摘 要 隨著大數(shù)據(jù)技術(shù)的快速發(fā)展，高校資助決策面臨新的機遇與挑戰(zhàn)。文章通過分析大數(shù)據(jù)在高校資助決策中的應(yīng)用現(xiàn)狀，探討了大數(shù)據(jù)驅(qū)動下高校資助決策優(yōu)化的主要路徑。研究發(fā)現(xiàn)，大數(shù)據(jù)可以提高資助精準度、優(yōu)化資源分配、實現(xiàn)動態(tài)監(jiān)管，但同時也存在數(shù)據(jù)質(zhì)量、隱私保護、技術(shù)壁壘等方面的問題。為此，文章提出構(gòu)建多源數(shù)據(jù)融合平臺、完善資助評估體系、加強數(shù)據(jù)安全管理等優(yōu)化建議，以期為提升高校資助決策的科學(xué)性和有效性提供參考。

關(guān)鍵詞 大數(shù)據(jù)；高校資助；決策優(yōu)化；精準資助

中圖分類號：G647"""""""""""""""""""""""""""""""""" 文獻標識碼：A""""" DOI：10.16400/j.cnki.kjdk.2024.35.048

Research on Optimization of University Funding Decisions Driven by Big Data

DONG Yanan， FAN Yujie

（Nanjing Tech University 2011 College， Nanjing， Jiangsu 211816）

Abstract With the rapid development of big data technology， university funding decisions are facing new opportunities and challenges. The article analyzes the current application status of big data in university funding decisions and explores the main paths for optimizing university funding decisions driven by big data. Research has found that big data can improve funding accuracy， optimize resource allocation， and achieve dynamic regulation， but at the same time， there are also issues such as data quality， privacy protection， and technological barriers. Therefore， the article proposes optimization suggestions such as building a multi-source data fusion platform， improving the funding evaluation system， and strengthening data security management， in order to provide reference for enhancing the scientific and effective decision-making of university funding.

Keywords big data; university funding; decision optimization; precise funding

高等教育資助是保障教育公平、促進人才培養(yǎng)的重要舉措。近年來，隨著信息技術(shù)的快速發(fā)展，大數(shù)據(jù)在教育領(lǐng)域的應(yīng)用日益廣泛，為高校資助決策帶來新的發(fā)展機遇。大數(shù)據(jù)技術(shù)能夠整合多維度信息，挖掘潛在規(guī)律，為資助決策提供更加全面和精準的數(shù)據(jù)依據(jù)。然而，如何有效利用大數(shù)據(jù)優(yōu)化高校資助決策，仍然是個極具挑戰(zhàn)性的問題?；诖?，深入研究大數(shù)據(jù)驅(qū)動下的高校資助決策優(yōu)化策略具有重要的理論和實踐意義。

1" 大數(shù)據(jù)在高校資助決策中的應(yīng)用現(xiàn)狀

1.1" 數(shù)據(jù)采集與整合

高校資助決策的數(shù)據(jù)采集與整合正逐步實現(xiàn)全面化和系統(tǒng)化。根據(jù)《教育部等六部門關(guān)于做好家庭經(jīng)濟困難學(xué)生認定工作的指導(dǎo)意見》，高校建立了包括學(xué)生基本信息、家庭經(jīng)濟狀況、學(xué)習(xí)表現(xiàn)等在內(nèi)的多維度數(shù)據(jù)庫。同時，通過與民政、扶貧、殘聯(lián)等部門的數(shù)據(jù)共享，實現(xiàn)了跨部門信息的整合。例如，全國學(xué)生資助管理信息系統(tǒng)的推廣使用，促進了各類資助數(shù)據(jù)的統(tǒng)一管理。該文件要求“將全國學(xué)生資助管理信息系統(tǒng)、技工院校學(xué)生管理信息系統(tǒng)與民政、扶貧、殘聯(lián)等部門有關(guān)信息系統(tǒng)對接，確保建檔立卡貧困家庭學(xué)生、最低生活保障家庭學(xué)生、特困供養(yǎng)學(xué)生、孤殘學(xué)生、烈士子女、家庭經(jīng)濟困難殘疾學(xué)生及殘疾人子女等學(xué)生信息全部納入家庭經(jīng)濟困難學(xué)生數(shù)據(jù)庫”[1]。然而，數(shù)據(jù)采集的標準化程度和信息共享的深度仍有待提高。

1.2" 需求分析與預(yù)測

大數(shù)據(jù)技術(shù)在高校資助需求分析與預(yù)測中的應(yīng)用日益深入?！蛾P(guān)于進一步落實高等教育學(xué)生資助政策的通知》強調(diào)了完善精準資助機制的重要性，這推動了基于數(shù)據(jù)分析的需求評估模型的構(gòu)建。該通知要求“各省級教育、財政部門要根據(jù)經(jīng)濟社會發(fā)展水平、城市居民最低生活保障標準以及財力狀況等因素，確定本地區(qū)家庭經(jīng)濟困難學(xué)生的認定指導(dǎo)標準”。高校運用機器學(xué)習(xí)算法，對學(xué)生的經(jīng)濟狀況、學(xué)業(yè)表現(xiàn)、心理健康等多維數(shù)據(jù)進行分析，實現(xiàn)對潛在資助對象的早期識別和精準畫像。預(yù)測模型的應(yīng)用使得資助需求的動態(tài)變化可被及時捕捉，為制定前瞻性的資助政策提供了依據(jù)。然而，預(yù)測模型的準確性和適應(yīng)性仍需進一步提升，以更好地落實文件中“確保應(yīng)助盡助”的要求。

1.3" 資助方案制定與評估

大數(shù)據(jù)驅(qū)動下的高校資助方案制定與評估呈現(xiàn)出智能化和精細化的特征?！蛾P(guān)于完善學(xué)生資助體系加強資助經(jīng)費管理的意見》提出了“建立家庭經(jīng)濟困難學(xué)生資助標準動態(tài)調(diào)整機制”的要求，促使高校利用大數(shù)據(jù)技術(shù)優(yōu)化資助方案。該文件強調(diào)要“根據(jù)學(xué)生家庭經(jīng)濟困難程度實施分檔資助，優(yōu)先資助特別困難學(xué)生，適當(dāng)提高比較困難學(xué)生資助標準，兜底保障一般困難學(xué)生”，這為高校運用數(shù)據(jù)分析方法提供了政策依據(jù)。通過對歷史資助數(shù)據(jù)的挖掘分析，高校能夠更科學(xué)地設(shè)定資助標準，合理分配資助資源。在評估環(huán)節(jié)，大數(shù)據(jù)分析使得資助效果的量化評價成為可能[2]。高校通過追蹤受助學(xué)生的學(xué)業(yè)進展、就業(yè)情況等長期數(shù)據(jù)，全面評估資助政策的實施效果，這與文件中提出的“加強資助資金使用績效評價”要求相呼應(yīng)。然而，如何平衡數(shù)據(jù)驅(qū)動與人文關(guān)懷，確保資助方案的公平性和靈活性，仍是需要深入探討的問題，這也體現(xiàn)了文件中“堅持以人為本，注重保護學(xué)生尊嚴”的原則。

2" 大數(shù)據(jù)驅(qū)動高校資助決策面臨的挑戰(zhàn)

2.1" 數(shù)據(jù)分散與整合困難

高校資助決策所需的數(shù)據(jù)來源廣泛，包括學(xué)生基本信息、家庭經(jīng)濟狀況、學(xué)習(xí)表現(xiàn)、日常消費等多個維度，這些數(shù)據(jù)往往分散在教務(wù)、學(xué)工、財務(wù)等不同部門的信息系統(tǒng)中。同時，還需要整合來自民政、扶貧、殘聯(lián)等外部部門的數(shù)據(jù)。數(shù)據(jù)分散導(dǎo)致信息孤島，阻礙了全面準確的資助決策。此外，不同來源的數(shù)據(jù)在格式、標準和質(zhì)量上存在差異，增加了數(shù)據(jù)整合的難度。例如，家庭經(jīng)濟狀況數(shù)據(jù)可能存在不準確、不及時或不完整的情況，影響決策的可靠性[3]?？绮块T數(shù)據(jù)整合過程中，數(shù)據(jù)標準不一致、格式不兼容等問題普遍存在，增加了數(shù)據(jù)清洗和整合的工作量。這些因素共同構(gòu)成了高校利用大數(shù)據(jù)進行精準資助決策的首要挑戰(zhàn)。

2.2" 資助效果評估不足

傳統(tǒng)的高校資助效果評估方法往往過于簡單化，主要關(guān)注資助資金的發(fā)放情況和受助學(xué)生的基本學(xué)習(xí)狀況，難以全面、深入地評估資助政策的實際效果。在大數(shù)據(jù)時代，雖然有了更多的數(shù)據(jù)支持，但如何有效利用這些數(shù)據(jù)進行科學(xué)、系統(tǒng)的評估仍是一項挑戰(zhàn)。首先，缺乏統(tǒng)一的評估指標體系，難以對不同高校、不同類型的資助項目進行橫向比較。其次，評估往往局限于短期效果，忽視了資助政策對學(xué)生長期發(fā)展的影響。再者，現(xiàn)有的評估方法難以有效識別和量化資助政策對學(xué)生在學(xué)習(xí)動力、心理健康、社會責(zé)任感等方面的潛在影響。此外，評估結(jié)果的應(yīng)用也面臨挑戰(zhàn)，如何將評估結(jié)果有效地轉(zhuǎn)化為政策調(diào)整和優(yōu)化的依據(jù)，仍需進一步探索。

2.3" 數(shù)據(jù)安全與隱私保護風(fēng)險

在利用大數(shù)據(jù)優(yōu)化資助決策的過程中，學(xué)生隱私保護和數(shù)據(jù)安全成為高校面臨的重要挑戰(zhàn)。資助決策涉及學(xué)生的家庭經(jīng)濟狀況、個人消費習(xí)慣、學(xué)習(xí)表現(xiàn)等敏感信息，如何在數(shù)據(jù)采集、存儲、分析和使用過程中保護學(xué)生隱私權(quán)，是高校需要慎重考慮的問題。隨著數(shù)據(jù)規(guī)模的擴大和價值的提升，數(shù)據(jù)泄露和濫用的風(fēng)險也隨之增加。例如，未經(jīng)授權(quán)訪問學(xué)生個人信息、濫用學(xué)生消費數(shù)據(jù)、泄露家庭經(jīng)濟狀況等問題可能對學(xué)生造成不利影響。此外，跨部門數(shù)據(jù)共享過程中的安全風(fēng)險、第三方數(shù)據(jù)處理機構(gòu)的管理風(fēng)險等也不容忽視。如何在充分利用數(shù)據(jù)提升決策精準度的同時，有效保護學(xué)生隱私和數(shù)據(jù)安全，是高校面臨的重要挑戰(zhàn)。

2.4" 專業(yè)人才儲備不足

大數(shù)據(jù)驅(qū)動的高校資助決策優(yōu)化面臨專業(yè)人才儲備不足的挑戰(zhàn)。這一挑戰(zhàn)主要表現(xiàn)在三個方面。首先，大數(shù)據(jù)分析技術(shù)的復(fù)雜性和專業(yè)性要求相關(guān)人員具備較高的技術(shù)水平，而當(dāng)前高校資助工作人員普遍缺乏這方面的專業(yè)知識和技能。其次，大數(shù)據(jù)分析不僅需要技術(shù)能力，還需要深入理解教育資助領(lǐng)域的特點和需求，這種復(fù)合型人才在市場上相對稀缺。再者，高校管理層對大數(shù)據(jù)在資助決策中的應(yīng)用價值認識不足，導(dǎo)致在人才引進和培養(yǎng)方面投入不夠。此外，由于高校資助工作的特殊性，相關(guān)人才需要具備數(shù)據(jù)分析能力、教育背景知識、政策理解能力等多方面素質(zhì)，這進一步增加了人才培養(yǎng)和引進的難度。人才儲備不足直接影響了大數(shù)據(jù)技術(shù)在高校資助決策中的有效應(yīng)用和深度發(fā)展。

3" 大數(shù)據(jù)驅(qū)動下高校資助決策優(yōu)化的建議

3.1" 構(gòu)建多源數(shù)據(jù)融合平臺

高校應(yīng)構(gòu)建一個綜合性的多源數(shù)據(jù)融合平臺，整合來自不同部門和外部機構(gòu)的數(shù)據(jù)。該平臺可以采用數(shù)據(jù)湖技術(shù)，允許存儲結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。平臺應(yīng)包括數(shù)據(jù)采集、清洗、存儲和分析等功能模塊。高?？梢酝ㄟ^接口實時采集學(xué)生一卡通消費數(shù)據(jù)、圖書館借閱記錄等，并定期從教務(wù)系統(tǒng)導(dǎo)入學(xué)習(xí)成績數(shù)據(jù)。平臺還應(yīng)與民政、扶貧等部門建立數(shù)據(jù)共享機制，通過安全的數(shù)據(jù)交換通道定期更新學(xué)生家庭經(jīng)濟狀況信息。在數(shù)據(jù)清洗環(huán)節(jié)，高?？梢允褂脵C器學(xué)習(xí)算法自動識別和修正異常值，如異常高的消費記錄或不合理的家庭收入數(shù)據(jù)。數(shù)據(jù)存儲可采用分布式文件系統(tǒng)，確保大規(guī)模數(shù)據(jù)的高效存儲和訪問。平臺還應(yīng)提供數(shù)據(jù)可視化工具，如交互式儀表盤，使資助工作人員能直觀地分析學(xué)生經(jīng)濟狀況變化趨勢，識別潛在的資助需求。

3.2" 完善資助評估體系

高校應(yīng)建立全面、動態(tài)的資助評估體系，涵蓋短期和長期效果評估。學(xué)?？梢栽O(shè)計多維度的評估指標，包括學(xué)習(xí)表現(xiàn)、心理健康、社會參與度等。評估人員可以通過分析受助學(xué)生的成績變化、圖書館使用頻率、參與社團活動情況等數(shù)據(jù)，評估資助對學(xué)習(xí)積極性的影響。高?？梢砸腩A(yù)測性分析模型，利用機器學(xué)習(xí)算法預(yù)測受助學(xué)生的學(xué)業(yè)完成率和就業(yè)前景。學(xué)?？梢越⒁粋€基于隨機森林算法的模型，輸入包括學(xué)生的學(xué)習(xí)成績、出勤率、社交網(wǎng)絡(luò)活躍度等特征，預(yù)測學(xué)生的學(xué)業(yè)成功概率。高?？梢詫嵤φ諟y試來評估不同資助策略的效果[4]。例如，對兩組相似背景的學(xué)生分別實施不同金額或形式的資助，通過對比分析確定最有效的資助方案。此外，學(xué)校應(yīng)建立長期跟蹤機制，通過校友網(wǎng)絡(luò)和社交媒體數(shù)據(jù)，分析資助對畢業(yè)生職業(yè)發(fā)展的長期影響。高校還可以利用自然語言處理技術(shù)分析學(xué)生的反饋意見，及時調(diào)整資助政策。

3.3" 加強數(shù)據(jù)安全管理

高校應(yīng)實施全面的數(shù)據(jù)安全管理策略，確保學(xué)生隱私得到有效保護。學(xué)?？梢越?shù)據(jù)分級保護機制，對不同敏感度的數(shù)據(jù)采取不同級別的安全措施。高?？梢允褂枚嘁蛩卣J證系統(tǒng)控制對高度敏感數(shù)據(jù)（如家庭收入信息）的訪問。學(xué)校應(yīng)利用數(shù)據(jù)脫敏技術(shù)，在數(shù)據(jù)分析過程中使用假名或加密標識符替代真實身份信息?？梢圆捎媚涿夹g(shù)，確保任何特定個體無法被唯一識別。還可以使用區(qū)塊鏈技術(shù)記錄數(shù)據(jù)訪問和使用日志，保證數(shù)據(jù)操作的可追溯性。例如，每次數(shù)據(jù)訪問都會生成一個不可篡改的記錄，包含訪問者身份、訪問時間和目的等信息。高校應(yīng)實施動態(tài)數(shù)據(jù)訪問控制策略，根據(jù)用戶角色和具體場景動態(tài)調(diào)整數(shù)據(jù)訪問權(quán)限，還可以開發(fā)一個基于角色的訪問控制系統(tǒng)，結(jié)合情境感知技術(shù)，根據(jù)時間、地點等因素自動調(diào)整訪問權(quán)限。另外高校還應(yīng)定期進行安全審計和滲透測試，及時發(fā)現(xiàn)和修補安全漏洞。

3.4" 培養(yǎng)復(fù)合型人才

高校應(yīng)建立系統(tǒng)的人才培養(yǎng)和引進機制，打造具備數(shù)據(jù)分析能力和教育資助專業(yè)知識的復(fù)合型人才隊伍。學(xué)?？膳c相關(guān)院系合作，開設(shè)“教育大數(shù)據(jù)分析”專項課程，內(nèi)容涵蓋數(shù)據(jù)挖掘、機器學(xué)習(xí)和教育政策分析。應(yīng)建立校內(nèi)輪崗制度，安排資助工作人員參與為期3―6個月的數(shù)據(jù)分析項目，提升技術(shù)能力。學(xué)?？啥ㄆ谘垬I(yè)界專家舉辦研討會和工作坊，分享大數(shù)據(jù)應(yīng)用實踐。設(shè)立“數(shù)據(jù)分析師”崗位，提供有競爭力的薪酬和職業(yè)發(fā)展路徑，吸引專業(yè)人才[5]。鼓勵跨部門協(xié)作，組建由資助工作者、信息技術(shù)專家和教育研究人員組成的跨功能團隊，共同推進大數(shù)據(jù)在資助決策中的應(yīng)用。這些措施將有效提升高校在大數(shù)據(jù)驅(qū)動資助決策方面的人才儲備和應(yīng)用能力。

4" 結(jié)語

大數(shù)據(jù)時代為高校資助決策優(yōu)化提供了新的技術(shù)支撐和發(fā)展方向。充分利用大數(shù)據(jù)技術(shù)，高?？梢詫崿F(xiàn)資助決策的精準化、科學(xué)化和動態(tài)化，從而提高資助工作的效率和效果。然而，在推進大數(shù)據(jù)驅(qū)動的資助決策優(yōu)化過程中，仍需要不斷完善數(shù)據(jù)采集與分析體系，加強數(shù)據(jù)安全管理，培養(yǎng)專業(yè)人才，以應(yīng)對技術(shù)發(fā)展帶來的新挑戰(zhàn)。未來，隨著大數(shù)據(jù)技術(shù)的進一步成熟和廣泛應(yīng)用，高校資助決策優(yōu)化將迎來更大的發(fā)展空間，為促進教育公平和人才培養(yǎng)作出更大貢獻。

基金項目：2022年南京工業(yè)大學(xué)黨建與思想政治教育研究課題“‘三全育人’視角下高?；鶎狱h組織育人體系構(gòu)建”（SZ20220208）；2019年江蘇省高校哲學(xué)社會科學(xué)研究一般項目“大數(shù)據(jù)思維下高校貧困生的精準資助研究”（2019SJA0190）。

參考文獻

[1] 劉鳴，許鐘元，齊云鶴.基于決策樹算法的高校學(xué)生精準資助策略[J].黑河學(xué)院學(xué)報，2019，10（10）：118-120，140.

[2] 劉欣，邢露萍.大數(shù)據(jù)背景下高校精準資助實施路徑研究[J].互聯(lián)網(wǎng)周刊，2024（13）：72-74.

[3] 蔡青.基于大數(shù)據(jù)技術(shù)的高校資助工作精準化平臺設(shè)計與實現(xiàn)[J].中國新技術(shù)新產(chǎn)品，2024（2）：48-50.

[4] 張耀方.大數(shù)據(jù)背景下高校資助對象精準認定研究[D].太原：山西財經(jīng)大學(xué)，2018.

[5] 張瑋.高校智慧資助平臺建設(shè)探索[J].安徽水利水電職業(yè)技術(shù)學(xué)院學(xué)報，2020，20（3）：54-56.