教育大数据背景下基于广西高校学生“行为画像”的精准资助模型探究

      大数据背景下，信息化被广泛应用到我国各个领域建设中，进一步加快了高校管理现代化。随着教育大数据作用逐渐凸显和智慧校园日趋成熟，数据驱动的创新素养培育模式逐渐得到应用，以大数据技术为基础的“用户画像”为学生培育提供了新思路和新方法。本项目依托大数据技术和智慧校园平台，通过数据分析和挖掘技术，整合教育领域的各类数据资源，将学生的行为标签化，提供总结性描述，形成学生“行为画像”，从而更加深入地了解学生的行为和需求，为学生提供个性化服务和精准的教学管理。为高校提供科学准确的教育管理模式，以推动人才培养模式变革，提高教育管理决策水平，助力教育减负增效，促进教育公平并提升教育质量。

       本项目以高校学生行为数据为研究对象，探索以各类行为数据构建学生“行为画像”的路径。重点包括学生数据汇总与筛选，从多元的数据库中筛选初可用于参与构建学生“行为画像”的数据；数据的分析与建模，对提取到的各类数据进行特征处理，模式识别等处理，以拟合出不同学生的特征和行为模式，完成构建“行为画像”；模型的应用和监测，基于学生“行为画像”，制定相关资助方案与试行各项资助策略，同时持续对“行为画像”模型拟合度与可行性进行监测与评估，进行持续优化改进。主要研究内容如下：

（1） 数字化时代高校学生资助工作研究现状；

（2） 教育大数据背景下高校学生“行为画像”的精准资助模型构建；

（3） 学生“行为画像”在精准资助中的应用意义。

国外研究：目前，发达国家利用学生“行为画像”对高校学生进行资助的研究与实践相对较早，理论体系也更为完善，尤其在家庭经济困难学生识别、困难程度的分级以及精准资助等领域有着许多借鉴之处。如美国高校常通过学生“行为画像”为学生本人量身定做“资助包”（邓兰君，2022），联邦、州政府资助办把每个申请资助学生的申请材料汇总，通过采集系统提交各个高校，高校根据政府的反馈信息，为每个学生建立一个资助数据档案，并提供多种助学金、贷款以及勤工助学项目，让学生根据自己的实际情况进行选择。英国高等学校（Ariane de Gayardon，2020）对包含学生贷款类型、学生家庭、个人消费情况等进行分析来获取每个学生的家庭收入、家庭财富指标（房屋所有权，私立教育，不在贫困地区生活，社会阶层）、父母教育、种族等相关信息，以更好地对困难学生进行资助。从日本高校来看，其资助工作凭借分析在校生与寄宿生之间的支出的相对差异性、学生费用支出类型、学生获取学费渠道信息，来对处境不利的学生给予及时援助（岛一则，2019）。

国内研究：相比于发达国家，国内学生“行为画像”技术起步较晚，从2005年开始，用户画像技术才逐渐发展起来，但仅限于在商业领域应用，在高校中的运用屈指可数。目前我国仅北京邮电大学、北京交通大学、华东大学、电子科技大学等少部分高校将学生“行为画像”技术应用于学生资助工作领域（黄山，2019）。如北京邮电大学高校学生行为分析主要实现了对于学校业务系统产生的异构数据的储存，将校园内部的结构化和非结构化数据存储在统一的大数据处理平台上（Zhang H，2015；Raghupathi W，2014），实现对家困生的分析挖掘。苏州大学在对学生行为数据使用过程中，通过K-means聚类分析挖掘算法实现了对学生数据进行不同维度的聚类分析，同时将学生数据中的学业数据、奖学金数据、贫困生数据及竞赛数据综合到一起，建立数据挖掘模型，对学生进行多维度的分析（Chen X W，2014）。北京交通大学对于学生数据的处理方面，则关注学生的学习和生活数据，将数据挖掘、数据分析及数据仓库三种技术结合到一起，进行深入的研究，构建数据分析的模型，建立基于数据的决策支撑系统（Aiyer A，2011）。可以看出，在大数据背景下依托学生“行为画像”，做到真正以学生实际情况为依据进行帮扶的资助体系，能有效提高精准资助水平，充分发挥出资助育人成效。

创新点：

（1）将大数据视域下的大学生行为画像分析模型引入到高校精准资助工作中；

（2）创新贫困大学生行为画像的构建：包括基础数据集选择、多源异构数据预处理、画像标签的设计和行为画像构建；

（3）选取有效适用的机器学习模型和算法进行多标签多特征映射学习，建立高校精准资助预测模型。

短期上，基于大数据的学生“行为画像”模型可以简化资助工作程序，科技赋能可以极大提高政策执行效率；根本上，基于大数据的学生“行为画像”模型可以成为广西资助育人实践困境突破的转型路向。

项目特色：

（1）将数据挖掘技术引入到资助工作，优化精准资助工作体系，提高资助工作的精准性；

（2）基于深度神经网络算法构建高校精准资助模型，为广西高校资助育人工作提供现代化工作模式。

技术路线：

图1 教育大数据背景下基于广西高校学生“行为画像”的精准资助的一般过程

本项目以大数据为驱动，构建“学生信息量化数据模型”，基本思路如下：

（1）有效整合涵盖学生的校园大数据。通过对高校学生的学业数据、消费数据、勤工数据、门禁数据、上网数据和生活数据等学生行为特征数据进行清洗、抓取和标签化后，利用数据挖掘技术和算法优化来描绘高校学生在学业生活中的行为模式和生活习惯。

（2）数据分析和归类。预处理多源异构数据，进行贫困学生画像标签设计和行为画像构建，生成大学生的个体行为画像。

（3）建立学生之间和资助之间的相似性度量。通过多特征多标签映射学习得到精准资助预测模型，确定资助对象和资助策略,增强资助工作的精确性。

（4）通过学生反馈情况对资助形式和内容进行参数优化和调整，提升优化资助策略。

本项目通过探索构建集精准资助、科学辅助决策与智能模型服务于一体的高校数据治理与分析新模式，着力解决数据碎片化、不一致、不规范等问题，为广西高校资助工作提供科学数据支撑与有效决策依据。

拟解决的问题：

（1）帮助资助管理部门客观了解学生的真实需求。通过大数据分析，高效地融合高校大学生的学习生活、日常行为、服务需求等信息，直观地反映出大学四年来受资助学生的成长轨迹，并从分析结果中总结得出一些相关性的结论和关联规则，发现学生行为数据背后隐藏的行为规律和特征。

（2）为学校资助管理决策提供科学依据。通过收集家庭经济困难学生在校内产生的所有数据资源，如学生个人信息、特长爱好、性格特征，甚至包括社交、日志信息等各种信息资源，构建学生行为画像，充分利用数据库优势对各类数据源的定位和连接，实现数据的采集、传输和汇聚，为高校资助工作提供科学数据支撑与有效决策依据。

（3）推动广西高校资助工作与教育工作科学接轨。促进高校资助从保障性资助向发展性资助转型，建立一个多维度、客观、动态的学生“行为画像”系统，精准识别家庭经济困难学生，形成困难库名单，“点对点”进行帮扶。

（4）促进高校学生“量身定制式”教育的开展。在全校范围内，各级学生管理与服务相关部门可以实现数据资源共享。同时，各部门（如勤工助学服务中心、心理健康教育中心、后勤管理中心、就业指导中心等）可以通过“行为画像”系统掌握困难生的特征和类型，有针对性地给予学生更多的关注、引导、扶持。

本项目拟将数据挖掘技术引入到资助工作，以此提升高校管理服务水平，优化精准资助工作体系，提高资助工作的精准性，确保教育公平，优化助学资源配置，靶向实施资助育人政策。

预期成果：

本项目以广西区高校教育精准扶贫工作为背景，利用学生“行为画像”技术进行教育大数据分析，通过模型构建，优化广西高校学生精准资助工作机制，解决当前教育资助工作中存在的精准识别问题，有效确保高校资助工作的及时性与管理决策的科学性。本项目预计取得以下具体成果：

（1）精准资助识别模型

构建包含学生个人信息、家庭经济状况、学业成绩等多维度特征的综合评价体系。开发基于机器学习或深度学习的识别模型，实现对潜在受助对象的快速、准确筛选。

（2）个性化资助方案

结合学生的学习需求、职业规划和家庭经济状况，设计差异化的资助组合，如奖学金、助学金、学费减免等。

制定动态调整机制，根据学生学业进展和家庭经济变化灵活调整资助金额和形式。

（3）实践指导

编制操作手册和培训材料，指导学校和教师有效实施精准资助策略。

（4）学术论文与专利申请

在国内外学术期刊发表1-2篇研究论文，分享精准资助模型的理论框架、实证分析和应用案例。对关键技术和创新点进行专利申请，保护研究成果的知识产权。

2024年6月-7月：准备工作，查阅相关理论文献资料；

2024年7月-8月：制定模型构建计划；

2024年8月-10月：数据整理分析形成报告；

2024年11月-12月：形成初期理论成果；

2025年1月-3月：撰写论文；

2025年3月-5月：完成相关理论成果1-2篇，进行公开发表；

2025年6月：项目评估和结题。