作者：南都社论

　　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，在达到目的时能尽可能避免制造新的问题。

　　大数据应用正在进入越来越多的领域，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，近日，电子科技大学学生陈文(化名)收到了学校悄悄打给他的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。

　　所谓隐形补助，具体而言，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。

　　通过大数据进行贫困生认定，一个重要好处在于，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。

　　高校扶贫的目标一直针对绝对贫困，以温饱问题、学费不足为主。不同于相对贫困，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，在达到目的时能尽可能避免制造新的问题。

　　大数据分析背后的逻辑强调的是相关性，通过无数个相关性数据的叠加计算，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，是否存在刻意降低就餐标准来套现的学生呢?要知道，在很多高校，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。

　　提出这样的疑虑，显然不是为了指责有类似行为的学生，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。

　　瑕不掩瑜，到目前为止，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”，从而提前介入对他们的学习帮助。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。

　　其二，大数据助学扶贫制造了“所有人的数据只对系统开放，不对彼此开放”的格局，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。