以傳播城市化專業知識為己任
2024年11月22日
星期五
設為首頁
|
加入收藏
搜索
大數據應用正在進入越來越多的領域，高校貧困生的認定及其補助金發放就是其一。據四川在線報道，近日，電子科技大學學生陳文(化名)收到了學校悄悄打給他的600元隱形補助金。而和陳文一樣，該校共有82名本科生獲得隱形補助。此前也有發放類似隱形補助的高校，比如南京理工大學、鄭州大學等。
所謂隱形補助，具體而言，就是學校通過智慧助困系統采集學生家庭、本人和生源地和消費水準四方面的相關信息，再通過大數據挖掘與分析，自動生成家庭經濟困難學生建議名單。食堂飯卡、超市消費、健身館購物、乘坐校際班車、水卡等消費數據構成了數據的主要來源。當然，最終的名單還需要經過人工的確認和檢審，但總體上人工干預因素被大大降低。
通過大數據進行貧困生認定，一個重要好處在于，那些因為害怕丟臉而刻意隱瞞自己貧困狀況的學生也將得到資助。要知道，采用大數據分析之后提供的名單，校方在發放補助時并不會征求個人意見，更不需要個人登臺宣講。傳統的貧困生認定存在極大的弊端，即有些學校會采用民主投票的方式來決定哪一些人是貧困生。這樣一來，拉票能力比貧困本身變得更加重要，從而造成貧困生的認定過程，可能變成一場弄虛作假的鬧劇。
高校扶貧的目標一直針對絕對貧困，以溫飽問題、學費不足為主。不同于相對貧困，絕對貧困的認定有其客觀標準。而之所以之前出現民主評定“貧困生”，貧困生候選人上臺宣講的做法，主要原因在于校方無法有效獲得權威事實，所以就只能通過這種低效乃至錯誤百出的方式來采集。從手段上來看，投票和宣講在提供一定信息、達到一定目的的同時，又造成了新的問題。而建立在大數據采集、分析基礎上的名單，則保持了手段的純粹性，在達到目的時能盡可能避免制造新的問題。
大數據分析背后的邏輯強調的是相關性，通過無數個相關性數據的疊加計算，最終形成了想要的結果。對此，自然會有人產生疑慮，大數據的分析模型如果是固定的，例如南京理工大學的做法是，該校實行一日三頓、每頓7元，30天共計630元的標準，學生實際就餐支出和630元之間的差距，就是實際補助金額。這樣一來，是否存在刻意降低就餐標準來套現的學生呢？要知道，在很多高校，餐費只有附近市場價的一半甚至更少，很多上班族對于高校食堂的羨慕從未停止。
提出這樣的疑慮，顯然不是為了指責有類似行為的學生，因為大學生的消費用途非常廣泛，單純從手機話費額度、飯卡消費額度來計算，都可能會誤傷一些貧困但同時卻十分有個性、有愛好的學生。從反思的角度切入，這一措施的目標是幫助絕對貧困者，能夠防止一些新問題的衍生最好不過。此外，也有人認為，雖然大數據提供了名單，但最終由輔導員來圈定是否合理？對此，從操作的角度來看，除非大數據越來越全面、算法越來越精準，否則也很難找到替代輔導員的角色。
瑕不掩瑜，到目前為止，大數據助學扶貧受到普遍稱贊。但亦有兩點值得提醒：其一，高校大數據的應用遠不止助學扶貧一項，例如有美國高校根據學生瀏覽網上課程提綱、圖書館借閱等數據，判斷哪一些學生可能會成為考試“困難戶”，從而提前介入對他們的學習幫助。又如在可穿戴設備越來越普及的今天，校方也可以通過大數據來監控學生的健康狀況，以提前介入的方式避免一些學生染疾抱恙。這些都是大數據在高校應用的方向。
其二，大數據助學扶貧制造了“所有人的數據只對系統開放，不對彼此開放”的格局，這樣固然可以保護個人隱私，但也容易造成新的隱患。即數據泄露乃至被倒賣之后，學生面臨的危害將不只是同窗的嘲笑，而是陷入被騷擾、被濫用的情況。一直以來，大數據應用的達摩克利斯之劍都是如何防范泄露和濫用問題，高校大數據應用自然也繞不開這一問題的防范。
