信息化背景下高校貧困生資助和心理異常預警的路徑探析

林 振，王慶佳

（福建商學院 a.傳媒與會展學院；b.信息工程學院，福建 福州 350001）

高校貧困生是指高校中家庭經濟困難的大學生，因為經濟困難導致生活拮據，容易產生自卑、敏感、焦慮、不自信、過于節儉等異常心理，他們在學校很難健康快樂地學習和成長，所以對高校貧困生進行資助和異常心理預警刻不容緩。慶幸的是我國資助政策能有效減輕貧困生家庭經濟壓力，讓他們上得起學，但是高校貧困生認定和資助依然存在多方面的問題，例如每個地區貧困認定標準不一，學生申請數據真偽難辨，民主評議主觀性較強，真貧困生自尊心強不敢申請，貧困生存在過度消費行為，貧困生自卑感較強，貧困生抑郁發生率高等。

教育部《關于加強新時代教育管理信息化工作的通知》提出要推動管理理念創新由傳統管理模式向數字化轉變、創新管理方法、提升學校管理效能，大幅提高教育科學決策和綜合治理能力，助力新時代我國教育改革發展的戰略選擇[1]。新時代教育管理理念給資助工作帶來新的機遇，數據處理技術的發展可避免高校貧困生認定和資助問題持續重復發生。因此信息化背景下利用數據處理技術對高校貧困生精準認定、資助和異常心理預警勢在必行，且迫在眉睫。

1 高校貧困生精確資助研究現狀

對學生信息進行大數據分析已然成為高校管理信息化發展的主要趨勢。福建商學院《智慧校園“十四五”規劃》指出將以“互聯網+服務”為切入口，推進“放、管、服”改革，構建“福建商學院+教育現代化2025”的校園管理模式、教育教學智能化和美好幸福校園生活“三位一體”大數據管理體系。據此可知，以數據處理技術為突破口的高校管理信息化已經從國家戰略定位、各部門聯合部署，到各個高校貫徹落實階段。

1.1 國內外高校學生精準資助的現狀

在國內，基于數據處理技術的高校學生校園生活信息化研究范疇已涉及學生的消費、學習、社會活動等各方面。華南理工大學等高校通過數據處理跟蹤在校學生的消費行為，對有消費行為異常的學生進行溝通，必要時給予二次補貼，浙江大學通過建立10個貧困生綜合素質培訓中心和3個貧困生實踐項目，幫助貧困生實現多元化的素質提升[2]。聶敏等抽取學生基本信息特征和在校行為特征，采用深度學習CW-LSTM、樸素貝葉斯、決策樹三種算法進行建模分析對比驗證，發現深度學習CW-LSTM算法預測效果最好，但未計入隱形特征，未進行不平衡處理，因此總體識別率低[3]。袁璟瑾等在精準認定框架下采用SMOTE重采樣法對學生數據進行分類建模，將貧困生識別精度由15%提高到40%[4]。呂宗瑛等探析大數據技術促使高校學生管理從智能化向智慧化提升，提出基于大數據的高校學生精準思政研究路徑[5]。

在國外，Liu Tab等研究者利用校園終端系統收集的信息對學生社交網絡進行編織并讓計算機學習，該系統在西安交通大學進行試驗運行[6]。Rianne Conijn等利用Moodle課程管理系統和LMS學習管理系統對數據進行分析從而對學生學業成績預警[7]。M.Sweeney 等對學生學習行為進行分類和歸納并對學生將來成就進行預測[8]。

1.2 國內外高校學生精準資助存在的問題

一是現有研究僅提取學生校園消費數據來識別貧困生，而沒校外消費數據，導致校園消費數據所反映的學生財務狀況與真實狀況存在偏差，同時如何有效利用其他類型的學生校園數據，提取有效的特征，緩解校外消費數據缺乏的影響，也是一個難題；二是貧困生的識別是一個典型的不平衡數據分類問題，貧困生和總學生的數量比例小于1:4時，計算機學習和分類模型對原始數據集在統計上偏向于普通學生，而目前不平衡預處理方法和分類模型算法都在嘗試中，尚無一致認可的標準，導致貧困生的總體識別率低[9]；三是根據每個貧困生的具體情況來確定資助金額，并提供心理支持，這是精準認定、精準資助的本質需求，而這在現有的基于智慧校園大數據的貧困生資助和異常心理預警研究中是鳳毛麟角。

2 高校貧困生資助與心理異常預警的研究意義

針對國內外相關方面存在的一些困難提出信息化背景下高校貧困生資助和心理異常預警的路徑探析有以下幾點意義：

一是搭建學生數據中心平臺，可將學生的紙質信息數字化，當學生數據達到一定量時便可進行數據建模分析，進而有助于智能化和智慧化的發展。

二是通過調研福建商學院學生外賣點餐行為，發現這些數據存在數據盲區，因此應在有限的學校數據收集范圍內挖掘貧困生的隱形特征，可有效地緩解由于校外消費數據缺乏而造成的貧困學生識別困難。

三是不平衡問題一直是數據分類處理的痛處，因為數據采集不平衡，計算機分類模型不能正確學習少數類數據，建模結果往往有利于多數類數據，導致結果畸形和決策失誤。通過不平衡預處理方法（重采樣法）與分類模型建模算法（隨機森林算法）相結合，利用新提取的特征，可以有效減少數據不平衡帶來的統計偏差。

四是通過分析學生在一段時間內行為的變化，跟蹤學生的心理狀態，并提供預警信號，可以幫助輔導員及時了解學生并為此類學生提供心理咨詢支持，提升壓力應對技能，避免惡性循環。

五是數據處理技術與“慢、偏、鈍”傳統資助模式相比更加“快、準、狠”，可提高貧困生認定結果準確性和科學性，必將有助于高校精準資助、精準思政，提高學生管理的效率和質量，減少高校工作人員的工作量。

3 高校貧困生異常心理預警路徑探析

總體路徑如圖1 所示，它包含六個主要步驟:學生數據中心平臺、學生信息收集、特征提取、分類模型建模、貧困學生資助推薦和異常心理預警、輔導員核實處理。與此同時，應對心理異常學生及時采用生命意義感教育和領悟社會支持的結合模式進行干預。

圖1 信息化背景下高校貧困生資助和心理異常預警的路徑

3.1 學生數據中心平臺

每個學生從被學校錄取后就開始產生海量數字數據，高校各部門之間應當順應新時代，打破“數據孤島”現象和信息壁壘，實現共建共享、協同驅動的學生數據中心平臺。學工部可以提供宿舍信息（如房號、房間人數、宿舍成員、舍長等信息）、資助信息（高中是否受過資助，是否農村低保戶、建檔立卡戶、殘疾人家庭子女等）、助學貸款信息（如貸款所屬銀行、貸款金額、貸款期限、貸款地等信息）、就業信息（期望工作職位、期望薪資等）、心理咨詢狀況等信息。教務處擁有教育數據較多的部門，可以提供學生的選課情況、獎懲情況、各門課業成績、學生在線課程學習數據、考勤數據、高考錄取信息等。后勤處一卡通系統可以提供校園卡片消費信息、充值記錄、圖書借還情況、門禁進出數據等信息。校團委可以提供學生社團活動信息，如志愿者服務時長、擔任何部門何崗位等信息。此外，應當提高財務處、網絡技術中心、通識教育學院等部門間信息聯動的意識，同時提升信息素養。

3.2 學生信息收集具體方法

學生信息收集要體現以人為本的理念，將各個部門的信息整合，體現成學生個人畫像，包括學生的個人信息，如注冊信息、學生家庭背景調查問卷數據、校園食堂和商店消費數據、校園各地方（包括宿舍、圖書館、體育館、教學樓等）的進出記錄、成績等。學生信息收集的六類數據主要來自三個數據源。第一個數據源是學生管理系統，包含個人的基本信息數據。這些數據是在學生入學時錄入系統的，包括學號、姓名、省份、錄取類別、考生編號等。第二個數據源是關于家庭背景的，通過問卷的方式獲得，問卷由每個新生在大一入學的第一個月填寫。問卷調查包括以下項目（不論其父母是否去世或者離異）：18 歲以下的家庭成員人數、65 歲以上的家庭成員數、父母的教育水平、父母職業類型、親屬職業類型、家庭收入、家庭債務等。第三個數據源是校園卡系統數據。學生卡系統管理和記錄每個學生用于消費、學習和日常生活活動的數據等。當學生在學校食堂、商店等消費產品，在POS 機上刷卡，該系統記錄消費金額、時間和POS 機的數量和位置。學生進入或離開學校各個地方要刷校園卡，門禁系統可以記錄時間、地點和其他相關信息。此外，教學管理系統記錄了學生選課、成績、教學評價、獎懲等信息。

3.3 特征提取與選擇具體方法

通過分析和歸納智慧校園的數據，用來識別貧困生的特征。然后，采用關聯法和信息增益法刪除無關的特性。最后，獲得模型訓練的特征集，它包括五個特征類別，分別是個性化的家庭情況、消費、校園活動、消費地點、價格偏好和消費物品種類。這個模塊能為貧困學生的評議鑒定提供基礎支撐，進而著手補貼金額的量化和學生的心理異常預警。

3.4 貧困學生分類模型建模具體方法

該模塊包括不平衡數據處理和建模兩個步驟。不平衡數據處理是為了解決數據集不平衡導致貧困學生的識別能力差的問題。在這一步中，可采用四種常用的不平衡數據處理方法，分別是二次抽樣法、重采樣法、代價敏感學習法和合成少數類過采樣法。通過比較上述四種方法的性能，選擇最優的一種算法作為不平衡數據處理方法。在建模步驟中，要通過比較多種機器學習算法訓練模型的性能，選擇性能最好的模型。

3.5 貧困學生資助推薦和異常心理預警具體方法

它包括對資助金額量化補貼和對異常心理狀態學生預警。根據每個貧困生的具體情況確定資助方案，對建檔立卡家庭子女、低保戶子女、烈士子女或孤兒、殘疾學生等占貧困生比例較少的又急需社會幫扶的家庭特別困難學生進行資助育人“家校關懷萬里行”教育（金融知識校園行、資助政策鄉村行、家校關懷萬里行）。

家校關懷萬里行，是由資助工作人員組建一個家訪小組，通過家訪不僅可以有針對性地了解學生家庭真實情況，給予定制化建議和幫扶，還可以對數據建模分析評議出的有爭議貧困生進行實地調研，避免發生貧困生認定偏差。在與家長溝通時，向學生家長反饋其在校綜合表現情況，可以發放資助宣傳手冊，講解國家資助政策，宣傳國家“讓每個孩子都上得起學”的資助精神，以點帶面，讓學生周邊鄰居也能知悉國家政策，消除家訪地點附近困難家庭由于經濟拮據上不起學的困慮。

另外，針對很少購買甜品和水果的貧困學生可向他們發放節假日食堂補貼券和水果券。并提醒輔導員通過生命意義感教育和領悟社會支持教育等方式對心理狀態異常的貧困生學生進行心理疏導。

3.6 輔導員輔導學生具體方法

貧困學生的推薦名單和量化補貼金額建議后，即可對特困生和一般貧困生進行審核，特別是特困生的生活習慣、消費習慣和民主評議結果。首先輔導員要精心組織班級貧困生評議小組成員，評議小組成員分工明確，并強化貧困生誠信教育。要將貧困生認定審核與誠信工作教育相結合，教育引導學生按照實際情況反映家庭經濟。其次，強化責任落實。輔導員切實擔負起在困難認定中應負的職責，責任到位，采納系統參考推薦名單來提高困難認定精準度。第三，強化監督檢查。根據數據分析給予的名單信息與學生申請信息相核查，對申請資助時弄虛作假的學生，取消受助資格。最后，強化感恩教育，高校教職工特別是思政教育工作者應借助“志愿匯”APP端資助志愿者聯盟平臺，聯合各級團委、學生會開展感恩志愿服務，鼓勵國家助學金獲得者積極加入資助志愿者聯盟，多參與學校、社會組織的各類公益、志愿、無償服務，鼓勵貧困生畢業后用自己的知識和汗水服務基層，以實際行動感恩回饋社會。

4 結論

目前已經有高校例如西安交通大學通過智慧校園分析學生的行為和狀態，幫助學校管理者更好地了解學生的情況和需求，并根據學生的需求及時有效地提供資助方案，說明了數據處理技術應用于高校貧困生資助和心理異常預警的路徑探析已有例可循。此外，貧困生容易產生心理問題，主要表現為自卑、焦慮、敏感、人際交往缺乏自信、花錢節儉等，學習成績差的貧困生更容易出現心理問題，難以適應校園環境，對他們未來的發展產生負面影響。長此以往，恐會導致學習與心理的惡性循環，有必要對心理狀態異常的貧困學生提供心理支持，應當采取以下措施。

4.1 因人施策，開展精準資助

每個人自胚胎發育開始經歷不同的生物基礎、成長境遇、機遇，貧困生亦是如此，每個貧困生的家庭背景、致貧原因、需求都因人而異。如貧困生假期在校時間比普通學生多，普通學生在學校購物選擇比貧困生更加多樣化，貧困生往往很少購買甜品和水果；大同大學醫學院做的一項調查表明有33%的貧困生沒有食用早餐，77%的貧困生早餐品種單調，營養質量低且谷類食物居多；男生早餐、晚餐的質量好于女生等[10]。根據這些調查結果，高校管理者應發起有針對性的資助活動，比如向學生發放節日食堂補貼券和水果券；多宣傳、提倡、補貼貧困生食用廉價食品如豆類和薯類；還應及時干預貧困女生的膳食營養搭配。

4.2 化解心理危機風險

習近平總書記指出扶貧要先扶智，因此貧困生心智健康也至關重要。造成貧困生心理問題的原因是多方面的，其中家庭環境是重要原因之一。通過數據處理分析篩查出異常心理行為的貧困生，并提醒輔導員家校聯系，動員家長給予貧困生家庭更多情感關懷、更多陪伴、保護和引導。輔導員也應通過生命意義感教育和領悟社會支持教育等方式對心理狀態異常的貧困生學生進行心理疏導，多措并舉化解心理危機，可提高校園安全水平。

4.3 彌補校外數據缺乏的弊端

之所以在貧困生認定后經常出現投訴現象，往往是因為部分貧困生存在一身名牌、旅游曬照、校外高消費等行為，著實有點“違和”。在學生提供貧困生認定材料屬實的情況下，很可能是學生在經過一段時間后動態脫貧了，而在認定時是靜態貧困的。為此，高校教育管理信息化后可為高校貧困生資助和心理異常預警機制提供全天候監測服務，還可通過數據建模公式分析，了解和學習學生的生活習慣和行為規則，挖掘貧困生的隱形特征（例如消費地點、價格偏好、消費種類等），可有效地緩解由于校外消費數據缺乏而造成的貧困學生識別困難，提高資助公平性。

4.4 強化安全意識，提升信息安全性

數據中心存儲著學生的所有信息，如若泄露，將造成嚴重傷害，因此網絡安全至關重要，它關系著學校、社會、國家的安全。高校要科學處理智慧校園安全與發展的關系，完善網絡與信息安全管理相關制度和工作機制，強化學生數據中心平臺的數據安全防護與安全管理，提升高校學生信息的安全性。建立完善的數據采集制度、數據訪問權限控制制度、隱私保護制度，對數據全生命周期所有者、使用者、傳播路徑進行監管。結合學校實際，布置上網用戶認證、網絡日志保存、網絡殺毒系統等網絡安全防護措施，這樣才能推進信息化背景下高校貧困生資助和心理異常預警的工作向智能化、智慧化發展。