基于大数据的高校思想政治教育研究

2017-04-03黎胜禄雷媛媛刘宝飞

山东理工大学学报（社会科学版） 2017年4期

关键词：政治思想教育

黎胜禄, 雷媛媛，刘宝飞

(福建师范大学协和学院，福建福州 350117)

基于大数据的高校思想政治教育研究

黎胜禄, 雷媛媛，刘宝飞

(福建师范大学协和学院，福建福州 350117)

大数时代的到来为高校思想政治教育带来新的形势和特点。为适应大数据时代潮流，创新思想政治教育工作，高校可通过转化思维、强化意识、内部治理、外部借力、培养人才、校企合作、完善制度等方面为充分应用大数据技术革新工作思路提供环境支持、数据支持、技术支持和政策支持。

大数据；高校；思想政治教育；创新

一、引言

在全球信息化大背景下，“数据”等同于“信息资源”，这俨然成为每个领域关键的决策资源。各个领域的升级模式和决策机制在大数据环境下展现出新变化，但也面临空前的挑战和机遇。随着“十三五”规划、“两化融合”“互联网+”和《中国制造2025》等重大战略提出，加快推进各领域对大数据的探索和应用成为主要趋势。如何抢占大数据技术这一先机成为各领域发展、革新所要争夺的重要战略资源。

在国外，大数据技术率先在各领域的管理工作中启用。国外一些教育领域的教学改革过程中已经开始引进大数据分析技术，与此同时，在教育领域配套推出“大数据计划”，通过大数据的收集、统计和分析来宏观监测学生学习情况，改善教育实效性。在我国，大数据技术应用仍处于起始阶段，对于大数据的定义、实质、具体操作、如何与管理工作融合都还处于探索阶段。在IT等科技领域，已经率先有了用大数据来改善工作研究的意识，但在其他领域对于大数据的应用仍是空白。在教育领域，信息数据的收集整合以及数据技术的运用优势日渐凸显。在高校教育中，针对大学生进行数据的挖掘和分析，这一方面有助于把握整个群体的宏观特征，及时进行群体行为预警和干预；另一方面，能够实现对每一个学生个体行为偏好分析，把握特殊问题学生的思想动态，从而提高高校思想政治教育的针对性。因此，构建高校大数据管理模式，强化大数据管理意识，掌握大数据分析技术，结合高校思想政治教育的特点和规律，对于创新高校思想政治教育有重要实践意义。

二、大数据及其时代特征

目前为止，大数据(Big date)在国内外社会各界并无一个明确精准的定义。有“大数据时代预言家”之称的牛津大学教授维克托·迈尔·舍恩伯格将这个“数据化”的过程在《大数据时代：生活、工作与思维的大变革》一书中定义为：人们能在大规模数据的基础之上做到的事情，并且这些事情在小规模数据的基础上无法完成，就叫大数据[1]21-22。麦肯锡全球研究所报告《大数据：创新、竞争和生产力的下一个前沿》则对“大数据”定义如下：大数据是指大小超出了传统数据库软件工具的抓取、存储、管理和分析能力的数据群[2]63。我国著名学者涂子沛首先在国内进行大数据的研究和探索，在《大数据》一书中指出：大数据是指那些大小已经超出了传统意义上的尺度，一般的软件工具难以捕捉、管理和分析的大容量数据，一般以“以太节”为单位[3]28-30。他研究中提出的大数据本质不单是体现在数据的海量之大，更强调通过这些海量数据的挖掘、整合、筛选和分析应用于各领域最终带来的巨大价值。大数据是一项重大的技术革新，它拥有处理量大，种类繁多，价值密度低，重预测而非实证的特征。这对各个领域驾驭大数据技术提出了新挑战。

三、大数据环境下高校思想政治教育新特点

(一)能够获取思想政治教育主体的全部数据，而非抽样调查

在高校进行大学生思想引导的过程中，想宏观把握学生群体的思想动态，要精准预测个别学生的情绪波动和心理状况从而对他们的行为作出及时预测和干预是一项巨大的挑战。如果采用传统的实证调查分析方法，一方面这种传统方式收集到的数据有限，且有可能因被调查者与调查人之间未能建立有效“心理信任契约”而导致信息的有效性失真；另一方面，数据的收集过程中存在大量“盲区”，而且传统的手法导致收集到的数据经过处理分析后存在一定“滞后性”。这些缺陷无疑不能保证学生思想政治教育的“及时性”和“针对性”。而在大数据技术应用下，思想政治教育的主体不再是随机抽样，而是全体人员。它为获取所有面向对象的数据提供可能，而非单一个体，即“样本=总体”“样本内容=全部数据”；而数据获取的开放程度和方便快捷又保证了教育工作的时效性。

(二)弱化所获思想政治教育主体数据的精确性，强化全面性

在传统思想政治教育的数据采集和分析过程中，我们不允许错误存在，因收集数据的人工成本高，存储方式受限，要求每一次采样结果都是精准数据。因为采集到的数据量基数小，从而任何一个错误的数据都会使学生群体出现的某一类问题的调查结果出现偏差。而在大数据环境下，获取学生所有的日常数据变为可能，且因为数据收集范围广，关联参数多，没有办法保证数据的精确性。但当掌握了足够大量数据时，个别数据的精确度就不那么重要了。尽管不可避免地混入许多纷杂数据，这并不影响我们通过大量数据的挖掘、筛选、整合、分析，从而对学生某类问题整体状况的准确把握和预测。

(三)强调思想政治教育内容的相关性，而非因果关系

大学生思想政治教育问题纷繁复杂，学生群体中某一个问题的出现常常不是单因素导致的结果，而是多重相关因素共同发酵催生某一个问题的爆发。传统的实证分析侧重寻找问题的因果关系，即努力寻找问题的“为什么”。但一个问题常常是多方诱因的复杂结果，对多方诱因数据信息挖掘的受限导致思想政治教育的时效性和实效性大打折扣。在大数据技术应用下，我们试图通过“数据”来“说话”，用“数据”来解释“是什么”。换言之，也即是通过数据与数据之间的关联，数据与行为预测之间的交叉互动来最大概率地分析出一个可能的结果来帮助我们及时发现问题，预测结果，及时干预。这是一种直接结果导向处理方式，不需要准确挖掘问题背后的运作机制才介入。

(四)实行思想政治教育内容“数据化”

大数据技术在高校思政管理工作中的应用是要通过数据来“说话”，通过充分对学生群体相关数据的挖掘和分析，监测并预测一个可能的现象。牛津大学教授维克托·迈尔·舍恩伯格将这个“数据化”过程在《大数据时代：生活、工作与思维的大变革》一书中定义为“把现象转变为可制表分析的量化形式的过程”[1]45-52。这一过程涉及文字的数据化、方位的数据化、沟通信息的数据化。例如，学生经常通过各类社交平台BBS、微博、微信、QQ动态来表达自己的情绪。通过这些数据的挖掘、收集、统计、分析后，可以通过量化的结果预测是哪个学生思想动态异常，进而对其进行及时关注、干预和辅导。

四、大数据时代高校思想政治教育面临的挑战

(一)提供大量数据源的同时，面临数据存储难题

大数据数量大(Volume)、种类多(Variety)的特性一方面为高校充分分析学生行为，个性化服务学生成长成才提供了巨量数据源，但不可避免也面临如何科学存储这些数据资源的难题。可供获取数据的互联网、校园论坛、校园监控、手机端、微博、微信、QQ等各类平台瞬间产生巨量数据，但这些数据分布面太广，是否存在分析价值也不确定。所有收集到的数据在没有进行科学的技术筛选、分析之前都处于“待处理状态”[4]49。这种状态下的数据如何进行去粗取精，去冗降噪，高效率低成本地存储面临一大考验。

(二)专业的数据处理人才和数据处理技术制约应用

对于大数据的整体把握还没有成熟的技术支持，各领域对大数据的技术应用仍处于探索阶段。如何正确处理数据与关联的各参数之间的关系，如何分析不同个体、不同结构、不同时间、空间维度里各个数据之间的交互作用成为一大难题。目前，高校大多数思想政治教育工作者虽能充分利用互联网这一平台创新工作思路，提高工作质量和效率，但普遍缺乏对大数据进行搜集、查找、分析以及存储的专业技术人员。现阶段，社会各领域的大数据应用意识已经大大提高，大数据应用的社会价值无需赘述，然而，如果没有科学、有效的大数据专业技术做支撑，这些数据的价值无法在各个领域得到体现，其等同于无效信息资源。

(三)“数据独裁”和网络攻击威胁个体的信息安全

每项技术使用都必须在一个适度、安全范围内才不至于带来不利后果，大数据也是如此。在今天这样一个信息高速发展的背景下，大学生群体是一批覆盖面最全的“网民”。大学生的生活、购物、社交俨然已经“网络化”。这为通过大数据技术来监测和统计学生的各类偏好和关注点成为可能。各类数据终端、移动设备、社交APP都承载着能够剖析学生动态和喜好的海量数据，这些数据一定程度上代表着学生的隐私。并且，现在网络黑客技术无孔不入，导致数据泄露风险加大。这一方面为高校思想政治教育提供了巨量有价值数据，但也极易形成“数据独裁”，这种“数据独裁”使得教育主体的个人隐私受到威胁[5]48-49。

五、大数据在高校思想政治教育中的运用与创新途径

(一)转变思维，强化意识，为大数据革新思想政治教育提供环境支持

《2015年中国大学生媒体使用习惯调查报告》显示，现在大学生的学习、生活、工作离不开各类社交媒体和社交APP的使用，手机和电脑已是当代大学生最重要的硬件配置。他们是使用新媒体最活跃、最频繁、基数最大的一个群体[6]64。在这一环境下，大量的数据如果加以利用，能够很好地用于学生心理和学生行为的分析和预测。这不仅可以使高校思想政治教育从宏观上把控，更能精准关注到每一个微观个体的情况。这是一场教育思维的大转变。以往的高校思想政治教育研究大多数依赖经验，思政教育工作者多依赖自己的工作经验，主观断定某一因素对学生行为影响效果。但在大数据环境下，对于预测行为决定因素的判断来源于可靠的数据分析而不是思政管理者主观的经验判断。这就要求高校思想政治教育工作者要革新思维，从战略高度强化大数据意识，增强高校各部门、各组织间的协同意识；不断创新工作思路的开放意识；及时抓住与学生健康成长息息相关的敏感信息的敏感意识；擅于对海量相关数据进行分析；对学生群体行为做出预测性的前瞻意识，从而改变思维路径——从演绎转向归纳，在“去经验”的过程中找到真正的、重要的学生个体行为的影响因素[7]25-26。

(二)内部治理，外部助推，为大数据革新思想政治教育提供数据支持

数据的获取是大数据技术应用于各领域的基础。首先要进行“内部治理”，搭建一个大数据平台系统连接高校各个部门，为大数据挖掘、整理和存储提供基础。其次要“外部助推”，和各大网络媒体、社交平台、相关教育部门密切联系，实现社会资源最大化，尽可能保证大学生相关数据收集资源的全面性，丰富大数据研究的数据源，为准备分析、预测大学生群体的行为提供数据支持[8]40。

(三)培养人才，加强校企合作，为大数据革新思想政治教育提供技术支持

美国就业市场调查显示，Big Data和 Cloud Computing 是目前市场上最迫切需要的人才。美国新闻报道指出，至2020年数据运算人才将是十大最紧俏的职业之一。目前全球范围都面临同样的难题，就是大数据人才缺乏。这是一个难题也是一个机遇。这些社会诉求一定程度上反馈高校去系统培养该方面的专业人才，为大数据在各个领域的发展提供人才和技术支持。一方面，这一形势很好地促进高校与企业之间的校企合作，让学生的理论学习与市场接轨，针对社会需要培养相应人才；另一方面，高校人事部门要在准入上花点心思，有意识地甄选一些政治素养高，互联网技术强和有较高大数据处理能力的专业化人才补充高校思想政治教育队伍中去。这一方面的工作可以充分借鉴清华大学与Cloudera CAP的合作，发布BASE (Big Analytics Skill Enablement)倡议，与其他高校联动，共同打造一个专业技术认证体系，配置相关课程体系、人才培养模式、教师队伍等，以解决国内大数据行业的人才稀缺困境。

(四)完善制度，为大数据革新思想政治教育提供安全保障

“数据”一定程度上代表着“隐私”。高校推行大数据管理技术承载着海量的学生信息也就等同于掌握了大量学生隐私。如何做好这些数据的合理利用以及安全保护是一项不可忽视的任务。通过专业的网络防范技术来保护数据安全是基础，但更重要的是要有一个完善的体系来规范数据挖掘、收集、整合、分析、导出等各个环节的操作及各个职能部门的权限。因此，高校思想政治教育在大数据背景下应该做到：一要有数据网络安全防护技术作保障。提高数据网络安全的防护，比如通过运用数据保护关键技术、数据加密、分离密钥、过滤监控等强化安全技术手段；二要顶层设计与制度落实并重，深化数据安全管理。数据最开始的挖掘由哪个部门去负责，之后又交接给哪个部门去筛选和分析，在什么范围内去公布学生的信息不会侵犯学生的隐私，干扰学生的生活，这要根据实际工作需要和发展而设定数据挖掘、利用的权限和范围以及决策的标准化流程的管理制度要逐步建立并完善；三要构建一个相对完善的数据安全评估体系。要从各项制度的制定、安全标准的确定到数据最后的检验和评估，都要在一个科学、可以评估的安全范围内进行，从而保证各类数据在高校思想政治教育的使用过程中能够发挥精准的作用[9]254-255。

[1]维克托·迈尔·舍恩伯格.大数据时代[M].盛杨燕,周涛，译.杭州：浙江人民出版社，2013.

[2]梁家峰,元振华.适应与创新：大数据时代的高校思想政治教育工作[J].思想教育研究2013,(6).

[3]涂子沛.大数据[M].桂林：广西师范大学出版社，2013.

[4]万辉.大数据在高校学生管理工作中的应用[J].高校辅导员学刊,2014,(8).

[5]张锐，董志，夏鑫.大数据时代高校思想政治教育工作创新探索[J].新媒体思政，2014,(5).

[6]宋神凡.天津高校本科生基本媒介接触情况调查报告[J].今媒体，2014,(4).

[7]汪文华.大数据时代的教师培训变革[J].教师教育论坛，2014,(8).

[8]王海建.大数据时代高校思想政治教育的实效性[J].高校辅导员学刊，2015,(4).

[9]陶骏.大数据时代下的高校信息化平台建设[J].教育信息化，2014,(8).

(责任编辑鲁守博)

2017-02-18

福建省中青年教师教育科研项目“高校思想政治教育研究专项”(JZ160380)。