数据驱动下的高校精准化资助优化路径分析
——以安徽商贸职业技术学院为例
徐诗瑶，计宏亮
（安徽商贸职业技术学院，安徽 芜湖）
摘 要： 教育扶贫是通过改善贫困大学生的困难情况，通过发挥教育在阻止贫困的代际传递中的作用，从而实现困难家庭脱贫。高校资助工作是直接面向贫困大学生的扶贫工作。本文通过分析不同致困原因下的困难生分布情况，并对不同困难类型学生给予更有针对性的帮扶措施，从而推进高校资助工作更精准。
关键词： 高校资助；教育扶贫；精准扶贫
教育扶贫是有利于阻止贫困的代际传递[1]，是最能够起到深远影响的。办好以贫困家庭子女就读为主的高职教育是切断中国贫困代际传递的时代需求，是切断贫困代际传递、助力决胜全面小康社会的有效路径之一[2]。如何更好地推进高校资助工作的精准化，进一步发挥教育在经济发展和消除贫困方面的作用[3]值得进一步思考与研究。
关于对各反应时指标、敏感性指标之间关系的研究发现，被试在进行自我评价时(即将自我词与积极词和消极词进行联结)的时间之间的差异无统计学意义.而被试在进行他人评价的反应时间、自我敏感评价指标、他人敏感评价指标之间的差异具有统计学意义.这表明:本次研究选取的消极属性词和积极属性词之间具有很好的区分度，被试可以很好地区分对自己和对他人的态度;也表明被试对自我概念和积极属性间有着更加强的内隐联结，对他人概念和消极属性之间也有着更加强的内隐联结.
一 高校资助工作的现状
（一） 高校资助工作的基本内容
高校的资助政策涉及到“奖、贷、助、勤、减、补”六个方面，一般以学生主动申请开始，班级进行贫困生认定，完成助学金的评审、发放，设立勤工助学岗位让贫困学生可以在提高经济收入的同时，更好地锻炼自己的能力。学校也会在寒暑期组织部分教师开展困难生家庭走访，跟踪了解困难生家庭情况，实现更有效的帮扶。
（二） 高校资助工作的信息化程度
随着互联网的不断发展，资助工作也越来越信息化。近年来，对于家庭情况调查的录入开始使用资助系统完成，由学生在系统中直接填写并完成申请，运用学生资助管理系统能够更好的管理学生信息，便于形成困难生信息库，为高校资助工作借助大数据精准帮扶打下基础。
6．“洪武十一年夏，故元太子爱猷识理达腊卒……子脱古思帖木儿继立。其丞相驴儿……拥众于应昌、和林。”——《明史·外国八鞑靼》
二 高校资助工作存在的问题
（一） 困难生识别——困难生因心理原因不愿申请资助
高校的困难生认定工作每年一次，部分学生在家庭脱贫后将不再提出申请，是一种自主的退出机制。但是偶尔会出现个别困难生自身的生活消费习惯与其家庭困难情况不符。这便需要在开展资助工作时，对困难学生进行动态管理，完善退出机制，让更需要的学生获得困难生资助。
（二） 困难生帮扶——资助方式较为单一
虽说在高校的资助中涉及到“奖、贷、助、勤、减、补”六个方面，但是可以发现，以上资助政策更偏重于经济方面的扶助。同时，在扶助过程中，虽然统计了困难生的致困原因，但是在具体的资助过程中，是通过不同困难等级的划分发放助学金，并未对每一类型的困难生采取不同的帮扶政策。
（三） 困难生动态管理——退出机制有待完善
正是因为高校资助工作的认定是由学生自主申请开始，因此，对于学生基本信息和家庭信息的收集工作变得更为重要。通过观察与沟通发现，部分学生由于自身心理原因，虽然家庭十分困难，但并未进行困难生认定申请。这便需要在资助工作开展时，能够更好的识别困难生。
三 高校资助工作的优化建议
重病户家庭：重病户一般为家中有老人或家中主要劳动力生病造成的经济困难，此类家庭一般由妇女留在老家承担起照顾老人的责任，不能外出打工。因此，可以考虑在走访慰问时，除了携带油米等日常生活用品，还可以带些简单的手工艺书籍，让困难学生的女性亲属利用空余时间完成制作。困难学生通过就业创业课程学习网上开店等相关知识，完成销售环节，进一步增加家庭收入。
（一） 大数据在困难生识别中的运用
由表2可知，精子顶体完整率均随各组稀释液保存时间的延长而呈下降趋势，且各组在第6 d到第9 d精子顶体完整率下降较快。虽从第1 d开始A1组顶体完整率稍低于C组，但A1组与C组精子顶体完整率在各个相同时间点差异均不显著(P>0. 05)。
（二） 大数据在困难生帮扶中的运用
通过数据分析可以发现，在我校三个年级共2825名困难生中，有1497名学生的致困原因是低收入，901名学生是来自于建档立卡家庭，但这两个原因并不能较好地了解学生家庭具体的致困原因，因此需要对其他原因进行研究。分析发现，纯农户（139人，4.92%）和低保户（113人，4%）家庭的学生占比最高，多子女（69人，2.4%）与重病户（44人，1.55%）也相对较多，是我校学生最主要的致困原因。
我们平常吃不到罐头，贫寒的日子是不允许我们有非分之想。只有一种机会，也是我们不想盼到的，那就是父母身体有恙，才可能喝上一两口罐头水，吃上一口水果，心里别提多高兴了。慢慢地品尝，慢慢地咽下，真是金贵的东西。
1.不同致困原因的学生分布
针对困难生的帮扶，不仅要考虑经济层面的帮扶，还应该针对不同类型的困难生进行分析，对不同类型进行更有效的资助。以下以我校2016-2018级困难生的数据进行分析。
我校困难生中来自于多子女、纯农户、重病户家庭的学生是绝大多数，在日常资助工作中，要着重针对这三类致困原因的学生进行不同的帮扶措施设计。
2.不同致困原因学生的帮扶措施
加强基础设施建设，加大果园生产管理投入，不断提高果农素质，实施标准化生产，加大关键技术推广，使果品质量上一个新台阶，加快推进绿色果品基地建设，大力推行市场准入制度。
多子女家庭：在以往的走访中发现，多子女家庭因为家中经济条件不足以满足多个孩子上学，容易产生个别孩子辍学的情况，因此针对此类家庭，一定要加强助学贷款和奖助学金等资助政策的宣传力度，让困难学生可以向家中传递更多的政策消息，避免出现因为家中没有钱缴纳大学学费，而出现无法接受教育的情况。
针对家庭困难学生未主动申请资助的情况，可以通过对学生基本信息采集时录入的家庭收入信息进行数据分析，将结果反馈给学生所在班级的辅导员，让其对班级的困难情况先有个初步了解，在困难生认定工作开始时，能够有效开展认定工作，从而避免出现因自身原因未得到资助的情况。
纯农户家庭：针对来自于纯农户家庭的困难生，可以考虑利用学校的就业创业课，发挥高校师资优势，组织电商专业的教师为该类学生统一培训，使其可以利用电商知识为家中产品找到更好的销路，从而提高家庭收入。
精准扶贫是运用科学的程序对扶贫对象实施精准识别、精准帮扶、精准管理、精准脱贫的治贫方式[4]。在高校的资助工作中，可以利用已经形成的困难生信息库，借助大数据实现在困难生识别、困难生帮扶、困难生管理各环节更精准地帮助贫困学生。
本人残疾和孤儿：针对本人残疾和孤儿的困难生的帮扶更多的在心理层面，此类学生在成长过程中，易产生自卑、孤僻等消极心理，需要多加关注，在高校的资助过程中，可以考虑与心理健康中心一同关注此类学生的成长。
（三） 大数据在困难生管理中的运用
针对部分已经脱贫的困难生占用困难生资助的情况，需要对其日常生活消费情况进行了解，这一点是传统的资助工作很难实现的，学校中困难生众多，辅导员对应班级的困难生也相对较多，并不能够靠人力实现全员的实时监控。罗丽琳和严雨桐在文章中提出：可以采用定位数据节点技术和网络数据抓取软件，搜集学生校内外关联的数据形成信息数据库，实施动态监测[5]。但是这种方法因为涉及到学生校外的消费数据，存在一定的难度。但通过对学生校园卡在校园食堂的消费情况进行把控，也可以在一定程度上反映学生的消费习惯，建立预警机制，实现动态管理每一位困难生，以便学校能够及时调整帮扶力度，若出现某困难学生，长期属于较高消费情况时，可以考虑在评议小组认定中，将这个情况反馈到评议小组，以便能够更公平的进行困难生认定。
四 大数据助力高校资助工作注意事项
（一） 提升数据收集准确度
大数据分析的基础是数据，如果在数据收集阶段出现问题，则分析的有效程度将大大降低。如在致困原因中，最高的两个原因是低收入和建档立卡家庭，相较于其他的原因，这两个原因分类过于笼统，并不能更深入的了解到学生家庭具体是什么原因产生的贫困，在往后的工作中需要进一步细分其贫困类型以便更有效的给予资助帮扶。
（二） 完善相关协调机制
对于已经参加就业创业培训并获得优异成绩的困难生，高校可以考虑在其毕业后准备返乡创业时，将其在校期间参加培训的各项表现，汇总成数据包发给与困难生当地相关部门，使其更好地了解该学生，以便其能够在创业资金、市场准入、营业申请等方面争取到更多的优惠政策[6]，实现对于返乡创业大学生在创业方面的扶助。
降低血压有益于延迟肾病的进展,血管紧张素转化酶抑制剂(ACEI)和血管紧张素受体阻断药(ARB)是目前较为有效的降低尿蛋白水平的药物[2],通常剂量是降低血压的剂量的2倍,需观察血压是否有偏低。尿蛋白水平升高但是血压水平正常后仍需要选用ACEI和ARB的治疗,剂量尽可能增加至足量,但是应注意血压能否耐受[3]。ACEI和ARB可显著降低血压,防止心肌肥厚,抑制动脉粥样硬化,改善胰岛素抵抗,抑制血管、心脏、肾脏纤维化,降低肾小球灌注压利减少蛋白尿等,具有很好的靶器官的保护作用,在糖尿病肾病的血压控制中为首选,其他还可选用钙通道阻滞剂,在合适的患者还可使用利尿剂和β受体阻滞剂。
（三） 注重困难生隐私保护
大数据对于资助工作能够起到较好的助力作用，能够更好的实现资助工作中的精准识别、精准帮扶、精准管理。但是大数据处理中最大的挑战就是数据保护。由于困难生数据涉及到各班级的认定、系部汇总、学校处理等多个环节，涉及到的工作人员众多，因此在使用大数据的时候，一定要注意数据的合理使用以及对数据安全的保护。
参考文献
[1] 柳晓明,贾敬全,黄利文.经济新常态下教育精准扶贫的机制优化与路径选择——基于大数据视角[J].临沂大学学报,2019,41(01):130-139.
[2] 万红亚.按需办好高职教育 切断贫困代际传递[J].教育现代化,2018,5(44):349-351.
[3] 谢治菊.大数据驱动下的教育精准扶贫——以长顺县智慧教育扶贫项目为例[J].湖南师范大学教育科学学报,2019,18(01):43-52+75.
[4] 魏仕杰,魏敏.用大数据与区块链模式实施金融科技精准扶贫[J].中国金融电脑,2019(02):88-91.
[5] 罗丽琳,严雨桐.高校精准扶贫实践路径探究[J].延边教育学院学报,2018,32(04):58-62.
[6] 刘淑兰,张雪真,李梅.大扶贫格局下高校教育扶贫的优化路径——以福建省高校为例[J].福建农林大学学报(哲学社会科学版),2019,22(01):1-6.
本文引用格式： 徐诗瑶，等.数据驱动下的高校精准化资助优化路径分析——以安徽商贸职业技术学院为例[J].教育现代化,2019,6(78):109-110,145.
DOI： 10.16541/j.cnki.2095-8420.2019.78.047
基金项目： 院级项目：基于“援藏援疆”“精准扶贫”背景下的农村电子商务模式研究（2018ZDF02）。
作者简介： 徐诗瑶，女，汉族，安徽滁州人，硕士研究生，助教，研究方向：区域经济。计宏亮，男，汉族，安徽霍邱人，大学本科，学生管理科科长，政工师，研究方向：思想政治教育。
标签：高校资助论文; 教育扶贫论文; 精准扶贫论文; 安徽商贸职业技术学院论文;