大数据应用于高校思想政治教育的现状、困境与探索

胡昱东，胡高权

(浙江大学 计算机科学与技术学院， 浙江 杭州 310027)

大数据时代，思想政治教育的方法与手段都会发生巨大的变化。面对这样的变革和挑战，思想政治教育如果仍然只是沿用原来的定性研究方法，那么我们将无法实现思想政治教育的精准化和科学化。正如马克思所说的，一门学科只有实现了数据化和数学化，才能称得上一门成熟的学科，而大数据技术正好为思想政治教育学科提供了最新的科学方法和手段[1]。因此，如何利用大数据给思想政治教育带来的新机遇，变革思想政治教育的思维方式[2],完善思想政治教育的研究范式，并进一步探索大数据在高校思想政治教育研究和实践中的应用，是高校思想政治教育工作者需要认真思考和实践的重要课题。

一、大数据应用于高校思想政治教育的研究进展

大数据的概念首见于1998年《科学》杂志中的《大数据的管理者》一文。2008年《自然》杂志的“大数据”专刊之后，大数据及其研究就陡然增长[3]。国外学者关于大数据在高等教育领域的研究主要有以下方面：一是大数据时代高等教育面临的机遇和挑战[4-6]；二是大数据技术在高等教育机构教学领域中的应用。例如利用数据分析预测学生学习趋势，帮助其选择课程，并为学习困难的学生提供及时、精准的帮助[7-9]；运用数据挖掘和机器学习技术，针对学生退学问题建立预测模型和预警系统[10-12]，对延期毕业的原因进行分析[13]。然而，由于国别的差异，国外学者对于大数据在大学生思想、德育教育方面的研究鲜有报道。

国内学者对于“大数据”和“思想政治教育”的研究始于2013年，2014年以后迅速发展[14]。首先，学者们认为大数据不仅是一种技术，更是一种价值观、方法论。以数据化、海量化、动态化和复杂化为特征的大数据载体，会为思想政治教育带来即时性、针对性和科学性更强的新机遇，并能够促进思想政治教育思维方式变革以及新的理论范式和实践模式的确立，以适应大学生个性化发展需求，进而提高思想政治教育的有效性[1,15-18]。其次，要基于量化图式、个性化教育、精确研判的工作理念，以及可视化、个性化和即时性的实践原则[19]，通过互联网终端和物联网技术，主动获取和存储对思想政治教育工作有价值的数据信息[20-21]，并构建自己的技术平台和云计算服务来分析处理思想政治教育大数据[18]。在此过程中，高校思想政治教育工作者的数据素养(Data Literacy)，专业化数据分析人才[22-23]，完善的数据信息管理、制度，以及数据收集、管理和决策的标准化流程都是不可或缺的重要组成部分[24]。再次，学者们还就大数据技术应用于党建、困难生资助、学习预测及学生成长数据画像等具体领域做了相关研究与展望[21,25-27]。此外，随着校园移动互联应用的普及，移动设备产生的数据也成了学者们关注的重点，通过分析“校园APP”和微信小程序的数据，了解大学生的言行导向与思想动态[28-29]。

综上所述，目前国内学者关于大数据应用于高校思想政治教育方面的研究在理论层面探讨的较多，多集中于工作理念层面或是大数据在思想政治教育领域应用的一些可能性设想，而对于具体的实施路径、方法及微观层面的实证研究、案例研究还较少。这也正是高校思想政治教育工作者需要在实践中进一步研究和探索的内容。

二、大数据应用于高校思想政治教育的实践困境

虽然目前高校能普遍认识到大数据应用于思想政治教育的各种优势，也开展了诸多的尝试与探索，但在实践中要做到两者相互融合仍然面临着理念、机制、技术、法律、伦理等多方面的问题和困难。

(一)数据采集的范围、边界和路径有待明晰

互联网时代，每一个人的行为都被高度数字化，“数字足迹”无处不在。高校信息化经过了30多年的建设与发展，已经具备良好的数字化环境与基础。特别是随着移动互联网的迅猛发展、物联网技术的广泛应用以及校级综合数据服务平台的建设，校内学生相关数据的记录范围不断拓展，这些都为高校思想政治教育工作提供了丰富的数据资源。但是如何在法律和技术允许的条件下，从可获取的海量数据中去冗分类、去粗取精，明晰数据采集的范围和边界，明确哪些数据能为我所用，是高校思想政治教育工作者需要思考与解决的首要问题。同时，数据的采集在实践中也有两种路径，各有利弊：一种是建设大而全的思想政治教育信息管理系统，数据采集的范围可以随着需求的变化不断扩展，缺点是投资大，开发周期长；另一种则是针对思想政治教育某一具体工作而开发的信息管理系统，例如党建信息管理系统、就业工作信息系统等，缺点是各系统之间的数据因分散在条块分割的部门与系统中而不能实现共享[30]。

(二)“以人为本”的数据管理模式尚未建立

在理想状态下，高校可以通过各个部门的业务系统，收集与学生相关的所有数据，建立数据仓库，并在此基础上通过数据为高校的宏观决策与微观服务提供支持。要实现这一目标，关键是建立以学生为中心的数据仓库。而传统模式下多头管理导致的信息隔离和信息断层，阻碍了上述进程的实现。为此，张平伟等提出高校需要建设一个基于学生全生命周期管理理念(student life-cycle management，SLM)的信息系统，但目前国内还没有成功开发并应用此类系统的相关报道[31]。具体而言，当下高校各职能部门的信息管理系统是基于自身业务需求导向而开发的，多以“事”的流程来展开设计。这样的系统设计思维和数据管理模式容易造成学生信息和数据囿于各个部门的“信息孤岛”之中，信息的更新、同步与共享难以实现，更无法把各类与学生相关的数据进行重组分析，从“人”的维度刻画学生成长过程、知悉学生成长规律。

(三)专业的思想政治教育信息管理系统亟待开发

如前文所述，学者们普遍认为高校思想政治教育工作者需要增强数据意识，主动收集数据并利用数据。而学生数据的收集、管理、分析和应用都离不开信息管理系统的支撑。但是，高校目前的信息化建设普遍存在校级职能部门强、基层院级单位弱的现象，更没有统一、专业的思想政治教育的工作平台与信息系统。虽然与学生相关的学工、研工、团委、就业、校友等各个部门均建有各自的信息管理系统，但这些校级层面的信息管理系统在功能设计上大都从自身部门业务管理的视角出发，多关注最终结果的数据，且没有赋予院级单位收集、分析过程性数据的功能和权限，与基层院级单位之间的需求也存在着较大的差距。院系辅导员在工作中需要使用不同部门的多个信息系统，不仅工作繁琐、效率低下，而且各个系统之间的信息也无法做到准确和同步。可以说碎片化、缺乏集成性和统一性是目前高校思想政治教育信息化建设过程中面临的一个主要问题。同时，由于缺乏专门的院级信息管理系统，基层院系所开展的诸多思想政治教育工作均没有实现数据化管理，无法自主地完成对学生数据收集、管理和分析的工作和任务。此外，即使院系有自主开发思想政治教育信息系统的意愿，仍然需要克服开发与维护过程中的一系列困难。例如，高校院系的用户由于计算机专业知识的限制，无法形成完整、明晰、有效的需求报告，而校外开发公司的技术人员对于高校的事务流程特别是对思想政治教育领域的工作流程了解甚少，无法真正把握各业务流程和数据之间的内在逻辑和关系，往往容易造成系统业务扩展和维护的种种困难。

(四)隐私保护、伦理问题与数据开放使用之间的矛盾依然突出

随着信息技术的不断发展，个人信息的隐私保护早已引起人们的重视。高校在学生相关数据的收集和使用过程中也面临同样的问题，可以说两者之间的矛盾一直相伴而生、如影随形。一方面，在大数据环境下高校的各类主体要求相关数据进一步开放的需求日益增多。例如高校各学院基于数据分析进行决策的意识不断增强，因而要求教务、后勤等职能部门开放更多、更细与学生相关数据的需求也日益强烈；又如大学生在自身职业发展规划的过程中，对于校友数据的获取也更为渴望，而现实中各高校校友资源管理的信息化建设还处于较低水平，数据的更新速度、数据的公开和利用尤为不足，在移动互联网时代更是无法满足校友和在校学生之间的信息共享，以及在线即时交互的需求。另一方面，随着数据开放程度不断提高，基于数据共享、数据二次利用的数据挖掘、数据预测以及更全面的监控将会造成个人隐私保护更加困难[32]。同时，由于数据管理不成熟以及过度的数据使用和依赖，会带来一系列伦理挑战，例如因数据标签和刻板印象造成的不公正推断、“唯数据主义”等问题[30,33]。

三、大数据应用于高校思想政治教育的探索——基于基层学院工作单元视角

对于高校思想政治教育而言，大数据的意义不仅在于有关学生的数据海量增加，还在于通过对数据的交换整合、深度分析可以为决策提供支持、为个体提供服务。笔者认为，由于受到目前高校技术水平和专业人才等因素的限制，现阶段大数据在高校思想政治教育中的运用应更注重于后者。因此，在实践中笔者以院级思想政治教育工作信息管理系统为载体，探索大数据应用于高校思想政治教育的方法和路径(图1)。

图1 R学院思想政治教育信息管理系统结构及工作流程示意图

(一)完善数据收集、管理的方法和途径

1.尝试构建院级层面思想政治教育的“基础数据集”

以Z大学R学院为例，首先，基于学生全生命周期管理理念，建立院级层面大学生思想政治教育的“基础数据集”，包括学生基础信息、党务、团务、学生活动、学生事务、实习、就业、校友管理等多个模块，并在此基础上确定各个模块所需要收集的具体数据指标。其次，明确各个模块的数据来源与采信规则。例如学生的学籍、就业、住宿等信息分别来源并采信于学校的教务、就业和后勤等职能部门；而学生的党团活动情况、谈心谈话记录、实习单位信息等内容则来源并采信于学院信息管理系统中的各子业务模块。对于来源于学校其他部门的数据，均通过学校数据交换中心来获取。但由于来自各个部门数据的质量和格式都不尽相同，且数据还可能存在一些重复、错误甚至部分缺失等问题，因此需要通过数据清洗和整合才能够使这些数据符合进一步使用的要求。为此，需要设立学院学生数据交换中心来解决这一问题。校级数据交换中心定时把相关数据推送至学院数据交换中心，学院信息管理系统根据预先设定的同步规则进行数据处理，确保学院系统的各个子业务模块能够获取实时、正确的数据。

2.注重学生“德育行为足迹”的收集与积累

大数据环境下，学生数据不仅来源于他们在使用互联网和智能终端过程中产生的“数字足迹”(在校内社区、论坛以及其他社交网络上所产生的数据)，还来源于他们在现实生活中的“行为足迹”。目前，高校拥有较为成熟完善的教务、科研、就业等管理系统，各个业务部门对于学生培养过程中的“智育行为数据”收集得较为完整，而对于学生在课堂以外“德育行为足迹”数据化的程度还较低，包括大学生参加党团组织生活的情况和质量、公益活动和志愿者服务的时间、社团活动的情况等。这些“德育行为足迹”要么没有以数字的形式记录，要么还散落在各个部门或院系辅导员的excel表格之中，没有加以汇总并储存。而恰恰是这些容易被忽略的“德育行为足迹”对于反映学生德育状况具有十分重要的意义。因此，我们在系统设计过程中，注重对“德育行为足迹”的获取与积累，通过党团活动流程电子化、会议、活动手机扫码签到等方式将这些“行为足迹”及时地存储并汇总至院级思想政治教育管理系统的数据库中，以便开展分析和利用。

(二)数据的共享、分析和利用

1.院级层面学生数据的实时共享

根据全员育人的工作理念，思想政治教育工作贯穿于高校的教学、管理、服务的全过程之中，教育主体包括专业教师、辅导员、本科生班主任、研究生德育导师、行政管理人员等。他们通过教学、管理、服务等工作与学生进行互动，一方面会产生大量的信息与数据，另一方面也需要源于其他主体的数据作为支撑，以便更好地完成各自的工作。而在传统工作模式中，上述教育主体各自所掌握的信息与数据是互相隔离、无法互通的。为了解决这一问题，R学院在信息管理系统中设计了不同主体的用户角色，他们可以在各自权限范围内对学生数据进行增删改查。各个教育主体通过院级信息管理系统，把有关学生的信息和数据汇聚在一起，实现了数据的实时共享。

2.学生党支部党建工作的质量评价

通过院级信息管理系统中的党建工作模块，将全过程数据化的管理引入学生党支部的党建工作之中，并开展基于数据的学生党支部党建工作质量评价，实现从传统注重结果的总结性评价转变到现在注重过程的形成性评价。首先，通过分析学生党支部组织生活的频次、到会率及理论学习关键词等数据，对党支部组织生活的质量进行评价。其次，通过对学生党支部各项工作执行的时间节点和完成情况的分析，对党支部工作的规范性进行评价。第三，通过建立考察评价指标体系，对积极分子的培养与考察情况进行评价，具体包括他们的学习成绩、获奖情况、志愿者活动、实践表现、宿舍卫生等诸多方面，从而形成量化考察报告。考察报告的数据分析不仅关注入党积极分子之间的成长差异，而且还关注入党积极分子在学生整体中的表现，并将分析结果通过数据可视化的方式予以呈现。第四，在学生党员的民主评议中引入量化指标和数据分析，每年形成一份“用数据说话的”党员综合评价报告。第五，通过评估党支部所辖班级的综合表现，以及收集到的群众意见反馈，对党支部的整体工作业绩进行评价。

3.特殊关心群体预警机制的构建

建构大学生思想政治教育危机预警系统，是对大学生思想政治教育过程中的一系列影响因素的变动进行监测、诊断和预控的一种组织手段[34]，也是大数据在大学生思想政治教育中应用的一个重要研究方向。有学者提出，可以通过大学生在微博、微信等社交媒体上的更新、变化状态来了解他们的生活轨迹以及情感变化，从而对一些危机事件进行预警和处理[16，19]。但由于此类数据的获取会涉及校外运营商数据接口的开放程度以及学生隐私保护等问题，实际操作较为困难，而通过对大学生校园卡的数据分析来实现危机预警则较为可行。笔者结合思政工作的实践经验，针对一些特殊情况建立相应的数据预警规则，信息管理系统在收集整理相关数据后，根据预先设定的触发规则做出判断和提示。例如通过对餐饮和宿舍门禁数据进行分析，筛选出一段时间内没有在食堂就餐，或是长期就餐、作息时间不规律的学生人群，预判这些学生可能沉迷于游戏或是存在着身体健康等方面的问题，从而提醒辅导员、班主任予以重点关注；又如在贫困生的资助工作中，系统通过对全体学生的日常消费记录进行分析，筛选出低于平均消费水平的学生群体，便于及时、主动地关心这些可能存在困难的学生群体。

(三)校友数据的开放与利用

校友数据的开放，不仅仅意味着数据的公开，而且还意味着这些数据可以被再次利用，在这个过程中必然会涉及到校友的个人隐私。在实践中，我们按照“循序渐进开放”“充分尊重校友意愿”以及“动态管理”的原则，尝试在R学院内有限度地开放校友数据。首先，基于自愿的原则，校友有权决定其信息公开的程度(部分字段或所有字段)与公开的范围(同年级、同专业方向或所有校友)，并随时可以通过网站和手机客户端对以上两项内容进行修改。其次，校友信息的查询与个人信息的维护均需要通过院级思想政治教育信息管理系统的身份认证。同时，为了方便搜索，我们对校友信息作了进一步的细分，形成了不同的搜索标签，例如校友所在城市、行业、具体从事的工作等。此外，除了提供信息管理系统的查询入口外，我们还通过手机APP和微信平台的二次开发，为校友和在校学生提供了移动互联网环境下的信息获取途径，以期形成一个学生生涯指导与创新创业相结合的自我服务平台。

(四)院级思想政治教育信息管理系统建设的研究展望

把高校基层院系作为数据收集和数据分析的基本工作单元，其方法和路径具有较强的可复制性，所建成的院级思想政治教育信息管理系统可以广泛地为其他高校院系所使用，具有一定的实践推广价值。但在项目运行过程中仍存在一些困难和不足，仍需在以下方面继续开展研究与探索：

首先，仍需不断完善校院两级数据互联互通的机制与渠道。通过院级思想政治教育信息管理系统的建设，在院系层面对学生的数据实现了初步集成与汇总，基本实现各类数据在院内的实时更新和共享。但是由于院系与校级职能部门之间的数据采信规则尚未确立，导致院系更新后的学生数据无法回流至校级职能部门，仍需要院系通过手工导入的方式对校级信息管理系统中的相关学生数据进行维护。因此，破除“数据孤岛”，真正实现校院两级之间数据实时互联互通依然任重道远。

其次，要明晰校级层面数据开放的范围与类型。由于缺乏完善的数据管理规则和数据使用责任体系，校级职能部门对于学生数据的开放大多采取保守的态度。例如基于维护教务系统安全的考虑，学生成绩数据无法实时与院系的思想政治教育信息管理系统进行对接传输。同样地，出于对学生隐私的保护，后勤餐饮消费数据和门禁数据也只能有权限地被查询与获取。未来高校应该在遵守相关法律法规的前提下，对数据的开放范围和程度做出更为明确和细致的规定，使得数据能够被更充分、更合理、更安全和更负责任地使用。

第三，加强数据可视化技术的应用。目前，院级思想政治教育信息系统中各类数据多以表单的形式予以呈现，对数据缺乏有效和形象的展示，思政工作者难以对学生的状况有一个总体、快速、直观的把握。因此，如何通过数据可视化技术的应用，把枯燥乏味的数据转变成形象直观的决策助手，也是未来研究需要关注的重要方向。

四、大数据应用于高校思想政治教育的相关建议

通过上述案例介绍与分析，笔者认为要做到大数据与高校思想政治教育的真正融合，还需要注重以下方面的研究。

(一)建立高校思想政治教育“最小数据集”

所谓“最小数据集”(Minimum Data Set,MDS)是指通过最少的数据，最好地掌握一个研究对象的特点或状态，其核心是针对被观察的对象建立一套精简实用的数据指标[35]，而且数据指标需要符合伦理、有用、科学稳健、具有代表性和可获得性等原则[36]。在当下学术界对于思想政治教育的内涵和概念等问题还未形成广泛共识的情况下[37]，高校思想政治教育“最小数据集”的建立也不可能一蹴而就。由于受到法律和技术等因素的限制，当下高校思想政治教育“最小数据集”的建立还是应该以校内数据为主，适当兼顾外部一些可获取的主流社交媒体数据。因此，可以基于“广义思政”的理念，以高校思想政治教育各个领域的具体问题为导向，先尝试构建一个范围较大的“基础数据集”，并通过实践不断地予以修正，以期为日后形成科学、规范的高校思想政治教育“最小数据集”做好基础性工作。此外，在高校内部，由于校院两级工作视角的差异，对于数据粒度的要求也有较大区别，也需要在实践中不断地加以探索和明晰。

(二)完善以学生为中心的数据管理模式

高校的信息化建设推进至今，在各部门业务子系统建设日趋成熟的情况下，推倒重来、重新规划的开发方式既不经济也不现实，而是应该致力于不断完善数据管理模式，完善各部门数据共享机制和数据同步规则，构建和谐的系统生态。较为可行的方法是通过校级数据中心这一载体，基于思想政治教育的视角，根据学生全生命周期发展的流程，将各部门数据通过数据建模、数据萃取的方式，重新构建以学生为中心的数据仓库，并在此基础上实现数据在高校思想政治教育领域的分析和应用。

(三)开发院级思想政治教育信息管理系统

高校院系作为教育培养学生的直接主体和基本工作单元，承担着高校大学生思想政治教育中最为基础和繁重的工作任务。如果高校在院级层面能够建立标准化、模块化的思想政治教育信息管理系统，既可以帮助学院提高思想政治教育的工作效率，又可以为学校决策提供实时的数据支持。因此，笔者认为开发院级思想政治教育信息管理系统是大数据应用于高校思想政治教育的基础环节，可以以此作为学生数据收集、分析、应用和开放的基本工作单元，探索大数据应用于高校思想政治教育的方法和途径，为实现全过程育人、全方位育人提供数据支撑和技术支持。

(四)确立隐私保护原则与数据使用规则

在伦理学上，大数据技术与其他技术一样是中性的，关键是在应用大数据技术的过程中要明晰应该做什么(实质伦理问题)和怎么做的问题(程序伦理问题)，从而避免涉及隐私等问题的发生[38]。首先，高校需要确立信息隐私保护原则，具体包括以下方面：一是群体性特征分析原则，即在校级层面数据的使用，需要进行数据脱敏处理，重点在于了解和反映大学生整体的思想状态与行为规律；二是对学生个体而言，适用数据分析结果有限使用原则，即可以根据数据分析与挖掘的结果给予学生有利的帮助[注]实践中有高校通过校园卡餐饮数据的分析，无需经学生申请，就通过计财处自动给予学生一定数额的餐补。，而不能据此采取对学生产生不利后果的处理行为，如校内违纪处分等；三是生命至上的例外原则，如果数据显示学生存在自杀、自伤等严重风险的可能，则可以利用数据分析结果进行危机干预。其次，高校需要结合自身特点制定数据使用的规范性文件，明确数据标准和规范、数据公开的范围和程度以及违规使用数据的责任等。

(五)逐步提升数据的开放程度

大数据应用于思想政治教育，数据利用的主体不能仅限于教育的承担者和实施者，还应该包括教育对象。这也是自我教育作为思想政治教育的一种方式在大数据时代的新应用。要通过适当的方式，让学生也成为数据利用的主体，使得他们能够在“数据富矿”中获取信息，收获成长。笔者建议高校应该尝试开放校友数据资源，基于以下两方面原因。首先，校友是在校学生了解工作世界和探索职业发展的有效渠道。在校友数据可获得的情况下，基于共同的学缘关系，在校学生将自发地与校友之间形成交流和互动，校友在生涯规划指导和育人方面的功能也能够得到更好的实现。其次，在“大众创新、万众创业”的时代，校友和校友之间、校友和在校学生之间的信息共享和交流，一定会迸发出更多的思想火花，形成更多的创新创业团队。在实践中，这方面的例子也不胜枚举。

五、结语

大数据技术作为研究和工作方法的创新，能帮助我们提高工作效率和工作的精细化程度，在提升高校思想政治教育科学化水平方面有着重要的意义。但是，高校作为人才教育、培养的机构，有其特殊的使命和运行规律，不能够像亚马逊等企业一样，在应用大数据技术的过程中走“从数据直接到价值”的捷径[39]，仅仅停留在“是什么”的层面，而是要在大数据所提供的相关分析基础上，更深层次地研究因果关系，找出背后的“为什么”，深究和发现问题背后的规律，这才是大数据技术应用于思想政治教育的真正价值所在。