价值、原则与路径：论高校党员教育量化分析的大数据之维

郭建平

摘 要：将大数据技术数据应用于对高校党员群体或者个人的量化分析中，可以改善和创新高校党员教育工作。当下应当树立大数据意识，搭建整合网络新媒体平台，挖掘运用大数据资源，同时还要重视网络安全与个体隐私保护。具体而言，包括建设网络新媒体党员教育平台、建立校内统一格式的业务运行数据管理系统、建立校际间党员教育数据共享机制、建立新时期的党员教育效果评价体系等举措在内的完整的工作体制机制。

关键词：党员教育；量化分析；大数据

中图分类号：G640 文献标志码：A 文章编号：2096-000X（2017）03-0005-02

在教育领域开展量化研究，主要是通过观察、试验和调查等手段，获取相应的数据和材料，强调对学校教学、科研和管理等相关事务进行量化分析，归纳和提炼其本质属性与发展规律。大数据时代来临之后，高校的教学、科研、管理等各个环节时刻都在产生各种结构化及非结构化的数据集，在对高校党员群体或者个人的量化分析中应用这些数据，可以为创新高校党员教育工作提供有力参考。

一、高校党员教育应用大数据技术的价值表征

长期有序的进行大数据的采集，有利于综合性多维度的建立高校党员教育评价体系。对于人的评价不同于对于具体工作的评价，尤其是对于高校党员教育效果的评价需要多维度、长期性数据的采集分析，才有可能获得较为准确的结论。因此，在开展高校党员教育及对教育效果进行评价时，进行大数据的采集、处理和分析可以做出关于教育质量和教育效果的分析。

具体而言，在党员教育领域应用大数据技术，主要是根据对于数据的相关性关系研究，或者利用相关性，预防或促成某些教育结果的发生，提升教育效果。如同舍恩伯格所言，“有时候，影响因素成千上万，解释的理论更加是多如牛毛，强找因果关系很难”[1]，科学研究和社会过程充满了不确定性。高校党员教育，其考核评价标准不仅是党校结业考试的分数，党性观念、优良作风、工作能力、先锋模范作用等考核指标包含着很多潜在的考察内容，这些都是教育和评价的重点。以网上党校学习为例，学员在学习不同模块的过程中会产生大量的数据，评价可以在学员学习的每一个阶段都开展，评价的频率要远远大于过去那种线下的党校培训过程。挖掘和分析相关的數据，对学员的学习行为、学习特征和学习过程进行及时跟踪和把握，把握“相关性”，进而寻找其中的“因果性”，反过来也可以为党员教育工作提供分析报告和开展相关研究时参考。

高校党员教育应用大数据技术的意义还在于有助于对党员教育工作绩效和责任的判断。从宏观层面来讲，可以通过分析党员群体网上活动留下的痕迹和生活中产生的种种数据，揭示其思想状况，把握其思想规律，精细分析群体思想与各类事件的联系及对不同教育信息的好恶等。从微观层面来讲，可以清晰揭示个体思想行为的实际状况，“个性化”、“定制化”等教育理念就可以适当发挥作用，教育活动的针对性和有效性也可以得到体现。[2]

二、高校党员教育应用大数据技术的恉要原则

（一）及时转变思维观念，树立大数据意识

高校党员教育应当及时树立大数据意识，研判相关技术应用给党员教育工作带来的影响，分析大数据技术发挥其功能的逻辑机理，改善党员教育的方式方法与实效。校园信息化过程中产生大量的大数据，来自于不同的层次和类别，既有人事、财务、资产、科研等常规管理型业务产生的结构化数据，又有多媒体教学资源等非结构化数据；既有用户使用网络产生的行为数据，又有物联网、移动互联网感知到的位置数据等。这些数据围绕着面对校内人群的服务与管理而产生，有着碎片化、持续性等特点。及时转变思维观念，正确认识大数据时代我们可以获取的更为完善和宽泛的数据，以及相应倍增的相关知识和信息量，可以为做出决策增加更为充分的考量空间。

（二）适时搭建整合平台，挖掘运用大数据资源

在宽带与移动互联网带来颠覆性革新及新旧媒体协同运行的背景下，搭建跨界网络新媒体党员教育平台，采集反映高校党员群体思想、行为动态的数据信息，可以推动高校党员教育工作创新，拓展高校党员教育阵地。高校党员教育属于人文社会科学的研究范畴，其研究对象是人以及人所在的群体、组织和相互关系。在过去人文社会科学研究很难用数据来说话，因为其研究对象及获取的资料用结构性数据无法表达，通常是运用逻辑推理的方法来获取结论。社交网络产生之后，为人们提供了在线交流与传播信息的渠道，人们的“在线化”社会生活信息被清晰的记录下来，这样经过处理后的数据可以帮助我们更为直观的观测人类社会的复杂行为模式，了解社会人的行为态度与社会对人的影响，及时掌握网络舆情，进而可以对一些公共行为和公共事件作出合理预测，建立预警机制和做好应急方案。

（三）重视网络安全与个体隐私，建立网络信息保障体系

进入大数据时代，新技术与社会正能量迎面而来的同时，不可避免的也会带来一系列社会隐患，网络安全和个人隐私成为目前人们极为关心的社会问题。2013年我国工信部发布了《电信和互联网用户个人信息保护规定》，明确规定“未经用户同意，电信业务经营者、互联网信息服务提供者不得采集、使用用户个人信息”，构成犯罪的，依法追究刑事责任。当年8月，国务院下发《关于促进信息消费的若干意见》指出，要加强个人信息保护，推动出台个人信息保护法律制度。高校党员教育在应用大数据技术，进行数据信息采集和处理的同时，应当适时建立完善的网络信息安全保障机制，重视对校内人群的隐私保护。

三、高校党员教育应用大数据技术的路径选择

（一）建设网络新媒体党员教育平台

哈佛大学心理学教授Stanley Milgram（1934～1984）创立的六度分割理论认为，任何陌生人之间所间隔的人不会超过六个，即最多通过六个人，两个陌生人之间可以相互认识。根据该理论，每个个体的社交圈不断放大，最后可以发展成为一个大型网络，遵循该理论，面向社会性网络的互联网服务得以创立。在宽带与移动互联网带来颠覆性革新及新旧媒体融合的背景下，实践互联网、移动互联网的联动组合传播与3G/4G时代的媒体化创新，可以Stanley Milgram（1934～1984）创立的六度分割理论为指导，建构跨平台网络新媒体党员教育平台，推动高校党员教育工作创新，实现党员教育阵地拓展；在目前人们普遍开通、使用微博、微信等新媒体工具的情况下，可以借助微博、微信等新媒体手段，自主开发党员教育移动客户端，形成“微博——微信——移动客户端”一体化的新媒体运行机制，主动占领网络阵地，传播网上正能量，用大家喜爱和乐于接受的话语体系推动高校党员教育工作创新，满足大家浏览、表达、交流、分享、娱乐等多元化与个性化的诉求，进而把握网络意识形态领域的主导权和话语权。

（二）建立校内统一格式的业务运行数据管理系统

许多大学正在探索如何建立“数据治校”模式的合理路径，高校党员教育是现代大学治理的重要组成部分，应与高校其他工作共同构成完整的育人机制。在党员教育工作中所采集的数据与校内其他部门采集的数据做到相应整合，建立适于现代大学治理的公共数据仓库，既扩大了数据的来源和广度，也可供学校在进行管理和决策时作为有力参考依据。目前高校各部门都在着手建立信息化管理系统，招生、学工、教务、人事、科研、财务等部门基本上都拥有比较完善的业务运行数据管理系统。但是由于市场上数据系统软件的多样化，各个数据管理系统有着不同的定义与格式，在进行不同部门的系统之间数据串联时，就出现了数据提取困难的情况。在实际工作中，就需要组织专业人员从不同的数据管理系统中完成数据提取、转换和装载工作，将多种来源的数据按照统一的格式与定义进行整合，以业务主题为二级目标，建立起以分析为主要功能的大数据仓库。因此在一所高校内部，统一格式的业务运行数据管理系统建设是一个比较棘手和又需要解决的长期性课题。

（三）建立校际间党员教育数据共享机制

随着科学技术的发展，对于高校党员教育工作中存在的数据资源进行整合，不同高校之间开发和建立党员教育数据共享联盟，可以供各高校在开展党员教育工作时参考使用。建立校际间党员教育数据共享联盟，应当注意科学界定不同高校之间的可比性数据，建立联盟高校之间的相互信任关系，维护好联盟高校及党员个人权益，建立数据获取的保障与安全机制。2014年，UMA（中国互联网优质受众营销联盟）发布了大数据平台，该联盟网罗了携程网、当当网、易车网、智联招聘等诸多知名网络企业。联盟的运行机制是以数据为核心，数据都存放在各公司内部平台由企业自主管理。UMA内部成员之间采用应答机制，双方数据握手成功，平台本身并不保留数据，企业不需担心数据外泄。建立校际间党员教育数据共享联盟，在技术层面可以参考UMA的运行机制，同时结合高校自身工作实际，探索出一条适合高校间党员教育数据共享的合理路径。

（四）建立新时期的党员教育评价体系

高校党员的学习经历、学习效果、内心感受、思想动态等过去很难测量的事物，目前在技术层面已经可以通过量化的方法转换为数据。因此，目前建立党员教育评价体系时可以着眼于党员教育的现状和工作需要，将评价目标进行更为清晰、全面的界定和规范。《2014-2018年全国党员教育培训工作规划》中将党员教育培训工作的目标确定为“理想信念进一步坚定，党性观念进一步增强，改革意识进一步强化，优良作风进一步发扬，履职服务能力进一步提高，先锋模范作用进一步发挥”。高校党员教育培训在制评价体系时则可以将其作为指标体系的一级指标来界定。在确定二级指标时，可以借鉴人才培养的“知识-能力-素养-创新”全过程体系来确定二级指标的四个维度，一级指标中每一个目标的实现都应该涵盖这四个维度。在高校党员教育现状和教育内容的基础上，可以继续确定一系列的三级指标，将强调终身学习、学习内容内化为自身素养的理念传递给每一位青年党员。

总之，借助大数据一切皆可量化。我们在将大数据技术应用于高校党员教育的同时，可以将重点放在探讨新的定性研究与定量研究相结合的研究范式，关注和思考数据间的关系，寻找数据间的规律。“只问相关性，不问因果性”固然是大数据的特点，但笔者以为在完成了对大数据的相关性分析，了解“是什么”之后，我们还是应当继续向更深层次研究因果关系，找出背后的“为什么”，即如何培养“党性”与“人民性”才是我们最终的追问。

参考文献

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

[2]胡树祥，谢玉进.大数据时代的网絡思想政治教育[J].思想教育研究，2013（6）：60-62.