大数据嵌入：高校思想政治教育的转向、问题与启示

巫彬，莫维兰

(成都理工大学，四川成都 610059)

随着现代信息技术的迅猛发展，人类进入以信息化、数字化为标志的现代社会，内容多样、结构复杂的数据充斥着整个社会。高校思想政治教育应抓住大数据时代的机遇，在管理模式和思维方式上更新迭代。将大数据嵌入思政工作的全过程，有助于增强思政课的思想性、理论性和亲和力、针对性；实现全员育人、全程育人、全方位育人；落实高校立德树人的根本任务。大数据嵌入高校思想政治教育，是高校思想政治教育与时俱进的具体体现，也是积极适应大数据时代带来的新变革和新发展的必然要求。

一、大数据嵌入高校思想政治教育的特征

大数据是指运用常规软件工具获取、管理和处理消耗时间超出人类可接受范围的数据集。大数据嵌入思维下高校思想政治教育的价值主要有以下几个方面。

(一)个性化：凸显思想政治教育的人文关怀

传统思政工作采用的是“硬灌输”的模式，缺乏对高校大学生个体的人文关怀。

在大数据及其技术的引领下，思想政治教育工作者可以利用大数据掌握思想政治教育对象生活、学习和社会交往等方面的烦恼和困惑，甚至分析一些传统思想政治教育难以量化的思想和情感特征，从而反映出学生的学习需求、思想行为特征，揭示出高校学生的学习规律、学习模式。同时，教育者可以根据不同学生的不同思想行为特征和学习模式，满足受教育者的多样化的需求，有针对性地为每一个高校大学生制定专属的“私人定制”学习辅导方案，彰显大数据嵌入思维下思政工作的人文关怀。

(二)科学性：提升思想政治教育亲和力、针对性与时效性

信息化和数字化时代，将大数据技术运用于思想政治教育已经成为提升思想政治教育亲和力、针对性与时效性的强大驱动力。

“传统范式的思想政治教育注重道德教化，以情感人，模糊化的东西比较多，量化分析相对薄弱，数据意识不强。”〔1〕大数据技术的发展彻底变革了这一局面。在万物皆可量化的科技创新的驱动中，通过大数据技术，可以科学掌握思想政治教育的前沿问题、时代课题和重点难题，科学把握管理要求、管理目标和管理任务，科学制定决策模式、决策目标和决策分析。

(三)预测性：把握教育对象的思想和行为规律

预测性是大数据领域最重要的应用之一。在大数据时代，人们能够从已经有的大量数据进行深入挖掘，实现对事物未来发展变化的有效预测。

一方面，由于固有的思维模式和特定领域的经验模式，很难产生出新的洞见、看法。大数据时代，能够从已经有的数据进行大量、深入地挖掘，实现对当前事物未来发展变化的有效预测。例如，谷歌利用搜索词条进行大数据分析，预测出美国流感疫情的趋势和走向；钟南山团队依据最新流行病学数据，通过与经典传染病学预测模型的整合，成功预测出2020年4月底国内新冠肺炎疫情将趋于平缓；亚马逊和奈飞通过客户的搜索记录、购买产品和评论向客户推荐产品，显著地提升了其产品的销售额。

另一方面，思政工作者无法时时参与、实时观测高校大学生每一阶段、每一过程的思想和行为过程，高校大学生的思想和行为的结果反馈往往具有滞后性。通过对大数据的分析，思想政治教育工作者可以把控重大性、关键性节点的数据信息，及时发现、分析和掌握受教育者的思想和行为特征，从而实时保证高校大学生的心理和行为的健康发展。

二、大数据嵌入高校思想政治教育的转向

大数据有四个特征：Volume(数据规模大)、Velocity(处理速度快)、Variety(数据类型多样)、Value(价值密度低),〔2〕并且其数据数量、结构、类型等多变。因此，高校思想政治教育的发展范式也迎来了一些新的转向。

(一)海量：从“样本”到“总体”的转向

数据体量巨大是大数据最突出、最直观和最容易受人们理解的特性。

一方面，大数据时代，信息时时刻刻都在呈爆发性地产生和发展。据美国互联网数据中心(IDC)显示，互联网上的数据年增长率在50%以上，每两年数据将增长一倍，并且全球近两年的数据产生数量是过去所有数据的90%。〔3〕在“一切皆可量化”的大数据时代背景下，依托移动互联网平台和各种智能终端，无时无刻不在产出大量的数据，例如高校大学生在互联网上的评论、点赞、收藏，校园一卡通消费记录，图书馆借阅书目和网络教学平台的选课记录等。

另一方面，由于过去的教育方式、调查方式和技术发展等主客观条件的制约，传统的思想政治教育的定量分析很难做到对数据全面性和总体性整理和分析。而大数据时代，大数据嵌入下由技术导向型向数据导向型发展的变化，使得所有的思想政治教育的数据都得以被数据化和量化分析。大数据技术的出现也实现了思想政治教育的数据分析从随机样本到全体数据的转变，即“样本”到“全体”的转向。

(二)客观：从经验到数据的转向

在大数据嵌入思想政治教育的视域下，思想政治教育实现了从“数据”到“大数据”的迈进，不仅体现数据在数量上的差别，更加代表数据的质量朝着客观性和真实性的方向发展。

教学管理系统、教师办公系统、学生社交网络平台、校园学生信息管理平台和数字图书馆等，时时刻刻都在产生大量的数据。运用这些数据信息进行数据生成、数据获取、数据存储和数据分析是思想政治教育大数据客观性的重要来源。

思想政治教育者仅仅通过以往的教学经验教育数字化时代的大学生，往往显得“捉襟见肘”。众所周知，质性研究和量化研究是社会科学研究的重要方法，同时在思想政治教育领域也被广泛采用。但是人的思想意识领域是思想政治教育研究的主要范畴，由于思想政治教育的主客体思想、意识和观念等诸多因素具有主观性、动态性和不确定性等特征，这使得思想政治教育的量化分析工作异常艰难。而大数据时代的来临，量化分析势在必行，必然成为思想政治教育工作主要采用的方法。

(三)复杂：从结果到过程的转向

当今信息化和数字化时代，教师教学数据、科研数据和学生学习数据等更新迅猛，新的技术、新的知识和新的设备层出不穷，思想政治教育的复杂性特征明显。

在大数据时代，思想政治教育的一切皆可量化，包括主观性极强的思想和情感。“数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。”〔4〕思想政治教育的复杂性在于，如何在价值密度低的大数据中找到重要性、关键性的价值。可以说，思想政治教育工作在结果中找寻高校大学生出现的问题的方式，在大数据嵌入背景下已经转换至通过研究受教育者每一阶段、每一过程的实时的心理状况和行为特征规律。

实际上，大数据的逻辑理念，是利用每一阶段、每一过程受教育者的行为数据，分析不同阶段受教育者的心理特征和行为特征，有效地解决传统思想政治教育无法分阶段、科学地获悉受教育者思想和行为信息的弊端，为教育者的全方位育人、全过程育人、全员育人提供大数据的动态过程支撑。

(四)精准：从“千篇一律”到“千人千面”的转向

通过计算机对大数据进行细分受众分析，能有效避免思想政治教育“千篇一律”和“千人一面”的困境。

传统意义上，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，〔5〕在信息供给和需求之间存在不对称的矛盾，思想政治教育者很难实现对受教育者精准的、针对性的个性化教育。大数据视域下的“精准画像”技术很好地解决了这个问题，实现了信息的“供给侧改革”，能精准研判高校大学生群体的思想和行为动向，掌握大学生群体的思想和行为规律，从而提升思政教育者的亲和力，实现思政工作的针对性，满足受教育者发展需求和期待。

譬如，高校大学生在网络上的课程选择、互动和反馈，图书馆阅读书目和校园卡的使用等大量行为数据都会被收集起来，从而建立数据模型，形成每个大学生独一无二的“精准画像”。通过对这些行为数据的采集、整理、分析，到精准定位形成个体专属用户画像，能够对个体学生和部分学生群体进行有针对性的分类教育，改变了以往思想政治教育“大水漫灌”的情形。

三、大数据嵌入高校思想政治教育的主要问题

在大数据嵌入思想政治教育的视域下，新特征和新转向使高校思想政治教育呈现出数据化、科学化、信息化和智能化等新的特点。同时，智能化、数字化的大数据技术既给高校思想政治教育提出了新要求和新任务，又给高校思想政治教育带来了困境。

(一)研究范式转变的困境

当前，高校大数据嵌入思想政治教育正处于起步和初步探索阶段，对结果到过程的转向，对因果关系到相关关系的转向认知仍然不明晰，但大数据技术的普及，势必会导致高校思政工作研究范式的转变。

思想政治教育学科在长期的发展下，以大学生为本，注重道德教化、情感育人，形成了独具特色、优势明显的思想政治教育谱系。长此以往，高校思想政治教育侧重于定性分析，忽略了定量分析的重要性。因此，当务之急是培养思政工作者“用数据来说话的素养”，运用大数据嵌入思维方式突破传统思想政治教育量化分析薄弱环节。在大数据时代，构建思想政治教育大数据平台，把传统思政工作中难以量化的思想和情感，通过大数据采集、分析和管理等形式，形成一个全方位、立体式和多视角的整体性“数据链”。

大数据时代，应通过积极采用量化研究范式，推动抽样调查的有限数据到大数据下全体样本、海量数据的转变，实现从“样本”到“总体”的转向，使大数据技术成为思想政治教育的得力抓手。

(二)数据收集、分析和管理的困境

大数据的价值密度极低，对其潜在价值的收集、分析和管理是大数据的世界观和方法论。

一方面，大数据及其技术要求教育者拥有收集数据、分析数据和管理海量数据的能力。传统的思想政治教育工作者对大数据认知和能力不足，缺乏学科交叉的专业素养和量化分析数据的能力。当前，大数据技术专业人员懂得数据收集、分析和管理，但是没有思想政治教育的专业知识，难以将数据分析和管理的结果实质性地转化为解决重要问题、现实问题的能力。因此，培育跨学科专业素养和能力的人才，把思想政治教育和大数据进行深度融合发展，是大数据时代思想政治教育的全新转向。

另一方面，大数据不等于信息，更不等于有用的价值，数据的质量问题是高校数据挖掘最主要的问题。思想政治教育数据来源的广泛性、混杂型和碎片化特征明显，往往导致数据的信度真假难辨。在巨量的数据世界中，对数据的收集、分析和管理稍有不慎，加之主观认知错误和固有思维的限制，往往导致错误的数据分析认知和关键性、重点性问题被忽略，从而影响思想政治教育工作的实效性。

(三)伦理道德的困境

大数据既给高校思想政治教育带来了机遇和契机，也带来了威胁与挑战——产生了用户隐私和数据运用安全风险问题。

首先，基于大数据的预测性，可以较为精准地预测出教育对象的思想状况、心理特征和行为状态，帮助思想政治教育工作者充分了解和帮助教育对象，提升思想政治教育的实效性，但是它也使得受教育者的隐私被全方位、无死角地展示出来，教育对象的隐私变得无处可藏。

其次，相关大数据隐私法律的缺失。大数据作为一个新生事物方兴未艾，与思想政治教育的融合并进，也在初始阶段。教育对象的哪些数据可以作为数据进行收集，收集需不需要获得受教育者的同意，侵犯受教育对象的隐私如何处理，诸如此类的问题值得纳入法律的角度考量。有关部门应通过完善大数据相关的隐私法律，以此保障教育对象伦理道德方面不受侵犯。

四、大数据嵌入高校思想政治教育的主要启示

数据本身、技能和思维构成大数据的三大价值链。〔6〕将大数据及其技术嵌入高校思想政治教育中，要建构大数据的理念，构建数据技术平台，树立伦理道德优先原则，实现大数据嵌入思维下思想政治教育的新发展，提升思想政治教育的针对性和实效性。

(一)建构大数据的理念，强化思想政治教育的数据意识

1．高校主导。高校应从政策上扶持思想政治教育运用大数据技术，主动搭建思想政治教育大数据平台，引导高校全体成员重视大数据思维意识，传播大数据的价值理念；主导实施思想政治教育的综合改革，鼓励思想政治教育工作者进行跨学科交流、学习和研究；将以往定性分析为主的研究范式转换至大数据定量分析的研究范式；实施跨学科的专业化人才培养模式，把培养思想政治教育者的大数据思维、素质和技能作为思想政治教育教育不断与时俱进的强大动力。

2．主体联动。思政教育工作者作为大数据收集、分析和管理的主体，在思想政治教育的创新发展进程中扮演着重要角色。思政教育工作者应主动学习，深入地了解大数据技术，主动转换研究范式，把思政教育的重心放在定量分析研究方法上，形成对大数据及其技术的完整认知并熟练运用。

3．学生参与。高校要发挥高校大学生的主体作用。由于存在数据收集不完全、挖掘不深入、分析不准确等问题，大数据并不代表完全准确、绝对真理。教师只有在和大学生进行有效沟通和交流的情形下，发现大数据分析结果与大学生真实的想法、思想和情感一致，才能更好地改善大数据收集、分析和管理的相关技术，从而实现思想政治教育大数据的真实效能。

(二)构建数据技术平台，掌握受教育者的思想和行为规律

1．队伍建设。要提升大数据技术运用与开发能力，建设一支专业化、复合型、跨学科的人才队伍是关键。目前，高校思想政治教育工作队伍以本专业为主，缺乏理工科的专业能力和思维模式，对大数据及其技术知之甚少，思维意识还停留在传统的思想政治教育层面。因此，一是要培养一批具备跨学科知识背景、综合素质出众的思政教育工作者；二是要培养高校辅导员和思政理论课教师的大数据处理技术和能力；三是要适当吸纳具有大数据背景知识和处理能力的专业人员进入思政队伍。

2．平台搭建。首先，建构“分析、监测与预警”三位一体思想政治教育大数据系统，实现对大学生思想和行为情况的信息化、精准化、智能化的分析和决策。其次，思想政治教育大数据的收集、分析和管理对技术性、专业性要求极为苛刻，高校依靠自身力量根本无法完成，需要借助专业的大数据服务公司的帮助，在合作交流中学习他们的数据收集、分析和管理的经验，并结合思想政治教育的特殊性，把握大学生思想动态和行为规律，提升思想政治教育的针对性和实效性。最后，从长远角度看，为规避受制于人，高校还是应自主建设大数据技术平台，主动收集大学生在互联网终端和高校内部管理系统中的行为数据，如动态采集社交软件使用情况、图书馆借阅记录、食堂消费、游戏时间等，通过深入挖掘和分析，把握大学生的思想状况、心理动态和行为表现规律，依据思政大数据平台来预测学生的思想和行为动态，对受教育者的异常思想和行为进行科学及时预警。

(三)树立伦理道德优先原则，保障受教育者的隐私安全

1．国家层面。随着大数据被广泛运用于各种领域，大数据的道德约束和法律法规的建构就显得尤为重要。相关部门要完善大数据在采集、挖掘和使用等方面的法律和政策，构建标准统一、规范完善制度体系和法律法规，正确保护教育对象的隐私安全，防止大数据滥用带来的侵权行为发生，使大数据的运用合理合法有序。

2．高校层面。一是要制定思想政治教育大数据的运用规范，建构大数据管理和监控平台，检测大数据滥用、泄露、越界等行为，厘清各部门、具体人员的具体职责，将受教育者的数据隐私安全限定在可控范围内。二是要防范乱贴标签的行为产生。划分不同专业、不同班级和不同的教育对象，建立类型多样的大数据个体和群体模型，按照思想政治教育的特征和规律，有针对性地对群体和个人进行“精准”思想政治教育。实际上，“精准”并不意味着高校学生的数据被毫无保留地暴露；同时，大数据预测到思想动态和行为特征的异常变化，也不该轻易被贴上“问题”标签。

3．主体层面。思政教师是思想政治教育的教学主体，也是实现高校立德树人任务主要的、具体的实施者。习近平总书记强调：“办好思想政治理论课关键在教师，关键在发挥教师的积极性、主动性、创造性。”〔7〕这告诉我们，要加强对思想政治教育者的教育和引导，提升其职业素养和道德规范要求，引导其正确对待个体隐私，杜绝其利用大数据进行以权谋私的行为，充分保障大数据收集、分析和管理等流程的正常运行。