首页 > 论文范文 > 教育综合论文 > 教育管理论文 > 教育事业论文 > 大数据背景下高校贫困生精准认定探究

大数据背景下高校贫困生精准认定探究

2020-11-12 320 上传者：管理员

摘要：教育公平是社会公平的重要基础，高校贫困生资助是教育公平的关键环节。然而，贫困生快速准确认定已成为高校资助育人工作发展的瓶颈问题，突出表现在入校之初新生贫困生的认定环节。大数据时代的到来给高校资助育人工作带来新机遇。文章开展了基于大数据的高校贫困生贫困指数精准测度研究并研发了相关系统，重点介绍了该系统中贫困认定指标与权重的由来。研究表明，该系统具有较强的可靠性，有助于实现贫困认定过程中的量化，增强认定过程的高效性和认定结果的精准性，从而有效保障资助工作自身的公平、公正、高效。

关键词：
大数据
教育公平
精准认定
精准资助
贫困生
加入收藏

一、问题的提出

习总书记多次强调，“扶贫先扶智，教育是阻断贫困代际传递的重要途径”，在高校，精准资助正是实现教育扶贫的有力途径和促进教育公平的重要基础。大数据时代的到来，为高校学生资助管理实现精准化提供了契机，《国家中长期教育改革和发展规划纲要（2010-2020年）》中期评估学生资助中期评估报告中提出要“进一步推进学生资助信息化建设。全国学生资助管理信息系统要实现与人口、低保、扶贫等部门信息系统的对接或信息共享……提高资助管理工作效率和学生资助的‘精准度’”。目前，如何实现精准资助仍是难点，高校学生资助管理工作一直受三大难题困扰：贫困生精准认定、资助方式的精准化和资助管理的精准化。这其中，贫困生精准认定是基础也是关键，目前大部分高校贫困生认定工作还处在定性阶段，过程繁琐，准确性和量化程度不高，与精准的目标相去甚远。

在各阶段的认定中，新生贫困生认定最关键。原因有二，其一，重要程度高。认定结果往往具有延续性，新生如果被认定为贫困生，下年度被再次认定的可能性很大。其二，难度系数大。新生进校时间短，信息来源有限，辅导员老师还必须在时间短、任务重的前提下完成认定，难度特别大。鉴于此，新生贫困生的精准认定重要而迫切。目前常见的新生贫困生认定流程为：辅导员老师根据新生提交的申请、情况说明和户籍所在地民政部门提供的贫困证明（或认定）材料、班级同学民主评议，辅之以个人对新生及家长的了解和以往工作经验，综合评价得出结果。这一认定过程基本属于经验性、定性评价模式，具体实施过程中常常遇到各类问题，例如：各地民政部门的贫困认定标准不一致；部分贫困证明材料真实性难以甄别；辅导员老师个体的主观判断占比过重；学生情况多元，评判标准难以统一；新生班级同学之间相互了解很少，民主评议随机性较大。由此可见，实现高校贫困生认定环节尤其是新生贫困生认定环节由定性向定量转变，由主观判断向客观评估转变，是实现精准资助的关键一步。

二、利用大数据技术进行贫困生资助研究的前期成果与存在问题

大数据时代的到来，数据逐渐从一种处理对象转变为重要资源，通过对数据的处理和可视化分析，我们可从中获得具有重要价值的结论进而支持管理决策。搜索中国知网（CNKI）数据库可以发现，利用大数据思维解决高校贫困认定工作难题的相关研究最早出现在2014年，纪杰在《大数据背景下高校学生资助工作策略》一文中初步探讨了高校的学生资助工作加强大数据应用的对策，包括完善基础设施建设、实现数据库相互开放、加强大数据背景的人才培养和信息安全保障四个方面1。在知网中，检索“大数据”与“贫困生资助”，收录论文85篇，检索“大数据”与“贫困生认定”，收录论文96篇。通过分析上述文献发现，利用大数据技术实现贫困生精准认定的研究内容主要分为三类：1.建立贫困生认定大数据系统的理论研究。如吴丽仙在2015年就提出“建立覆盖教育、公安、银行、住建、民政、税务等部门的大数据信息服务技术平台2”，这类研究成果较多。2.由政府担当主体进行贫困生认定的研究。如谢俊青3提出由政府担当贫困生认定的主体，又如许文婷4等提出在政府层面全面推行学生电子学籍，以身份证号码为基础监控学生校内外一切信息数据，实现学生信息的全程对接等。3.基于数据挖掘、模糊数学等技术工具，构建贫困生认定指标体系的研究。如吴朝文5提出在“智慧校园”背景下，通过挖掘贫困生基础信息、轨迹信息和结果信息助力贫困生认定，并在数据分析与归一化处理基础上形成贫困指数公式。又如毕鹤霞6运用模糊综合评价法与模糊层次分析法的集成，建构出贫困度综合判别模型，可对贫困程度予以排序等。

但回到当下高校资助工作的现实中不难发现，基于社会各部门的“大数据信息服务技术平台”没有出现，“政府主导的贫困生认定系统”也仍在探索，目前除少数高校依托自身学科与技术优势，已建立起校内贫困生认定大数据系统外，大部分高校的贫困生认定工作仍处在人工操作、定性为主、经验为先的初期阶段，囿于观念、资金和技术等因素，构建基于大数据的信息平台也仍处在概念层面，量化模型与可实际应用系统相对欠缺。

基于此，本文提出利用大数据技术解决高校贫困生精准认定难题的思路，设计研发了基于大数据技术的“高校贫困生贫困指数精准测度系统”（以下简称本系统）。本系统以新生贫困生认定为主要目标，构建了高校贫困生认定评价指标体系，实现了新生贫困生的认定从定性向定量的转变，在认定的高效性和精准性方面取得一定突破，具有创新性。

三、高校贫困生贫困指数精准测度系统构建原理

本系统关注如何实现贫困生尤其是新生贫困生认定的客观、公正、效率、精准。新生入学伊始，辅导员老师对学生的了解甚少，且事务繁忙琐碎，要快速精准地评估新生贫困生贫困程度，需要一套规范的认定流程和标准。通过阅读相关文献，在走访调研高校贫困生认定一线工作人员及相关专家，结合自身多年工作经验基础上，利用德尔菲法和层次分析法，最终确定了本系统的构建原理。

一般情况下，新生贫困生认定过程依据的主要信息包括：学生各类贷款总额（以下称贷款总额），家庭年收入，家庭成员残疾、劳动能力弱等状况（以下称劳动力状况），家庭生活质量（以下称生活质量），家庭所在地经济发展水平（以下发展水平），新生贫困生民主评议结果（以下称民主评议）等。本系统根据N大学部分学院贫困生实际情况，设定采纳上述六项指标作为本系统基础指标，利用层次分析法赋予各指标相应权重，然后采用加权的方法计算出每个贫困生的贫困指数。

（一）层次分析法及指标赋值

1. 层次分析法

层次分析法（AHP）是美国运筹学家T.L.Saaty教授提出的一种分析工具。AHP的基本思路是决策人将复杂问题分解为若干层次，每一层次由若干要素组成，然后对同一层次各要素以上一层次为准则两两对比，判断和计算，以获得各要素的权重，利用权重层层上推得到各方案对总目标（最高层次）的相对重要性，从而得到最低层次需求的绝对权重排序。

层次分析法具体分析步骤如下：

(1）分析各因素之间的关系，构建层次化结构。

(2）构造判断矩阵。对同一层次各要素以上一层次为准则两两对比，判断和计算，构造定量化的重要度判断矩阵。比较值取1～9的整数或倒数。

判断矩阵的标度原则如表1所示：

表1判断矩阵标度原则

(3）一致性检验

为防止出现甲比乙重要，乙比丙重要，丙却又比甲重要的问题，需对判断矩阵进行一致性检验。按照T.L.Saaty的经验规则，若CR（一致性比率）<0.1时，视为判断矩阵通过一致性检验。一致性检验计算公式为：

式中：CR为一致性比率；CI为一致性指标；n为判断矩阵阶数；RI为平均随机一致性指数，为判断矩阵A的最大特征值。RI的取值见表2。

表2RI的取值表（随机一致性指标）

本系统走访了相关专家，对贷款总额、家庭年收入、劳动力状况、生活质量、发展水平、民主评议六个指标的重要性根据表1中的标度原则打分，结果如表3所示。

表3第二指标相对于总目标的判断矩阵

根据表3构造出评价指标的判断矩阵

求得最大特征根λmax=6.072474,

根据C.R.可以判断矩阵通过一致性检验。

根据表3的判断矩阵，计算得出的权重结果如表4。

四、高校贫困生贫困指数精准测度系统的基础指标权重

在层次分析法和综合专家意见基础上，本系统最终确定“贷款总额”“家庭年收入”“劳动力状况”“生活质量”“发展水平”“民主评议”6个基础指标，分别赋权重0.4、0.1、0.05、0.05、0.1和0.3（详见表5）。各基础指标依据相应标准换算为0到1之间某指数，再加入权重，最终求和得出每名贫困生的贫困指数。该贫困指数介于0到1之间，越接近于1，表明该新生贫困程度越高，越接近于0，表明其贫困程度越低。

表4第二指标相对于总目标的权重

表5各基础指标及权重表

五、结束语

大数据技术的发展为高校学生资助工作的精准、高效提供了坚实的智力支撑，在大学生新生贫困生认定的过程中，充分发挥大数据技术的优势，开发完善相关系统平台，实现从定性化认定向定量化认定的转变，从人工操作、经验为先的非标准化向标准化的转变。该系统采用了文献分析、德尔菲法和层次分析法等多种研究方法，在构建原理、基础指标和权重设定上注重科学性与合理性，其实用价值和应用前景较广阔。

参考文献：

[1]毕鹤霞.大数据下高校贫困生确认模型建构———基于“模糊综合评判法”与“模糊层次分析法”集成的实证研究[J].高教探索,2016(8):105-114.

[2]吴丽仙.建立精准学生资助工作机制研究[J].教育评论,2015(09):46-49.

[3]谢俊青.贫困生认定对资助工作绩效的影响与对策[J].长江工程职业技术学院学报,2015(06):49-50.

[4]许文婷,顾启兰.大数据环境下高校贫困生身份认同研究[J].常州工学院学报(社科版),2017(12):105-108.

[5]罗丽琳.大数据视域下高校精准资助模式建构研究[J].重庆大学学报(社会科学版),2018,24(02):197-204.

[6]齐怀峰.大数据背景下高校贫困生类别的判定———以安徽师范大学为例[J].高校辅导员学刊,2016,8(05):74-77.

[7]纪杰.大数据背景下高校学生资助工作策略[J].学园,2014(36):60.

注释

1纪杰.大数据背景下高校学生资助工作策略[J].学园,2014(36):60.

2吴丽仙.建立精准学生资助工作机制研究[J].教育评论,2015(09):46.

3谢俊青.贫困生认定对资助工作绩效的影响与对策[J].长江工程职业技术学院学报,2015(06):49.