资助育人视域下大数据助力国家助学贷款还款救助机制的探索——基于S市T大学的个案分析.pdf

资助育人DOIDOI：1010.1358513585/ki.gxfdyxk./ki.gxfdyxk.20232023.0303.014014资助育人视域下大数据助力国家助学贷款还款救助机制的探索基于S市T大学的个案分析岑余璐（同济大学 马克思主义学院，上海200092）摘要：高校国家助学贷款自1999年发布政策试点以来，在助力脱贫攻坚和促进教育公平、社会公平中作出突出贡献，惠及数以千万计的经济困难大学生。在资助育人工作推进下，将诚信、感恩、励志等主题教育深度融入国家助学贷款工作，助力大学生顺利完成学业的同时，培养其形成正确的价值观，实现成长成才。同时国家也发布了国家助学贷款还款救助的相应政策以保障确实存在还款困难的学生的个人征信记录和贷款银行的回款率。然而近几年，各高校的违约率普遍逐年上升，对于需救助学生的判定与跟踪存在着实操困难。本文通过大数据技术，针对面临不同程度还款困难的学生，探索科学有效的“软硬救助”相结合的国家助学贷款还款救助机制。关键词：大数据；还款救助；主题教育中图分类号：G641文献标识码：A文章编号：1674-5337（2023）03-0087-08国家助学贷款是党中央、国务院在社会主义市场经济条件下，利用金融手段完善我国普通高校资助政策体系，加大对高校家庭经济困难学生资助力度所采取的一项重大措施。大学生通过学校向银行申请贷款，在校学习期间可以免息用于自己的学费、住宿费和生活费，毕业后再分期偿还。在高校国家助学贷款工作开展过程中，将社会主义核心价值观融入资助工作，深度融入诚信、感恩、励志等主题教育，不仅实现大学生的成长成才，同时也培养其感恩于心、励志于人、诚信于行，在毕业后按时履行还款承诺，保证个人征信的良好记录，保证贷款银行的回款率，保证高校国家助学贷款的还款率。自1999年发布政策试点以来，高校国家助学贷款在助力脱贫攻坚和促进教育公平、社会公平中作出突出贡献，惠及数以千万计的经济困难大学生顺利完成学业。同时为了切实帮扶特别困难毕业借款学生解决经济困难，2015年，国家教育部、财政部在7号文件中要求，各省级学生资助管理部门、各高校要合理利用国家助学贷款风险补偿金结余奖励资金、社会捐资助学资金或学生奖助基金，建立国家助学贷款还款救助机制，用于救助特别困难的毕业借款学生。2016年教育部全国学生资助管理中心印发国家开发银行助学贷款还款救助操作规程，明确了在国家开发银行办理生源地信用助学贷款学生还款救助的相关操作说明。然而就所有办理国家助学贷款的毕业学生（生源地信用助学贷款、校园地国家助学贷款、地市或高校单独与金融机构开办的助学贷款等）而言，并不能全覆盖，在目前国内高校的国家助学贷款工基金项目：中国高等教育学会高校辅导员队伍建设与发展研究专项课题“高校思想政治教育评价中的大数据应用研究”（21FDYB24）；同济大学思政基金资助课题“三全育人视阈下融入主题教育的国家助学贷款还款救助机制研究”（tjsz202013）。作者简介：岑余璐（1988），女，同济大学马克思主义学院博士研究生，讲师。87资助育人作中，尚未有现行成体系的还款救助机制和案例做法。国家助学贷款政策施行20多年来，在逐步形成符合中国国情和高校特点的发展模式的同时，也在政策施行过程中发现了一些问题和薄弱环节，例如目前高校资助育人工作基本是面向在校在读大学生开展的，而对毕业后遭受困难无法按期偿还国家助学贷款的学生尚无精准救助的相应措施。尤其是近几年随着大学生自主选择还款方式的转变，基于现行的国家助学贷款银行还款违约率计算公式，在实际逾期未还款人数逐步减少的情况下，高校国家助学贷款还款的违约率却普遍逐年上升。根据对逾期未还款学生情况的大数据追踪发现，确实存在有些特别困难的毕业借款学生（含已故）无法实时与毕业学校、贷款银行取得对接，得到精准的还款救助，但也有毕业学生心存侥幸，企图借助还款救助政策来恶意逃避还款。因此，将大数据分析判断模型这一“硬救助”手段作为国家助学贷款还款救助机制的基础办法，将深度融入诚信教育等思想政治教育这一“软救助”方法作为国家助学贷款还款救助机制的有力补充，探索科学有效的“软硬救助”相结合的国家助学贷款还款救助机制，是落实国家助学贷款还款救助政策的迫切需要与努力方向。一、当前高校在国家助学贷款还款工作中面临的现实困境（一）国家助学贷款学生选择的还款方式的转变国家助学贷款是指按照国家政策要求，通过教育部门向银行申请办理的，享受财政贴息的生源地助学贷款和校园地助学贷款。国家助学贷款的借款学生是指通过教育部门和经办银行的审核，在校期间获得过国家助学贷款的全日制本专科生（含高职）、研究生、第二学士学位的在校生或毕业生。按照国家助学贷款还款政策，贷款学生的毕业还款期限可根据不同情况分为三种：第一种是毕业后按月还款；第二种是提前一次性还款结清；第三种是毕业后继续攻读学位的 不包含出国（境）求学深造申请贷款展期。我们统计了S市T大学20182020年毕业生国家助学贷款的还款情况，结果如下（见表1）。表120182020年T大学毕业生国家助学贷款还款情况表年份还款方式按月还款提前结清申请展期合计2018年本科生938562240研究生53484105合计146133663452019年本科生7913198308研究生8321252合计871631103602020年本科生406871179研究生25272476合计659595255由20182020年连续三年的毕业生还款情况来看，选择毕业后按月还款的学生人数逐年减少，而选择提前一次性结清和毕业后继续升学申请贷款展期（该两种还款方式人数不计入违约率计算公式中的进入还款期人数）的学生占比呈上升趋势。可见，一是国家助学贷款资助政策对大学生顺利完成学业的保障与支持起到了非常明显和至关重要的作用；二是大部分学生在国家助学贷款的资助下，不仅顺利完成本科学业，更有机会和能力攻读更高的学位；三是在国家顺利打赢脱贫攻坚战的整体经济提升和多重政策帮扶下，更多学生有能力在毕业之际就一次性结清国家助学贷款总金额。（二）国家助学贷款还款违约率不断上升的原因分析根据前文所述，越来越多的学生选择了提前一次性还款和毕业后继续升学申请贷款展期，选择毕业后按月还款的学生人数逐年减少。然而，在国家助学贷款银行的统计数据中，高校的还款违约率却逐年上升。按照银行对国家助88资助育人学贷款还款违约率的界定，是指本需还贷的学生近3个月内出现逾期还款的比重，其计算公式如下：违约率=违约人数(逐年累计违约总人数)当年进入还款期人数(不包括已结清贷款人数)100%选择提前一次性结清和毕业后继续升学申请贷款展期的学生人数并不纳入银行违约率计算中的“当年进入还款期人数”，实际上每年只有选择按月还款的学生人数才会计入违约率计算公式中的“分母”，因此“每年选择按月还款的学生人数”与“还款中出现逾期还款的逐年累计人数”是影响高校国家助学贷款违约率的重要因素。我们统计了T大学20172020年毕业生国家助学贷款还款的违约情况，结果如下（见表2）。数据表明，尽管违约人数逐年下降，但该大学的违约率却在逐年上升（如图1）。究其原因，一方面越来越多的学生选择毕业后一次性结清贷款，另一方面越来越多的学生攻读更高学位，每年进入还款期的人数（即选择按月还款的学生）逐年减少，尽管每年的违约人数也在减少，但图表表明，违约人数的减少幅度不及进入按月还款期人数减少的幅度，因此按照违约率计算公式，该大学的违约率逐年攀升。表220172020年T大学毕业生国家助学贷款还款违约情况表年份2017201820192020进入还款期人数146711881011870违约人数160154139129违约率10.91%12.96%13.75%14.83%图120172020年T大学毕业生国家助学贷款还款违约情况图毕业后选择国家助学贷款还款的方式完全尊重大学生的客观情况和主观意愿，每年选择按月还款的学生人数并非高校所能控制。因此，作为高校国家助学贷款资助工作者，要降低学校国家助学贷款违约率，只能更大幅度地降低还款过程中出现逾期还款的逐年累计人数，只有逾期还款的逐年累计人数减少幅度大于当年选择按月还款方式人数的减少幅度，高校的国家助学贷款违约率才能降低。（三）国家助学贷款逾期还款的情况分析还款过程中出现逾期还款的逐年累计人数作为高校国家助学贷款违约率计算公式中的“分子”，直接影响着高校国家助学贷款违约率的变化。大学生毕业后的还款情况与其就业情况、金融观念、家庭经济状况等都有着密不可分的内在联系。尤其是大学生毕业后前三年，89资助育人因为人生下一阶段的选择和就业初期面临的各方面压力，出现逾期还款的情况较多，原因也较为多样。根据逾期年限，本文将S市T大学2019年的逾期学生分为已核销和未核销两类，已核销为逾期未还款超过3年，未核销的则是逾期未还款3个月以上、3年以下的学生。最终我们对逾期的139位学生进行了如下分类，结果如表3所示。表3T大学2019年国家助学贷款还款逾期学生分类结果表逾期学生类型abcde总计已核销421098105未核销20113034占比4.32%1.44%1.44%0.72%92.08%100%备注：a类：贷款学生已死亡或失联；b类：贷款学生遭遇重大变故而永久丧失劳动能力和民事行为能力；c类：贷款学生或其家庭成员患有重大疾病；d类：贷款学生或其家庭遭遇重大自然灾害；e类：因更换联系方式而无法取得联系，以及忘记还款的学生。a类毕业学生为已死亡或已失踪学生，为长久性无法还款；b类毕业学生为遭遇重大变故而永久丧失劳动能力和民事行为能力的学生，为长久性无法还款；c类毕业学生为自身或家庭成员患重大疾病，为阶段性无法独自还款；d类毕业学生为遭遇突发事件，如家庭遭遇重大自然灾害，或者是受新型冠状病毒疫情影响等特殊情况，为阶段性无法独自还款；e类毕业学生主要分两种情况，一种是知悉国家助学贷款还款的重要性，但由于未能很好地设定还款提醒，在进入按月还款期大约半年以后，出现因个人遗忘而错过每月还款期限的情况。另一种是存在侥幸心理，认为毕业后学校就联系不到自己，于是更换个人联系方式来逃避还款。分类结果可见，无法按期还款的毕业学生中，属于不可逆情况（即a、b两类）的毕业学生占比5.76%，这类学生遇到的是长久的、不可逆转的经济困难，往往不再具有还款能力；属于阶段性无法还款（即c、d两类）的毕业学生占比2.16%，这类学生只是暂时遇到困难无法还款，属于“阶段性违约”；而 e 类学生占比92.08%。主要是其主观原因造成了逾期还款。二、探索国家助学贷款还款救助机制的现实分析（一）国家助学贷款还款救助对象的情况分析国家助学贷款还款救助机制的构建及实施有助于精准帮扶和资助育人。习近平总书记提出要把思想政治工作贯穿教育教学全过程，实现“全程育人、全员育人、全方位育人”的高校人才培养创新模式，结合高校国家助学贷款还款工作中遇到的新问题，为降低高校国家助学贷款违约率，解决毕业学生遇到的实际困难，延伸对大学生步入社会后的育人维度，提升毕业学生的道德品格，高校亟须探索出科学有效的还款救助机制。该机制从不同类型的借款毕业生出发，首先需要根据国家精神和学生实际情况细分救助对象类型，其次综合考虑救助人群特点和心理特点，以保证救助对象的精准识别。最后针对不同类型的救助对象，再结合大数据技术追踪手段和诚信教育这两种有效方法，通过动态跟踪、及时联系、精准确认、给予救助、后续反馈等过程和环节，探索出精准的救助机制，设置救助优先级，让真正有需要的毕业学生享受到全过程全方位教育公平的红利，从而增强他们的“存在感”和“责任感”，帮助他们离开学校之后也能健康成长成才，同时规避不良分子以此钻福利空子的现象。根据上文国家助学贷款逾期还款的情况分析可知，出现逾期还款情况的毕业学生中，a、b两类毕业学生遭遇了不可逆情况，即长久的、不可逆转的经济困难，往往不再具有还款能力，如果没有合理的救助机制，该逾期情况将永久地成为学校违约率中无法减少的“分子数”。c、d两类毕业学生面临的是阶段性无法还款情况，暂时因为经济困难无法还款，学校可以暂时帮助这类学生进行部分还款，帮助其渡过经济难关。否则，这些学生就会成为“分子数”，这样90资助育人非主观意愿、突发性、阶段性的违约就成为影响学生一辈子的“信用污点”。对于以上两类情况，高校可以通过国家助学贷款还款救助的相关规定来解决。而e类学生主要是其主观原因造成了逾期记录，针对此类情况的学生，学校需加强诚信教育、做好还款提醒工作，督促学生按时还款，同时建立相应的惩罚机制，以杜绝此类行为，降低违约率。（二）大数据作为国家助学贷款还款救助的技术保障持续跟踪、精准识别已毕业学生的国家助学贷款还款情况，离不开大数据分析及信息平台搭建。此前该大学已运用大数据分析技术为全校近4000名助学成才服务对象进行了“隐形补助”。该校以学生家庭经济情况等基本信息作为数据平台原始数据，根据助学成才服务对象的校园一卡通日常消费表现来组建学生生活数据，动态关注学业困难、家庭困难的学生，综合学生学习情况及勤工助学等情况，通过补助总资金量及综合数据模型分析，精确计算每位助学成才服务对象的补贴，将补贴款项“悄悄”打进其一卡通账户。依托该信息平台，同样可以将大数据分析运用于国家助学贷款还款救助机制的构建，实现全过程、全方位良性的精准预警、精准救助及精准思政教育。整个救助过程针对毕业还款学生，需要填报申请，申请人向办理国家助学贷款所在高校提出助学贷款还款救助申请。结合银行系统，以学生家庭经济情况等基本资料为原始数据，从学生的就业情况、消费水平、信用水平来组建学生生活数据库，大数据分析重点关注经济困难的学生，综合学生已还贷情况和信用情况等其他因素，通过指标的量化，确定帮扶对象及路径。为保证救助的精准性，我们采用联合国开发计划署计算多维贫困指数所采用的“Alkire-Foster方法”，构建救助预判值模型，通过监测学生的就业情况、消费情况、个人征信情况来判断学生是否成为救助对象以及为哪一类救助对象，以保证帮扶对象的精准识别。三、“软硬救助”相结合的国家助学贷款还款救助机制的构建（一）将“硬救助”作为国家助学贷款还款救助机制的基础办法根据关于完善国家助学贷款政策的若干意见（教财20157号），国家助学贷款还款救助工作的对象包括四类借款学生，第一类是死亡、失踪等不可控情况下无法联系上的毕业借款学生（即自己无法自主申请救助机制）；第二类是因故丧失劳动能力、无民事行为能力、无法获得工作报酬的毕业借款学生；第三类是本人或家庭遭遇重大自然灾害或因受全球疫情影响，造成严重经济损失的毕业借款学生；第四类是本人或家庭成员患有重大疾病，造成家庭紧急经济困难的毕业借款学生。国家助学贷款还款救助机制重点救助以上四类毕业学生，针对第一类和第二类的毕业借款学生，可以申请一次性代偿全部应还本息；针对第三类和第四类的借款学生，可以申请代偿当年或部分应还本息，鼓励被救助学生待经济情况好转后，根据本人经济能力，全额或部分返还代偿资金，返还资金存入还款救助资金专账，专款用于以后的救助工作。此外，为避免“钻空子”的侥幸心理，如欠款原因为第三、四类的毕业学生借机以第二类学生身份申请救助，还款救助机制必须借助大数据的动态分析进行后台的数据监控，通过数据联动来进行救助对象的初步筛选和人工智能判断受助优先级。根据国家管理规定及实际资助工作经验，总结出以下10个判断是否救助的指标，并对每个指标制定了标准要求，获取逾期学生在每个指标上的具体值，是记为1，否记为0。1.是否已经死亡或失踪。若确定违约学生已经死亡或失踪，则其无法继续还款；2.是否丧失劳动能力和民事行为能力。若学生已经丧失劳动能力或民事行为能力，则其已丧失自主还款能力；3.毕业年数。按照国家政策要求，毕业60个月内的学生每月只需还利息即可，如果在毕业60个月内出现逾期行为暂不纳入代为还款救助范围；4.其他贷款记录（是否有房贷、车贷等）。91资助育人若学生有车、房等不动产，说明其经济状况尚可，不纳入代为还款救助范围；5.是否有违法违纪记录；6.是否中共（预备）党员。若学生为中共（预备）党员，则可优先纳入学校救助范围；7.已还款金额比例。若学生已偿还贷款本息总金额的33.3%及以上，则说明学生在还款初期信誉很好，突然出现违约情况更大可能是因为突发经济困难，此类学生优先纳入救助范围；8.就业情况。若学生处于失业状态，则表明其暂时没有收入，学校可暂时帮助其偿还部分贷款，直至其经济收入恢复为止；9.家庭是否遭遇重大灾害。对于家庭遭遇重大灾害的学生，为缓解学生短期内遇到的经济困难，学校可以暂时帮助学生偿还部分贷款，直至学生渡过难关；10.学生或家庭成员是否患有重大疾病。对于本人或家庭成员患有重大疾病的学生，其家庭在此期间可能会遇到经济困难，学校可以暂时帮助学生偿还部分贷款，直至学生渡过难关。其中1-5项为救助预判决定值，若1或2项的值为1，则其对应的目标个体直接被列入扶助对象，若3、4或5项的值为1，则其对应的目标个体直接被剔除救助对象范围。经过1-5项的判别后，对于1-5项取值均为0的学生再进行深度判别。将剩余的待判别学生（不妨设为n个学生）及其对应的 6-10 项的值存放入n 5维矩阵()gijn 5中，矩阵元素gij代表第i个学生在第j个维度的取值。最后计算第i个学生的救助预判值Hi=j=15gij，若Hi 4，则其对应的第i个学生则被列为学校救助对象。此外，如果有同学在申请过程中钻了空子，还款救助机制也设置了“防欺骗”门槛，并结合人工智能和后期审查双保险，以及数据持续追踪，力图改善国家助学贷款工作的现有瓶颈状况。通过大数据动态分析来精准把控国家助学贷款工作中的关键核心要素，通过各要素彼此间的内在联系，设计科学的具有实际操作意义的还款救助工作机制。（二）将“软救助”作为国家助学贷款还款救助机制的有力补充对于遭遇不可逆情况、面临暂时性困难的毕业学生，高校通过采用“硬救助”来解决毕业学生实际的经济困难，及时核销高校国家助学贷款还款工作中的逾期违约记录。而对于因主观原因（无意遗忘、恶意逃避）造成逾期还款记录的毕业学生，高校可通过大数据技术追踪手段、诚信教育等方式进行“软救助”，作为国家助学贷款还款救助的有力补充。在国家助学贷款工作的实际开展中发现，申请国家助学贷款学生中的党员人数逐年在增加，这也侧面反映出接受国家助学贷款资助的学生在接受学校开展的励志教育、诚信教育、感恩教育、金融安全教育、社会责任感教育等一系列主题思政教育后的工作成效，反映出申请学生的思想积极向上、努力与组织靠拢、有为人民服务的意愿、正直有责任心等情况。通过对该校全体接受国家助学贷款学生（共计8123人）的政治面貌的分析，结果如下（见表4）。表4T大学接受国家助学贷款学生政治面貌情况表政治面貌党员非党员总计人数361245118123占比44.47%55.53%100.00%由表 4 可见，贷款学生入党率达 44.47%，高于大多数学院、班级中的学生党员比例，说明大部分接受国家助学贷款的学生思想积极向上，学校的主题思政教育工作颇有成效。同时我们调研了139名违约学生的政治面貌，只有4名毕业学生是党员，占比2.9%，可见入党行为也可以间接地反映出学生诚信行为的情况。因此，在国家助学贷款工作开展的过程中，紧扣资助育人的主题思政教育是必不可少的重要内容。通过开展诚信教育、励志教育、感恩教育、金融安全教育、社会责任感教育等一系列主题教育活动，可以塑造学生优秀的品格，培养学生自尊、自强、自信、自立的精神、诚实守信的优秀品德，增强学生感恩助人的社会92资助育人责任感，从根本上杜绝由学生因未形成良好的价值观而产生的主观上“心存侥幸、恶意拖欠”的不良行为。通过“关爱困难学生”与“严惩恶意违约”相结合的模式，构建“主题教育常态化提醒惩戒机制”三位一体的“软救助”模式，保障学校启动“国家助学贷款还款救助”时能够精准判定与施救，预防违约行为的发生。以往高校的主题思政教育一般是从学生入学开始到毕业结束，然而大学生的毕业并不代表其个人国家助学贷款还款的结束，因此将这一主题思政教育过程延续至毕业后直至还款完毕这一段时间是非常必要的。毕业前统一组织对学生进行还款的宣讲培训，告知学生助学贷款系统将延续到毕业之后，让学生明确还款流程，树立按时还款的意识；临近毕业季，再次组织开展金融安全风险教育，让即将步入社会的学生有金融安全意识，邀请优秀学长分享他们接受国家助学贷款再到他们在社会中奋斗作贡献甚至反哺母校的励志故事，激励他们诚信借贷，懂得感恩，形成“他助自助助人”的资助链条；毕业后，通过线上平台多角度地进行宣传普及，让诚信精神深入人心。针对毕业后学生，在进行主题思政教育的同时，也可通过大数据平台对还款学生进行常态化的还款提醒工作。学校与银行联合建立学生还款情况数据库，及时跟踪、更新受助学生的还款情况以及自身发展情况，若发现有学生在规定期限前三个工作日还未进行还款，及时进行提醒工作；若发现有学生连续两个月未进行还款，及时形成反馈；若超过三个月未还，则引入惩戒机制，违约学生将进入信用黑名单，以预防恶意违约的发生。四、“软硬救助”相结合的国家助学贷款还款救助机制实践成效在经过一年多“硬救助”与“软救助”相结合的国家助学贷款还款救助机制探索与实践后，该校2021年的国家助学贷款还款违约情况明显得到改善（见表5）。表5T大学20172021年该校毕业生国家助学贷款还款情况表年份20172018201920202021进入还款期人数146711881011870755违约人数16015413912923违约率10.91%12.96%13.75%14.83%3.05%一方面进入还款期人数依旧在逐步下降，另一方面通过对遭遇不可逆情况、面临暂时性困难的毕业学生进行“硬救助”来核销学校的违约记录，以及通过对“忘记还款或恶意违约”这一类学生判定后的大数据动态跟踪和与银行还款系统平台的数据联动，通过定期定时提醒，以及诚信感恩教育，该校违约人数骤降至23人，违约率降为3.05%（见图2）。93资助育人图220172021年T大学毕业生国家助学贷款还款情况图因此，切实建立好还款学生还贷数据库，实时更新，精准识别，学校代还的“硬救助”与“主题教育常态化提醒惩戒机制”三位一体的“软救助”相结合，构建完整的国家助学贷款还款救助机制，有效做到还款救助机制与诚信教育有机结合，推动“政府主导、教育主办、金融支持”的助学贷款模式健康可持续发展，全方位地展开诚信教育、感恩教育、励志教育、法制教育等，基于主题教育，潜移默化引导学生建立正确的价值观，同时面向他们实施救助机制，切实解决学生实际问题和困难，同时防止部分学生利用政策钻空子，有助于构建切实可行的国家助学贷款还款救助机制。国家助学贷款还款救助机制，不是饭来张口、衣来伸手的包办补贴福利，在资助帮扶困难学生的同时离不开紧密结合的主题教育，真正实现资助育人的内涵。通过对具体还款救助措施的操作实施，发现、总结优缺点，有针对性地完善国家助学贷款的还款救助机制，借助当前“三全育人”工作格局下资助育人取得的成效，优化各类主题教育融入国家助学贷款工作的切入点、着力点和落脚点，提升思想政治教育质量，将制度和体系的优势转化成实际效能，让每一位受助学生不因不可抗力或实际困难而遭受无法跨越的难关，造成“信用污点”影响终身的遗憾；让每一位受助学生在学校科学有效的国家助学贷款还款救助机制的保障下，克服困难，成长成才，怀着励志、诚信、感恩的心，实现从“受助者”到“助人者”的转变。参考文献：1 陈宝生.进一步加强学生资助工作 N.人民日报，2018-03-01（13）.2 赵贵臣，肖晗.诚信教育融入高校资助育人体系的路径 J.思想教育研究，2021（1）.3 张远航，郭驰.“三全育人”视域下高校资助育人的逻辑建构 J.思想理论教育，2020（7）.4 张远航.高校资助育人的价值意蕴与实现路径 J.思想理论教育，2018（6）.5 戚谢美，管晓怡.国家助学贷款的政策学分析 J.浙江大学学报（人文社会科学版），2004（4）.（责任编辑：陈勇）94Exploring the Mechanism of National Student Loan Repayment Assistance through Big Data in thePerspective of Funding Education Based on a Case Analysis of T University in S CityCen Yulu（School of Marxism，Tongji University，Shanghai 200092）AbstractAbstract：Since the pilot policy of national student loans was released in 1999，it has made outstanding con-tributions to poverty alleviation and the promotion of education equity and social equity，benefiting tens ofmillions of economically disadvantaged college students.With the advancement of funding education，themes such as integrity，gratitude and motivation are deeply integrated into the work of national studentloans，helping college students to complete their studies smoothly while cultivating their correct values andachieving growth and success.At the same time，the state has also issued corresponding policies for nation-al student loan repayment assistance to protect the personal credit records of students who are indeed havingdifficulty repaying their loans and the repayment rate of loan banks.However，in recent years，the defaultrate of universities has generally increased year by year，and there are practical difficulties in determiningand tracking students who need assistance.Through big data technology，a scientific and effective nationalstudent loan repayment assistance mechanism that combines soft and hard assistance can be explored forstudents facing different degrees of repayment difficulties.Key wordsKey words：big data；repayment assistance；theme education高校辅导员学刊100