[摘  要] 对高校家庭经济困难学生进行资助是实现社会公平的一种最直接和有效的路径，而对他们进行精准资助的前提是对家庭经济困难学生的精准识别和认定。当前我国高校家庭经济困难学生认定中存在贫困证明材料失真、家庭经济困难学生认定缺乏科学标准、家庭经济困难学生认定缺乏动态化管理三个主要问题。大数据运用于高校家庭经济困难学生认定中，可以打破信息不对称，有利于隐性家庭经济困难学生的发掘，有利于精准资助工作开展。为了更好地发挥大数据在家庭经济困难学生认定中的作用，应该加强大数据人才队伍的建设，加大对家庭经济困难学生数据的采集，采用定量和定性相结合的方法进行认定。

[关键词] 大数据；家庭经济困难学生；家庭经济困难学生认定；精准扶贫

[中图分类号] G647  [文献标识码] A  [文章编号] 1002-8129(2018)01-0113-07

当前，对家庭经济困难学生进行精准识别和认定成为困扰许多高校的共同难题，具体体现在两个方面：一方面，家庭经济困难学生中惨杂着一些“伪家庭经济困难学生”，由于缺乏一种行之有效的办法把他们剔除出家庭经济困难学生库，导致他们占用了有限的资助资源，给社会公平造成了严重的负面影响；另一方面，许多高校的家庭经济困难学生认定方法并不科学，导致一些“隐性家庭经济困难学生”无法被识别出来，甚至部分真正贫困的学生因为偶尔的高消费被误当成“伪家庭经济困难学生”，而被剔除出家庭经济困难学生库，导致资助资源的分配出现偏差。大数据时代的到来，为解决这一难题提供了新的思路。

一、高校家庭经济困难学生认定中存在的主要问题

近年来，经过各级政府和高校不断地探索和努力，高校家庭经济困难学生的相关资助政策日臻完善，为缓解家庭经济困难学生的生活困境发挥了重要作用，但由于贫困证明材料失真、家庭经济困难学生认定缺乏科学标准、家庭经济困难学生缺乏动态化管理等问题依然存在，导致高校家庭经济困难学生资助的效果不尽人意。

（一）学生贫困家庭证明材料的失真及原因

当前，高校家庭经济困难学生认定的大致流程是：首先，学生准备贫困证明相关材料；其次，班主任、辅导员、班级学生代表根据学生的证明材料，按照评价的指标进行打分；再次，班级召开班会进行民主评议，按照得分高低进行排序，确定困难等级；最后，对家庭经济困难学生名单进行公示，确定家庭经济困难学生。由此可见，提供贫困证明材料是至关重要的环节，贫困证明材料越多，相应的得分和贫困等级就越高。面对家庭经济困难学生身份背后一系列资助资源的诱惑，一些家庭经济情况尚可的少数学生提供虚假假证明材料（低保证、假残疾证、假情况说明等），用失真贫困证明材料为自己的贫困认定加分。

导致贫困证明材料失真现象层出不穷的原因主要有以下三点：首先，我国税收体制不完善。学生的家庭资产和家庭收入很难通过税收进行计算和监测，相关证明材料失真也很难发现。在美国，由于有完善、严格的税收制度，该国的家庭经济困难学生认定主要依据学生提交的家庭资产负债表和年收入报表，通过对学生提供的这些材料进行计算，可以准确地确定学生的贫困等级^[1]。其次，地方政府疏于管理。面对学生证明材料需要签字盖章，很少有地方政府的办事人员对此进行实地调查和严格审核，甚至直接给空表签字盖章，让学生自己填写相关内容，这给办理虚假证明提供了便利，使得贫困证明的可信度大打折扣。最后，对弄虚作假者缺乏惩罚机制。一方面，由于行政问责机制的缺失，即使发现地方政府部门出具的证明存在不真实的问题，高校也没有办法追究经办人的责任；另一方面，部分学生提供相关证明材料时，往往瞒报、少报家庭年收入，夸大家庭经济困难程度，由于高校家庭经济困难学生人数众多，无法逐一家访核实，即使发现学生虚报家庭经济情况，也只能对其进行批评教育，无法对弄虚作假者形成震慑作用。

（二）家庭经济困难学生认定缺乏数据标准

虽然教育部和财政部在《关于认真做好高等学校家庭经济困难学生认定工作的指导意见》中对家庭经济困难学生的概念和标准有明确的界定，但是这一界定是定性的，缺乏科学的数据标准，操作性不强。这导致各高校以人工认定的方式为主，认定方法比较主观，致使部分被认定为贫困的学生不是真正贫困，而真实贫困的学生未被认定的情况也时而有之。在具体认定过程中主要表现在以下三点：首先，从班主任和辅导员角度来讲，由于许多高校家庭经济困难学生认定的指标体系会设置学生在校表现、德育情况等主观评分项目，要求班主任和辅导员根据学生的具体表现来打分，由于高校班主任与学生接触较少，辅导员带的学生又过多，导致他们难以对所有的学生有全面、清晰的了解，在评分时通常会对平时表现积极的学生打高分，对不熟悉的学生打低分。其次，从参与家庭经济困难学生认定的学生代表来说，那些平时和他们关系比较好的学生，可能评分更高一些，对于那些不熟悉，甚至关系较差的学生，他们可能评分更低一些。最后，从参评的学生来讲，通常各高校家庭经济困难学生认定要全班同学参与民主评议，参评的家庭经济困难学生要在全班陈述家庭经济困难情况，对于口才、同学关系、学习成绩等方面较好的学生往往得分更高，而那些在这方面不擅长的学生往往处于得分低的劣势。

（三）家庭经济困难学生缺乏动态管理

学生家庭经济困难是一个变化、动态的现象，但目前高校对家庭经济困难学生换档、撤档、突发家庭变故入库等情况却很少见。许多高校中，一旦学生被认定为家庭经济困难学生，接下来几年基本上都是家庭经济困难学生了^[2]。高校对家庭经济困难学生缺乏动态化管理主要表现在以下两个方面：一是对家庭经济困难学生家庭经济变化情况缺少追踪关注。按照常理来讲，长期处于家庭经济困难的学生毕竟是少数，部分家庭经济情况好转的学生，理应从家庭经济困难学生库中排除；一些原本未认定家庭经济困难学生的学生，因家庭变故、自然灾害、家庭劳动力减弱等突发因素致贫的，应该及时认定为家庭经济困难学生，对他们及时进行帮扶。然而，在日常工作中，负责资助工作人员对于这些变化很少关心，后续的资助动态管理工作较弱。二是缺乏对奖助学金发放后的动态化管理跟进。许多高校资助工作者认为，奖助学金发放后，该年度的资助工作就落下帷幕了。事实上，少数学生拿到奖助学金后请客吃饭、旅游、购买高档数码电子产品等高消费屡见报端，引发了许多非家庭经济困难学生心理失衡，造成了资助资源的极大浪费，对国家资助政策的实施产生了负面影响。

二、大数据在高校家庭经济困难学生认定中的作用

当前，我们已经步入了大数据时代，在这个“样本=整体”的数据时代，各行各业都在利用大数据手段来分析“死数据”中的“活信息”，以此来揭示数据与目标之间存在的联系，以此来保障决策的科学化和准确化，高校家庭经济困难学生认定也不例外。

（一）大数据有利于打破家庭贫困信息不对称

高校家庭经济困难学生认定中，信息的不对称，为参评学生提供虚假证明提供了便利，这也使得班主任、辅导员与参评学生形成了一对博弈关系。大数据的应用打破了信息不对称的局面，破解了这一对博弈关系，使得家庭经济困难学生的精准识别变为可能^[3]。目前，已有部分高校探索运用学生个人消费的大数据来进行家庭经济困难学生认定。例如，南京理工大学通过对学生饭卡消费的数据分析，给消费较低的学生进行补贴；华中农业大学针对大一新生某一时间段内在食堂消费的数据进行排名，处于后60%的学生才有资格参与家庭经济困难学生认定；江苏大学对家庭经济困难学生话费数据进行分析，对于话费过高的学生给予降低贫困等级、取消家庭经济困难学生资格等。这些利用大数据对高校家庭经济困难学生认定的探索一经公布，引发了社会各界的广泛讨论。由于大数据手段可以对家庭经济困难学生进行较为精准地识别、认定、帮扶，大大降低了学生提供虚假证明的可能性，这一做法得到了许多人的支持和认同。

随着国家精准扶贫力度的不断增强，一些贫困地区也开始运用大数据开展扶贫工作。四川省广安市广安区就为该区38个贫困村的每一个贫困户建立了一个二维码档案，通过手机微信扫一扫，贫困户的个人信息、致贫原因、耕地亩数、年人均纯收入等基本信息就以电子表格的形式呈现，使得精准扶贫工作更加便捷^[4]。随着各地区精准扶贫工作的开展，贫困户的大数据信息也将逐步完善，在高校家庭经济困难学生认定中，可以通过获取学生家庭的地方贫困信息大数据，一些虚假证明材料便不攻自破，从而增加认定工作的公正性客观性。

（二）大数据有利于发掘隐性家庭经济困难的学生

隐性家庭经济困难学生是指学生家庭经济确实存在困难，但是由于各种原因不愿意申请家庭经济困难学生认定的学生。隐性家庭经济困难学生在各个高校中都不同程度地存在，造成他们存在的原因有两个：一是学生自尊心很强。由于高校家庭经济困难学生的认定需要公平、公正、公开，参评学生的家庭信息会在一定范围内公开，并被贴上“家庭经济困难学生”的标签。家庭经济困难学生经历的挫折和磨难使他们自尊心很强，不愿意让其他学生知道自己的心酸往事，使得他们宁愿外出兼职，也不愿意申请家庭经济困难学生认定^[5]。二是高校家庭经济困难学生认定属于被动认定。由于家庭经济困难学生认定是以学生主动提出申请为前提，高校也是被动地对学生提交的材料进行审核，无法主动获取学生的家庭经济情况，导致家庭经济困难学生易于隐藏不报^[6]。通过运用大数据，各个高校就可以在家庭经济困难学生认定过程中占据主动，全方位了解学生真实的家庭经济情况、消费情况、致贫原因等，那些隐性家庭经济困难学生就很容易被识别出来，享受到国家政策惠顾，这样也在一定程度上减少了对家庭经济困难学生自尊心的伤害。

（三）大数据有利于高校资助工作的精准扶贫

高校家庭经济困难学生致贫的原因不尽相同：有的因为家庭有多子女同时上学负担重，有的因为家庭成员中有长期需要住院治疗的，还有的因为遭受自然灾害导致农产品减产等等，致贫原因千差万别，需要实地调查后科学分析和研判，不能眉毛胡子一把抓，不加甄别开展资助工作，这样不能满足不同贫困类型的不同贫困学生诉求，最终还会导致学生的不满情绪。大数据的运用，不仅可以使我们发现贫困的“洼地”，打破家庭经济困难学生认定的“信息鸿沟”，还可以使我们认清贫困对象，分析他们的具体致贫原因，从而切准脉，找准症结所在，对症下药，变“漫灌”为“滴灌”。 对于温饱都成问题的贫困学生，高校可以采取为其饭卡充钱，提供衣物和棉被，保证其日常生活需求；对于学习成绩优异的家庭经济困难学生，高校辅导员和班主任可以勉励学生刻苦学习，争取获得国家励志奖学金、国家奖学金等国家级高额资助资金；对于做事踏实认真和课余时间丰富的学生，高校可以为其提供勤工助学岗位，使他们通过自力更生的方式来缓解家庭经济困难的局面；对于精神贫困的学生，高校可以通过心理辅导，培养他们的诚信感恩意识，提升他们的人际交往能力^[7]185-186。只有开展精准的资助工作，才能避免以往资助过程中同质化和一刀切的情况发生，使得对家庭经济困难学生的资助由“输血”变为“造血”，由“授鱼”变为“授渔”，由“扶贫”变为“扶志”，这样才能使家庭经济困难学生精准脱贫。

三、构建大数据认定高校家庭经济困难学生的对策

虽然大数据在高校家庭经济困难学生认定中发挥了愈来愈重要的作用，但在实践中却依然存在一些问题，只有这些问题的及时解决和资助机制的日臻完善，大数据才能在家庭经济困难学生认定中发挥更大的作用。

（一）加强运用大数据的资助人才队伍建设

大数据时代竞争的实质是人才的竞争。运用大数据对高校家庭经济困难学生进行认定的重要前提条件之一是有大数据人才对相关数据进行筛选、鉴别和运用，否则即使掌握了海量的数据，没有相应的大数据人才对其进行分析，这些数据也是没有价值的。倘若由非专业人士进行分析，导致大数据分析结果出现偏差，反而会严重影响家庭经济困难学生认定的效果和公信力。由于大数据在各行各业都得到了广泛的运用，对大数据人才的需求也十分强烈，据相关报告预测，2018年，仅美国的大数据人才和高级分析专家的缺口就达到19万人之多^[8]。因此，当前加强大数据人才队伍的建设已经迫在眉睫，具体可以从以下两个方面着手：一是高校可以定期遴选从事高校资助工作的教师外出接受大数据技术的相关培训，提升运用大数据的素养，并将大数据的相关理论和技术运用到实际的资助工作中去；二是高校要招聘一些大数据相关专业的人才来从事高校资助工作，并提供丰厚的薪资待遇，保证大数据人才队伍的稳定和壮大。

（二）扩大对家庭经济困难学生的数据采集

运用大数据对家庭经济困难学生进行识别依赖于数据的数量和质量，如果数据的数量太少，质量不高，得出的结果可能比较片面，不具备说服力。因此，应该从数量和质量上加大对家庭经济困难学生数据的采集，具体可以从以下两个方面着手：一是共享各地方政府的精准扶贫数据库中家庭经济困难学生信息。随着国家对精准扶贫的高度重视和严格要求，各地方政府均严格按照“谁主管、谁负责，谁录入，谁负责”的原则对辖区内的贫困户信息进行了采集，并不定期组织相关负责人开展回访工作，对于返贫、遗漏的贫困户重新纳入，对提供虚假信息的贫困户坚决清退，通过动态化管理，保证了贫困户数据的时效性和真实性。高校可以共享地方政府精准扶贫的信息，为家庭经济困难学生认定提供重要的数据支撑。二是加大采集学生在校学习生活消费的数据。学生在校消费是学生家庭经济情况的一面镜子，通过学生在食堂的消费、电话费、网费、拥有数码产品价格等消费数据进行采集，可以分析学生的日常消费水平，从而作为家庭经济困难学生认定的依据。

（三）采用定量与定性相结合方法进行认定

运用大数据进行家庭经济困难学生认定，并不是说完全依赖定量的手段进行家庭经济困难学生认定，也要适当运用定性的方法，把定量和定性的方法结合起来。大数据的运用可以为高校家庭经济困难学生认定提供数据支撑，打破信息不对称的局面，大大降低家庭经济困难学生提供虚假证明的可能性。在大数据分析中，可以清楚地呈现学生的家庭经济情况和在校消费情况，当大数据分析出学生家中购置商品房、车辆以及在校消费过高的情况时，不能一棒子打死，一口咬定他们不是家庭经济困难学生，而要对学生进行仔细调查、谈心、实地走访等，了解情况后再进行综合判定，避免错误判定家庭经济困难学生的情况发生。这一点在方不见的一篇引发社会广泛关注和讨论的文章《因为妈妈买的一双耐克鞋 学校取消了他的贫困助学金》中得到了很好的印证。部分高校在家庭经济困难学生认定相关规定中明确规定购买高档电子产品，经常出入娱乐场所或有其他类似高消费情况的学生不能参与家庭经济困难学生认定。这种规定实质上是经不起推敲的，部分家庭经济困难学生自尊心较强，害怕别人瞧不起自己，因此通过勤工助学赚的工资给自己购买一些高档用品，以此来保证自己和其他同学的消费水平相差无几，实际上他们家庭经济依然存在困难^[9]。毕竟家庭经济困难学生也是普通人，也有吃好穿暖的权利，完全依靠定量的方法来认定家庭经济困难学生是值得商榷，因此，要坚持定量与定性相结合的方法。

综上所述，高校家庭经济困难学生认定是一个系统而复杂的工程，大数据分析的引入为实现“应该资助的学生一个也不能少，不应该资助的学生一个也不能多”的资助工作目标提供了可能性。由于大数据在高校家庭经济困难学生认定中的运用还不完善，在实践过程中依然存在不少亟待解决的问题，这需要高校资助工作者共同面对和解决。

[参考文献]
[1]李 好.中美高等教育资助体系比较研究[D].武汉大学，2010.
[2]褚礼鹏.高校家庭经济困难学生认定的现实难题与对策研究[J].台州学院学报，2015，（4）.
[3]牟 芷，黄贵懿.博弈论视角下高校家庭经济困难学生认定的策略探析[J].重庆高教研究，2014，（11）.
[4]樊邦平.互联网+大数据助推精准扶贫[N].四川农村日报，2016-03-31.
[5]潘国华，毛曦，曹浩.高校家庭经济困难学生认定的问题与思考[J].南京医科大学学报（社会科学版），2010，（12）.
[6]郑 杰.上海市高校家庭经济困难学生识别系统构建研究[D].华东师范大学，2015.
[7]邓 锐.略论高校家庭经济困难学生的精神资助//.王南南，赵 兴，赵 静.理论探索 实践创新 学生工作论文集[M].武汉：湖北人民出版社，2016.
[8]王菲菲，高敏.大数据下高校学生思想政治工作研究[J].安徽工业大学学报（社会科学版），2015，（9）.
[9]王涛.家庭经济困难学生认定制度存在的问题及其完善研究——以湖南师范大学为例[D].湖南师范大学，2014.
编辑：曾菡

责任编辑：张舸

Confirmation and Solution for College Students with Family Financial Difficulties
ZHu Xianping,Deng Rui

Abstract:  Subsidizing students with financial difficulties in families in colleges and universities is one of the most direct and effective ways to achieve social fairness. The premise of providing them with precise grants is to accurately recognize and identify students with financial difficulties. At present, there are three major problems in the identification of students with financial difficulties in colleges and universities in China: the distortion of poverty proof materials, the lack of scientific standards for those students with financial difficulties, and the lack of dynamic management of identification of students with financial difficulties. The use of big data in students identified with financial difficulties in colleges and universities can break the asymmetry of information, benefit the excavation of students with recessive financial difficulties, and benefit the development of accurate subsidy work. In order to give full play to the role of big data in the identification of students with financial difficulties, we should strengthen the building of big data talent team, increase the collection of data of students with financial difficulties, and adopt the combination of quantitative and qualitative methods.
Keywords:big data; students with financial difficulties; identification of students with financial difficulties; precise poverty alleviation