据媒体报道，中国科学技术大学于2004年首创隐形资助的方法，通过监测每个学生的一卡通在食堂的消费情况，采取“如果每个月的消费低于200元，就会自动给你打生活补助”的实在举措，让贫困生有尊严地接受资助。7月31日，全国学生资助管理中心提醒，要学习借鉴中国科学技术大学通过大数据分析开展“隐性资助”的经验，理解学生的难处，尊重学生的隐私，把学生资助做出温度，做得暖心。

　　上周，中国青年报社社会调查中心联合问卷网，对2001名受访者的一项调查显示，77.3%的受访者赞同隐形资助的方式，68.7%的受访者认为隐形资助维护了受助学生的尊严，58.1%的受访者希望提高大数据在学生资助上的应用力度。

　　调查中，26.0%的受访者是在读大学生，74.1%的受访者不是。90后占24.2%，80后占47.1%，70后占21.9%，60后占5.5%，50后占1.1%。

　　77.3%受访者赞同隐形资助的方式

　　调查中，49.3%的受访者感觉现在惯常的贫困生资助方式合理，19.9%的受访者认为不合理，30.8%的受访者表示不好说。

　　吉林某高校大三学生刘悦在大学期间一直接受助学金资助。申请资助时需要将自己的家庭情况向部分老师和同学公开，这让在单亲家庭中长大的她感觉有点自卑。“好在这些材料只有小部分同学可以看到，而且评议过程不需要本人在场”。

　　2016年年底，电子科技大学学生王励(化名)的银行卡上突然多了300元钱，王励觉得很奇怪，“当时我也不知道怎么会无缘无故多了这笔钱，很明显不是奖学金。后来才通过学生资助中心的老师了解到，我们学校也有了隐形资助的方式，这让我觉得很温暖，瞬间更爱学校了”。

　　调查显示，77.3%的受访者赞同隐形资助的方式，其中26.4%的受访者非常赞同。17.5%的受访者觉得一般，5.3%的受访者不赞同。

　　“这确实是一个好的方式，可以帮到很多同学，特别是不好意思主动申请资助的同学。我身边就有一名同学家庭条件不好，大一的时候也会申请补助，但大二大三成绩下滑后，变得孤僻内向，不愿意申请助学金了。”就读于郑州某高校的周文升(化名)说。

　　王励通过传统评定资助和隐形资助两种方式得到过资助，他认为，申请公示的资助方式需要家庭困难的同学公开自己的家庭情况，会伤害到部分同学的自尊心。而隐形资助注重保护受助同学的隐私，更加人性化。此外，隐形资助以大数据为依托，能够更精确地找到需要资助的同学。

　　2016年年底，电子科技大学开始通过精确的大数据分析技术来确定受助对象。电子科技大学大数据研究中心在读博士生聂敏介绍，首先，学校通过智慧助困系统，采集到了涵盖学生家庭经济情况及成员信息、学生本人及受资助信息、学生所在生源地经济水平、学生日常消费评价等4大类、40余个小类的上千万条数据。接着，系统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。

　　“具体而言，大数据分析的数据源主要取自校内消费数据，例如食堂饭卡、超市消费、健身馆购物、乘坐校际班车、水卡，分析学生的消费水平，这类数据主要记录了学生的消费金额、消费时间以及消费地点等信息。除了消费数据，系统还结合学生的勤工助学、获奖学金情况、社交特征、行为轨迹、借阅兴趣和历史特征等多个维度进行综合分析挖掘。”聂敏说，这些数据经过整合与清洗后，通过一系列精密的算法，系统判定学生的困难指数(1~9)，困难指数越高则代表越贫困。学生被分为不困难、一般困难、困难和特别困难4大类。最终，大数据结果结合线下个别访谈、辅导员评价，共同给出了这份全校贫困学生名单，从而发放隐形补助。

　　与原有的申请资助方式相比，68.7%的受访者认为隐形资助维护了受助学生的尊严，60.8%的受访者觉得保护了受助学生的家庭隐私，54.2%的受访者认为可以帮助到更多不愿主动申请资助的学生，34.5%的受访者认为能提高贫困认定工作的效率，25.1%的受访者认为更有利于实现资助公平。

　　58.1%受访者希望提高大数据在学生资助上的应用力度

　　“隐形资助也太人性化了吧!”刘悦听说有隐形资助的方式后，非常希望自己所在的学校也能尝试，“感觉这样的方式非常贴心，能够真正帮助到需要帮助的同学”。

　　但刘悦也表达了自己的担忧，“有些同学的家庭条件确实很艰苦，很需要资助，但是在吃住方面又不会很拮据，能够做到吃饱穿暖。这部分同学会不会被忽视呢?”

　　周文升在2016年冬天也收到了60元钱的隐形资助。但这只是学校“误会”了，周文升并非家庭条件不好，而是很少去食堂吃饭。“对隐形资助的发放名额，需要有更严谨和更人性化的考量”。

　　要提高隐形资助的精确性，68.5%的受访者建议借助“大数据”和科学评估，对学生家庭情况进行比较分析;66.3%的受访者建议通过查阅档案、实地走访等形式，主动摸排家庭经济困难学生情况; 51.4%的受访者建议在保护学生隐私的前提下适当公开资助信息，接受群众监督。

　　周文升了解发现，学校的隐形补助是以校园卡消费记录为依据。“但我觉得不应该只考虑校园卡消费，辅导员也要和学生加强交流，发现学生有困难及时予以帮助”。

　　聂敏表示，目前，电子科技大学采用的智慧助困系统的准确率已经达到80%以上。去年，学校通过这套系统挖掘出校内最困难的200名学生。为了验证正确性，将这些名单与各学院辅导员掌握的学生资料一一对比，发现名单100%吻合。从去年开始，大数据研究中心利用智慧助困系统，通过精确的大数据分析技术，帮助电子科大累计挖掘出300名隐形贫困生，资助总额达11万元。

　　要更好地资助贫困生，58.1%的受访者建议提高大数据在学生资助上的应用力度，57.2%的受访者建议真正把资助对象的尊严放在心上，52.2%的受访者建议多开发隐形资助的方式，50.6%的受访者建议保护贫困生个人隐私，32.2%的受访者建议严肃惩戒骗取补助的人。

　　王励希望，学校能够将传统评定资助方式和隐形资助结合起来，并加大隐形资助的覆盖面积。

　　刘悦认为，隐形资助的方式值得推广，同时希望资助力度能够加大，资助对象和数额能够增加。

　　“有了这些精确的信息，学校一方面可以有针对性地取消高消费、伪困难学生的受助资格，另一方面对经济特别困难、生活艰苦的同学发放临时困难补助。大数据将帮助学校发现更多隐性贫困的学生，助力高校人文关怀。”聂敏说。