论文部分内容阅读
摘要：高校学生资助工作是脱贫攻坚工程的重要内容，以资助促进学生发展，切断贫困代际传递，才是学生资助工作的本意所在。在大数据时代背景下，利用数据挖掘技术实现高校精准资助路径，打造资源共享、精准认定的资助新模式，建立实时动态监管体系，完善管理思路，对提高高校精准资助水平具有重要意义。本文通过分析高校学生资助工作的现状，构建高校精准资助实施路径模型，对高校学生进行信息数据采集、集成、变换、挖掘、模式评估，了解学生实时动态，并结合数据挖掘技术对高校资助路径现状提出对策建议。
关键词：数据挖掘技术;高校精准资助;路径;对策建议
中图分类号：TP311 文献标识码：A
文章编号：1009-3044（2019）32-0032-02
当前，高校学生资助工作在取得巨大成就的同时，也存在资助信息化系统使用率不高、贫困证明存在造假空间、资助方式缺乏人文关怀等问题，直接或间接影响了学生资助的精准程度。因此，精准化资助、信息化管理、全面化育人，坚持以学生为主体，有效落实高校资助政策，使高校学生资助的顶层设计精准“落地”，是当前大环境下高校学生资助工作面临的重大挑战。充分利用数据挖掘技术，打造资源共享、精准认定的资助新模式，构建以人为本、量身定制的差异化资助新方式，建立实时动态、及时完善的资助管理思路，对提高高校资助工作水平，实现精准资助具有重要意义。
1高校学生资助工作的现状
1.1资助对象识别与认定机制不成熟
家庭经济困难学生认定工作是实现精准资助的关键环节。在实际认定过程中，学生家庭经济信息难收集、经济困难程度难判断、提供信息是否真实有效、认定程序是否规范，这些都是影响资助工作精准化的因素。但是，目前高校普遍的资助工作模式是由学生提交材料主动申请，班级評议小组评议，院系审核评定后上报学校资助管理中心。当前，大多高校都是学生主动提交申请，而提交的证明材料主要由生源地街道办提供，当中容易出现一些虚假贫困和隐形贫困的问题，审批过程中无法对材料的真实性进行准确判断，这样严重影响了高校资助工作的精准性。同时，有些真正需要贫困补助的学生，因为自卑或怕被同学“看不起”等原因未提交申请，又或者是负责资助管理的老师对学生情况认知不足，在审评过程中偏向成绩优异或担任过学生干部的学生，导致部分家庭经济情况不那么困难的学生将此作为额外的福利随意申请。
1.2资助比例分配方式不完善
现阶段大部分高校学生资助资源的分配方式是先由学校按照学生比例分配到各学院，再由各学院辅导员按照班级人数等比例分配到各班级，这种方式极易造成各学院之间、各班级之间资助资源分配不均衡的情况，如A班级困难学生较多，但是分配的名额不够，B班级困难学生偏少，名额却有剩余。这样的分配方式虽然方便了管理者的工作，但严重影响了真正困难学生的利益。
1.3高校学生资助工作管理不当
目前高校普遍采取的认定模式未能正确处理困难学生贫困原因不同的问题，同时，对于暂时性贫困和长期性贫困的动态管理不到位，导致辅导员及班主任对困难学生的信息管理和日常反馈无法做到融合和统一，严重影响了学校精准资助工作的顺利开展。
1.4“资助育人”“心理资助”不受重视
“资助育人”作为育人基本任务的十大质量提升体系之一，建立“四位一体”的发展型资助体系，构建育人长效机制，形成“解困一育人一成才一回馈”的良性循环。而现实大部分高校学生资助的主体是以“资助金”的形式解决学生的实际困难，但这种模式导致学生对“钱”过于依赖，有的学生渐渐不想通过“勤工俭学”去解决家庭困难，而是抱有“我穷，我就该拿”的心理，致使学生失去了积极改变生活的冲劲，真正贫困的学生看到没有自己困难的学生申请上了资助金，自己却没有获得，而产生对学校、对老师的不满。这些学生的世界观、价值观和人生观出现了些许偏差，缺乏正视困难的态度，没有得到正确的心理援助，从而无法判断自己行为的合理化嗍。
2数据挖掘技术的意义
从数据本身来考虑，通常数据挖掘需要有数据采集、数据清理、数据挖掘实施过程、模式评估和知识表示等8个步骤。将数据挖掘技术应用到高校资助工作中，我们需要根据实际合理应用数据挖掘技术。
1）信息收集：我们需要对学生的基本信息进行收集，包括学生个人信息、家庭信息、一卡通消费数据、周围评价等。首先，通过学生生源地相关部门获取数据，了解学生家庭情况;其次，联系学校相关部门收集学生的学习成绩、一卡通消费、师生反馈等情况，作为评定依据。
2）信息分析：根据实际情况和国家资助相关规定，结合获取的数据，提取有用信息，实施对学生有利的资助模式。比如，了解到有些学生有过勤工俭学的经历，拥有自我脱贫的能力，那么学校除了给予学生提供资金资助之外，还应帮助学生提供良好的工作机会;有些学生虽然提供了有力的贫困佐证材料，但是一卡通消费却普遍偏高，那么他们材料的真实性还有待考究……利用大数据对学生情况进行综合分析，实现一对一精准资助模式，将有利资助资源的分配。
3）信息整合：对学生的有效信息进行整合，改变资助管理模式。无论是对学生信息的收集还是分析，这些都需要高校资助工作者化被动为主动，精准了解学生贫困程度和资助方向，针对学生实际情况分类资助等级、确定资助方式。
4）信息保存：建立家庭经济困难学生信息库，关注受资助学生动态，切实解决学生的实际贫困。利用大数据把握资助金去向，关注学生的消费情况，如果学生利用资助金额“胡吃海喝”，高校将有责任对学生进行心理疏导，情节严重的可取消学生资助。
3数据挖掘技术在高校精准资助路径探析中的应用
3.1资助对象精准化
数据挖掘技术是利用人工智能，通过对数据的收集、整理和分析，从大量数据中寻找其规律的技术。高校要充分利用好数据挖掘技术，根据学生填写的《家庭经济困难学生认定申请表》中的内容，对学生申请材料进行核对，屏除学生“造假”的可能性。例如我们可以通过对学生日常消费情况、学费缴纳情况、师生评价等数据进行收集，再将所有有效数据资源进行整合分析，判断学生是否符合申请资格。同时，要根据学生实际情况，判断学生需要资助的状况，对自卑和害怕他人眼光的学生进行心理辅导，鼓励学生积极申请。 3.2科学分配资助资源
随着在校大学生的日益增多，虽然国家资助总额和覆盖面不断增加，但仍是无法满足所有贫困学生的需求。在这种情况下，科学合理地分配资源，结合数据挖掘技术，对收集到的学生数据进行整合分析，构建经济困难学生资助模型，针对不同贫困程度、不同地域、不同专业、不同年级的学生设定多个资助方式。比如刚入校的、来自其他地域的学生，面对陌生的城市，缺乏生存手段;入校满一年、两年的学生，在这座城市可以考自身努力获得一定的经济来源;这两类学生哪怕家境困难程度一样，在资助等级上也是不一样的，对于前者，我们可以适当增加资助，对于后者，我们在资助的同时要鼓励其自力更生。利用数据挖掘技术，根据学生实际情况设立多个资助等级，将科学合理的分配资助资源，保证贫困学生的需求。
3.3构建资助工作管理系统
在高校精准资助工作中利用数据挖掘技术，建立动态评估体系，建立学生资助工作管理系统。将学生实际情况，进行采集、整理和分析，对学生家境贫困主要因素做出了解，判定学生属于长期贫困还是短暂性贫困，将有助于资助工作的管理。高校资助中心可以利用大数据和学生生源地取得资源共享，充分了解学生家境贫困原因，针对学生不同情况（是长期贫困还是短暂性贫困）实施不同的资助方案。同时，资助中心工作人员要对学生进行一对一谈话，充分了解学生的精神、心理状态，明确学生需要资助的方向，针对不同需求的学生实施不同的资助方案。如果学生家境是长期贫困，学生处于“自卑”心理，资助工作人员不仅要对学生进行资金上的资助，还需要疏导学生心理，帮助学生重拾信心，帮助学生寻找勤工俭学的工作，切实解决学生困难。因此，高校在资助管理工作过程中，资助部门应对学生大数据信息进行有效的分析、整合和管理，实行信息实时更新，并及时对资助名额进行调整，扩展资助覆盖面，从而实现公平、公正的帮助每一个需要资助的学生嘲。
3.4资助后期辅导
通过大数据持续跟踪资助学生的后期状况，如拿到资助金之后是否存在过度消费，学习态度是否良好，是否有勤工俭学想法等。从这些实际数据分析学生是否存在过度依赖资助金的状况，若有发现，高校应及时安排专业教师对其进行辅导，帮助重塑正确价值观，学会正视困难。同时，利用数据挖掘技术对存在贫困却因资助名额的限制而未取得资助金的学生信息进行整合，了解学生的精神状态，学习情况以及心理变化，若有发现异常，应及时安排专业辅导。
4结束语
高校学生资助工作，必须立足于新形势的发展需求，结合学校的具体情况开展，切实实现精准化资助、信息化管理、全面化育人，坚持以学生为主体，有效落实资助政策，完成帮助家庭经济困难学生实现“求学梦”、完成“成才梦”、投身“中国梦”的目标。在当下的大数据时代，高校应有效结合数据挖掘技术，做好学生资助管理工作，提高資助效能，增强资助服务，进而更好地完成精准资助管理工作。
关键词：数据挖掘技术;高校精准资助;路径;对策建议
中图分类号：TP311 文献标识码：A
文章编号：1009-3044（2019）32-0032-02
当前，高校学生资助工作在取得巨大成就的同时，也存在资助信息化系统使用率不高、贫困证明存在造假空间、资助方式缺乏人文关怀等问题，直接或间接影响了学生资助的精准程度。因此，精准化资助、信息化管理、全面化育人，坚持以学生为主体，有效落实高校资助政策，使高校学生资助的顶层设计精准“落地”，是当前大环境下高校学生资助工作面临的重大挑战。充分利用数据挖掘技术，打造资源共享、精准认定的资助新模式，构建以人为本、量身定制的差异化资助新方式，建立实时动态、及时完善的资助管理思路，对提高高校资助工作水平，实现精准资助具有重要意义。
1高校学生资助工作的现状
1.1资助对象识别与认定机制不成熟
家庭经济困难学生认定工作是实现精准资助的关键环节。在实际认定过程中，学生家庭经济信息难收集、经济困难程度难判断、提供信息是否真实有效、认定程序是否规范，这些都是影响资助工作精准化的因素。但是，目前高校普遍的资助工作模式是由学生提交材料主动申请，班级評议小组评议，院系审核评定后上报学校资助管理中心。当前，大多高校都是学生主动提交申请，而提交的证明材料主要由生源地街道办提供，当中容易出现一些虚假贫困和隐形贫困的问题，审批过程中无法对材料的真实性进行准确判断，这样严重影响了高校资助工作的精准性。同时，有些真正需要贫困补助的学生，因为自卑或怕被同学“看不起”等原因未提交申请，又或者是负责资助管理的老师对学生情况认知不足，在审评过程中偏向成绩优异或担任过学生干部的学生，导致部分家庭经济情况不那么困难的学生将此作为额外的福利随意申请。
1.2资助比例分配方式不完善
现阶段大部分高校学生资助资源的分配方式是先由学校按照学生比例分配到各学院，再由各学院辅导员按照班级人数等比例分配到各班级，这种方式极易造成各学院之间、各班级之间资助资源分配不均衡的情况，如A班级困难学生较多，但是分配的名额不够，B班级困难学生偏少，名额却有剩余。这样的分配方式虽然方便了管理者的工作，但严重影响了真正困难学生的利益。
1.3高校学生资助工作管理不当
目前高校普遍采取的认定模式未能正确处理困难学生贫困原因不同的问题，同时，对于暂时性贫困和长期性贫困的动态管理不到位，导致辅导员及班主任对困难学生的信息管理和日常反馈无法做到融合和统一，严重影响了学校精准资助工作的顺利开展。
1.4“资助育人”“心理资助”不受重视
“资助育人”作为育人基本任务的十大质量提升体系之一，建立“四位一体”的发展型资助体系，构建育人长效机制，形成“解困一育人一成才一回馈”的良性循环。而现实大部分高校学生资助的主体是以“资助金”的形式解决学生的实际困难，但这种模式导致学生对“钱”过于依赖，有的学生渐渐不想通过“勤工俭学”去解决家庭困难，而是抱有“我穷，我就该拿”的心理，致使学生失去了积极改变生活的冲劲，真正贫困的学生看到没有自己困难的学生申请上了资助金，自己却没有获得，而产生对学校、对老师的不满。这些学生的世界观、价值观和人生观出现了些许偏差，缺乏正视困难的态度，没有得到正确的心理援助，从而无法判断自己行为的合理化嗍。
2数据挖掘技术的意义
从数据本身来考虑，通常数据挖掘需要有数据采集、数据清理、数据挖掘实施过程、模式评估和知识表示等8个步骤。将数据挖掘技术应用到高校资助工作中，我们需要根据实际合理应用数据挖掘技术。
1）信息收集：我们需要对学生的基本信息进行收集，包括学生个人信息、家庭信息、一卡通消费数据、周围评价等。首先，通过学生生源地相关部门获取数据，了解学生家庭情况;其次，联系学校相关部门收集学生的学习成绩、一卡通消费、师生反馈等情况，作为评定依据。
2）信息分析：根据实际情况和国家资助相关规定，结合获取的数据，提取有用信息，实施对学生有利的资助模式。比如，了解到有些学生有过勤工俭学的经历，拥有自我脱贫的能力，那么学校除了给予学生提供资金资助之外，还应帮助学生提供良好的工作机会;有些学生虽然提供了有力的贫困佐证材料，但是一卡通消费却普遍偏高，那么他们材料的真实性还有待考究……利用大数据对学生情况进行综合分析，实现一对一精准资助模式，将有利资助资源的分配。
3）信息整合：对学生的有效信息进行整合，改变资助管理模式。无论是对学生信息的收集还是分析，这些都需要高校资助工作者化被动为主动，精准了解学生贫困程度和资助方向，针对学生实际情况分类资助等级、确定资助方式。
4）信息保存：建立家庭经济困难学生信息库，关注受资助学生动态，切实解决学生的实际贫困。利用大数据把握资助金去向，关注学生的消费情况，如果学生利用资助金额“胡吃海喝”，高校将有责任对学生进行心理疏导，情节严重的可取消学生资助。
3数据挖掘技术在高校精准资助路径探析中的应用
3.1资助对象精准化
数据挖掘技术是利用人工智能，通过对数据的收集、整理和分析，从大量数据中寻找其规律的技术。高校要充分利用好数据挖掘技术，根据学生填写的《家庭经济困难学生认定申请表》中的内容，对学生申请材料进行核对，屏除学生“造假”的可能性。例如我们可以通过对学生日常消费情况、学费缴纳情况、师生评价等数据进行收集，再将所有有效数据资源进行整合分析，判断学生是否符合申请资格。同时，要根据学生实际情况，判断学生需要资助的状况，对自卑和害怕他人眼光的学生进行心理辅导，鼓励学生积极申请。 3.2科学分配资助资源
随着在校大学生的日益增多，虽然国家资助总额和覆盖面不断增加，但仍是无法满足所有贫困学生的需求。在这种情况下，科学合理地分配资源，结合数据挖掘技术，对收集到的学生数据进行整合分析，构建经济困难学生资助模型，针对不同贫困程度、不同地域、不同专业、不同年级的学生设定多个资助方式。比如刚入校的、来自其他地域的学生，面对陌生的城市，缺乏生存手段;入校满一年、两年的学生，在这座城市可以考自身努力获得一定的经济来源;这两类学生哪怕家境困难程度一样，在资助等级上也是不一样的，对于前者，我们可以适当增加资助，对于后者，我们在资助的同时要鼓励其自力更生。利用数据挖掘技术，根据学生实际情况设立多个资助等级，将科学合理的分配资助资源，保证贫困学生的需求。
3.3构建资助工作管理系统
在高校精准资助工作中利用数据挖掘技术，建立动态评估体系，建立学生资助工作管理系统。将学生实际情况，进行采集、整理和分析，对学生家境贫困主要因素做出了解，判定学生属于长期贫困还是短暂性贫困，将有助于资助工作的管理。高校资助中心可以利用大数据和学生生源地取得资源共享，充分了解学生家境贫困原因，针对学生不同情况（是长期贫困还是短暂性贫困）实施不同的资助方案。同时，资助中心工作人员要对学生进行一对一谈话，充分了解学生的精神、心理状态，明确学生需要资助的方向，针对不同需求的学生实施不同的资助方案。如果学生家境是长期贫困，学生处于“自卑”心理，资助工作人员不仅要对学生进行资金上的资助，还需要疏导学生心理，帮助学生重拾信心，帮助学生寻找勤工俭学的工作，切实解决学生困难。因此，高校在资助管理工作过程中，资助部门应对学生大数据信息进行有效的分析、整合和管理，实行信息实时更新，并及时对资助名额进行调整，扩展资助覆盖面，从而实现公平、公正的帮助每一个需要资助的学生嘲。
3.4资助后期辅导
通过大数据持续跟踪资助学生的后期状况，如拿到资助金之后是否存在过度消费，学习态度是否良好，是否有勤工俭学想法等。从这些实际数据分析学生是否存在过度依赖资助金的状况，若有发现，高校应及时安排专业教师对其进行辅导，帮助重塑正确价值观，学会正视困难。同时，利用数据挖掘技术对存在贫困却因资助名额的限制而未取得资助金的学生信息进行整合，了解学生的精神状态，学习情况以及心理变化，若有发现异常，应及时安排专业辅导。
4结束语
高校学生资助工作，必须立足于新形势的发展需求，结合学校的具体情况开展，切实实现精准化资助、信息化管理、全面化育人，坚持以学生为主体，有效落实资助政策，完成帮助家庭经济困难学生实现“求学梦”、完成“成才梦”、投身“中国梦”的目标。在当下的大数据时代，高校应有效结合数据挖掘技术，做好学生资助管理工作，提高資助效能，增强资助服务，进而更好地完成精准资助管理工作。