SCI论文（www.lunwensci.com）:
［摘 要］ 随着国家资助政策体系逐步完善，资助工作状况整体良好。但是在资助工作的实际开展中， 如何将资助资源真正用在了最需要的贫困学生身上，仍没有一个切实有效的方案。运用大数据分析与学校资助工作相融合，借助大数据技术跟踪、记录、分析每个学生的信息，通过对学生就餐、日常消费等数据的实时监测及处理，深度整合学生相关信息，完善各项制度保障，向学校资助工作精准化发展探索创新，从而建立更加科学合理的资助体系。
［关键词］ 大数据分析; 精准资助; 隐性资助
教育部 2015 年 12 月 9 日发布 《国家中长期教育改革和发展规划纲要 ( 2010—2020 年) 》学生资助中期评估报告，报告提出，未来 5 年我国将推进学生资助信息化建设，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”，不让一个学生因家庭经济困难而失学。［1］ 教育部办公厅2016 年 12 月 30 日发布的 《关于进一步加强和规范学校家庭经济困难学生认定工作的通知》中提到要进一步完善认定办法、改进认定方式: 及时修订认定办法，合理确定认定标准; 健全工作机制，强化责任意识; 精准分配资金名额，明确重点受助学生; 开展调查研究工作，保护受助学生尊严。可见，如何对资助对象实施精确识别、精细管理、精准资助，是当前和今后时期做好学校学生资助工作的重要目标。［2］
一、现行学校资助工作存在的问题
( 一) 贫困生认定标准滞后
由于物价水平的提升，学生的学费、住宿费等费用在学生学习期间费用中所占的比例逐年下降， 而贫困生认定工作以学生在校期间的学费和住宿费为评定依据［3］，认定标准相对滞后。
( 二) 贫困生认定依据片面
在学校资助工作的贫困生认定阶段，过度重视学生提供的贫困证明材料，甚至部分学校仅仅依据证明材料，而不全面考虑学生在校期间的消费习惯、整体表现，难免会使资助工作的最终结果出现偏差。
( 三) 助学金评选标准模糊
《助学金认定标准》中要求，按照公开、公平、公正的原则，各院 ( 系) 结合本院 ( 系) 家庭经济困难学生等级认定情况等方面进行评定， 提出享受国家助学金资助初步名单及资助档次， 但是并未提出具体采用何种方式进行助学金评选工作。因此，各学校、院系、年级，评选助学金时的方式可谓五花八门。
( 四) 资助发放缺乏时效性
学校资助体系中，基本资助都是以学年、学期为周期，如果学生家庭遭遇突发经济问题，学校常规的资助政策很难及时追踪到，学生通常很难及时获得学校的经济资助。［4］
二、大数据分析与学校精准资助工作的结合
( 一) 大数据分析主要特点
大数据技术可以实现实时采集数据，避免问卷调查等传统形式采集信息的刻意性、掩饰性; 并且大数据技术能够使原本无法量化的信息，如学生的感受、情绪、态度等，通过挖掘和分析得以部分量化和显现，从而让学校资助工作可以从宏观群体走向微观个体。资助工作者可以借助网络平台的数据信息，对全体学生个体形成更加全面、准确的认识，最终实现精准资助。［5］数据处理新技术的不断推陈出新，使得大数据中所蕴含的价值得以发掘和体现。
( 二) 大数据助力精准资助
在对学生困难认定过程中，可以借助大数据技术跟踪、记录、分析每个学生的信息，可以通过对学生就餐、日常消费等数据的实时监测以及处理，深度整合学生相关信息，来判断学生的家庭经济水平及在校消费情况。
一是辅助学校贫困生认定: 通过对学生较长时期的消费情况统计，可以直观地看出学生在校期间的消费习惯，借此判断学生家庭的经济水平， 确保贫困信息统计的准确性。
二是重视贫困生隐私保护: 通过大数据分析工具，我们直接通过消费数据得到学生家庭经济水平信息，免去了学生的申请及公示阶段，保护学生的隐私。［7］
三是提升资助工作时效性: 通过对学生消费情况的实时分析，可以在短期内得到学生消费情况变化，我们可以在获得信息时，及时对学生发放短期小额补助。
三、精准资助工作创新———隐性餐卡补助发放工作现状
本项目拟通过对在校的学生就餐、日常消费等数据的实时监测，及时对学生进行小额资助。为排除个别月份偶然因素造成的学生在校消费过低而误统计的情况，做到更加精准的贫困认定及隐性餐卡补助发放工作，下面就郑州大学在 2016 年 9 月至 2017 年 6 月的数据分析进行说明。
( 一) 在校生消费情况分析
郑州大学本科在校生总计 n 名，除毕业班学生，经过统计有消费记录的本科生总计 n1 名，总消费金额 m 元，平均每月消费金额 355. 2 元。消费情况统计见表 1。图 1 给出了郑州大学男生在统计时段内月平均消费情况。
数据表明，男生餐厅及商场平均消费水平较女生高，因此进行贫困补助发放及评定工作时应在尊重事实的前提下 进行适当的人性化调整。
( 二) 消费指数
我们提出 “消费指数” 的定义: 在校期间消费总金额与在校期间餐厅用餐总次数的比值。通过消费指数，我们可以大致获得学生的经济状况。首先，据调查，家庭水平较差的学生，会优先选择餐厅用餐。因此，我们认为学生在校期间在餐厅用餐的次数越多，越能反映学生的整体经济水平较差。
其次，餐厅消费总金额与餐厅用餐次数的比值，只能看到学生在餐厅的消费，忽略了其他消费的影响，造成对餐厅消费很少而在学校超市大量消费的误判。
( 三) 隐性餐卡筛选条件选取
1.男生隐性餐卡筛选条件选取
餐厅最低消费次数: 根据男生平均餐厅消费次数和男生餐厅消费次数分布图，选用男生最低消费次数为 300 次。
超市消费最高金额: 根据男生超市消费金额平均值结合正态分布图，选取 1600 元为男生超市消费最高金额。
消费指数: 根据男生消费平均值，选取了 8元作为参考。
2.女生隐性餐卡筛选条件选取
餐厅最低消费次数: 女生最低消费次数为245 次。
超市消费最高金额: 女生超市消费最高金额为 1595 元。
消费指数: 选取 7 元作为参考。
( 四) 隐性餐卡补助资助方案结果分析
男生: 就餐次数≥300 次，超市消费总计≤1600 元，餐均消费指数≤8 元;
女生: 就餐次数≥245 次，超市消费总计≤1595 元，餐均消费指数≤7 元。
依据上述条件共筛选出男生 1570 人，女生1578 人，合计 3148 人，针对上述名单，我们再次依据在校期间总消费金额筛选出 1700 人，分批次对其进行隐性餐卡资助，将补助直接通过校园卡系统，发放至贫困生手中，实现精准资助。
我们将获得隐性餐卡补助资助名单同 2016 年全校经济困难认定学生名单进行交叉对比，1700人中经过贫困生认定的人数有 1527 人，所占资助比例为 89. 8% 。这说明，我校 2016 年经济困难学生认定整体情况与在校学生的消费水平是相符的， 同时也说明，在整体资助情况落实的过程中，仍有一部分学生因为各种原因未纳入学校资助体系， 或者存在部分学生家庭在近期遭遇突发经济困难情况。
四、总结与展望
目前所进行的工作是借助大数据技术跟踪、记录、分析每个学生的信息，通过对学生就餐、日常消费等数据的实时监测以及处理，深度整合学生相关信息，来判断学生的家庭经济水平及在校消费情况。
今后同时通过对学生进出宿舍时间的门禁信息、借阅图书馆资料、学习成绩等多方面数据进行大数据分析，对学生进行综合评价，辅助资助工作的进行，更准确地覆盖到经济困难同时品学兼优的学生，帮助家庭经济困难学生及时获得人性化资助。
最终，经过长期的数据积累和技术分析，我们将掌握全校学生的情况，逐步形成郑州大学经济困难学生状况数据库，为每一名经济困难学生建立学生档案，运用科学有效的方式对资助对象实施精确识别、精细管理、精准资助。
［参 考 文 献］
［1］教育部． 国家中长期教育改革和发展规划纲要( 2010 － 2020 年) ［S］． 北京: 人民出版社，2010．
［2］黄泽良． 学校精准资助育人工作实践和探索［J］． 安徽商贸职业技术学院学报，2016，15( 2) : 77 － 80．
［3］陶强． 大数据思维下学校资助工作的思考［J］． 考试周刊，2015( 60) : 145 － 146．
［4］钟一彪． 对学校贫困生界定指标及其资助体系的讨论［J］． 青年探索，2008( 3) : 67 － 69．
［5］刘玉霞． 大数据背景下学校精准资助路径探析［J］． 未来与发展，2016，40( 9) : 69 － 73．
《基于大数据的学校精准资助工作研究论文》附论文PDF版下载：
http://www.lunwensci.com/uploadfile/2018/1226/20181226044238407.pdf
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jiaoyulunwen/2446.html
