[社论]减少人为干预,大数据助学扶贫可以有
作者: 彤 来源: 新闻网 日期: 2017-05-27 14:22:00
大数据助学扶贫可以有)原标题:[社论]减少人为干预。 高校贫困生的认定及其补助金发放就是其一。据四川在线报道,大数据应用正在进入越来越多的领域。近日,电子科技大学学生陈文(化名)收到学校悄悄打给他600元隐形补助金。而和陈文一样,该校共有82名本科生获得隐形补助。此前也有发放类似隐形补助的高校,比如南京理工大学、郑州大学等。 具体而言,所谓隐形补助。就是学校通过智慧助困系统采集学生家庭、本人和生源地和消费水准四方面的相关信息,再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。食堂饭卡、超市消费、健身馆购物、乘坐校际班车、水卡等消费数据构成了数据的主要来源。当然,最终上海讨债公司 的名单还需要经过人工的确认和检审,但总体上人工干预因素被大大降低。 一个重要好处在于,通过大数据进行贫困生认定。那些因为害怕丢脸而刻意隐瞒自己贫困状况的学生也将得到资助。要知道,采用大数据分析之后提供的名单,校方在发放补助时并不会征求个人意见,更不需要个人登台宣讲。传统的贫困生认定存在极大的弊端,即有些学校会采用民主投票的方式来决定哪一些人是贫困生。这样一来,拉票能力比贫困本身变得更加重要,从而造成贫困生的认定过程,可能变成一场弄虚作假的闹剧。 以温饱问题、学费不足为主。不同于相对贫困,高校扶贫的目标一直针对绝对贫困。绝对贫困的认定有其客观标准。而之所以之前出现民主评定“贫困生”贫困生候选人上台宣讲的做法,主要原因在于校方无法有效获得权威事实,所以就只能通过这种低效乃至错误百出的方式来采集。从手段上来看,投票和宣讲在提供一定信息、达到一定目的同时,又造成了新的问题。而建立在大数据采集、分析基础上的名单,则保持了手段的纯粹性,达到目的时能尽可能避免制造新的问题。 通过无数个相关性数据的叠加计算,大数据分析背后的逻辑强调的相关性。最终形成了想要的结果。对此,自然会有人产生疑虑,大数据的分析模型如果是固定的例如南京理工大学的做法是该校实行一日三顿、每顿7元,30天共计630元的标准,学生实际就餐支出和630元之间的差距,就是实际补助金额。这样一来,否存在刻意降低就餐标准来套现的学生呢?要知道,很多高校,餐费只有附近市场价的一半甚至更少,很多上班族对于高校食堂的羡慕从未停止。 显然不是为了指责有类似行为的学生,提出这样的疑虑。因为大学生的消费用途非常广泛,单纯从手机话费额度、饭卡消费额度来计算,都可能会误伤一些贫困但同时却十分有个性、有爱好的学生。从反思的角度切入,这一措施的目标是帮助绝对贫困者,能够防止一些新问题的衍生最好不过。此外,也有人认为,虽然大数据提供了名单,但最终由辅导员来圈定是否合理?对此,从操作的角度来看,除非大数据越来越全面、算法越来越精准,否则也很难找到替代辅导员的角色。 目前为止,瑕不掩瑜。大数据助学扶贫受到普遍称赞。但亦有两点值得提醒:其一,高校大数据的应用远不止助学扶贫一项,例如有美国高校根据学生浏览网上课程提纲、图书馆借阅等数据,判断哪一些学生可能会成为考试“困难户”从而提前介入对他学习帮助。又如在可穿戴设备越来越普及的今天,校方也可以通过大数据来监控学生的健康状况,以提前介入的方式避免一些学生染疾抱恙。这些都是大数据在高校应用的方向。 大数据助学扶贫制造了所有人的数据只对系统开放,其二。不对彼此开放”格局,这样固然可以保护个人隐私,但也容易造成新的隐患。即数据泄露乃至被倒卖之后,学生面临的危害将不只是同窗的嘲笑,而是陷入被骚扰、被滥用的情况。一直以来,大数据应用的达摩克利斯之剑都是如何防范泄露和滥用问题,高校大数据应用自然也绕不开这一问题的防范。