谢晓娟, 宋悦萌

(辽宁大学 马克思主义学院,辽宁 沈阳 110036)

习近平总书记在党的二十大报告中指出,教育、科技、人才在社会主义现代化国家建设进程中发挥着基础性和战略性支撑作用,强调打造“数字中国”和“智慧中国”的目标要求,这就为促进科技与教育的深度融合提供了根本指导,明确了运用大数据的必要性。本文通过把握大学生思想政治状况的重要性、大数据具有的优势和可行性等问题,来阐明运用大数据分析大学生思想政治状况的必要性。

一、大数据是准确把握大学生思想政治状况的现实需要

大数据具有全天候全覆盖的特性,这就为思想政治工作提供了一种全新的、庞大的信息资源。大数据从分散到集中、从孤立走向合作共治、从主观判断到科学判断,是一种技术上的优越性;大数据的整体样本、复杂性等思维特点,为思维方式的转换提供了支持。

1.大数据可以提升思想政治状况分析方法的科学性

在大数据时代背景下,高校思想政治工作队伍中,信息技术相关人才的比例在不断地攀升。与此同时行政学专业、管理学专业等多个学科领域的复合型人才也被全面吸引进来。推进思想政治状况分析工作科学化必须利用好大数据,准确识别大学生的个性化诉求和共性化的要求的高度整合,与社会发展态势对接、与大学生的兴趣偏好对接,精准对接社会发展需要与学生现实状况,提供既具有针对性但不失科学性、既具有趣味性但不失思想性的教育内容。在新媒体蓬勃发展的背景之下,学校网站的建设更完备、微博以及微信公众号的作用更明显。如此就让信息的传输路径变得更加多元化,而且其智慧化色彩和便捷性色彩也更为浓郁,这些都在无形中扩大着大学生思想政治状况信息获取的渠道。大数据的时代背景下,大学生在网络当中的每一个痕迹都会被跟踪记录。教育主体可以充分借助大数据的信息收集技术和数据挖掘技术,对大学生的数据信息进行动态化的管理。这样可以了解大学生的学习状态和情感状态等等。通过对大学生的数据画像,帮助教育者更好地了解大学生个人的相关情况,并且通过科学的判断以及精准的预测,让教育工作者对大学生的心理活动有一个更深的认识。

由于在技术领域存在局限性,很多教育工作人员还在继续使用传统的人工记录的方式,对相关的数据信息进行提取,这必然会导致一些偏差的出现。并且现在针对大学生内心想法的“解读”,很多教育主体采取的是谈心的方式以及观察的方式。但是当代大学生的思想和情感都比较丰富充沛,且自尊心较强。这也就意味着他们内心的想法是在不断地变动的,并隐藏着自己真实的想法。借助于大数据进行信息资料的收集,能够让教育主体更清晰精准地了解大学生的思想政治状况数据。通过数据的采集和分析,可以了解大学生的图书馆借阅、出入、使用等情况,了解食堂消费的情况,使用手机软件的频次、关注的热门话题等,从中分析出该生的日常学习状况以及相对应的生活习惯。这些数据信息也是对大学生真实的思想、行为动态进行反映的关键要素。同时,通过大数据,对大学生的思维发展趋势以及行为发展轨迹进行动态化地分析,也能够及时地查验其中的隐患,进而让干预活动和教育活动更及时、更精准。

2.大数据可以完善思想政治状况信息所需的数据资源

数据可以提供更为全面的认知资源。大数据资源的“大”指的是大数据的供给,这是基于现代化的信息化手段,将一切可以记载的资料都进行新形式的记录。传统的数据形式在新技术的加持下不再是一种简单的、具有一定组织形式的数据,而是一种无组织的、无明显结构的流通单位。在大数据时代,人们能够通过互联网进行信息的交流、数据的交互,用这样的方式实现信息与数据的传递。可以说,这是一个随时随地留下痕迹、记录痕迹的年代,人们走到哪里,哪里就会留下什么痕迹,而所有的现象,所有的记录,都已经脱离了历史的范畴,而是通过数字化的方式呈现、存储、分析和使用,最终形成了宝贵的数据资源。大数据资源所能提供的各种信息包括出勤、成绩、消费、借阅、上网等,都是通过日常生活中的点滴来反映学生的真实生活状况,可以有效防止学生因主观情感、态度等主观因素等而故意隐瞒某些行为,从而导致调查结论错误的情况。从根本上讲,大数据资源可以使高校的思想政治工作更深入地认识到教育对象,从而为进一步准确地进行思想政治工作奠定基础。

大数据是一种重要的信息资源,借助数据库技术,可以极大创新传统的数据资源。大数据技术能够将各种类型的信息资源转化为数字文本,并通过对其进行背景分析等专业操作,克服现有数据库中的“碎片化”问题。新时代正确把握高校学生的思想政治状况,是做好高校思想政治工作的前提与基础。但是,在以往的研究中,受样本数量的局限,使得问卷调查等传统分析方式的研究成果并不能完全准确地反映出受访者的思想状况与行动倾向。随着大数据技术的到来,这个以往调查领域的瓶颈得到突破,借助大数据分析技术,可以通过学生的日常痕迹,综合解析出大学生学习、生活、消费、娱乐等习惯特点,进而深化对大学生思想政治状况的综合理解。

3.大数据可以满足大学生思想政治教育工作差异性的需要

大数据为大学生提供了海量的学习资源,在拥有多元知识的环境中,大学生其自身的个人需求也变得与众不同。由此导致的大学生思想政治教育工作的差异性需求渐渐成为高校思政工作的重点内容。这就让传统教育模式的短板和弊端有机会得到彻底地颠覆。因此大数据与思想政治教育工作高度整合,是确保大学生思想教育活动转向工作差异性重点上的不断发展的关键路径。常规的研究方式着重于探究事物的想法和行为的表面原因,其重点在于探索目标的想法和行为的外在因素,所以忽略了很多看似没有实际内在联系的信息,从而让我们对于意识形态的分析和考察处于一种被动的状态。但是,大数据技术能够打破事物之间的联系,将实际问题中那些看上去不相关的要素与信息通过计算的方式联系起来。在此基础上,利用关联性数据库,可以全方位、多角度地展现出学生的思想政治状况。一些高校通过对学生食堂就餐、图书借阅、体育锻炼等行为进行大数据分析,相应地形成学生对各项校园服务设施的“满意度”指数和校园生活“幸福感”指数,并根据这些指数的高低变化情况对不同服务部门提出改进工作的建议等;还有一些高校将大学生在校期间参与班团活动、社团活动、社会实践活动等情况制作成学生的“第二张成绩单”,既对每一个学生的校园文化生活进行数量化呈现,也对不同群体参与同一类校园文化生活的平均状态进行大数据分析,从而为大学生总结与反思自己的大学生活提供客观的数量化评价与参考等。在分析的过程中可以不断完善问题诊断的全面性。以往的定性研究侧重于从局部的背景中搜集一些静态、零星的资料,再从综合的角度来判断其动机,但是,从局部的角度来看,并不能完全地反映出一个人的问题。而大数据本身在问题辨识方面就具有较强的优越性,可以利用问题辨识的模型,利用关键性的数值进行预置,精准地诊断思想行为背后的共同特征和个体性差异,实现高效的预判和对聚焦性问题的精准发力。这样才能实现:只要客体的思想和行为有所偏差,主体就能做出及时的回应,这也同样凸显了开展差异性工作的必要性。

以往针对于大学生的思想政治教育活动的推动和实施,教师采取的方法大都大差不差,千篇一律的教学方式仍然占据着十分主要的位置。而且在操作运行的过程当中表现出来的模式化和统一化的色彩过于强烈。在大数据的时代背景下,可以借助于大数据的手段对学生们的思想领域以及行为领域的各种信息进行全面的收集,这样就能够了解学生们的偏好与兴趣。同时教育者也可以根据大数据测算的最终结果以及学生们的实际情况来匹配更适宜的教育模式。因此大数据与思想政治教育工作的高度整合,是确保大学生思想教育活动朝着个性化以及针对性的方向不断发展的关键路径。

二、大数据把握大学生思想政治状况的学理分析

大数据的全样本信息特征与思想政治状况信息的全面性具有高度的适配性,并且大数据的信息收集和处理能力有助于及时掌握大学生的思想动态并且可以一定程度上判断思想轨迹,以便更好地服务于学生,实施更具精准化的教育,同时也可以弥补以往分析方法在信息化时代的不足,让大数据技术在思想政治状况分析领域展现充分的理论价值。

1.大数据与思想政治状况分析方法的契合

在大数据时代,数据的记录、存储、收集、分析越来越便捷,越来越多地被用作一种新的预测手段和一种科学的决策手段。大数据利用其精准的数据采集、科学的数据分析、先进的数据跟踪监测以及实时获取数据的能力,能够对数据进行建模、分析。并且可以根据数据与现象的相关性,找出数据间的内在关系,科学地分析数据的相关性,进而找出问题的根源,做到对事件发展趋势的合理预测,有利于对教育决策的细节进行优化和完善,从而提高大学生思想政治状况分析的科学性。这样就可以从根本上提高大学生思想政治教育的决策水平,使其更加科学化、规范化、精确化,增强实效性,为大数据在思想政治状况分析中的应用提供理论支撑。

2.大数据与大学生思想政治状况信息化需求的契合

目前一些比较传统的分析方法没有理念支撑和技术引导,信息化水平还处于亟待提升的状态下,大学生思想政治教育的信息化诉求没有全面满足的空间。伴随着云计算等新型技术手段的不断发展和进步,数据也变得更加丰富,数据的总量也变得更为庞大,人们传统的获取数据资料的方式也得到了根本性的变革。借助于大数据进行信息资料的收集,能够让教育主体更清晰精准地了解大学生的思想政治状况数据。通过大数据,对大学生的思维发展趋势以及行为发展轨迹进行动态化的分析,也能够及时地查验出其中的隐患,进而让干预活动和教育活动更及时、更精准。这也就意味着借助大数据信息理念的引入以及信息方式的优化,能够让教育的方法更丰富,能够让大学生思想政治教育信息化的诉求得到全面地满足。

3.大数据可以提供更为全面的认知资源

“量大”是一种资源所能提供的重要特征,它是以现代信息技术为基础,所有能被记录的数据都被记录下来,“全体”不仅仅是一种传统的结构式的数据,更是一种没有结构的数据;采用综合数据而非随机抽样;是关于全部样本的数据,而非样本数据。在这个大数据时代,人们可以利用网络来进行信息的检索、购买、沟通、发表意见、记录等等,并将自己的需求等进行不断地传递。可以说是“所到之处,皆有迹”。那些“痕迹”、现象和记录,都已不再是“历史”了,它被以数据化的方式展示、保存、分析、利用,并将其转化为有价值的数据资源。此外,还可以利用无所不在的传感器,以最自然、最真实的方式呈现出来,这对窥视人类真实的心理有着重要的作用。通过对资源的存储、分析和利用,使其资源的供应系统得到更完整、更完备的发展。对教育对象的认知由静态到动态、由表面到深层、由单面到全面性、由局部到全局的系统建构,为从局部抽样到整体抽样的转变打下了坚实的基础,为更好地、更准确地指导和教育对象提供了依据。

4.大数据可以提供更为丰富的内容资源

大数据是一种资源,它可以通过建立和发展数据库来激活和创新优秀传统文化资源。而利用大数据,可以将各类信息资源转换成数字文字,并利用元数据进行后台处理,有效地解决传统数据库中存在的信息碎片化问题。正确、全面地理解大学生的思想政治工作,是做好大学生思想政治工作的先决条件和依据,从总体上讲,其内容涵盖了思想政治教育的个体差异、行为倾向等多层次的信息资源。然而,在传统的思想政治教育中,由于所处的环境、思想观念等原因,往往会把政治因素置于首位,而个人则是被动地顺从,“个体思想”的认识往往被忽视。由于技术和信息来源的制约,传统的高校思想政治教育受到制约,思想政治教育对象在学习、生活和思想活动中所需要的信息和数据,缺乏支撑载体,同时,高校思想政治工作的信息搜集工作也很难进行。由于传统的数据资料有限,调查对象的限制,导致调查的结果不能全面、准确地反映出被调查者的心理状态和行为取向。所以,掌握学生的全部资料是非常必要和紧迫的。大数据时代的来临,打破了传统的思想政治状态的“瓶颈”,利用大数据对学生的生活习惯、消费习惯、娱乐习惯、参与舆情习惯等进行了全面的整合和分析,从而为加深对教育对象的认识和全面的研究提供了可能。

5.提升思想政治教育的精准性

习近平总书记指出,“思想政治工作从根本上说是做人的工作,必须围绕学生、关照学生、服务学生,不断提高学生思想水平、政治觉悟、道德品质、文化素养,让学生成为德才兼备、全面发展的人才。”[1]“用真理的力量感召学生,以深厚的理论功底贏得学生,自觉做为学为人的表率,做让学生喜爱的人。”[2]“要加强分类指导,注重因材施教,加强目标导向,加强学校思想政治工作的精细化管理,不断增强大学生思想政治工作的亲和力、针对性。”[3]尽管没有“精准”这个字眼来形容当前大学生思想政治工作的发展需要,但是从这一系列讲话中,我们可以看出,在新的历史条件下,“精准化”是党中央在新形势下提出的一项重大战略部署。党的十八大以来,习近平总书记关于教育的重要论述为新时代高校思想政治工作走向“精准性”提供了基本原则。以此为指导,高校思想政治教育工作者应更加深入、全面地理解教育目标,从而实现精准施策。数据资源是大学思想政治教育的重要组成部分,其动态特征为全面和深入理解教育对象提供了可能。运用大数据进行思想政治工作,其目标就是要充分利用信息技术,从而提高思想政治工作的准确性。

三、大数据赋能大学生思想政治教育的实践路径

大数据的实施包括数据的采集、整合及分析。数据的采集是大数据工作的出发点。数据的整合是对所收集的原始数据进行筛选、提炼、集成、修补,为核心的数据分析进一步夯实基础。数据的分析则是利用大数据追踪、定位、识别、匹配、画像及优化等功能,利用思想政治状况大数据平台,构建相应的分析模型,实现学生思想特征分析、动态行为预警、未来活动规律等不同层面的目的。

1.大学生行为数据采集的路径优化

大数据主要依靠物理信息、科学实验、管理信息以及Web信息四大系统来收集数据。对于所收集到的原始数据要作进一步的集成和整合,生成新的数据集,进而为后期查询分析提供标准化数据视图。当前大数据应用领域的数据集成和融合技术快速发展,但与日益增长的高校思想政治状况分析需求相比,还存在一定的差距。大数据应用背景下,数据来源愈加广泛,也存在诸多异构数据,数据质量并不均衡,由此给数据融合和集成带来较大的挑战。高校在采集和融合多种结构类型的数据过程中,必须持续推进模型优化和技术升级,提高所采集数据的质量。

高校数据采集的方向应重点突破大数据收集技术,比如高速数据全影像、高速高可靠数据爬取技术等。在实际的应用中,就是能够对学生日常发出的数据做到实时收集和处理,比如有学生针对舆情做出评论,后端就能够通过字句,判断学生在何处何时因何原因发布,从而提高收集的时效性。在大数据处理流程中,数据预处理是异常关键的环节。只有对所搜集的原始数据展开进一步的筛选、识别和分类,才能去除和过滤无效或冗繁数据,提炼出与思想政治状况相关的初步数据。当然在数据采集过程中,要重视利用隐私保护技术。就上述技术操作来说,看上去是监视学生的一举一动,但是从科技伦理的角度出发,这些都是机器运转的正常步骤,每一个步骤都应该受到严格的保护。作为操作的人在过程中是要完全被遮盖的,经过一系列的清洗和分析,呈现在后端的应该是具体的结果,而不是学生实时的活动。

2.大学生日常数据整合的实现路径

数据整合是大数据分析中的“传递”环节,它是对原始信息进行整理、识别、分类、排除无关信息或多余信息、补充不足信息、数据统计、绘图等技术手段,将原始的思想行为信息输入到相关数据库中的过程,将无序信息有序化、零散信息整体化、混乱信息标准化。通过信息的整合,可以把原始信息浓缩、归纳为各种形态的信息,如描述信息、表格信息、图形信息、数据信息,并形成可持续分析的信息。例如,要了解同学们对于中国传统文化的看法,就要从他们的喜好、平时所关注的动态、衣着、对话等细节习惯中获得资料;或是通过问卷调查、填写表格等方式获得基础资料;再通过区分性别、专业定位、查看生源地等措施,进一步判定他们对于传统文化的认知与观点。概括地讲,就是要准确把握思想政治形势的基本内涵、思想实质,然后进行可靠性鉴定、重复性鉴别和分类与格式转换。

可靠性鉴定主要是判断思想政治状况信息的可信度、思想方向、思想状态等信息要素。从某渠道获得的思想政治状态信息的可信度来判定其真实性。如果以前通过这种途径获得的思想政治情况的资料不够可靠,那么就应当通过与其他方式的比较或是实际的比较来进行重点的调查,对于无法证明的,应当删除。例如在匿名论坛上的聊天记录,是没有可信度的。重复性鉴别是把重复的资料合并起来,对重复的情况作必要的统计,以便以后的分析。根据不同类型的矛盾信息,在保持新的合理信息的基础上,剔除虚假的信息,并将其纳入到下一步的分析中。通过以上程序,虽然排除了思想和政治环境中的虚假信息,但信息的内容类型多样,难以对其进行分析,因此要按一定的标准对其进行分类,形成能够对其进行分析和处理的信息。接下来就是格式转换,即对信息进行高度浓缩、归纳,转换成直观描述、图表、图表、统计等信息的综合。

3.基于大学生“精准画像”的路径分析

“精准画像”是用户画像,这一概念最早是由交互设计之父Cooper Alan所提出的,可以理解成由一系列属性数据为基础建立的目标用户模型。大学生精准画像是采集和分析大学生日常行为过程中所产生的所有样本数据,进而能够抽象性的呈现数据概貌,精准展现大学生的思想及行为状态,明确定位个体特征或群体特征的数据应用。应用数据肖像描绘学生思想的过程实际上是以可视化、形象化或标签化的数据形式来呈现思想。[4]精准画像的依据是历史数据,也就是已经发生的行为。在大数据的支持下,能够对大学生实施多种画像,除了可视化和智能化画像外,还可以实现动态化画像和全样本画像。[5]通过采集和处理与学生行为相关的海量数据,经过深入挖掘,筛选出能够反映学生思想和行为特征的、或凸显其某一属性的标签,在借助可视化和聚类分析将所有标签整合起来,转化成结构化形式,进而能够生动鲜活地呈现学生的精准画像,实现多视角对学生个体或群体的可视化描述。大学生数据画像又可以进一步细分为单一画像和综合画像,又或者个体画像和群体画像等。其中个体画像主要反映的是某一学生个体的思想、性格、学习模式、生活习惯、社交关系以及专业特长等方面的特征,而群体画像是将具有相似思想、行为特征的学生进行归类,确保教育者能够从整体上把握不同类型学生的全貌。单一画像是指从单一视角上描述和刻画学生,比如关于学生生活、学习又或者是社交等方面的大数据,进而生成生活画像、学习画像或社交画像等,目的在于更为全面详尽地展现学生某一层面的特征。综合画像是对学生日常生活中各个方面进行综合描述,从更宏观的视角把握学生概况,可以依据学生在价值选择和知识维度上的差异性,对某个学生或某一群体学生,甚至是所有学生都展开大数据分析,以问题为导向生成学生画像。当然,也可以从知识、生活、心理、能力及人格这五个方面,多角度描述学生个体或群体特征,确保能够对学生的日常生活进行精准画像。“学生画像”不仅可以精准呈现学生的特征和状态,还可以描绘学生的发展轨迹、思想行为特征、评价其思想水平、预测未来发展趋势以及风险预警等,由此不仅为教育者分析、判断和预测学生各个阶段的行为,全过程、多视角分析学生成长状况,为解决突出问题和把握规律提供重要依据,也能够为学生把握自身不足,做进一步地改进和提升提供参考。在精准画像的支持下,能够让教育管理更有针对性、更精细化。

基于大数据平台的大学生数据画像建构主要包括明确画像类型、获取数据分类、提炼数据标签以及生成可视化数据画像四个基本步骤。教育者需要结合具体目标明确画像类型,比如可以针对学生的个性特征、学习行为以及消费特征进行画像,由此深度刻画学生在某一方面的特征,当然也可以进行综合画像,也就是将学生在学习、生活、性格以及社交等多方面的特征因素融为一体,形成一个综合性数据模型,从不同维度和视角来刻画学生。对于学生学习行为的画像,所需要的数据包括学科成绩、各类竞赛、科研成果以及图书借阅等相关数据。提炼数据标签则是整个数据画像中最为关键的一步,是在所获取的与画像对象相关的数据做进一步分析的基础上,凝练出最具代表性和个性化的特征。标签化也就是将数据实时转化成数据标签的过程,应用的提炼技术主要包括聚类算法、规则定义、主题模型以及统计分析等。通过对所获取的数据作进一步的筛选和分类,找出关键语义词,分析所筛选出的与画像对象相关性最强词语的频率和权重,按照标签类型、标签关联、指标细分以及维度等要素,建立标签库,由此为真正建构画像标签体系夯实基础。从一定意义上看,建立画像的过程实际上就是提炼标签的过程。用户画像正是由多个不同维度的标签所构成的,当前学术界关于用户画像属性的研究相对较多,这些研究成果大多从行为习惯、知识能力、心理、社交、兴趣以及基础属性等六个方面定义用户画像的属性维度。这些维度是提炼大学生数据标签的重要参考。依据性别、年龄、籍贯、民族等静态属性的数据信息可以直接生成标签,接着提炼出关键标签,比如通过数据分析发现学生成绩突出、图书馆阅读时间长,那么可生成学霸标签。排列不同群体活跃度则是根据学生自身属性所归属的不同群体,找出最能体现学生特征的关键标签,比如某学生在其同类群体中表现出体育锻炼频次较高的特性,那么可生成“运动达人”标签,再比如某学生待在宿舍的时间最多,那么可生成“宅”标签。总之,可通过持续生成标签的方式,进一步丰富和完善学生画像,最终形成学生在某一时期相对客观的综合画像。

4.大数据使用安全的实践准则和规章制度

坚守伦理道德底线是要确保在数据采集、数据使用和数据取舍过程中都要坚守底线原则,采用合法途径采集数据,并且遵守以下实践准则:透明参与准则,预防和降低有可能产生的道德和法律风险,尽可能让高校师生、各部门、政府及企业等多个利益主体参与、研发、设计大数据框架,共同商定大数据隐私保护的程度。权责利对等准则,确保大数据使用主体在权责利上相对等。公平尊重准则,在坚持公平公正、充分实践尊重人的自主权的基础上,依据等价交换原则。隐私保护准则,保护个人隐私和秘密集中体现了社会对个体尊严的保障要求,不仅要从物质层面保护个人隐私,还要注重保护信息层面的隐私。除了谨守原则外,还要建立相应的规章制度,建立健全大数据应用管理制度,在遵守国家相关法律规定的基础上,结合思想政治状况分析对大数据应用提出特殊需求,明确应用大数据的范围和程度以及应用广度和深度,切实保护学生个人隐私。利用大数据改进大学生思想政治状况分析的实施有赖于高校内部合理与科学的体制与运行机制建设,从而确保大学生思想政治状况分析数据采集、管理、使用、维护等各个环节衔接有序、衔接顺畅、目标协同与安全有效。

现阶段,大数据的应用在大学生思想政治状况分析的研究领域中正处于初步探索阶段。未来随着数字化、智能化技术化的快速发展,大数据将引领高校思想政治教育向“智慧思政”方向发展。想要充分发挥大数据的应用价值,就要充分认识到大数据应用在分析大学生思想政治状况中的必要性,才能更好地服务于高校思想政治工作实际,探索更加有效的解决方案,更好地将高校思想政治教育的传统优势与大数据高度融合起来,坚决落实立德树人的教育目标,更好地发挥科技和教育在社会主义现代化建设中的基础性和战略性作用。