基于大数据对学生在校消费行为分析实现高校助学金精准资助的方案研究

谢立威

摘要：为了加快推进高校资助工作改革和创新的步伐，应对大数据时代带来的机遇和挑战，为高校助学金实现精准资助提供基础条件。本文从目前高校助学金评定工作中存在的问题进行剖析，提出基于大数据对学生在校消费行为分析方法，对高校助学金的精准评定进行数据支撑，能帮助高校资助部门更好地开展助学金评定工作。

关键词：大数据;高校助学金;精准资助

一、研究背景

（一）学生资助工作意义

党的十七大提出了建设中国特色社会主义要坚持“科学发展观”、坚持“以人为本”构建和谐社会的指导思想。党中央、国务院高度重视学生资助工作。为保证每一个适龄学生不因家庭经济困难而失学，党中央、国务院做出了一系列重大决策部署使高校的貧困学子充分享受到党和国家的惠民政策。极大地激发了他（她）们努力学习，回报社会、报效祖国的热情。

（二）精准资助的由来

2015年，中共中央、国务院印发的《关于打赢脱贫攻坚战的决定》，对“精准扶贫”做了深入的阐释和部署。“精准扶贫”不仅对扶贫工作提出了更新更高的要求，而且也对学生资助工作指明了方向，带来了更为广阔的理论视野和实践空间。

（三）高校国家助学金评定存在的问题

近年来，高校学生资助工作成效显著，党的惠民政策深入人心。但是，在国家助学金的评定工作中，仍存在一些问题，这些问题概括起来主要表现在以下几个方面：

1.没有综合考虑学生的基本情况

有些辅导员、班主任并没有摸清学生家庭的经济状况，也没有深入了解学生的消费情况，仅凭学生一纸贫困证明材料就认定为贫困学生，有些家庭经济并不是很困难的学生通过各种关系很容易开具贫困证明材料，而有些边远山区真正困难的贫困学生，由于信息不畅，掌握不了政策，失去了贫困认定的机会。

2.贫困生评选搞暗箱操作

有些辅导员、班主任没有在全班公开开展认定工作，而是和几个班委私下确定人员名单，个别负责认定工作的老师凭对学生的印象，把名额分给家庭经济并不困难的学生干部，结果真正困难的学生却选不上。

3.毫无原则的投票选举

有些班级全班学生都交了贫困证明材料。辅导员、班主任为了图省事就采取投票选举的方法来确定学生的贫困等级。有些学生为了能评上国家助学金而私下拉选票。有些家庭经济很困难的学生人际关系可能不如其他条件较好的学生，因为选票少而落选。

4.主动放弃

有些学生家里很贫困，还有些学生是单亲家庭，家里经济状况也不好，但这些学生又不想让大家知道自己家庭的隐私，于是主动放弃了国家助学金的申请机会。

二、大数据与精准资助

如何采用更加科学合理的手段选出真正贫困的学生，解决贫困生认定工作中存在的问题，是各高校面临的一个难题。 大数据已经深入到各个领域并产生了巨大的影响，成为了解决很多问题的得力工具。为了解决上述问题，高校学生资助工作应该积极主动地适应这次变革，采用先进的技术手段做好学生资助的相关工作。

本文通过对高校学生在校消费行为的大数据分析，为实现高校国家助学金精准资助提供科学的数据支撑。

三、方案设计

（一）大数据分析与常规评选的关系

如图1所示，助学金评选由以前的常规评选单轨进行改为常规评选加大数据分析双轨进行。常规评选和大数据分析分别会得出一个助学金名单结果，其中大数据分析结果作为一个辅助结果，所得到的名单范围要大于常规评选的结果。如常规评选的比例是18%，大数据分析结果可以把比例提高到30%。

通过对两种方式得出的名单进行匹配，匹配度为常规评选结果与大数据分析结果的重合度，如果匹配度高于95%，则认为整个评选结果可信，能够形成最终的助学金名单。如果匹配度低于95%，则需要对不匹配的名单数据进行复核。在这个阶段需要对每一个需要复核的学生进行人工识别，可以采取实地走访、群众调查等手段。如果调查结果显示某名学生家庭经济情况不符合评选标准的话，就将他从常规评选的名单中剔除;如果该生家庭经济确实困难，就在数据分析结果中加上该名学生。

大数据分析既是常规评选的补充，也是常规评选的保障。通过对学生在校消费行为的大数据分析，可以在不侵犯学生隐私的前提下，通过科学的方法了解到符合条件学生的生活水平条件，从而让学生资助管理工作人员对学生的真实情况有更直观的认识，指导助学金的评选工作。

（二）大数据分析方案设计

1.实现方案的必要条件：

学校内的所有消费行为已经实现一卡通支付;

能取得所有学生精确的消费数据;

学校的信息化建设取得了一定的成果。

2.数据分析原理

数据以学期为单位，每学期按20周，140天计算。选取的数据包括：

每个学生在食堂一日三餐的准确消费数据（按次保存）;

每个学生用于便利店、打开水、洗浴等其他消费的准确数据（按次保存）;

3.某学生在食堂消费平均每餐的花费：

xn为某学生该学期一日三餐的总花费，m为实际就餐次数;考虑到女生的饭量较小，an要在该基础上乘以一个1.1的系数，新的

an=1.1×an

（1）平均每日某学生用于便利店、打开水、洗浴等其他消费的花费：

yn为某学生该学期用于便利店、打开水、洗浴等其他消费的总花费。

（2）平均每日所有学生用于便利店、打开水、洗浴等其他消费的平均花费：

3.2.3.3最终用于排序的关键因子如下公式：

所有的学生信息都按照cn从小到大进行排序，按照需要的取值比例取出相应的数据作为大数据分析结果。

四、数据有效性保障

对数据进行筛选，剔除在校就餐次数占比低于应就餐次数70%的学生数据。比如某学期140天，应就餐次数为420次，如果实际就餐次数低于294次的，剔除出数据样本。通过对学籍信息系统、学生管理信息系统数据进行校验，剔除根据助学金评选规定不符合评选标准的学生的数据。

五、工作展望

以学生在校的日常消费行为的大数据分析结果为高校助学金的评选工作提供依据，可以使我们的工作能够更加科学准确。但是又要认识到目前方案设计中体现出来的不足，目前涵盖的消费行为数据只是很少的一部分，只能简单地体现出学生的消费行为趋势，学生更多的校外消费行为、校内的其他消费行为（包括电信消费、网络消费等）则无法体现。在不侵犯学生隐私的前提下，远期如果能将这些大数据也纳入分析的范围的话，我想一定可以更加科学地为高校学生助学金的评选工作提供支撑和依据，同时也可以为其他更多种类的学生资助工作提供数据基础，实现精准资助的目标。

参考文献：

[1]陈钦南.大数据背景下高校学生精准资助工作思考[J].经济与社会发展研究，2019（16）：1.

[2]谢伟，易邱寒.“大数据”视域下的高校学生精准资助模式研究[J].今日财富，2016（12）：2.

[3]朱华.基于精准扶贫理念下的高校学生资助工作创新研究[J].佳木斯职业学院学报，2018（12）：2.

[4]张晓玲.我国公立高校学费改革研究[M].武汉：武汉大学出版社，2013.

[5]肖国安，杨定忠.新时期资助育人工作探索与创新：湖南省学生资助研究优秀论文集[M].长沙：湖南师范大学出版社，2015.