大数据又立一功,让贫困生更有尊严 : 经理人分

大数据又立一功,让贫困生更有尊严 : 经理人分

时间:2020-02-12 08:22 作者:admin 点击:
阅读模式 多方关注

故事大概是这样的:中国科学技术大学一名名叫Shannon的同学,由于每月校园卡消费不超过180元,结果收到校园卡管理中心的邮件,让他去领136元补助。管理中心工作人员的解释是,他们会检测学生一卡通在食堂的消费情况。如果某学生每个月的消费金额低于200元,学校就会自动向卡内打入生活补助。

没有提交受助申请,没有现场演讲“比惨”,也没有班级内部评议……不需要贫困生申请,高校主动“偷偷”给学生打钱的“挽尊”扶贫方式你支持不?

答案必须是支持啊!!!不然怎么能获得各大主流媒体的纷纷转发呢。

微博指数搜索“贫困生”、“饭卡”两个关键词最近两天都受到了大家极大的关注,人民日报、人民网、澎湃、中新网等等媒体都对中科大“悄悄”资助贫困生进行了报道。

百度指数搜索“中科大”相关的新闻中,五条中有三条都是大数据“隐形资助”贫困生的内容。

这条几乎获得了所有知名媒体转发的新闻,你看过了吗?

具体操作

其实早在2004年中科大就已经开始实行这项针对贫困大学生的“生活援助计划”,算是全国首家,当时也有很多其他高校来到中科大取经学习先进经验,但是能够参考执行的高校却非常的少,下面我将三个比较有标志性的高校介绍给大家。

1、中科大“生活援助计划”

首先我们要说的就是中科大的“生活援助计划”,毕竟它是全国首家利用大数据评选受资助学生的高校,是大家学习的榜样。

选择条件:每月伙食不超过200元

通过 Shannon同学在知乎上的回答我们可以知道,被选中的学生都是每个月在学校食堂消费不超过200元的学生,每月可以获得 136元的饭卡补助。

再通过中国之声对中科大学工部副部长李峰的采访我们可以得知, Shannon的故事是发生在2010年左右, 如今,他们的补贴标准已经提高到每月160元。截至目前,学校已累计资助贫困学生4万人次,资助金额累计达到600多万元。

筛除条件:每月至少吃食堂60次

比较有意思的是,当时 Shannon的一个同学知道了此事之后,出于好奇也开始尝试获取饭卡资助,然后开始几乎只去饭馆就餐而不去学校餐厅,在这样操作几个月后依然没有等到学校给他发来的资助邮件, 最后,他跑去质问工作人员,得到的答复却是“根据消费记录,你很少在食堂吃饭,我们的算法不能认定你是贫困学生”。

中国之声的报道中也说到了如何精准筛选资助对象,比如,少数学生故意少刷卡的,还有人因为节食导致餐费减少的,这些都不属于资助的对象。为了精准筛选,中国科大还会综合考虑学生的家庭状况、各院系负责人平时掌握学生生活情况,建立贫困生数据库,“我们有几个基本的原则和条件:第一学生在食堂每个月的消费次数,第二消费金额,第三在某个消费次数下的平均消费金额,第四‘这个学生是不是家庭经济贫困数据库里的学生’。我们会跟院系进行审核,全年始终在更新。”

2、南京理工大学的“暖心饭卡”

作为后来者南京理工大学2016年也在利用大数据资助贫困生的道路上走出了坚实的一步。

每月在食堂吃饭超过60顿、总消费不足420元

与中科大类似,南京理工大学也将食堂消费金额和消费次数作为主要判断依据对贫困生进行筛选,在人民网的报道中说到,学校工作人员找来全校1.6万多名在校本科生2015年9月中旬到11月中旬的刷卡记录,并进行了大数据分析。对学生在食堂就餐支出情况进行了3个月调查,最终得出7元能基本吃饱的结论。按照1个月在食堂吃60餐的最低标准来算,划定每月420元消费记录的硬杠杠。

补足差额达到每月630的标准

与中科大统一补助标准不同的是,南京理工大选择了“差额式补助”。在发放补助金额时,学校依然按照每餐7元的平均值来计算:一个月30天,每天3餐支出21元,一个月下来应该是630元,学生实际就餐支出和630元之间的差额,由“暖心饭卡工程”补足。按照这样的方案,首批获得补助的每个同学的饭卡就多了11.63元至340.53元不等的特别补助。

3、电子科技大学智慧助困系统

电子科技大学在总结前人经验的基础上研发了一套“智慧助困系统”,与前两者都不同的是,电子科大的补助更加直接和“爽快”,直接将补助款打到受资助学生的银行卡中。

根据四川在线的报道, 首先,学校通过智慧助困系统采集到了涵盖学生家庭经济及成员信息、学生本人及受资助信息、学生所在生源地经济水平信息、学生日常消费评价等涵盖4大类、40余个小类的上千万条数据。

接着,系统通过大数据挖掘与分析,自动生成家庭经济困难学生建议名单 。大数据分析的数据源主要取自消费数据,通过分析学生在校内的消费数据,例如食堂饭卡、超市消费、健身馆购物、乘坐校际班车、水卡等,分析学生的消费水平,这类数据主要记录了学生的消费金额、消费时间、以及消费地点等消费规律信息。

除了消费数据,系统还结合学生的勤工助学、获奖学金情况、社交特征、行为轨迹、借阅兴趣、历史特征等多个维度进行综合分析挖掘 。这些数据经过整合与清洗后,通过计算机一系列精密的算法,系统判定学生的困难指数(1—9),困难指数越高则代表越贫困。

学生被分为不困难、一般困难、困难和特别困难4大类。最终,大数据结果结合线下个别访谈、辅导员评价共同给出了这份全校家庭经济特别困难学生名单。

贫困生评选现状