明，該系統具有較強的可靠性，有助于實現貧困認定過程中的量化，增強認定過程的高效性和認定結果的精準性，從而有效保障資助工作自身的公平、公正、高效。

關鍵詞：貧困生;大數據;精準認定;精準資助

中圖分類號：G640? ?? ?文獻標志碼：A? ? ? ? ?文章編號：2096-000X（2020）34-0120-04

Abstract： The work of university students' financial aids is a key link of education equity which is an important foundation of the social equity. However， how to identify financial candidates rapidly and accurately has been a bottleneck in the development of the work of university student funding. The new era of big data brings new opportunities. In this paper， an accurate measurement system of poverty index for university financial candidates based on big data technology is developed. The origin and weight of poverty identification index and design principle are explored. The research shows that the system is reliable， which is helpful for providing quantitative analysis in the poverty identification process. Meanwhile， the system can improve the efficiency of the process and the accuracy of the results related to identification to effectively guarantee the fairness， justice and efficiency of the university student funding work.

Keyword： financial candidates; big data; accurate identification; accurate financial aids

一、問題的提出

習總書記多次強調，“扶貧先扶智，教育是阻斷貧困代際傳遞的重要途徑”，在高校，精準資助正是實現教育扶貧的有力途徑和促進教育公平的重要基礎。大數據時代的到來，為高校學生資助管理實現精準化提供了契機，《國家中長期教育改革和發(fā)展規(guī)劃綱要（2010-2020年）》中期評估學生資助中期評估報告中提出要“進一步推進學生資助信息化建設。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……提高資助管理工作效率和學生資助的‘精準度”。目前，如何實現精準資助仍是難點，高校學生資助管理工作一直受三大難題困擾：貧困生精準認定、資助方式的精準化和資助管理的精準化。這其中，貧困生精準認定是基礎也是關鍵，目前大部分高校貧困生認定工作還處在定性階段，過程繁瑣，準確性和量化程度不高，與精準的目標相去甚遠。

在各階段的認定中，新生貧困生認定最關鍵。原因有二，其一，重要程度高。認定結果往往具有延續(xù)性，新生如果被認定為貧困生，下年度被再次認定的可能性很大。其二，難度系數大。新生進校時間短，信息來源有限，輔導員老師還必須在時間短、任務重的前提下完成認定，難度特別大。鑒于此，新生貧困生的精準認定重要而迫切。目前常見的新生貧困生認定流程為：輔導員老師根據新生提交的申請、情況說明和戶籍所在地民政部門提供的貧困證明（或認定）材料、班級同學民主評議，輔之以個人對新生及家長的了解和以往工作經驗，綜合評價得出結果。這一認定過程基本屬于經驗性、定性評價模式，具體實施過程中常常遇到各類問題，例如：各地民政部門的貧困認定標準不一致;部分貧困證明材料真實性難以甄別;輔導員老師個體的主觀判斷占比過重;學生情況多元，評判標準難以統一;新生班級同學之間相互了解很少，民主評議隨機性較大。由此可見，實現高校貧困生認定環(huán)節(jié)尤其是新生貧困生認定環(huán)節(jié)由定性向定量轉變，由主觀判斷向客觀評估轉變，是實現精準資助的關鍵一步。

二、利用大數據技術進行貧困生資助研究的前期成果與存在問題

大數據時代的到來，數據逐漸從一種處理對象轉變?yōu)橹匾Y源，通過對數據的處理和可視化分析，我們可從中獲得具有重要價值的結論進而支持管理決策。搜索中國知網（CNKI）數據庫可以發(fā)現，利用大數據思維解決高校貧困認定工作難題的相關研究最早出現在2014年，紀杰在《大數據背景下高校學生資助工作策略》一文中初步探討了高校的學生資助工作加強大數據應用的對策，包括完善基礎設施建設、實現數據庫相互開放、加強大數據背景的人才培養(yǎng)和信息安全保障四個方面①。在知網中，檢索“大數據”與“貧困生資助”，收錄論文85篇，檢索“大數據”與“貧困生認定”，收錄論文96篇。通過分析上述文獻發(fā)現，利用大數據技術實現貧困生精準認定的研究內容主要分為三類：1.建立貧困生認定大數據系統的理論研究。如吳麗仙在2015年就提出“建立覆蓋教育、公安、銀行、住建、民政、稅務等部門的大數據信息服務技術平臺②”，這類研究成果較多。2.由政府擔當主體進行貧困生認定的研究。如謝俊青③提出由政府擔當貧困生認定的主體，又如許文婷④等提出在政府層面全面推行學生電子學籍，以身份證號碼為基礎監(jiān)控學生校內外一切信息數據，實現學生信息的全程對接等。3.基于數據挖掘、模糊數學等技術工具，構建貧困生認定指標體系的研究。如吳朝文⑤提出在“智慧校園”背景下，通過挖掘貧困生基礎信息、軌跡信息和結果信息助力貧困生認定，并在數據分析與歸一化處理基礎上形成貧困指數公式。又如畢鶴霞⑥運用模糊綜合評價法與模糊層次分析法的集成，建構出貧困度綜合判別模型，可對貧困程度予以排序等。

但回到當下高校資助工作的現實中不難發(fā)現，基于社會各部門的“大數據信息服務技術平臺”沒有出現，“政府主導的貧困生認定系統”也仍在探索，目前除少數高校依托自身學科與技術優(yōu)勢，已建立起校內貧困生認定大數據系統外，大部分高校的貧困生認定工作仍處在人工操作、定性為主、經驗為先的初期階段，囿于觀念、資金和技術等因素，構建基于大數據的信息平臺也仍處在概念層面，量化模型與可實際應用系統相對欠缺。

基于此，本文提出利用大數據技術解決高校貧困生精準認定難題的思路，設計研發(fā)了基于大數據技術的“高校貧困生貧困指數精準測度系統”（以下簡稱本系統）。本系統以新生貧困生認定為主要目標，構建了高校貧困生認定評價指標體系，實現了新生貧困生的認定從定性向定量的轉變，在認定的高效性和精準性方面取得一定突破，具有創(chuàng)新性。

三、高校貧困生貧困指數精準測度系統構建原理

本系統關注如何實現貧困生尤其是新生貧困生認定的客觀、公正、效率、精準。新生入學伊始，輔導員老師對學生的了解甚少，且事務繁忙瑣碎，要快速精準地評估新生貧困生貧困程度，需要一套規(guī)范的認定流程和標準。通過閱讀相關文獻，在走訪調研高校貧困生認定一線工作人員及相關專家，結合自身多年工作經驗基礎上，利用德爾菲法和層次分析法，最終確定了本系統的構建原理。

一般情況下，新生貧困生認定過程依據的主要信息包括：學生各類貸款總額（以下稱貸款總額），家庭年收入，家庭成員殘疾、勞動能力弱等狀況（以下稱勞動力狀況），家庭生活質量（以下稱生活質量），家庭所在地經濟發(fā)展水平（以下發(fā)展水平），新生貧困生民主評議結果（以下稱民主評議）等。本系統根據N大學部分學院貧困生實際情況，設定采納上述六項指標作為本系統基礎指標，利用層次分析法賦予各指標相應權重，然后采用加權的方法計算出每個貧困生的貧困指數。

（一）層次分析法及指標賦值

1. 層次分析法

層次分析法（AHP）是美國運籌學家T.L.Saaty教授提出的一種分析工具。AHP的基本思路是決策人將復雜問題分解為若干層次，每一層次由若干要素組成，然后對同一層次各要素以上一層次為準則兩兩對比，判斷和計算，以獲得各要素的權重，利用權重層層上推得到各方案對總目標（最高層次）的相對重要性，從而得到最低層次需求的絕對權重排序。

層次分析法具體分析步驟如下：

（1）分析各因素之間的關系，構建層次化結構。

（2）構造判斷矩陣。對同一層次各要素以上一層次為準則兩兩對比，判斷和計算，構造定量化的重要度判斷矩陣。比較值取1～9的整數或倒數。

判斷矩陣的標度原則如表1所示：

（3）一致性檢驗

為防止出現甲比乙重要，乙比丙重要，丙卻又比甲重要的問題，需對判斷矩陣進行一致性檢驗。按照T.L.Saaty的經驗規(guī)則，若CR（一致性比率）<0.1時，視為判斷矩陣通過一致性檢驗。一致性檢驗計算公式為：

CR=CI/RI

CI=（λmax-n）/（n-1）

式中：CR為一致性比率;CI為一致性指標;n為判斷矩陣階數;RI為平均隨機一致性指數，為判斷矩陣A的最大特征值。RI的取值見表2。

本系統走訪了相關專家，對貸款總額、家庭年收入、勞動力狀況、生活質量、發(fā)展水平、民主評議六個指標的重要性根據表1中的標度原則打分，結果如表3所示。

根據表3構造出評價指標的判斷矩陣

求得最大特征根？姿max=6.072474，

，隨機一致性指標RI=1.24 （查表2）

= 0.011689<0.1

根據C.R.可以判斷矩陣通過一致性檢驗。

根據表3的判斷矩陣，計算得出的權重結果如表4。

四、高校貧困生貧困指數精準測度系統的基礎指標權重

在層次分析法和綜合專家意見基礎上，本系統最終確定 “貸款總額”“家庭年收入”“勞動力狀況”“生活質量”“發(fā)展水平”“民主評議”6個基礎指標，分別賦權重0.4、0.1、0.05、0.05、0.1和0.3（詳見表5）。各基礎指標依據相應標準換算為0到1之間某指數，再加入權重，最終求和得出每名貧困生的貧困指數。該貧困指數介于0到1之間，越接近于1，表明該新生貧困程度越高，越接近于0，表明其貧困程度越低。

五、結束語

大數據技術的發(fā)展為高校學生資助工作的精準、高效提供了堅實的智力支撐，在大學生新生貧困生認定的過程中，充分發(fā)揮大數據技術的優(yōu)勢，開發(fā)完善相關系統平臺，實現從定性化認定向定量化認定的轉變，從人工操作、經驗為先的非標準化向標準化的轉變。該系統采用了文獻分析、德爾菲法和層次分析法等多種研究方法，在構建原理、基礎指標和權重設定上注重科學性與合理性，其實用價值和應用前景較廣闊。

注釋：

①紀杰.大數據背景下高校學生資助工作策略[J].學園，2014（36）：60.

②吳麗仙.建立精準學生資助工作機制研究[J].教育評論，2015（09）：46.

③謝俊青.貧困生認定對資助工作績效的影響與對策[J].長江工程職業(yè)技術學院學報，2015（06）：49.

④許文婷，顧啟蘭.大數據環(huán)境下高校貧困生身份認同研究[J].常州工學院學報（社科版），2017（12）：105.

⑤吳朝文，代勁，孫延楠.大數據環(huán)境下高校貧困生精準資助模式初探[J].黑龍江高教研究，2016（12）：41.

⑥畢鶴霞.大數據下高校貧困生確認模型建構——基于“模糊綜合評判法”與“模糊層次分析法”集成的實證研究[J].高教探索，2016（8）：105.

參考文獻：

[1]畢鶴霞.大數據下高校貧困生確認模型建構——基于“模糊綜合評判法”與“模糊層次分析法”集成的實證研究[J].高教探索，2016（8）：105-114.

[2]吳麗仙.建立精準學生資助工作機制研究[J].教育評論，2015（09）：46-49.

[3]謝俊青.貧困生認定對資助工作績效的影響與對策[J].長江工程職業(yè)技術學院學報，2015（06）：49-50.

[4]許文婷，顧啟蘭.大數據環(huán)境下高校貧困生身份認同研究[J].常州工學院學報（社科版），2017（12）：105-108.

[5]羅麗琳.大數據視域下高校精準資助模式建構研究[J].重慶大學學報（社會科學版），2018，24（02）：197-204.

[6]齊懷峰.大數據背景下高校貧困生類別的判定——以安徽師范大學為例[J].高校輔導員學刊，2016，8（05）：74-77.

[7]紀杰.大數據背景下高校學生資助工作策略[J].學園，2014（36）：60.

*基金項目：本文系“江蘇省教育科學‘十三五規(guī)劃”立項課題“大數據時代高校學生資助工作面臨的挑戰(zhàn)與應對”（編號：X-c/2016/04）;南京財經大學2017年度黨建思想政治工作立項課題“大數據時代高校學生資助工作面臨的挑戰(zhàn)與對策”（編號：DJ201714）研究成果

作者簡介：袁怡琨（1979-），女，漢族，重慶人，碩士，講師，經濟學院黨委副書記，研究方向：學生思想政治教育。