大数据应用于大学生思想政治教育过程的现实优势与科学诉求Word文档下载推荐.docx
《大数据应用于大学生思想政治教育过程的现实优势与科学诉求Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《大数据应用于大学生思想政治教育过程的现实优势与科学诉求Word文档下载推荐.docx（10页珍藏版）》请在冰点文库上搜索。
第三，高校综合信息服务平台和数据共享平台的搭建提高了数据整合和利用的效率，有利于思想政治教育数据的汇聚共享与分析应用。
随着数据计算和存储能力的提升，数据提取和利用的成本降低，高校开始构建数据中心、大型数据库。
2014年12月底，复旦大学成立了中国高校第一家社会科学数据平台，能够为高校、研究机构和政府部门提供科研数据的存储、发布、交换、共享、在线分析等服务。
[1]一个大规模生产、分享、应用数据的时代正在到来，为大数据在高校思想政治教育中的应用奠定了良好的基础。
那么，大数据在高校思想政治教育中的应用会有哪些表现呢？
笔者认为主要有以下三方面。
第一，促进思想政治教育的个性化教学。
大数据作为观察大学生思想行为的显微镜，能够客观记录学生的信息、精准分析学生的特征、科学预测学生的需要，有助于因材施教，促进思想政治教育教学个性化。
首先，通过数据采集工具实时追踪、监测教育对象思想政治理论课在线学习的即时数据和关联数据，包括视频观看的时长与次数、话题讨论的关心度与参与度、随堂测验的准确率和通过率等，教育者能够发现教育对象思想轨迹的差异和学习模式的不同。
基于此，利用数据挖掘、机器学习等大数据的分析方法对相关数据进行分析和处理，可以深刻了解不同教育对象的思想行为特征及其对教育信息的接受认同程度，从而全面真实地把握教育对象的学习兴趣和心理需求。
其次，教育者可以根据数据分析结果进行预测，有针对性地调整教学内容的难易程度和学习环节的形式及顺序，并进一步为学生推荐量身定制的学习策略，包括相关的参考文献、网络课程及应用软件等。
最后，利用可视化技术，将单调乏味、枯燥无趣的数据转化成色彩鲜明、生动活泼的图表形式，直观形象地向教育对象展示数据间的联系和规律，如标签云（TagCloud）和时间流（TimeFlow）就可以清晰明了地呈现出教育对象在一段时间内持续关注的热点问题，有助于教育对象正确认识自己的思想行为并进行自我调节和自主学习。
因此，大数据在思想政治教育个性化学习与定制化教学中起着重要的作用，改变了以往根据统一标准制造“克隆人”的教育模式。
第二，实现思想政治教育的精细化服务。
思想政治教育工作者不仅仅是大学生日常理论学习的指导者和组织者，更是大学生健康成长的引路人和服务者。
大学生人数众多、思想多元，往往使思想政治教育难以细致入微，很难做到对教育对象的精准把握和服务成效的精确评估。
而大数据技术则能够为每个大学生勾勒出一副“数字剪影”，进而细分群体、归纳问题，使思想政治教育服务由粗放走向精细，为大学生提供心理疏导、职业规划、日常管理等方面的精致服务。
首先，利用大数据关注大学生的心理健康和精神需求，有效预防和缓解大学生的心理问题。
通过大数据平台，教育者能够对每一个学生的“事实数据”和“行为数据”进行搜集与追踪，帮助思想政治教育工作者了解大学生的家庭环境、性格特点、思想动态及心理倾向，筛查出特殊学生和易感群体，并及时给予情感支持和心理抚慰，使其困扰的情感和矛盾的思想不断得到调适，感受到思想政治教育工作者无微不至的关怀。
其次，利用大数据帮助大学生规划职业，促进大学生成才。
一方面，教育者利用大数据对大学生进行职业测评，帮助大学生发现自己的兴趣与特长，并设置“潜能导师”精心制定符合大学生身心发展和社会需求的职业规划，提高专业与课程选择的灵活性；
另一方面，针对大学生职业发展的实际需求，主动快捷地为其推送相关的知识技能、招聘岗位、就业形势等实用信息，从而为大学生提供以就业为导向、精细化的咨询服务，减少择业的盲目性。
最后，依托大数据建立校园一站式服务平台，为大学生提供奖助勤贷、图书借阅、校园支付、宿舍管理、就医挂号等多项人性化的便捷服务，同时通过对海量相关数据的搜集，为思想政治教育者全面洞察学生的学习生活提供科学依据。
因此，大数据的应用能够强化思想政治教育工作者以学生为中心的服务意识，切实满足大学生多样化的服务需求，实现思想政治教育的精细化。
第三，有助于思想政治教育的科学化管理。
随着数据的获取、存储与分析变得愈加方便快捷，大数据逐渐成为人们决策与预测问题的新方法，有助于实现高校思想政治教育管理的规范化和科学化，从而形成全面、协调、有序的管理体系，增强高校思想政治教育的针对性和实效性。
首先，利用大数据把握思想政治教育的学术前沿和热点，避免低水平的重复研究。
如XX指数等数据分析和共享平台能够为研究者提供趋势研究、需求图谱、舆情管家、人群画像等数据服务，不仅有利于教育者关注学科热点、探索学术前沿，而且有助于教育者问题意识的增强，善于发现研究的薄弱点和空白点，从而不断丰富学科内涵、开拓学科领域、完善学科体系。
其次，大数据能够促进思想政治教育工作具体化、明晰化，切实落实管理责任。
大数据定量化的方式，能够有效分解思想政治教育的每一个目标，细化每一个环节，细分每一位教育者的职能，实现责权明确到位，防止诿过争功。
最后，大数据使思想政治教育决策日益基于数据和分析而做出，提升决策的科学水平。
一方面，动态监测获取多维度、高质量的海量数据为思想政治教育科学决策提供支撑，在此基础上进行建模分析，发现问题产生的原因、预测事情发展的趋势，从而进行预警和预控；
另一方面，根据大量即时数据和关联数据的反馈，不断优化和改进决策的细节，使思想政治教育过程不断得以调控纠偏。
因此，大数据应用能够不断提升思想政治教育者的洞察力和预见力，推动思想政治教育管理科学化发展。
总之，大数据给高校思想政治教育带来了深刻的影响，只有充分利用大数据理论和技术去探索规律、辅助决策、预测未来，才能不断获取新知、发现学科规律，提高自身的竞争力、创新力和预见力。
二、高校思想政治教育应用大数据的现实困境
在大数据环境下，数据比以往任何时候都更深刻地影响着人们的生活。
我们重视数据，并期望用大数据解决高校思想政治教育的棘手问题、改善思想政治理论课教学，推动思想政治教育科学发展。
然而，在思想政治教育的大数据应用中，仍然面临着搜集、应用、管理和发展大数据等方面的诸多难题。
（一）思想政治教育数据匮乏，有效供给不足
应用大数据的重要前提是拥有海量数据，尽管教育信息化发展迅速，特别是网络已经成为思想政治教育的新阵地，为高校思想政治教育提供了丰富的数据资源，但能够充分利用的数据仍然相当匮乏，存在着数据多样化需求与数据供给之间的矛盾。
1.历史数据缺失。
我们党在长期的革命和建设过程中始终重视用先进的思想教育广大人民群众，并积极推动群众实践活动的发展，总结了丰富的经验和教训，积累了一定的数据资源。
然而，完整保存下来可供直接使用的历史数据并不多，部分数据还存在着缺失或者破损的情况。
究其原因，一方面是战乱导致数据丢失，另一方面是数据存储技术的限制及长久保存数据的巨大成本。
同时，思想行为数据的测量与搜集难度大也影响到历史数据的积累。
思想政治教育作为人文社会科学的重要分支，习惯于传统的定性研究，尽管也会采用问卷调查等定量研究方法，但人的思想意识总是动态不定、错综复杂的，增加了对其进行测量与量化的难度，因此“在思想政治教育学科领域里对研究对象进行测量，比在其它学科领域里对研究对象进行测量要困难得多”，[2]不便于数据的记录与搜集。
历史数据的缺失，严重影响到对不同时期思想政治教育数据的性质特点、发展趋势及其相关因素的分析比较，不利于进一步揭示隐藏在数据背后的思想政治教育规律。
2.个体数据稀少。
个体数据作为个体思想行为状况的直接反映，是思想政治教育开展个性化教育的有力支撑，因此，缺少该类数据将会影响到思想政治教育活动的针对性和实效性。
目前思想政治教育学科领域内数据的获取更多地依靠每年国家公开发布的全国教育事业发展统计公报、各种教育年鉴以及各类社会调研，其掌握的往往是宏观的教育状况及群体的认知水平，而微观反映教育对象个体思想行为的学习时间、学习地点、学习方式等方面的数据仍相对缺乏。
慕课的兴起，确实为教育者搜集教育对象参与课堂的即时数据提供了良好的平台，但很多高校由于经费与资源的不足，并没有将传统的思想政治理论课与网络课堂相融合，因而也就难以大范围获取有效的个体学习数据。
此外，围绕教育对象进行管理与服务产生的其他个体数据，如教育对象的年龄、性别、教育背景等结构化数据，发布在社交媒体中的图片、视频等非结构化数据，浏览网页产生的行为数据，以及物联网感知到的位置数据，等等，皆因分散在条块分割的部门与系统中而不能实现共享。
因此，很难在相互隔离的数据孤岛中获取海量的个体相关数据。
3.数据样本有限。
思想政治教育数据并非触手可及，传统的问卷调查或者访问谈话等数据搜集方式往往费时费力、成本巨大，致使数据样本十分有限，难以全面覆盖。
即使在大数据环境下，思想政治教育要想获得完整的、综合的数据样本，依旧困难重重。
当前，数据开放程度低，缺乏完善的数据共享平台。
迄今为止，只有北京大学、清华大学、中国人民大学、复旦大学等少数高校建立起社会科学数据中心，但由于缺乏完善的数据管理与服务体系，导致数据的集成度、共享度不高并且种类单一，许多数据还因为缺乏统一的格式标准而不得不闲置丢弃，严重降低了数据样本的丰富性与关联度。
（二）思想政治教育数据庞杂，挖掘难度大
“数据的真实价值就像漂浮在海洋中的冰山，第一眼只能看到冰山一角，而绝大部分则隐藏在表面之下”，[3]因此，思想政治教育者在应用大数据的过程中面临着数据融合和挖掘分析的难题。
1.数据异构多源，定向分析的数据难以融合
大数据要求数据的完整性与综合性，就必然导致思想政治教育数据的巨大规模、纷繁复杂。
一方面，数据的模态千差万别。
既有用二维表结构来表达的结构化数据，又有文档、文本、图片、音频、视频等半结构化和非结构化的数据，其中超高维的非结构化数据占了绝大多数，不是传统的计量分析技术所能够轻易处理的。
另一方面，数据的来源多种多样。
不仅有高校数据平台跟踪记录的关于学生学习状态、教师教学管理的各类即时数据，还涵盖其他散落在政府部门、电商企业以及网络公司的部分数据。
这些数据以各自的方式存储在不同的服务器上，导致数据标准不统一，功能互不关联，各个系统间的数据难以整合和衔接。
因此，思想政治教育者亟须掌握有效的数据融合技术使大规模的结构化、非结构化数据集中，口径不一致的数据兼容，最终实现一体化的分析处理要求，为数据的提炼和整合、个体行为规律的探索提供便捷的解决方案和技术工具。
2.数据良莠不齐，真实有效的数据难以挖掘
浩如烟海的数据真伪难辨、参差不齐，对教育者驾驭数据的能力提出了挑战。
一方面，数据真伪难辨，虚假信息泛滥。
这些虚假数据或来源于采集与分析的过程中数据输入的差错，或是一些部门、企业、个人为了牟取私利而故意对数据弄虚作假。
例如，微信中的“刷阅族”就常常通过虚假点赞、刷阅数量带来大量失真的数据信息。
另一方面，数据良莠不齐。
教育者在数据挖掘的过程中往往遇到各种干扰数据、无效数据，严重影响到数据分析的精度。
统计学家纳特·
西尔弗指出：
“大量的信息成倍增加，但有用的信息却非常有限，信号的比例正在缩小，我们需要找到更好的方法对信号和噪声进行区分。
”[4]也就是说，如何过滤掉无效的数据，保留有价值的部分，对数据挖掘来说才是真正重要的。
（三）思想政治教育数据存在被滥用的风险
高校思想政治教育者在为大数据带来的便利欢欣鼓舞时，也容易陷入对大数据的滥用和崇拜，使个人权利受到侵害。
1.贴数据标签，阻碍自由发展
通过数据模型，高校思想政治教育者即可细分学生群体，实现其预测教育对象潜在思想与行为的目的，但也有可能直接侵害到教育对象自由发展的权利。
一方面，利用大数据量化分析每个人的情感、态度、行为，从而对其智力、能力、潜力进行预判与定位，容易给学生贴上固化的数据标签，形成刻板印象；
甚至对那些有过不良数据记录的学生作出不公正或带有歧视性的推断。
另一方面，教育者根据数据分析结果为每个学生铺设成才的道路，试图帮助教育对象做出正确的选择，然而却在不知不觉中剥夺了个体自由探索的勇气以及自由选择的权利。
同时，大学生学习生活的各种踪迹被媒介全方位地记录和监测着，仿佛生活在“数字圆形监狱”，即“我们所说与所做的许多事情都被存储在数字化记忆之中，并可以通过存储器访问，因此我们的言行可能不仅被我们的同时代人所评判，而且还会被所有未来人评判”，[5]从而带来安全感的缺失和信任机制的瓦解，致使大学生在大数据面前惶恐不安，极度警惕，难以发挥主动性和创造性。
2.崇拜大数据，弱化批判能力
随着大数据价值在社会各领域的凸显，一些高校教育者对大数据在思想政治教育学科上的变革产生了强烈的预期，这种预期的持续演化很可能引发大数据崇拜，即盲目信任大数据的力量而忽视自身的创新思维和思辨能力。
三、高校思想政治教育应用大数据的科学诉求
大数据在高校思想政治教育领域的应用尚处于起步阶段，教育者要积极学习、接受和应用大数据技术，永葆高校思想政治教育的蓬勃生机和强大生命力。
（一）重视数据的搜集与获取，拓展数据资源的深度和广度
拥有海量数据是高校应用大数据的基本前提，要求思想政治教育者重视数据的搜集，拓展数据获取的渠道，有效解决思想政治教育数据供给不足的难题。
第一，坚持数据搜集的针对性，深度聚焦关键数据。
这就要求思想政治教育者把握数据搜集的重点，提高数据搜集的实效。
一方面，高校思想政治教育者作为大学生思想政治教育与日常管理服务的主要力量，应自觉主动搜集与教育对象学习生活紧密相关的真实详细的数据资料。
无论是人事档案记载的成长背景、慕课平台采集的学习数据、图书馆保存的借书记录、校园论坛参与的讨论话题、一卡通留存的消费数据甚至是物联网感知的位置数据等都应该是思想政治教育者重点掌握的第一手数据。
另一方面，鼓励教育对象进行“自我量化”，即利用可穿戴设备或应用软件对个人学习生活中的各项生理、心理指标进行实时测试和记录。
这些个人数据的搜集不仅为教育者深度聚焦大学生个体思想行为数据提供了可靠依据，也有助于提升大学生的自我认知。
今天，高校思想政治教育工作者面对着网络最活跃的群体时，只有积极搜集每个大学生网络生活的碎片化“痕迹”，才能更加深刻地了解、评估教育对象。
第二，坚持数据搜集的广泛性，拓宽数据获取渠道。
这就要求思想政治教育工作者把握数据的关联性和规模度，丰富数据的来源，尽可能获取全面的数据，以完整拼凑出教育对象的网上信息图谱。
一方面，搭建本学科的数据共享平台，畅通高校间思想政治教育数据整合和利用的渠道。
通过打造教学、科研、管理、服务一体化的数字空间，促进不同时空数据的共享互联，从而改善思想政治教育数据分散失落的现状，提升思想政治教育数据资源的丰富度。
另一方面，依托政府与企业统一数据格式标准、明确数据交易原则，从而打破数据壁垒，逐步开放与思想政治教育相关的舆情、环境、消费、社交等方面的重要数据，方便教育者在政府数据门户、XX数据研究中心、移动数据研究中心等网站快捷获取相关数据，赋予教育者更广阔的数据渠道。
值得注意的是，要搜集教育对象的全部数据是比较困难的，教育者只有树立起大数据的关联思维，增强与各部门的通力合作，才能实现思想政治教育数据的随时、随地获取，创造思想政治教育数据“无时不有、无处不在”的有利条件。
（二）加强人才的培养与引进，提升数据决策的精度和信度
高校思想政治教育积累了海量异构多源、良莠参半的数据，如果缺乏深入的挖掘和精细的处理，只会埋没其巨大的价值。
因此，高校应该积极培养和引进大批数据科学家，提升数据驾驭能力，为思想政治教育研究提供人才支撑和科学决策。
第一，用心培养精通数据分析的思想政治教育者，提升数据分析的精准度。
大数据环境下，应当给予思想政治教育队伍中熟悉统计分析与量化研究的教育者培训和出国深造的机会，提供政策、资金上的支持，使其熟练掌握机器学习、人工智能、模式识别等高级数据分析技术，并实际应用于思想政治教育数据的过滤、提纯和分析过程中，从而促进数据管理与教育实践的紧密结合，有效融合异构数据，剔除虚假数据，提升数据分析结果的精确性。
同时，组建学科内的数据专家团队，针对思想政治教育专业的本科生和研究生开设“大数据技术与应用”等相关课程，引导鼓励学生根据兴趣进行跨学科、跨院校的联合培养，以培养出大批专业功底深厚、数据分析能力扎实的复合型思想政治教育人才，满足思想政治教育数据分析的迫切需求。
第二，积极引进数据科学家，增强数据决策的可信度。
数据科学家被《哈佛商业评论》杂志誉为“21世纪最性感的职业”，因为他们善于运用科学的数学算法、先进的数据挖掘工具对数字符号、文字图片、音视频等纷繁芜杂的数据进行综合与提取，具有敏锐的洞察力、高超的分析力和果敢的决策力，是经过专业学习和专门培训的高级数据人才，兼具网络编程师、软件开发师、数据规划师、数据可视化设计师等多种职能。
因此，高校应当积极引进优秀的数据科学家，进行数据的深度挖掘和动态呈现，确保思想政治教育数据得到充分利用，为思想政治教育决策提供科学指导和专业建议。
同时，与数据科学家展开精诚合作，进行学科共建，即利用数据科学家已掌握的数据、技术和成果开发专门针对思想政治教育特殊需求的软件与平台，实现资源整合、优势互补，不断增强思想政治教育的有效性和可信性。
（三）推进环境的营造与治理，把握数据使用的维度和限度
大数据技术在给思想政治教育数据的收集、利用和传播带来便捷的同时，也使个人权利面临着被侵犯的风险。
因此，需要教育者在多层面进行科学调控，积极营造信任安全的大数据环境。
第一，把握大数据使用的时、度、效，创建彼此信任的思想政治教育环境。
时，即时机和形势，要求高校思想政治教育者在应用大数据技术时做到审时度势、冷静对待。
既充分利用大数据辅助科学决策的良好时机，又积极应对大数据带来的伦理挑战，从而顺势而为、应势而动。
度，即边界与程度，要求高校思想政治教育者应用大数据时掌握分寸、适可而止，不仅明确数据搜集的范围，而且把握数据挖掘的深度，从而避免数据使用失度带来的信息滥用和隐私侵犯。
效，即作用和效果，要求高校思想政治教育者辩证看待大数据的成效，实事求是。
清晰认识大数据的局限性，不乱贴标签，谨防“精准预测”下的数据暴政。
总之，只有把握好数据使用的时、度、效，才能在高校建立起可信、可控、可靠的良好环境，使思想政治教育健康有序开展。
第二，完善数据管理和立法，给予个人“被遗忘的权利”。
大数据在思想政治教育中的应用必须有章可循、有法可依。
我国工信部2013年颁发了《信息安全技术公共及商用服务信息系统个人信息保护指南》，明确了数据处理过程中收集、加工、转移、删除四个环节的主要规范，提出了保护个人信息的七项基本原则，即目的明确、公开透明、质量保证、安全保障、合理处置、知情同意和责任落实，为规范大数据使用提供了可靠依据。
但这部指南并不具有法律效力，仍需继续努力完善相关法律体系。
欧盟已经就个人数据保护出台了关于“网上被遗忘权利”的法律，美国加州也通过了“橡皮”法律，赋予民众要求相关机构删除涉及个人隐私数据的权利，从而在法律层面切实保障个人信息的安全，有效防止敏感信息的泄露与滥用，否则将受到法律的制裁。
这些做法值得我们借鉴。
升级会员 