近年来，国家和地方出台了多项政策，进一步规范高校家庭经济困难学生认定工作。国内众多高校积极探索，并逐渐开始实行量化方式开展家庭经济困难学生认定工作，节省了人力又提高了工作的效率，对贫困生的认定工作起到了客观化、科学化和精准化，对高职院校开展精准资助、促进教育公平具有重要意义。

1高职院校困难学生量化认定工作现状及趋势

1.1困难学生认定工作效率普遍提高

传统的高职院校家庭经济困难学生认定工作量较大且过程复杂，在认定过程中容易出现个人主观意见的情况，学生不认可、不满意的意见较多，辅导员需要做大量的思想教育工作。量化认定困难学生的方式与传统的认定相比较，通过数字表述，让学生填写量化表，根据数据统计、认定，在认定困难学生过程中更加方便、快捷和高效，把辅导员、班主任和资助管理人员从大量事务性工作中解放了出来，提升了整个认定过程的工作效率。

1.2困难学生量化认定方式得到重视

随着国家和地方出台的从学前教育到高等教育，各学段教育资助政策的出台，各高校也高度重视困难生的量化认定和探索，目前有很多高校已经建立了特有的困难生量化认定系统。高校通过认定系统可以对学生奖助学金获得的情况、勤工助学情况、校内消费等情况进行打数据监控，可以主动发现困难学生，能更好的满足资助工作精准化的需求。越来越多的高校开始着手建设智慧学生管理系统，通过量化和精准化服务在校学生。

1.3困难学生量化认定标准不统一

当前，国内高校针对困难学生量化认定都有一套适用于自己的认定流程和制度，但是因为地域差异、学科差别、校本差别等因素，困难学生量化认定标准指标设置也各不相同。但是常用的量化指大致有两种。一种是以学生家庭经济收支情况进行量化。如家庭基本状况（是否是建档立卡家庭、是否是低保家庭等）、收入能力、支出压力；另一种是以学生个人情况进行量化。如学生是否来自偏远和贫困地区、家庭子女众多、家庭需要赡养多位老人等情况。

1.4研究工作现状

目前各学者对于这方面的理论研究主要集中在对经济困难程度的认定、认定指标构成及评定操作方法的探讨上。比如，北京工业大学计算机学院王全民等（2020）在“基于Canopy-K-means算法的高校贫困生预测的研究”中提出了一种基于 Canopy-K-means 算法的高校贫困生预测的方法，为学校贫困生认定提供辅助决策作用。四川交通职业技术学院吉朝明等（2021）在“基于熵值模型的高校贫困生认定系统研究”中提出了根据熵值法客观确定指标权重来计算学生贫困指数，并结合高校贫困生认定的实际情况，采用熵值模型分析与人工审核相结合的方式进行系统设计和贫困生认定。总体来说,对家庭经济困难学生的认定及标准目前尚无定论。

2开展量化认定困难生存在的问题

2.1学生基础数据采集存在困难

传统的困难学生认定大都是重视学生的家庭基本情况，忽视了学生本人的消费情况。普通高校都实行了“一卡通”，但是现在学生的消费方式越来越多元化，手机网购、外卖、生活用品、娱乐、出行等消息信息，学校是无法直接获得基础数据。学生的家庭数据如房产、车辆、家庭消费等情况都是通过学生自主申报生成的数据，其真实性无法考证，精准的数据采集存在较大困难和差异。

2.2学生不诚信问题时有发生

在传统的认定贫困生的过程中，信息填写存在漏报、谎报、瞒报等情况，学生填写各类申报表格的真实性考证难度很大。同时对学生的消费情况也无法得到实时检测，导致很难精确的认定贫困生。传统的认定方式很难规避学生不诚信问题。而现在的量化认定的基础数据也来自学生的自主填报，所以还是存在较大的漏洞，学生不诚信现象依然存在。

2.3量化形式标准差异化明显

当前，部分高校在推行量化认定的过程中，将困难生的量化认定由原来传统的手动填写纸质表格转换成网上问卷的形式，通过线上学生填写的数据，对学生进行基本情况和信息统计，并没有通过标准化的设计来进行量化。认定结果依然存在不科学、不合理的情况。另外，困难生的认定关系到学生的切身利益，在量化指标设置和权重比例设定非常重要，各高校在推行过程中凸显出来的差异化也非常明显。

2.4资助育人作用发挥有待改进

高校学生资助工作是贯彻落实党中央、国务院决策部署，全面推进精准资助，确保资助政策有效落实的迫切需要。高校在采集数据时填写过程过于机械式、缺乏温度，认定的过程也缺乏相应的监督机制，在学生出现不诚信、徇私舞弊等现象时，缺乏对应的举报和追究机制，学生诚信档案管理缺乏制度。高校在组织量化认定过程中，在宣传党和国家资助政策、励志典型、感恩教育、诚信教育、社会责任感的培养等方面做的还不够，还需要进一步加强宣传和引导，激励受助学生和广大青年学生成长成才，回馈社会，报效祖国。

3.困难学生量化认定的对策探究

困难学生量化认定确实能提高效率，但是高校在开展家庭经济困难学生认定过程中不能盲目和过度夸大量化的作用和功能，还是要依据客观事实进行分析把控，利用现有的网络手段和信息技术，充分发挥量化认定的科学性和规范性，同时在认定过程中也要时刻注意资助育人的作用，只有制度和服务还有关心都时刻围绕学生，才能发挥困难学生量化认定的积极作用，才能较好的利用信息化手段优化和提高工作实效。

3.1构建量化体系

贫困生量化认定标准的核心是指标设定、权重分配以及学生的个人诚信。根据2018年10月教育部等六部门发布的《关于做好家庭经济困难学生认定工作的指导意见》，从五个影响因素维度来考虑个体或家庭被剥夺的状况，构建多维贫困测度指标，通过设定5个一级指标、12个二级指标、14个三级指标，并合理设定权重，在表1中有具体体现。

表1：困难学生认定方式指标、权重设定表

3.2对数据进行灰色关联分析

灰色系统理论是由著名学者邓聚龙教授首创的一种系统科学理论(Grey Theory)，其中的灰色关联分析是根据各因素变化曲线几何形状的相似程度，来判断因素之间关联程度的方法。

根据采集申请学生的参评数据序列，假设有m个学生参评，每个数据序列有n项指标，形成如下矩阵：

（1）确定参考数据列

参考数据序列是一个理想的比较标准，以学生参评指标的最优值（或最劣值）构成参考序列，记作X₀。

（2）对原始数据的无量纲化处理

使用均值化法关联算子，对原始数据进行无量纲化处理，形成新的矩阵如下：

（3）求差序列

逐个计算每个参评学生的指标序列与参考序列对应元素的绝对差值。

（4）求出最大差与最小差

最大差值记为Δ_max，最小差值记为Δ_min。

（5）计算灰色关联系数

分别计算每个比较序列X_i与参考序列X₀对应元素的关联系数，p设为0.5。

（6）计算灰色关联度

某个学生参评数据序列的关联度为与参考数据列关联系数的算术平均和，用r_0i表示，则为：

依据关联系数的大小，可按照从大到小依次排列，优先选出关联度大的作为推荐对象。

3.3实证结果分析

为了验证分析结果的准确性，结合学校的实际情况，在学校19、20级学生中开展了测试分析比对。在测试中参考数列关联度越大的比较数列，其发展方向和速率与参考数列越接近，与参考数列的关系越紧密。通过验证量化结果可以看到，验证系统分析出的贫困生名单与学校实际评定名单评定档次结果与定性分析结果比较吻合，并且能较为准确地筛选出贫困生范围和困难等次，精准度比较高。在表2（部分）中有具体体现。

表2：测试结果分析表（部分）

4结束语

高校家庭经济困难学生资助工作不仅是经济问题，也是政治问题。其中，家庭经济困难学生认定是公平、公正开展资助工作的前提和基础，也是当前形势下高校资助工作面临的普遍难题。大数据时代，探索建立一套科学合理，行之有效的高校家庭经济困难学生量化认定的方法体系，符合时代发展要求，也提升了学生资助工作的效率，高等学校要持续优化发展资助工作，真正落实立德树人根本任务，全面贯彻落实资助政策，全面实施精准资助，全面推进资助育人，全面提升资助管理水平，推动学生资助工作高质量发展。把灰色理论应用于家庭经济困难学生的认定，根据影响家庭经济的主要因素，构建灰色评价模型，克服了主观因素，能够有效解决长期以来贫困生认定工作量化难、不客观的问题，从而能加更科学合理反映困难状况，为学校在贫困资助工作中提供实用的工具。

参考文献：

[1] 高校家庭经济困难学生量化认定的现状与对策[J].宁杭玲.湖北开放职业学院学报. 2021，34：44-45

[2] 基于Canopy-K-means算法的高校贫困生预测的研究[J].王全民，张书君.计算机与数字工程. 2020(12)

[3] 基于熵值模型的高校贫困生认定系统研究[J].吉朝明，王华，宋铁成.西南师范大学学报. 2021(4)：122-129

[4] 陕西高校家庭经济困难学生精准认定研究[J].王轶中.中国新通信. 2020，22(22)

[5] 高校家庭经济困难学生认定量化指标模型研究[J].魏丹.天津职业大学学报. 2019，28(01)

[6] “三段式”家庭经济困难学生量化指标体系助力精准认定[J]. 刘卫锋,杨雪吟.现代职业教育. 2019(21)

[7] 刘思峰等著.灰色系统理论及其应用[M].科学出版社,1999