孙云龙 高媛
伴随国家教育数字化战略行动纵深推进与“人工智能+”行动全面部署，高等教育治理体系正经历由“经验依赖”向“数据驱动”的系统性重构。高校学生资助作为保障教育公平的基础性制度安排，其内在运行逻辑同样呈现出由“生存型兜底”向“发展型赋能”的范式跃迁。长期以来，传统资助模式受“信息不对称”与“手段同质化”双重约束，在资助对象识别环节存在“漏判”与“误判”的情况，在育人效果层面也陷入“重经济救济、轻能力培育”的困境。人工智能依托多模态数据融合与逻辑推理能力，为破解上述治理困境提供了可行技术路径。
从“看表象”到“全息画像”，让资助对象认定更客观。资助对象的精准认定，实质上是围绕“困难表征”展开的认知建构过程。传统资助机制建立在“困难可自陈”的朴素认识论基础之上，依赖学生的主动申报与民主评议程序。这种“表征性识别”模式难以规避“福利污名化”引发的信息隐匿问题，更易受到“人情关系”的干扰，一定程度上导致资助资源错配。而且，传统认知路径往往将经济匮乏直接等同于困难本身，忽略了文化资本与社会资本缺失对个体发展的深层制约作用。但生成式人工智能的介入，推动困难识别逻辑实现了由“表征归纳”向“数据生成”的跃迁，其核心机理是构建在校学生的“数字孪生”模型，完成对困难状态的“全息画像”。算法分析不再局限于对单一经济指标的线性解读，而是通过关联规则挖掘，将时序消费数据、学业发展轨迹、社交网络结构乃至网络行为日志进行多维度耦合。这种基于全量数据的“计算感知”，能够有效识别“持续性低消费与高频兼职的非线性关联”等复杂特征，穿透表象触及困难的深层结构性成因，既破解了信息不对称难题，又在技术层面实现了“隐形资助”，让受助者在无感知状态下完成资助资源匹配。
从“单纯给钱”到“育人成才”，让受助学生发展更有底气。发展型资助的核心内涵，在于超越单纯的经济救济范畴，转向对受助者内生发展动力的培育。传统资助模式通常止步于“资源输入”，即将资金作为外部变量注入受助过程，却未关注资源如何转化为支撑个体发展的“内生动力”。这种“输血式”资助难以阻断困难文化的代际传递，甚至可能诱发“福利依赖”问题。生成式人工智能的应用，为实现“能力再造”提供了技术载体。它构建起“评估—生成—干预—调适”的动态闭环系统：首先，基于大数据学情分析与心理画像，精准诊断受助者在人力资本（学业技能）、社会资本（人际网络）与心理资本（自我效能感）等维度存在的短板；其次，依托AIGC的内容生成能力，动态合成高度个性化的发展赋能方案，内容涵盖学业辅导、生涯规划、心理支持等多重要素。尤为关键的是，生成式人工智能作为“智能协作者”，能够通过自然语言交互提供苏格拉底式的启发性引导，推动学生开展批判性思考与自我探索。这种“伴随式”干预机制，将资助过程转化为“增权赋能”的发展历程，帮助受助者突破结构性束缚，实现由“外部资源依赖”向“内生能力生成”的转化。
从“技术万能”到“以人为本”，让算法应用始终有温度。技术的泛智能化应用往往伴随着“技术乌托邦”想象与“算法霸权”双重风险。在学生资助场域中，若缺乏对生成式人工智能的审慎规制，极易陷入“技术决定论”桎梏，引发算法歧视、隐私泄露与责任消解等伦理危机。构建适配性的“算法治理”框架，是保障生成式人工智能向善发展的核心前提。该治理框架需遵循“循证决策”与“价值对齐”的双重逻辑。在方法论维度，应引入“循证治理”理念，依托生成式人工智能的反事实推断能力，对资助政策的长期效应开展模拟评估；通过追踪受助群体毕业后的职业发展轨迹，验证不同资助模式的边际效用，推动资助政策制定从“经验惯性”向“数据智能”转型。在价值论维度，必须确立“价值理性”的主导地位：其一，坚持“算法透明”原则，建立算法审计与可解释性机制，破除“技术黑箱”，保障师生的知情权与申诉权；其二，恪守“辅助性原则”，明确人工智能的“决策支持”定位，厘清教育工作者的主体责任边界，在情感关怀与伦理抉择场景中，技术必须让位于人；其三，强化“隐私计算”技术的落地应用，在数据开放共享与个人隐私保护之间寻求动态平衡。唯有将技术逻辑置于教育规律的统摄之下，方可避免资助工作异化为冰冷的数字演算，确保技术运行始终服务于促进人的全面发展的核心目标。
面向未来，高校应当秉持“科技向善”理念，推进跨学科协同创新，破除数据孤岛壁垒，完善制度体系设计，构建兼具“精准感知、个性赋能、循证治理、伦理规约”特征的智慧资助生态系统，让每一位学子都能在技术赋能下获得人生出彩的发展机遇。
作者单位分别为桂林理工大学环境科学与工程学院、桂林学院马克思主义学院
本文系广西高校中青年教师科研基础能力提升项目“广西高校‘数智化’精准资助平台构建研究”（编号：2024KY0241）；桂林理工大学辅导员专项研究课题“生成式人工智能视域下广西高校精准资助‘数智化’平台构建研究”（编号：GUT25FB08）阶段性成果。
