蒋年韬

摘    要： 大学生先进典型培育过程中流动着“大数据”，运用大数据思维挖掘数据本身的价值，是提高大学生思想政治工作质量的重要途径。需要树立先进典型培育的大数据思维转向思维，通过构建提高先进典型培育质量的多维度系统、创新先進典型培育方式方法等达到质量提高的目的。

关键词： 大数据思维    大学生先进典型    培育质量

一、大数据思维与大学生先进典型

（一）大数据和大数据思维的特征

对于大数据的特征，目前较为一致的认识是具有“4V”特征，即数据信息量“大”、大量的相关信息价值密度低[1]、流动速度快、数据种类繁多等。如何处理和运用大数据，相应的就形成了大数据思维。大数据思维指一种意识，认为公开的数据一旦处理得当就能为千百万人急需解决的问题提供答案[2]。比如普遍认同的大数据整体思维、全样思维、容错思维、相关思维等。

（二）大学生先进典型概念及培育的内涵

大学生先进典型（以下简称先进典型）是大学生群体中积极践行社会主义核心价值观，体现中国特色社会主义新时代精神的人物和事件。先进典型凝聚了中华民族的优秀品质，反映了时代的主旋律，在大学生群体中起着示范、榜样和引领作用。

先进典型培育的内涵是立足于培养中国特色社会主义合格建设者和可靠接班人的视野，通过培养、选树、宣传和学习当代大学生中的先进分子和杰出代表，发挥先进典型的感召力、影响力，从而将社会主义核心价值体系融入大学生内心和日常行为的过程。

二、大学生先进典型大数据的内容及作用

（一）先进典型大数据的内容

主要包括个体信息和典型信息。个体信息主要是先进典型个体的姓名、性别、出生年月、籍贯、政治面貌院系、专业、班级等身份，档案中记载的自我评价登记表、成绩单、奖励/处罚表等重要信息，具有唯一性。这些信息一般伴随先进典型一生，也是先进典型数据库最基础、最重要的一部分，在收集先进典型数据时，成为先进典型数据表的基础部分。典型信息主要包括优秀党员、优秀团员、三好学生或者在科技发明、文体活动、创业创新、志愿者、最美系列、感动中国、全国道德模范等涉及道德类、知识类、技能类、才艺类、心智类、创业类、创新类等不同类别类型的先进典型包含的个性化信息，每类典型传递的信息内容及社会效应、影响力、生命力、德能层次均有所不同，因此产生的分层分类的典型数据也不同，数据“量”非常大。

（二）先进典型大数据的作用

目前，先进典型数据的收集和掌握已经成为高校先进典型培育中一项重要的基础工作，在客观反映先进典型的成长历程的基础作用下，体现了对先进典型培育的成效。

一方面，由于先进典型的价值取向与社会核心价值观高度契合，因此，在大学生群体中能够极大地增进他们对社会主义核心价值观的情感、理论和政治认同，增强践行社会主义核心价值观的自觉性、自信心和自豪感，真正发挥典型的榜样效力。

另一方面，能够发现先进典型培育中存在的问题。比如，为选塑“包装”典型而刻意模糊掉典型本身的一些数据，“数据”信息失真，使先进典型很“完美”，致使选树起来的典型缺乏真实性和公信力。同时，对先进典型数据的采集和运用，存在采集更新不及时，导致“数据”变现不够、“数据”资产断链、“数据”传播欠缺，使先进典型日常培育成效降低，后续监督环节缺失，致使先进典型培育质量不高。

三、大数据思维提高大学生先进典型培育质量探析

每所大学从创建到现阶段均积累了大量的先进典型，对学校来说是一笔宝贵的思想政治资源，传统培育方式已不再适应新的变化。因此，运用大数据思维和相关技术能帮助我们快速、全面地抓住先进典型大量不同类型的有价值的动态数据信息，为更好地挖掘先进典型资源、培育先进典型打下坚实基础。

（一）先进典型培育的大数据思维转向

大学生先进典型所处的时代是一个充满“数据”的时代，浏览网页、打电话、微博、QQ、微信、跟帖、Face book及Twitter等，这些不断产生的海量数据“堆砌”着庞大、庞杂的数据大厦。对数据的有效利用，除技术本身外，更重要的是树立先进典型培育的大数据思维，“数据化”先进典型培育工作，以数据为客观支撑，进而助力提高培育质量。

1.树立先进典型培育的整体思维，在注重个体数据样本的基础上转变为全部数据样本。

先进典型培育是一项复杂的系统工程，具有较强的系统性，需要借鉴大数据的整体思维。一方面，从先进典型培育的全过程来看，包括先进典型的发掘、选树、宣传、培养、学习和后续跟踪培养等不同阶段，如果缺少其中一个或几个阶段，整项工作就会受到影响，培育质量不高。另一方面，在先进典型数据采集上运用大数据技术，可以更加全面、立体、系统地获得所需的全量信息，使培育工作能够综合性、多角度、准确了解先进典型各方面的情况。这种方式得出的结论数据偏差小，得以窥全貌，将整体思维应用到先进典型培育中，是在新形势下完善提高先进典型质量的必由之路。

2.树立先进典型培育的模糊思维，在关注精确度的基础上转变为更加关注成效。

面对海量数据及呈现出的复杂性，不可能亦没有必要全部分析利用。客观的是，少量错误或不相关的数据，甚至包括构成的非核心培育指标，对整体样本产生的影响基本可以忽略不计。相反，数据的多样性、丰富性及完整性，更能适时地动态反映每一个先进典型客观现实情况。培育工作在适当降低微观层面对数据精确度要求的基础上，以培育成效为导向，把关注点放在分析研究相关性强的数据之间的内在联系，找到对培育先进典型有积极影响的事物，把握有效数据与现实之间的契合度，将有利于我们随时了解先进典型的思想动态变化、发展轨迹，并及时解决培育过程中可能出现的问题，从而提高培育质量。

3.树立先进典型培育的相关思维，由功能是价值转变为数据是价值。

建立基于先进典型群体或个体之间内在联系的相关性思维，是树立大数据思维的核心关键点。与之相对应的是因果思维，在小数据时代，能够找出两个事件之间有必然的简单的线性联系，利用数據本身蕴含的信息以证明需要的“结论”，局限性在于不能对事物之间隐蔽的相关关系进行挖掘。在大数据时代，更多的是一种非线性的因果关系，即相关性。因此，更需要注重挖掘和操控先进典型数据间的关联性，变问“为什么”到只关注“是什么”，而“是什么”给我们提供的信息能够避免思维方式陷入冗长的因果关系链，可以根据这些数据的改变调整培育方法，实现对先进典型的精准评价及对其发展变化的准确预测和预警，为快捷准确地找到解决培育问题的方案提供有效的路径。

（二）大数据思维提高大学生先进典型培育质量的路径

1.构建提高先进典型培育质量的数字融媒体平台。

对于大数据思维模式下的先进典型培育而言，如何获得先进典型的数据及衍生的数据链就是关键，只有掌握数据，才能发挥数据的作用和价值，从技术上需要我们积极构建先进典型的数字融媒体平台。具体应做到以下两点：

其一，建立并完善校园一体化的大数据数字系统。这套系统应具有搜集先进典型信息、信息监控、综合评价等功能，把看视无关的碎片化信息整合起来，比如，利用党校活动记录先进典型关注时政的信息，通过对其参与不同活动次数、讨论话题的热度、提交思想认识的频率等信息进行数据化处理和相关性分析，便可大致了解思想变化的轨迹。

其二，“数据革命实际上是统计学的革命”[3]，在大数据数字系统的基础上还需要进一步获取有价值的培育信息，比如，先进典型对某一特定事件事物的认知价值取舍是否正确，日常校园行动路线轨迹，人际交往圈的变化等，要把这些数据存储起来，并实现数据存储的集成化、规范化、可共享化，从而让数据充分流动起来，让数据“说话”，才能释放数据的聚合效益，达到对先进典型培育效果的精准预测，实现大数据与培育的深度融合。

2.构建提升先进典型培育质量的多维度系统。

基于先进典型培育的系统性特点及向大数据思维转向的必然要求，具体在以下多维度系统构建上下功夫：

第一，在现有选树先进典型的基础上，进一步拓展多类型多层次的先进典型选树系统、选树学习优秀、自立自强、创新创业、志愿服务、社会实践、敬老孝亲、扶危助困等多种类型的先进典型、划分不同层次的先进典型、完善先进典型的选树方式等。

第二，依托大数据网络系统，形成各种媒体高校间的立体化宣传系统。有效统筹安排各种媒体之间的立体化宣传系统、构建高校之间的资源共享联盟，协同存数据，打破“信息孤岛”，交换共享。

第三，完善可持续性的先进典型保障与培育系统。包括在经济保障体系的建立上不断完善，为先进典型的培育提供经济保障;在先进典型的后续教育系统、持续培育系统上，加大构建的力度和深度，使培育具有可持续性。

第四，建立科学合理的先进典型教育质量提高的评价系统，包括构建科学的学生、教师与高校评价体系、运用科学的先进典型教育质量提高评价方法等。

3.创新先进典型培育方式方法。

大数据思维是多维度的思维，先进典型数据的产生也是多维度的，单一维度的思维已不能满足培育的需要。因此，培育需要大数据思维的多维度，必须拓展培育思路，创新培育工作方式。具体做法有：

第一，适时形成针对性的培育改进方案，及时给予指导。先进典型的表现是有起伏的，把握“起伏”，就要利用大数据技术，在宏观层面，通过一个时间段的“区间”数据，看其整体发展趋势;在微观层面，通过及时产生的数据，及时发现先进典型在思想、行为等方面的问题或可能的苗头;结合宏观和微观的数据及关联性，据此给出指导、引导，在动态过程中不断加深对先进典型的思想、心理和行为的认识把握，并找到培育规律。

第二，恰当运用全样本（整体）思维，不断完善培育工作方式。在与先进典型交流互动的过程中拓展教育思路，用全样本（整体）思维自觉主动地接触新事物、运用新方式。例如，建立课上课下相结合的微信公众平台，使之成为教育管理与服务的“朋友圈”，发挥其在信息传递、信息呈现和信息反馈方面的便捷性，把课堂讨论、作业考试、学习资料分享等教学活动内容嵌入此平台，让课堂活跃起来，达到每一节课堂都是课堂思政的效果。

第三，提高数据分析、处理能力，运用有信度的数据培育先进典型。收集到的先进典型原始数据大多是模糊的、杂乱无章的，在核查数据的来源、检验数据的“质量”、考核数据的结果的基础上，进行分类整合，从众多数据中发现有价值的关联性，从宏观上整体把控，及时掌握先进典型的动态变化[4]，并给出先进典型发展的合理建议，进一步提高培育的有效性、针对性。

第四，运用多种形式的先进典型培育评价，推动其学业进步。在培育过程中，对先进典型评价的重要性、导向性是不言而喻的。比如，在对先进典型比较常见的形成性、水平性、反馈性及诊断性学业评价上，对存在的具体问题要具体分析，为思想品德与行为规范、社会实践表现、各种课程学习及担任社会工作等方面提供个性化、符合实际的学业建议，并开展线上学习、线下面试相结合的学业评价。当然，还要鼓励先进典型主动学习大数据相关知识，形成大数据思维，促使其学会运用大数据优质资源助力在校学业进步和个人职业生涯规划实现。

参考文献：

[1]张健.大数据的特征与应用[J].黑龙江教育·理论与实践，2018（6）：81-82.

[2][英]维克托·迈尔·舍恩伯格（Viktor Mayer-Sch？觟nberger）.大数据时代[M].杭州：浙江人民出版社，2012.

[3]涂子沛.大数据：正在到来的数据革命以及它如何改变政府、商业与我们的生活[M].桂林：广西师范大学出版社，2012：67.

[4]于科宇.大数据时代高校思想政治教育模式创新分析[J].黑龙江教育.理论与实践，2017（4）：29-30.