大数据时代理工类院校精准资助育人工作探究

2022-09-11

一、理工类院校资助育人工作集中普遍性问题

(一) 尚未建立统一的贫困认定标准

是否能够精准识别需要资助的学生, 是开展资助育人工作的先决条件。然而目前我国尚未建立统一的贫困认定标准, 多数地区经济或教育发展水平并未完全均衡, 故而在学生家庭经济条件方面的针对性标准很难实现绝对化的统一标准。而各地所提供的贫困证明, 也存在辨别真伪的难度。由于高校收集贫困信息的渠道并未与地方信息完全对接, 畅通度有限, 故而难以剥离干扰信息。尤其在贫困生日常消费方面, 收集可靠的底层数据较为困难。认定贫困指标的规范度不足, 缺乏对于贫困条件资助的有效甄别方式。而以上诸多问题, 都是由于尚未建立统一的贫困认定标准而造成的。

(二) 现有的资助渠道来源过于狭窄

受到传统的资助思想所阻碍, 资助过程重视公平度, 但缺乏时效性。而类似问题也是由于现有的资助渠道来源过于狭窄所造成。教育经费充足可保障理工类院校尽量拓展多元化的资助渠道来源, 当资助条件相对有限, 社会资助无法融入, 能够达到的资助总数也会相对有限。目前, 部分理工类院校所建立的资助渠道, 主要为高校、政府、个人, 而来自社会组织、企业方、金融机构等方面的资助相对匮乏。总体来看, 211高校、985高校、省属院校的资助覆盖率仅能达到4%左右, 而人均资助金额差异度仍然较大, 985院校人均资助金额可达到3000￥左右, 211院校人均资助金额可达到2500￥左右, 而省属院校人均资助金额仅能达到1000￥左右。从中能够发现, 现有的资助渠道来源过于狭窄, 社会组织或地方企业资助力量并未充分发挥, 理工类院校获取校外资助的开发度过浅。

(三) 资助力度相对薄弱且激励不足

资助金额是否能够达到精准度要求, 在于是否可以为贫困学生提供基本生活开销。但目前理工院校学生所获得的资助明显低于日常生活开销水平。假设资助金额远低于当地日常生活保障的消费水平, 那么学生的积极性必然有所下降。而从普遍调查来看, 多数理工院校学生认为当前的资助金额, 并不足以支撑其日常开销。而助研、助教、助管等方面的补助金额, 与学生外出打工的劳务收入相去甚远。当理工院校学生投入较多精力, 分担了院校较多的工作量后, 却为得到相应报酬, 其资助力度的薄弱性也会凸显出来, 且对于学生主观能动性的激励程度也会明显趋于弱势。由于当前理工院校的资助力度并未真正保障, 学生的基本生活所需难以保护, 故而总体资助水平较低, 严重影响助学金对于理工院校学生的学习激励作用。

二、运用大数据资源优化理工类院校精准资助的基本方向

近年来, 在理工类院校资助育人工作中, 最为集中的普遍性问题主要为:尚未建立统一的贫困认定标准, 现有的资助渠道来源过于狭窄, 资助力度相对薄弱且激励不足。在大数据时代解决这些问题, 需要更为精准的数据对接, 完善精准资助标准和条件的体系和平台建设。主要的数据精准发展方向为:精准调查、精准定位、精准核实、精准动态。

(一) 精准调查与精准定位

精准调查特指对于理工院校学生生活条件的调查, 需要收集更为真实的底层数据, 规避贫困生定位模糊的弊端。而精准定位是在明确贫困程度之后, 为学生提供资助的方式选择问题。

(二) 精准核实与精准动态

精准核实特指对贫困学生身份的甄别, 排除虚假信息, 明确学生贫困身份。精准动态的数据建设目标, 是将以往时期的静态贫困调研数据, 整合为动态化的信息, 了解学生在接受资助之后的生活改善情况。进而适时补充资助金额, 亦或降低资助等级, 令资助资金的利用率达到更高的精准定位水平。

三、大数据时代下理工类院校精准资助育人工作发展路径

(一) 优化贫困认定数据精准度

搭建数据化平台, 收集最为真实的底层数据信息, 是了解理工院校学生日常生活状态的具体工作内容。理工类院校精准资助育人工作的发展, 必须首先优化贫困认定数据精准度。这种数据精准度的评价体系, 需要由学生日常开销、穿着、行为习惯等多方面评价指标组成。在部分数据收集方面, 可能出现浮于表面的认定规律, 令精准识别贫困学生存在难度。诸如:班级内部分学生的性格、人缘、担当等个体因素, 令班级其他同学在推荐贫困中存在主观臆断或干扰, 故而客观数据难以收集。建立大数据认定体系, 可以将数据范围尽量延伸至学生家庭层面。诸如:家庭成员健康状况、基本收入状况、消费情况、负债情况、以及学生的基本消费情况等等。可与地方政府对接基础数据信息, 或与地方银行对接经济数据信息。数据信息呈现出更高的精准度之后, 方能优化贫困认定数据的精准度, 加强理工类院校精准资助育人工作在甄别层面的推进效果。进而明确理工院校学生的贫困等级, 更为精准的识别贫困程度, 精准把控资助条件和力度。

(二) 精准定位贫困资助实施条件

以往时期所开展的资助工作, 更为重视资助本身的重公平性, 但是对于资助效率的考量相对匮乏, 以至于缺失了差异化的资助标准衡量。侧重于经济帮扶, 而单一的物质资助形式很难激发学生的主观能动性, 激励度有限, 理工院校学生的满意度必然难以提高。当贫困学生日常生活所需无法满足, 那么这样的资助力度实则对学生的帮扶极为有限。利用大数据资源, 对理工院校贫困学生进行精准定位之后, 更为重要的是提供精准度更高的个性化资助服务。建立大数据平台的目标, 也是不断细化资助服务工作, 让贫困学生的真实生活问题可以反应在平台系统之中。而后依据需求保障层次, 结合学生个体需求样本的量化指标, 提供针对性更强的资助支持。可纵向划分学生的专业、性别、民族、区域, 依据资助需求定位划分资助等级。从横向推进目标角度, 依据学生年级划分资助需求等级, 对学生资助条件进行客观定位, 支持不同需求的学生获取不同等级的资助项目对接。例如, 可依据学生的贫困程度, 参考学生的专业背景, 考量学生的兴趣爱好, 乃至个人技能与性格信息, 为理工院校的贫困学生提供勤工俭学的岗位, 亦或实习信息。加强贫困资助实施条件的对接效果, 达成精准定位贫困资助的量化效果。

(三) 加强贫困资助的动态化管理

对于理工院校学生的贫困资助, 需要建立动态的实时调整机制。数据化发展的前提是精准定位贫困程度, 精准对接贫困资助方向。但总体而言, 实时力度的表现需以动态化标准定夺, 而并非静态化的长期评估指标界定。理工院校贫困学生, 可能在每学期, 甚至是每周遇到不同程度的经济障碍。利用大数据资源, 定位和跟踪学生的经济状况, 方能获取更为精准的动态化评估效果。诸如学业数据、消费数据、网络数据, 均为了解学生动态发展的重要参考指标。而银行借记卡、校园一卡通、个人资助管理信息、校园网系统等, 同时具备了量化贫困动态发展的数据收集网络。

可利用多维数据组合的动态信息, 补充学生成长阶段的动态化贫困衡量体系, 将心理预警、学业预警、生活预警, 统一规制于整体资助单元, 建立动态化的数据库统计资源, 方能为学生提供针对性更强的资助补偿, 以人文关怀加强资助水平。

四、结语

综上所述, 大数据时代的到来, 令贫困学生的底层数据信息更加容易深度发掘。大数据时代下理工类院校精准资助育人工作发展路径, 需要通过优化贫困认定数据精准度, 精准定位贫困资助实施条件, 加强贫困资助的动态化管理, 达到更为精准的调查、定位、核实、以及动态化信息整合。进而提高理工类院校精准资助育人工作水平和质量, 令更多理工院校贫困学生能够得到针对性更强的资助, 达到优化资助效果的预期发展目标。

摘要：在理工类院校资助育人工作中, 应当尽量以家庭经济贫困程度为衡量指标, 而诸多非经济因素当逐一排除。国家助学金对理工类院校贫困学生而言, 是基本保障, 必须杜绝以“助学金”代偿“奖学金”的理解误区和行为。为此, 需要建立精准度更高的数据调研系统, 利用大数据资源获悉学生的真实情况。为此, 本文讨论了大数据时代下理工类院校精准资助育人工作发展路径。

关键词：大数据,理工院校,精准资助,育人工作