62.8%受访者支持运用大数据识别贫困生

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

日前,江苏大学利用大数据技术,根据4463名贫困生去年10月至11月话费情况进行筛选、识别,对21人取消贫困生资格,32人从家庭经济特殊困难降级为一般困难。此消息引发了网友热议。

上周,中国青年报社会调查中心通过问卷网,对1998人进行的一项调查揭示,62.8%的受访者支持运用大数据识别贫困生,59.1%的受访者认为当前资助体系存在资助资源分配不合理的问题。56.3%的受访者建议完善贫困考核指标和评估体系。

62.8%受访者支持运用大数据方法识别贫困生

中国人民大学2015级本科新闻2班班主任陈继静表示,大数据技术可以对贫困生进行更精准的识别,但也存在一些问题。“一是容易牵涉到学生的隐私。学校应在征得学生同意的情况下去调查他们的消费情况。二是学生的消费自由问题。作为年满18岁的成年人,在财务管理、分配上都应该拥有自主权。即使是贫困生,也有自己的消费习惯和模式。我们不能因为贫困,就限制他追求高水平生活的权利”。

如何看待大数据识别贫困生这种做法?46.2%的受访者认为单是话费消费数据不能说明什么,41.8%的受访者认为能够客观有效评估学生的真实贫困程度,35.2%的受访者认为加剧了贫困生与其他学生的隔阂。其他还有:是对贫困生资助消费权利的剥夺(34.9%),干涉了贫困生的消费自由(25.5%),让考核形式更多元化(23.4%),侵犯了学生的隐私(13.8%)。

毕业于北京某高校统计学院的研究生杜一然(化名)认为,利用大数据方法识别贫困生本身是技术手段的提升,“数据客观地记录和反映一个人的生活水平和状态。但就贫困生的识别上,此次的指标过少、周期不充分,代表性、合理性欠妥,难说能准确地反映生活消费水平。”

59.1%受访者认为资助资源分配不合理

调查显示,38.8%的受访者认为目前的高校贫困生资助工作做得比较好,37.5%的受访者认为一般,14.1%的受访者认为不好。

中国人民大学新闻学院研究生陈丽媛表示,目前学校对贫困生的资助项目比较多,涵盖助学金、助学贷款、勤工俭学等多个方面。“学校开设了绿色通道,家境贫困的学生不仅能获得助学金,在一些节假日也有适当补助。同时学校免费提供一些生活用品,如卧具、自行车、电话充值卡等。去年冬天学校给每位贫困生购置了羽绒服”。

调查显示,59.1%的受访者认为当前资助体系存在资助资源分配不合理的问题,50.3%受访者认为不能有效识别“装穷贫困生”,46.3%的受访者感觉评估标准单一。其他问题还有:评选方式不当恐怕会伤害贫困生自尊(44.8%),操作程序过于复杂繁琐(42.9%),贫困生“等、靠、要”现象严重(30.8%)。

“大数据使用还处于初步阶段,涵盖的方面比较少,也缺乏精准性,因此,单纯依靠大数据识别很难取得效果。可以尝试以传统的考核方式为主,以大数据识别为辅,建立一个公正、透明、有效的审核机制。”陈继静表示。

针对大数据在识别贫困生工作中的运用,57.2%的受访者建议建立学生日常消费数据平台,51.8%的受访者建议加强对数据的长期分析与监管,51.4%的受访者建议要与其它考核形式相结合。其他还有:构建贫困生个性化资助体系(48.0%),数据涵盖要科学、全面(46.0%)。

陈继静建议推动学校、政府与第三方的多方合作,实现教育贷款社会化。“助学贷款是保障学生完成学业、缓解高校经费不足的重要途径,因此不应该成为学校单方面的资源分配。国家应该将助学贷款纳入政策性贷款的范围,适当加大贷款额度,延长偿还期限,给予学生更多贷款优惠”。

调查显示,56.3%的受访者建议完善贫困考核指标和评估体系,54.6%的受访者建议开发“助、勤、贷、奖”一体的资助体系,50.3%的受访者建议加强地方实地考核。其他依次为:建立信息管理数据库(47.2%),设立诚信档案(47.2%),加强对贫困生作假的追究机制(38.0%),引入贫困生资助监管机制(30.7%)。

“学校在开展资助工作时,还应注意平等、公正,培养学生的心理自信。不搞太多形式主义,有的学校给学生发放助学金,请来媒体进行宣扬,这很容易伤害学生自尊。”陈继静认为,若因资助而打击了学生的自信或造成了某种扭曲心理,就失去了资助的本来意义。
本文转自d1net(转载)

相关实践学习
基于Hologres轻松玩转一站式实时仓库
本场景介绍如何利用阿里云MaxCompute、实时计算Flink和交互式分析服务Hologres开发离线、实时数据融合分析的数据大屏应用。
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
SQL 分布式计算 DataWorks
MaxCompute产品使用合集之如何识别并执行某个字段的 SQL 语句,并输出结果
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
254 2
|
机器学习/深度学习 JSON 自然语言处理
全国大数据与计算智能挑战赛:面向低资源的命名实体识别基线方案,排名13/64
全国大数据与计算智能挑战赛:面向低资源的命名实体识别baseline,排名13/64。第一名:0.68962791,基线:0.67902593 ,感兴趣小伙伴可以刷刷榜。 国防科技大学系统工程学院(大数据与决策实验室)
全国大数据与计算智能挑战赛:面向低资源的命名实体识别基线方案,排名13/64
|
机器学习/深度学习 存储 人工智能
Python之GUI:基于Python的GUI界面设计的一套AI课程学习(机器学习、深度学习、大数据、云计算等)推荐系统(包括语音生成、识别等前沿黑科技)
Python之GUI:基于Python的GUI界面设计的一套AI课程学习(机器学习、深度学习、大数据、云计算等)推荐系统(包括语音生成、识别等前沿黑科技)
Python之GUI:基于Python的GUI界面设计的一套AI课程学习(机器学习、深度学习、大数据、云计算等)推荐系统(包括语音生成、识别等前沿黑科技)
|
2月前
|
数据采集 分布式计算 DataWorks
ODPS在某公共数据项目上的实践
本项目基于公共数据定义及ODPS与DataWorks技术,构建一体化智能化数据平台,涵盖数据目录、归集、治理、共享与开放六大目标。通过十大子系统实现全流程管理,强化数据安全与流通,提升业务效率与决策能力,助力数字化改革。
76 4
|
2月前
|
分布式计算 DataWorks 数据处理
在数据浪潮中前行:记录一次我与ODPS的实践、思考与展望
本文详细介绍了在 AI 时代背景下,如何利用阿里云 ODPS 平台(尤其是 MaxCompute)进行分布式多模态数据处理的实践过程。内容涵盖技术架构解析、完整操作流程、实际部署步骤以及未来发展方向,同时结合 CSDN 博文深入探讨了多模态数据处理的技术挑战与创新路径,为企业提供高效、低成本的大规模数据处理方案。
166 3
|
2月前
|
SQL 人工智能 分布式计算
ODPS:数据浪潮中的成长与突围
本文讲述了作者在大数据浪潮中,通过引入阿里云ODPS体系(包括MaxCompute、DataWorks、Hologres)解决数据处理瓶颈、实现业务突破与个人成长的故事。从被海量数据困扰到构建“离线+实时”数据架构,ODPS不仅提升了数据处理效率,更推动了技术能力与业务影响力的双重跃迁。
|
3月前
|
数据采集 人工智能 算法
数据没洗干净,分析全白干:聊聊大数据里的“洗澡水”工程
数据没洗干净,分析全白干:聊聊大数据里的“洗澡水”工程
91 1
|
4月前
|
存储 机器学习/深度学习 人工智能
数据与生命的对话:当大数据遇上生物信息学
数据与生命的对话:当大数据遇上生物信息学
157 17
|
4月前
|
机器学习/深度学习 存储 分布式计算
数据科学 vs. 大数据:一场“烧脑”但有温度的较量
数据科学 vs. 大数据:一场“烧脑”但有温度的较量
196 2

热门文章

最新文章