大数据视域下高校实施精准思政的对策研究——以大连理工大学“校园恋人”模型建构为例

侯庆敏，崔 强，祝晓璇

(大连理工大学 1团委；2软件学院，辽宁 大连 116024)

2016年，习近平总书记在全国高校思想政治工作会议上提出：“推动思想政治工作传统优势同信息技术高度融合，增强时代感和吸引力”。[1]“思想政治工作从根本上说是做人的工作”[1]，在网络信息时代，大学生的行为表现大都可以通过数据来刻画，本文即以大连理工大学“校园恋人”模型的研究和应用为例，探索如何运用大数据推动高校实施精准思政，提出在大数据背景下开展工作的对策建议。

一、研究方法

1957年，Lloyd首次提出K-Means聚类算法，在1967年，J.B.Mac Queen在论文中提出了K-Means的具体算法。[2]它是一种无监督学习，同时也是一种迭代求解的聚类分析算法，是最著名的划分聚类算法。K-Means算法通过在初始时任意指定K个聚类中心，并计算所有数据点与K个聚类中心的距离，将数据点归到距离其最短的聚类中心。然后通过计算每个类的中心值来更新聚类中心，重复此过程直至聚类中心不再发生改变。算法的关键在于初始聚类中心的选择和K值数量的选择。选择不同的初始聚类中心，得到的聚类结果可能会不相同。选择不同的K值，也会对得到的聚类效果有影响。K-Means算法常被应用于数据规模比较大的聚类中，由于其本身的聚类效果好、思想简单、聚类速度快的优点在医疗、教育等各个领域得到了广泛的应用。[3]本文采用K-Means聚类算法来构建“校园恋人”分析模型。

二、高校“校园恋人”大数据模型的建构与实证分析

大数据信息时代，学生在校的学习成绩、上网记录、就餐消费等大量信息均被网络信息系统记录，然而，这些大体量、多维度的客观数据信息却未能被有效挖掘和利用。如果能够将这些大数据信息充分利用，让数据告诉高校思政工作者学生的真实情况，而不是仅仅通过直观的感觉和经验来判断，这样可以在学生未有所察觉的情况下，提前掌握学生的异常行为习惯和想法，学生从不愿“主动讲”到慢慢“被发现”，逐步实现思想政治教育工作从定性到定量的精准化转变，达到意想不到的效果。本文以构建“校园恋人”大数据模型为例，从数学科学学院和人文学院选取210个样本，通过分析学生的个体行为表现，探寻学生个体与群体之间的关系。找到“校园恋人”或潜在“孤僻症”患者，进而为学生管理工作提供更有效的数据参考和重要依据。

(一)“校园恋人”行为数据分析

在校园内，由于活动范围小，关系较好、接触较多的同学经常会“统一行动”，如一起吃饭、去图书馆、在校内超市买东西等，本文中“校园恋人”即指关系较为密切、经常“统一行动”的一类群体，可能为两个人，也可能为多个人，可能为同性，也可能为异性。在大数据分析过程中，基于学生在2018年3月1日到6月1日的校园卡刷卡信息，提取学生共同进餐、出入图书馆以及去超市次数，采用聚类分析中的K-Means法，结合关系网络、时空数据，揭示对象(高校同学)间的相互关联和时空相关的模式及规律，绘制全关系图(图1)、情侣关系图(图2)。

图1 全关系图：全体学生亲密程度关系图

图2 全情侣关系图：可能为情侣的学生关系图

图1、图2的数据标签中，小数点后数据代表学生的性别，女生：1，男生：2，分布密集的学生可以初步认为具有亲密关系。通过全关系图和全情侣关系图分析，结果显示，共定位到13对“校园恋人”或好朋友。一段时间后再次进行分析，如被预测为“校园恋人”或好朋友的同学不统一出现，或关系出现了明显的变化，意味着他们的关系可能出现了一定的问题，管理者可以基于此对学生进行重点关注，从其他角度了解学生的真实情况，给予学生更多人文关怀，对学生实现更加精准、高效的管理与服务。通过构建“校园恋人”关系模型，分析可视化结果，可以使管理者更为直观、高效地获取信息和知识，便于管理者进行决策分析，最终提高思想政治教育质量。

(二)潜在“孤僻症”行为学生分析

本文研究的“孤僻症”行为学生指不愿与他人接触，行为表现为独来独往、离群索居状态的一类群体。进一步分析可能存在“孤僻症”的学生，为尽早发现孤僻症病例、掌握症状特点和及时进行危机干预提供依据。采用时间序列聚类方法将在同一地点的所有消费事件划分成多个分片，构建二分网络，进而构建学生共现网络。如果两学生的消费事件出现在同一地点、同一分片，就认为两学生有共现，那么在学生共现网络中两学生有连边，连边权重就是共现次数，再将学生共现网络去随机边，得到大学生人际关系网络图(图3)如下：

图3 大学生人际关系网络图

为了解某个学生关系状态，构建单关系图模型如下：

图4 单关系图：某个学生与其他同学关系图

结合图1、图3和图4，通过综合分析，找出样本中与其他同学交往较少的同学，可初步认定为“孤僻症”患者。在实际工作中，思政教育工作者掌握潜在“孤僻症”患者的数据后，加强对该学生的重点关注，通过开展有效的工作深入了解，全面掌握情况，如该学生确实存在与其他同学交往较少的情况，可以对其进行有针对性的辅导，提供精准服务，帮助建立良好的人际关系，解决实际困难。通过单关系图，也可以直观了解到某个学生的关系状态，方便思政教育工作者准确掌握学生“支持圈”，帮助提升学生管理工作的精细化水平。

三、运用大数据推动高校开展精准思政的对策

利用大数据优势可以让高校思政工作更加精准化、科学化。但是，在享受大数据带来的优越性的同时，高校也面临大数据本身技术难、大数据可能引发伦理问题等一系列困难。[5]应从思维理念、管理平台、制度体系和人才队伍四个方面下功夫，实现“四个转变”，不断推动大数据视域下的高校精准思政工作质量提升。

(一)树立多样化大数据思维理念，实现高校思政工作的改革发展从“传统型”向“创新型”转变

思维观念是行动的先导和动力，要想让大数据充分发挥它的潜在优势，思想政治教育工作者必须要充分认识在大数据背景下开展思想政治教育工作的重要性。一是要勇于创新，敢于突破传统的思维理念。目前高校思想政治工作者对于学生思想行为的把握大部分仍基于感觉或经验，对大数据的重视程度和运用能力不强。高校需从多个方面引导思政工作者把握大数据时代的思维方式，不断改革创新工作理念和方法，根据学生不同的思想特点和行为活动，进行针对性的教育引导，制定“1对1”的个性化教育方案。二是要善于学习，乐于挑战新鲜工作领域。要在日常工作中加强对学生数据的重视程度，具备主动收集数据和对数据的分析处理能力，利用数据之间的相关性来提前预测潜在的学生行为表现，引导学生的思想行为朝着正确的方向发展。

(二)搭建可视化大数据管理平台，推动高校思政工作的实施依据从“难量化”向“可量化”转变

随着互联网的快速发展和信息系统设备的大量普及，学生的行为轨迹汇集成数量巨大、种类丰富、层次多样的大数据信息。目前，高校思想政治教育工作者往往忽略了这些数据所蕴含的巨大价值，要想真正推动高校精准思政工作开展，关键在于如何从海量数据信息中挖掘和提取出有效数据进行分析处理，更好地为学生教育管理服务工作提供支撑和参考。一是从学校层面，加强顶层设计，整合现有平台。大数据本身就具有体量大、种类多的特点，而高校目前的信息管理系统多为各部门单一运行，运用数据开展工作各自为战，要想充分利用数据的有效信息，高校就要加强顶层设计，打破各部门各自为战的局面，消除数据壁垒，通过整合学生部门、教务部门、网络信息中心、招生就业部门、人事部门等网络信息平台，全员联动，实现资源信息共享，形成覆盖全体学生、涵盖学习生活方方面面的大数据，搭建起切实有效的大数据平台[4]。二是在个人层面，利用现有资源，做好数据采集。思政工作者也应该利用现有的一些可以便捷使用的平台，例如微博、微信、易班等，进行大数据工作的探索和实践，自己进行数据的收集和挖掘，及时总结和分析规律，实时获取学生动态。

(三)健全规划大数据制度体系，保障高校思政工作的信息安全从“单一性”向“系统性”转变

传统的思想政治教育工作对于信息安全的要求程度不高，制度体系较为单一，但大数据时代产生的海量数据暴露人们的隐私，因此，保障大数据的信息安全至关重要。一是要加强顶层设计，建立健全制度体系。高校要成立工作领导小组，明确主体责任，各部门设立专人负责信息管理系统，严格控制不同人员的权限问题，明确使用范围和原则。同时，从组织、管理和技术三个维度，分层次规划各环节的安全管理制度和技术防范手段，形成较为完整、可行性强的网络安全管理体系。二是要强化风险防范意识，提升风险管控能力。高校要完善网络舆情监测体系建设，制定网络安全应急预案，开展应急演练，提高网络舆情的预测预警能力。高校辅导员要建立学生信息存储、管理和共享的规范，对工作中发现的敏感信息及时处理，不断提升自己发现问题、科学研判、预警处置能力，避免学生信息被泄露、滥用而威胁学生的人身财产安全[5]。

(四)打造职业化大数据人才队伍，促进高校思政工作的职业能力从“专业型”向“复合型”转变

将大数据技术与大学生思想政治教育工作有机融合，使高校思想政治教育工作更加缜密化、专业化，这是对高校思想政治教育工作者职业能力的全新挑战。一是聘请大数据领域的专家或优秀人才，组建大数据专家与思政教育工作者协同共建团队。大数据专家对数据的挖掘、处理、分析能力较强，对于数据反馈的信息有较强的洞察力，但对于思想政治教育工作了解甚少，思政教育工作者的专业能力较强，但不具备大数据方向的专业技能，大数据专家和思政教育工作者的协同共建团队，可以充分发挥大数据专家与思政工作者的优势，进而提高思想政治教育工作质量[6]。二是开展工作技能和数据素养的系统培训或开展高质量的学术会议，如通过邀请大数据领域的专家做技术报告、开展经验交流沙龙、工作案例分享等活动，着力提高高校思想政治教育工作者的数据收集和处理能力，最终使他们成为即具有专业素养又具备数据搜集、挖掘、分析、运用等能力的复合型人才。