京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代高校思想政治教育模式创新探究
大数据具有海量、复杂的信息属性和高端、前沿的技术特征,正在全方位改变着人们观察、分析和把握世界的思维方式和变革路径,成为人们获得新知识和创造新价值的源泉。面对大数据时代的来临,高校思想政治教育工作同样面临着深刻的变革,如何运用大数据技术创新高校思想政治教育工作,成为当前的新课题。
一、大数据时代:高校思想政治教育面临的机遇与挑战
(一)大数据时代是一个充满变革的新时代
“大数据”一词由英文“Big Data”翻译而来。最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡,其称:“数据,已经渗透到当今每一个行业和业务职能领域,成为重要的生产因素”[1]。大数据时代是一个基于大规模数据基础上挖掘、运用和创新的“数字时代”。哈佛大学社会学教授加里·金说:“这是一场革命,庞大的数据资源使得各个领域开始了量化进程,无论学术界、商界还是政府,所有领域都将开始这种进程。”[2]维克托·迈尔·舍恩伯格和肯尼斯·库克耶的著作《大数据时代:生活、工作与思维的大变革》中指出:大数据是“人们获得新的认知,创造新的价值的源泉”[3]。
根据国际数据公司的界定,大数据的特征可分为四个方面:海量的数据规模(vast)、快速的数据流转和动态的数据体系(velocity)、多样的数据类型(variety)和巨大的数据价值(value)。IBM认为大数据具有三个特征,即种类(Variety)多、速度(Velocity)快、容量(Volume)大;以IDC为代表的业界认为其满足“量大、多样化、快速化、价值高和密度低”特征。可以看出,海量数据、运转快速、分类挖掘等特点,已成为大数据时代的主要特征。因此,大数据不仅是指呈现出的海量化数据,而且是指对这些以非结构化的、无法用传统方法进行处理的数据进行处理和运用,探求不同因素的相关性,为制定有效对策提供科学性和实证性支撑。
(二)大数据时代高校思想政治教育面临的新机遇
在大数据背景下,人们作出的重要决策将日益基于数据和分析,而并非基于经验和直觉。高校思想政治教育工作可抓住这一机遇,通过构建一体化数据平台,汇集师生在公共网络平台以及主题性网络问卷调查呈现的公开数据,使思想政治教育工作得以实证性量化和问题呈现。正如《大数据时代》描述的那样:“数据就像一个神奇的钻石矿,当它的首要价值被发掘后仍能不断给予。”[3]高校思想政治教育也同样面临着这样机遇。
这些机遇概括起来,主要表现在以下三个方面:一是根据数据分析即时性获取学生思想行为动态。根据动态信息数据库,通过思想行为数据抓取和分析,以可视化方式即时呈现学生思想行为动态、价值导向和关注社会热点难点等,以图表、曲线以及各种构图呈现出学生近期或目前正在关注的社会热点、思想问题等等;二是克服基于经验或直觉的推断缺陷,能够实现“全样本”的数据分析和整体性“精准描述”,从而使思想政治教育工作决策具有科学性、实证性支撑;三是充分发挥个性化教育教学,增强思想政治教育的针对性和实效性。根据数据分析呈现出的问题,对学生群体或个体进行针对性教育,如开设专题讲座、课堂教学融入、个别谈话辅导等,同时教师教学增加视频、图片、图表、主题微电影等方式,实现师生线上线下、即时互动,从而增强思想政治教育教学实效性。
(三)大数据时代高校思想政治教育面临的新挑战
面对大数据引发的深刻变革,高校思想政治教育如何利用大数据推进教育教学创新,提升教育教学质量,存在着一些现实的挑战和障碍,主要表现在以下三个方面:一是对大数据重要性认识不足。目前高校以传统课堂教学和考试成绩为主导,缺乏动态把握教学质量和学生思想行为状态的即时呈现,有的教师或管理者缺乏对大数据重要性和功能性的认识,难以适应大数据时代带来的新变革;二是教育政策、评价体系等激励性政策制度不明晰,缺乏各类资源支撑,应用大数据实践教学主观动力不强;三是数据搜集系统平台搭建、公开性数据和个人隐私数据界限不明确、数据分析技术及算法公式难推导、数据挖掘人员能力素质以及硬件软件数据采集财政投入不够等等,这些因素直接关系着大数据在高校思想政治教育中的实践和运用。
二、大数据时代实践和开展高校思想政治教育的新理念和新原则
笔者基于电子科技大学大数据教育研究中心近几年来运用大数据对学生思想行为进行量化研究和实践探索,在总结理论认识和实践经验基础上,力求在理念和原则方面不断探索高校思想政治教育的新方法和新模式。
(一)运用大数据开展思想政治教育工作的三个新理念
一是量化图式理念:把受教育者思想行为以数据方式进行汇集,整合不同领域数据,根据评估体系对个体或群体进行可视化的精准图示。大数据时代开启了研究以“人”为核心的“镜像世界”,人的网络言论行为是现实世界人际交往和思想行为的反映,能够以可视化的“镜像”方式展现着人的精神世界和客观世界。古希腊哲学家毕达哥拉斯提出了“数是万物的本原”的理念[4],将数据提高到本体论高度。在大数据时代,数据成为客观世界,乃至人的精神世界的表征和“尺度”,实现世界的数据化。我们提出“数字是人的尺度”的论断,学生们的日常学习、交往、生活等不同领域行为轨迹以数据化方式集成整合,对数据进行科学量化,最终以可视化的彩色图形、图标、曲线等方式勾画出大学生关注社会热点排序、思想行为特点、教学质量走势等等,从而形成受教育者的整体思想素质的评估和预测,为高校思想政治教育工作决策科学化、教学质量评价客观化、监督制约过程化提供了重要实证性支撑。
二是个性化教育理念:根据数据分析结论和思想行为的可视化“描述”,针对不同教育对象采用相应教育对策的教育过程。大数据以种类丰富、质量高端、免费共享等教育资源优势,开启了个性化教育的新时代。大数据的价值,不仅仅在于数据搜集、挖掘和分析,更重要的是基于数据分析对特定学生群体或个别学生提供适合其思想需求特点的个性化教育公共产品。对此,一方面教师根据数据呈现的问题,针对性地对学生群体或个别学生进行以讲座、座谈、社会实践、观看影视等方式开展教育辅导;另一方面学生根据数据分析结论,开展自主性学习,基于多样性、共享性和互动性的网络教育资源,根据自身知识状况、能力水平,自主选择多样学习方式并完成学习目标的过程,如学生可以通过国内外“慕课”方式,开展个人自主网络学习或自组学习团队共同研讨学习,从而激发学生自主学习的兴趣和激情,提高学生个性化学习的动力和效果。
三是精准研判理念:基于动态数据分析和关键热词评估,对学生的舆论舆情、思想行为的发展趋势能够作出准确的预测判断。在“小数据”时代,我们要搜集和分析部分样本验证假设,受样本标准、调查者思维方式、主观偏见等问题干扰,容易出现失真。在大数据时代,样本即为全体,不受局部错误或个体差异干扰,能够准确把握相关因素的客观性、实证性的内在关系,从而作出精准关系判断。对思想政治教育而言,根据大学生在学习、生活、社会交往等方面呈现出的数据(包括网络行为、消费行为、宿舍门禁行为、图书馆学习行为等),能够基于数据相关关系,对学生思想行为进行整体性、全面性数据评估,判断出近期学生的舆情动态、思想状态、价值导向、心理预警等等,从而为作出有针对性的舆情对策、思想教育或心理干预提供科学依据。
(二)高校运用大数据开展思想政治教育工作的三个新原则
一是可视化原则:基于一体化数据库不同需求分析,学生思想行为能够以图表、曲线等方式具体呈现。根据不同的需求,基于不同的大数据运算方法,利用大数据分析技术,挖掘出具有潜在价值的信息,对学生进行全面精准的画像,并以简洁明了的方式呈现给各职能部门,帮助高校思想政治教育工作者全方位认识学生,更好地把握学生动态,了解学生、更好地在学业和思想上引导学生,能够帮助职能部门更好地管理校园、服务于学生。
二是个性化原则:根据数据分析结论,对不同类别的对象施以不同的教育方式。与传统思想政治教育理论课面向全体学生、统一评判标准和注重整体质量相比,大数据思想政治教育能够根据解析出的学生思想行为特点,对学生或学生群体进行“精准画像”,并以此为基础对个体学生或学生群体进行针对性的分类教育。如根据数据呈现的不同年级的学生关注社会热点、理论困惑等存在差异,根据不同群体的爱好特点,开展分众化的、有针对性的思想政治教育。
二是即时性原则:基于学生思想行为数据的动态分析,能够根据数据公式,即时呈现当前学生思想行为的基本态势。与传统思想政治教育课堂教学偏重单向度知识传授,不注重及时了解教学效果反馈和学生思想动态相比,大数据思想政治教育能够通过系统性网络平台数据分析,迅速地了解和抓取学生的课堂评价、学生关注偏向、社会热点、思想困惑等问题,形成即时图式呈现出思想政治教育从效果、形式到学生关注热点的排序。在实践教学中,根据最新数据分析结论,及时调整教学进程、教学重点或开展针对性课堂研讨、专题讲座、社会实践调查等方式化解学生思想行为存在的问题。
三、大数据时代探索和开创高校思想政治教育的新路径
基于大数据呈现出的特点和优势,如何在高校思想政治教育过程中充分利用这些优势,根据数据分析呈现出的问题、热点和规律,运用新的教育方式和教学方法,进一步增强思想政治教育的针对性和实效性。电子科技大学充分发挥信息技术专业优势,高度重视大数据新技术在教育教学上的开发和应用,成立了大数据教育研究中心,组建不同的研究项目团队,基于大数据挖掘、分析和运用,在探索和创新高校思想政治教育方面逐渐探索出新的实践模式。
(一)建立系统性思想政治教育“数据库”,打造高校“思想政治教育链”
数据是进行科学分析和探究的基础性资源。了解学生思想行为真实特点、价值观倾向、心理健康现状等方面,都需要客观的、动态性的数据作为实证分析和科学结论的基础。对此,电子科技大学从两个方面着手进行思想政治教育数据收集:一是建立大数据教育研究中心,构建一体化信息搜集平台,通过图书馆、教务处、学工部、宿管中心、心理咨询中心、后勤服务处等不同职能部门协同合作,建立系统性的在线数据搜集平台,在法律法规许可和个人授权范围内,在开放性网络公共空间采集各类数据;二是通过线下的思想政治教育课教师、辅导员等组织专题性、主题性网络问卷调查、网络学习和交流等定向数据采集,实现学生的行为思想、言论表达的数据化,通过两种方式能够有效实现思想政治教育“信息数据库”平台构建。
大数据的价值在于发现问题和做出研判的实际应用。如何利用思想政治教育“数据库”是一个充满创新性、挑战性的实践难题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19