“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。