论大数据分析对思想政治教育的作用

2017-02-25张韬喆

华北电力大学学报（社会科学版） 2017年6期

张韬喆，王搏

(1.华北电力大学马克思主义学院，北京 102206； 2.文华学院，湖北武汉 430000)

随着科技发展，智能手机与移动互联网已经完全融入我们的日常生活。而在使用它们的过程中，我们自然而然地就制造了海量的关于使用者本人的信息数据，将这些数据集合起来就构成了使用者本人的大数据。这些数据将为我们完整地展现使用者最自然的日常生活，通过分析数据我们可以了解该使用者，从而对他的行为做出预测。通过适当的介入，保证其自身的思想品德符合社会发展的需要。

思想政治教育过程可以分为五步：第一步是思想政治教育信息搜集和分析；第二步是思想政治教育决策；第三步是思想政治教育实施；第四步是思想政治教育调节；第五步是思想政治教育的总结。其中第一步，即思想政治教育信息搜集和分析最为重要。因为它是一切思想政治教育活动的起点，是后续各个阶段的基础，同时信息搜集和分析更是贯穿整个思想政治教育活动。

互联网与移动设备，为我们搜集那些受教育者全面信息提供了可能，大数据分析保证了我们对受教育者全面准确的分析。

一、移动互联网与智能设备帮助思想政治教育信息的搜集

随着移动上网设备的逐渐普及、网络环境的日趋完善、移动互联网应用场景的日益丰富三个因素共同作用，促使互联网尤其是移动互联网越来越普及。截至2017年6月，我国网民规模达7.51亿，手机网民规模达7.24亿，网民中使用手机上网的人群占比由2016年12月的95.1%提升至96.3%。互联网普及率达到了54.3%，较2014年12月的50.3%增长了4%[1]。

思想政治教育的实施离不开针对受教育者的信息搜集。这些信息是我们认识那些受教育者的基础，更是思想政治教育实施的基础。在这个时代，我们搜集一个人的公开信息越来越简单，诸如QQ、微信和微博上面有大量的个人信息和针对各种各样事件的看法。

(一)移动互联网及智能设备可以将一个人描述得更加具体

在过去我们搜集信息是通过观察法和调查法，这样搜集到的信息往往只是片面的。往往只是少量样本信息或者只是某个受教育者的某一阶段信息。搜集到的信息无法对受教育者或是群体进行全面的认识。而且在搜集信息的过程中，经常会有些受教育者提供一些虚假的信息。这也大大影响了我们搜集信息的准确性。

这些原因使得思想政治教育实施初期就面临很大的问题，获取错误的信息甚至可能导致错误的决策。当我们实施这些决策时，有可能已经错过了教育的最佳时机，甚至使得实施思想政治教育获得反效果。继而我们只能重新调整，让思想政治教育实施下去并获得最终的成功，这无异于事倍功半。

随着科技发展，手机已经从传统的功能机发展为智能机。而且，智能手机的功能与性能越来越强大，目前一些智能手机的性能和所能实现的功能已经不亚于电脑所能达到的水平。

从三十余年前手机问世一直到十五、六年前，手机所能提供的主要功能都只是短信和通话。当2001年塞班公司推出塞班系统之后，手机开始进入了智能机时代。而直到2007、2008年，随着苹果公司和谷歌公司相继推出IOS系统和Android系统，手机才算是真正进入智能机时代。

当我们每一次在软件中进行选择的时候，都会被软件通过移动互联网发送到服务器来获取响应，同时服务器也会记录这些选择。在这一过程中，一些软件所包含的信息不仅仅是操作者每次点击的信息，同时还记录了其他信息。例如，一些购物支付类软件，它还记录了你的消费数据。而地图或是社交软件往往会记录你的GPS信息。在过去，当我们需要获得一个人的信息诸如银行信息、通信记录和个人邮件记录时候，需要去不同的机构或者公司，而且这些信息所描述的人只是片面、零碎、不连贯的，只能知其然，而不知其所以然。而现在我们只需要获得他的手机和若干个软件的后台数据信息，就能获得关于这个人的全面、完整、连贯的信息，不仅仅是知道他现在的情况，更可以预测出他未来的情况。正如互联网时代的名言所说：“插上网线的那一刻，你就没有隐私了。”

正是因为移动互联网和智能设备的发展，才使得搜集数据变得简单方便。我们拥有了可以洞察一切的“上帝之眼”[2]13。而把关于一个人的所有数据汇集起来之后，我们也自然而然地得到了关于这个人的大数据。

(二)移动互联网及智能设备对搜集受教育的信息的挑战

网民的不断增加，对信息的传播、数据的增长以及我们的生活都产生了极大的影响。

智能手机等移动设备的普及和移动互联网的飞速发展，大大方便了我们获取信息。我们所掌握的知识半衰期已经越来越短。据统计，一个人所掌握的知识半衰期在18世纪为80～90年，19～20世纪前半叶为30年，而到了20世纪60年代则是15年，到了80年代更是缩短为5年[3]。

我们不仅仅通过互联网获取信息，同时我们还在通过互联网传播信息。我们每时每刻都在产生大量的数据，诸如邮件、视频、微博、手机呼叫、网页点击等。由于人口数量的巨大和信息传播条件的便利，人类现在每分钟产生的信息量可能是人类过去几百年甚至上千年的总和。

由于受教育者极易获取信息，这就给教育实施者搜集受教育者的信息带来巨大挑战。在过去，关于受教育者的信息，尤其是思想状态的信息很长时间都不会有太大出入，但是在这个信息爆炸的时代，一切都是瞬息万变。有可能当受教育者在获得一条信息之后，我们从他那搜集到的信息就已经是无用的了。近些年来，网络舆情频发，我们回顾这些舆情事件不难发现它们从爆发到消散都会经历多次反转，甚至有的在一天内就有几次反转。而伴随着每次反转，都会有相当多的网民态度也随之反转。

这就给教育者在搜集信息时提出了挑战，在当今社会若想针对一件突发事件进行教育引导时，我们在继续使用传统方式进行信息搜集的话，我们获得信息永远要落后于事态的发展。但是，如果我们充分利用大数据进行信息搜集，我们几乎能获得受教育者对于突发事件的实时信息。

与此同时，随着我们接受信息的途径越来越方便，接收信息的数量越来越多。教育者与受教育者区分界限也越来越模糊。

在过去，思想政治教育主要由专业教育者来向受教育者传道授业解惑。而在当前这个自媒体时代，我们可以利用像微信、微博等工具方便而快捷地传播我们获得信息或是我们自己的想法。思想政治教育实施网络从原来的树状结构，已经演变为网状结构。每个个体都成为网中的节点，我们既是教育者又是受教育者。

二、基于大数据的分析帮助思想政治教育进行分析与决策

在获取到关于受教育者的“大数据”信息后，即可对这些信息进行分析，从而制订较优的决策方案。

大数据为我们提供了崭新的看待事物的视角，并成为了我们解决问题的新方法。安大略理工大学的卡罗琳·麦格雷戈(CarolynMcGregor)博士和一支研究队伍与IBM一起和很多医院合作，用一个软件来监测处理即时的病人信息，然后把它用于早产儿的病情诊断。系统会监控16个不同的数据，这些数据可以达到每秒钟1260个数据点之多。在明显感染症状出现的24小时之前，系统就能监测到早产儿细微的身体变化发出的感染信号。麦格雷戈博士说：“你无法用肉眼看到，但计算机可以看到。”这个系统依赖的是相关关系，而不是因果关系。它告诉你的是会发生什么，而不是为什么发生。这正是这个系统的价值！提早知道病情，医生就能够提早治疗，也能更早地知道某种疗法是否有效，这一切都有利于病人的康复。惊人的是，麦格雷戈博士的大数据分析法能发现一些与医生的传统看法相违背的相关关系。[4]80

基于大数据的分析，为思想政治教育更进一步发展提供了无限的可能，它将完全改变我们认识事物的方式，帮助我们更加全面地了解事物，这有助于我们更好地解决实际问题，同时发展思想政治教育。

基于大数据的分析，我们可以较确定受观察者的思想状态，较准确的预测受观察者的行为。通过和社会所需要的思想品德和心理素质进行对比，以及他的行为是否有利于社会发展，我们可以确定该名受观察者是否需要进行思想政治教育。当认为该名受教育者应当接受教育的话，可以基于分析所得制定出最有效的决策。

(一)大数据

当今社会不仅仅给思政工作带来挑战，也给思政工作带来了很大的机遇。

马克思曾经说过：“世界上任何一门学科如果没有发展到能与数学紧密联系在一起的程度那就说明该学科还未发展成熟。”[5]

处在这个技术飞速发展、信息爆炸的时代，我们就有了将思政工作发展到更加成熟的可能，拥有了一个可以将思政工作与数学紧密联系的工具——大数据分析。

大数据(Big Data)，是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。这些数据不是通过随机分析法(抽样调查)获得的，而是关于某个观察对象在一定时间内的所有我们需要的数据。

当然，大数据归根结底也只是数据而已，即便再大若是没有有效的分析，那它也只是数据尸体，只是起到了消耗存储空间的作用，只有经过分析的数据才是有用的数据。

(二)大数据分析过程

简言之，大数据的分析的目的是找到导致一个事件发生的若干强相关事件。大数据分析不再是注重因果关系的分析，而是注重相关关系的分析。

相关关系的核心是量化两个数据之间的数理关系。相关关系强是指当一个数据值改变时，另一个数据值很有可能也会随之改变，这就构成了一组强相关。相关关系是通过识别有用的关联物来帮助我们分析一个现象，而不是通过揭示其内部的运作机制。通过找到一个现象的良好的关联物，相关关系可以帮助我们捕捉现在和预测可能的未来。[4]72

大数据分析过程中，我们会知道是什么和即将是什么。如果我们想要探究这一现象背后的原因，我就会知道为什么。大数据分析目前已经被广泛应用于各个领域，而更进一步的机器学习和人工智能则大大提高了预测的速度和准确性。

(三)大数据分析改变我们理解世界的方式

在过去，人们总是先有了想法，再去收集数据来测试这个想法的可行性。同样也会依靠相关关系，同时，专家们还会使用一些建立在理论基础上的假设来指导确定这个想法中的关联物。基于这些理论来收集与关联物相关的数据，从而进行相关分析，证明自己选择的关联物是否适合。若关联物不能很好的反映相关关系，大多数情况人们会认为自己搜集的数据存在错误，直到经过若干次重复后，才能承认一开始的假设或者是关联物就是错的。直到此时，才会对理论和设想进行修改。当然，这一过程才促进了现代科学的发展，但这种发展是非常缓慢的。因为，受到认识的局限性影响，我们无法正确客观全面的认识事物，导致我们在多次实践后，才能对事物有正确的认识。这一过程只存在于大数据出现之前。

现在，我们可以搜集到关于一个事件的全部数据，这当中隐藏了最准确的相关关系。我们现在拥有如此多的数据，这么好的机器计算能力，因而不再需要人工选择一个关联物或者一小部分相似数据来逐一分析了，大数据分析可以帮我们辨别出最好的关联物。

因此，我们不需要建立一个假设，我们可以尽可能多的采集关于我们感兴趣的事物的一切信息，再对其进行相关分析。我们用数据驱动的关于大数据的相关关系分析法，取代了基于假想的易出错的方法。大数据的相关关系分析法更准确、更快，而且不易受偏见的影响。建立在相关关系分析法基础上的预测是大数据的核心。这种预测发生的频率非常高，以至于我们经常忽略了它的创新性。[4]74

现在，大数据已经被应用于诸多领域。无论是商务决策还是风险模拟，都利用到了大数据。沃尔玛公司早已利用大数据来进行产品销售。美国各个警局也通过自己积累的犯罪历史数据建立起了一个犯罪预测算法。在第一次实验时，这套算法就把实验地的犯罪率降低了36%，而且它的准确率是人工准确率的两倍。其中一项原因就是，计算机在做预测时不会感到疲倦而影响到自己的决策。

三、人的动机和行为可以被预测

(一)人的动机和行为

众所周知，人的行为的产生是基于外部环境刺激，经过人格动力结构运行，从而产生的结果。人格动力结构由“三级结构、十个要素”组成。三级结构分别为人格需要力量，人格判断力和人格动机与行为。他们分别对应人的潜意识、意识和人格目的力量。人的行为又可以分为四类：第一类是应对性行为。这类行为在外界刺激下由人格需要力发动、经人格判断力判断产生的行为。第二类是真理性行为。这类行为是在外界刺激下，人格需要力并没有产生某种倾向要求，但人格判断里经过判断和选择，认为需要采取某种行为和动机，继而产生某种具体行为和动机。第三类表现性行为。在外界刺激下，仅仅有人格需要力发动，而无人格判断力参与的动机和行为。第四类，不产生行为。这类行为在外界刺激下，但是经过人格判断力否定，导致没有产生动机和行为。

在人的四类行为中，“应对性行为”和“不行为”是基本的、普遍的、大量的，“真理性行为”是少数的，而“表现性行为”是个别的、特殊情况下的行为。思想意识主要决定“应对性行为”、“不行为”，完全决定“真理性行为”，因此，可以说人的基本的、大量的、普遍的动机和行为基本(多数情况下)是有思想意识决定的。但是当我们在多次重复某类事后，就能把这件事转化为基于潜意识运行的行为。[6]102-103

(二)思想政治教育对人的动机和行为进行预测

思想政治教育对人的动机和行为具有诸多作用。思想政治教育引导人们产生正确的行为，避免不正确的行为。思想政治教育还具有引导人们完善，稳定地提高人格行为水平的作用。以上两点都是思想政治教育成功实施后所能实现的作用。

思想政治教育还具有人的行为预测的作用。这种预测需要贯穿整个思想政治教育活动。对人的行为产生的过程进行抽象，我们可以概括出如下的一个关系：

环境刺激+人格动力结构 → 人的行为

进行人的行为分析预测，就是通过对已掌握的环境刺激和人格动力结构 (人格需要力、人格判断力)的分析，预测人的行为。思想政治教育应该而且能够通过对已掌握的环境刺激和人格动力结构的分析来预测人的行为。如果教育者已经全面掌握了外界环境所发生的变化(即外界环境刺激)，同时，也掌握了受教育者的人格动力结构——人格需要力、人格判断力，那么，就能够对人格行为做出比较准确的预测。这种方法有利于教育者依据客观外界环境的发展变化和人格动力，预测个人或群体的动机和行为，把思想政治教育工作做在前头。[6]105

(三)基于大数据的分析对人的动机和行为进行预测

两位诺贝尔奖得主——心理学家丹尼尔·卡尼曼和人工智能先驱赫伯特·西蒙，他们认为人类心智模型具有两种思维模式：一种是快速、自动并且以潜意识为主的模式，另一种是慢速、推理并且以有意识为主的模式。快思考主要是从自身经验和对他人的观察中习得的想法的关联来驱动我们习惯和直觉；慢思考主要是使用推理，结合我们的信仰以得到新结论。

因此，我们有时会发现很难解释自己到底做了什么，自己为什么有这些看似习惯的行为，因为当时我们由快思考来驱动这些行为，我们处于自动模式。[4]52-53

基于大数据的分析的优势在于可以通过受教育者海量的数据对受教育者的行为进行分析，从中梳理出各种相关关系。与此同时，完成受教育者人格动力结构分析。通过移动互联网和智能设备我们还能实时的获取受教育者的环境数据，实现对外界环境的实时掌握。

当我们收集到受教育者人格动力结构和受教育者的环境数据时，我们还收集到了受教育者运用快思维处理事情时的各种相关关系。以上这些数据都为我们提供了对教育者进行预测的基础。

四、基于大数据的分析实施思想政治教育

通过大数据分析，我们可以发现事件之间的相关关系。如果事件A和行为B经常一起发生，我们只要注意到事件A发生了，就可以预测出行为B也发生了。该事件A有可能是受教育者的一个行为也有可能是外界环境的刺激。同时，我们假设行为B是与思想政治教育所要求的相矛盾的行为。但是，曾经有事件C的发生，导致了行为D发生，行为D是不行为或是符合思想政治教育所要求的行为。那教育者就可以通过人为制造事件C，保证与事件C相关的行为D发生。

思想政治教育所解决的基本矛盾是社会发展所需要的思想品德和心理素质与受教育者现有水平和状况的矛盾。教育者实施思想政治教育的任务就是充分调动思想政治教育的“三体一要素”协调运转，发挥各自的功能，使受教育者的思想品德和心理素质向社会所需要的方向转变，完成思想政治教育基本矛盾的“三次转化”与“两次飞跃”，防止受教育者逆向的可能性。

当教育者实施思想政治教育，帮助受教育者的思想完成这一系列转化后，即完成一次思想政治教育矛盾的转化过程。

移动互联网、智能设备以及大数据分析的发展，帮助教育者可以找到受教育者的行为之间的相关关系。在把受教育者的人格动力结构和实时的外界环境结合起来时，可以把预测准确性大大提高，找到相关关系中最准确的关联物。这有助于我们捕捉到与行为D发生所相关的事件C。而事件C就成了我们思想政治教育的要素——媒介。一种行为想要转变为自身习惯，我们就需要多次看到这一新行为产生的好结果。[4]53当我们多次触发事件C后，并保证行为D的产生可以让受教育者过的好的结果，例如行为D可以保证让受教育者获得社会认可。受教育者自然而然的将这一行为转变成自身习惯。