大数据助推高校思想政治教育评价精准化发展研究

敖永春 刘晓钰

（1.电子科技大学马克思主义学院 成都 611731；2.重庆邮电大学马克思主义学院 重庆 400065）

“精准思维”是习近平总书记治国理政的一种重要的科学思维方式，也是一种重要的工作方法。习近平总书记在2022 年中央党校中青年干部培训班上明确指出：“要强化精准思维，做到谋划时统揽大局、操作中细致精当，以绣花功夫把工作做扎实、做到位。”[1]随着大数据时代的到来，为高校思想政治教育评价的精准化进程提供了契机，将精准思维理念和模式以大数据技术为载体应用到高校思想政治教育评价中，在思维、体系、平台三方面进行精准供给和精准发力，以此实现高校思想政治教育评价主客体的精准对接。如何在精准思维的指导下，利用大数据技术，将精准思维与高校思想政治教育评价充分结合，不断增强高校思想政治教育评价的“精度”和“准度”，成为新时代高校思想政治教育评价的发展研究新方向。

一、大数据助推高校思想政治教育评价精准化发展的价值意蕴

随着信息技术的飞速发展，高校作为信息化的前沿阵地正受到以数字化为鲜明特征的大数据时代的深刻影响，大数据作为一种新兴的技术与传统评价工具，具有容量大、速度快、精准度高等特点，在高校思想政治教育评价中具有广泛的应用前景和重要作用。随着大数据技术的不断发展和应用，必将催发教育评价领域的又一次深层次变革，驱动着高校思想政治教育评价不断迈向精准化征程。

（一）大数据拓展了高校思想政治教育评价思维

恩格斯曾指出：“每一个时代的理论思维，包括我们这个时代的理论思维，都是一种历史的产物，它在不同的时代具有完全不同的形式，同时具有完全不同的内容。”[2]随着大数据技术的不断创新运用，必然会催生人类思维新的转变，而实现从抽象到具体化、从抽样到全样本、从因果性分析到相关性分析的思维模式转变，必将激发高校思想政治教育评价思维范式变革，带来高校思政教育评价总体的模式升级和行为革新。

1. 实现“抽象性”到“具体化”的思维转变。“从抽象上升到具体”的思维方法是马克思研究政治经济学的科学方法，抽象性思维是指从研究的对象或问题中，通过人工收集的直观背景材料进行加工和制作、提炼得出的事物的本质属性，进而进行推理、判断得出结论的思考方式，但其只提供结果，缺乏具体细节的表述，且易受主观性影响。相比较而言，具体性思维是对评价对象的各个部分及整体在不同地域、不同时段形成的碎片化数据进行归纳总结的前提下得到的完整的信息数据链，即已经形成了具象化的精准数据画像。在大数据时代实现由“抽象性”到“具体化”的思维转变，使得高校思想政治教育评价更加科学可行。利用各种大数据应用和支持系统，将评价的抽象性要求具体化、数量化、可视化，系统全面地进行评价判断并形成可视化量表和动态图谱，精准画像每个评价个体，有针对性地为教育活动提供精准的数据信息支撑，进而精准施策，全面提升精准化的个性教育能力。

2. 实现“抽样数据”到“全样数据”的思维转变。传统评价数据集以抽样样本反映整体，多以“分散”形式存在，呈现出价值密度低、内容片面、结构无序的碎片化现象。由于多方面条件限制，传统的调研和统计方法如问卷、访谈、座谈等形式获得的初级抽样评价数据多停留在现象揭示层面，以一部分评价对象的言行举止、行为结果来估量评价对象整体的思想状况，存在各类“信息孤岛”，并不能作为学生真实思想和行为的镜面反映，只做到了评价之“形”，未做到评价之“实”。随着大数据的出现，依靠机器学习算法对高校思想政治教育评价过程中的海量同源异构数据信息进行全方位、全过程的全样本采集，在全样本数据分析的基础上得出较为合理、全面和客观的具体化分析结果，多角度反映评价对象的真实现状和未来趋势走向，有助于思政评价者全视角掌握评价对象的动态发展轨迹，使得思想政治教育评价全过程实现精准化。

3. 实现“因果性分析”到“相关性分析”的思维转变。传统思想政治教育评价主要通过因果性分析总结和逻辑推演等方式分析评价结果，由于评价因素间、数据集内部间的复杂关系使得传统思想政治教育评价实证研究大多停留在现象揭示层面。与单纯的因果分析不同，利用大数据的优势，可以创新思想政治教育评价以数据分析和量化评价的新角度来探索解决评价问题的方式与手段。放下对因果关系的深究，通过寻找非线性作用下的因果性与相关性关系，以此来实现高校思想政治教育评价过程从因果向相关的转化，促进评价因果性与相关性的辩证统一，这既是实现精准评价预期目的的应然诉求，也是把握其互动机理及运行规律，推进高校思想政治教育评价精准化的应然要求。

（二）大数据完善了高校思想政治教育评价体系

推进大数据技术高度嵌入高校思想政治教育评价是时代发展的必然趋势，其正逐步解构着传统评价体系，构建多层次、全方位、立体化的动态评价体系是高校思想政治教育评价发展的价值诉求。大数据基于自身的技术优势从评价对象、评价时间、评价内容等维度来完善思想政治教育评价体系，使其更加客观、公正、透明、精准。

1. 从评价对象维度来完善评价体系。在大数据技术的助推下高校思想政治教育评价体系将实现“群体画像”与“个体肖像”的动态融合，促进个体针对性评价与整体总括性评价的统一。以往传统评价侧重诠释宏观评价状况，以整体研究为主，强调把握评价对象的整体水平，在一定程度上忽视了个体评价对象实际思想与行为偏向，难以全面、深入、真实地提供精准的评价信息反馈，导致教育内容针对性不强，教育方式适配性不高。与传统评价相比，在充分吸收已有研究经验的基础上，以大数据技术为支撑的数据采集系统对评价信息的获取有着天然优势，采集的评价数据具有体量巨大、种类多样、处理速度快的特点，使其既可以全面提取群体数据，又精准关注个体数据，在此环境下，使高校思想政治教育评价逐渐从宏观整体走向微观个体。促使思想政治教育评价者更加关注个体信息，把评价对象视为有思想的“具体的人”来看待，通过对评价对象进行全面的精确画像，有助于评价者深层次挖掘和把握评价对象的思想动态和行为变化规律，为精准评价创造条件，从而给予评价对象量身订制的身心发展指导和建议，增加教育工作的供需匹配度。

2. 从评价时间维度来完善评价体系。大数据能助推高校思想政治教育评价体系对“短期数据”和“长期数据”的创新发展运用，实现短期阶段性评价和长期跟踪性评价的统一。传统评价要素信息由于受到评价场景性、阶段性、周期性的限制，只能有限采集短期数据，对长期数据获取和分析信息的能力不足。在大数据技术的加持下，海量数据和算法模型丰富了评价信息采集方式与手段，使得高校思想政治教育评价可以实现对现有评价对象的数字生活轨迹进行全息化、链条式的长期跟踪，对评价对象的特点与规律进行全新提炼，进一步发掘潜在指标，在评价整个过程中通过长期数据交互智联互通，赋予评价工作具有能预测未来的智慧，从而构建一个具有长期数据循环且不断优化的泛在化智慧评价体系。

3. 从评价内容维度来完善评价体系。评价体系通过依托大数据技术来深度融合“单一指标数据”与“综合指标数据”，实现单项评价与综合评价的统一。数据仓库颠覆了传统评价指标设计单一、多维度评价能力不足的模式。具体量化和系统研制高校思想政治评价指标体系使得提升评价指标要素聚合的能力得到了最大限度的开发。在整合高校原有单项评价指标的基础上，打通思想政治教育评价指标内外及高校内部的数据“藩篱”，通过数据应用高度集成不同指标数据链，智能调用不同评价数据子集，结合不同角度的评价指标数据，再借助可视化分析帮助思想政治教育评价者进行多维度综合分析，获取对教育对象的深层了解，实现对评价对象不同角度的综合评价，从而使评价指标体系更为科学。

（三）大数据提升了高校思想政治教育评价实效性

大数据技术是基于多种技术于一体的综合工具，能极大地增强高校思想政治教育评价结果的真实性、提高评价效率、提供精准评价预测。

1. 大数据技术能增强评价结果的真实性。一方面，充分运用大数据采集技术弥补传统采集技术的弊端，依据自上而下的数据驱动和闭环数据处理过程，有效地减少了人为对评价结果的主观干涉，更为客观及时准确地反映当前存在的问题，从而准确剖析评价主体的需求和关切，使高校思想政治教育评价与科学性相契合，进一步增强评估结果的真实性。另一方面，依托大数据技术应用中分布式文本系统、云储存等方式将评价对象的现实活动及网络留痕以数据化形式进行储存，在历史数据积累到一定程度时对其外显行为数据加以清理、整合、转换和挖掘并将分析结果通过可视化方式呈现，通过大数据清洗可将评价中错误的干扰性数据和无关紧要的数据去除，提升评价结果的真实性，弥补传统评价过程中“以偏概全、以点带面”的评价局限。

2. 大数据技术能提高评价效率。大数据技术对于庞杂多样的思想政治教育评价数据有着大规模、关联性、强运算的高速处理评价信息的能力，这种即时处理能力有利于获取多状态评价数据，能够帮助评价主体实现对评价对象的精准化把控。随着大数据技术的多维介入，当前的传统静态数据已经不能完全满足评价需求，在高校思想政治教育评价过程中，评价者可利用大数据技术获取各种智能终端内产生的大量半结构化和非结构化原始数据，实时处理、深入分析原始数据背后之间的关联性，再通过将异构性评价数据转化为标准化格式数据、非结构化数据转化为结构化关联性数据的方式来构建起庞大完整的可用数据库，从而获得实时、真实的评价信息，以此来分析高校思想政治教育活动的整体效果，精准捕捉高校思想政治教育评价问题呈现的特征及成因，精准定位评价对象的思想靶点与思想政治教育评价的契合点，从而精准洞察和掌握评价对象的客观真实需求，切实提升高校思想政治教育评价的效率。

3. 大数据技术能提供精准评价预测。在数据智能加工和处理下，从海量庞杂的数据信息中利用大数据画像技术的预测功能为高校实现思想政治教育评价个性精准化提供最佳切入点，帮助师生在评价的同时摸清前进方向，实现教育评价与价值主体需求的精准匹配。大数据画像技术是依托对用户多维度的个性化数据采集、全方位样本数据基础和持续性、立体式跟踪记录等来呈现预测抽象评价对象信息全貌的一种技术手段。以此推测评价对象的实际需求，预见评价对象发展的方向和趋势，从而针对不同个体进行精准化微观评价。与传统评价方式相比，利用大数据画像描绘技术能更加清晰展现出评价对象情况的全部信息，并以标签体系的形式呈现出来，使评价过程更为直观化和动态化，帮助评价主体精准掌握评价对象的学习风格特点、学习进度和教育需求，评价主体可以根据实时反馈信息随时调整评价内容和方法，明确个体成长过程、综合能力、学习方式和兴趣爱好等各方面的差异性对高校思想政治教育评价结果的影响作用，在尊重学生个性化差异的基础上精准发力提升评价针对性。

二、大数据助推高校思想政治教育评价精准化发展的现实困境

大数据助推下高校思想政治教育评价发展将迎来新一轮重大战略机遇，但当前高校思想政治教育评价在数智化变革中也面临着价值思维、生态体系、具体实践等层面的现实困境。这就需要我们进一步推进大数据与高校思想政治教育评价的有效融合，找准技术在融合过程中的边界与尺度，为高校思想政治教育评价精准化创新发展提供方向指引。

（一）思维困境：思维定式消解价值多元性

随着大数据技术的迅猛发展，其以数据驱动的思维方式、数据共享的交互方式、数据精准的技术方式等为高校实现思想政治教育评价精准助力，而高校师生虽作为“触网一代”的典型群体，但与之匹配的数据思维能力却并没有得到同步发展。主要体现在两点：

1. 轻视数据思维。目前，高校思想政治教育精准化评价的发展不尽如人意的一个重要因素就是评价主体的大数据思维意识缺乏、数据认识片面。一方面，大多数评价主体尚未从思想上完全接受和认同利用大数据开展精准评价工作，对利用大数据技术以解决现实问题观望犹疑、畏难不前。部分评价主体仍倾向于传统的思想政治教育评价方式，对于大数据技术实际应用的认识存在误区，甚至存在排斥心理。另一方面，大多数评价主体数据意识较为淡薄，没有形成数据化思维模式，不能全面认识并充分发挥大数据技术在教育评价中的价值。随着教育评价对象和问题的复杂多变，评价主体无法利用新型技术手段系统化地获取充分的评价素材，难以精准有效地快速获取评价对象的各项评价数据，无法深入分析和评估思想政治教育评价对象的学习效果，得出的评价效果也存在一定的主观性和片面性，进而无法精准进行评价活动。

2. 数据万能思维。目前，个别高校在思想政治教育评价过程中出现了“唯数据论”的思维倾向，这种思维是将工具理性与结果导向相结合，过于强调运用技术手段，以最终评价结果为终点，很少重视数据间的关联性，缺少对数据间潜在关联的分析和把握，忽视评价过程导向的一种片面思维。这种只以数据驱动得出的评价结果机制显然不能代表绝对科学的评价结果。当前有些高校思想政治教育评价主体过于依赖数据量化评价手段，忽视思想政治教育过程和价值遵循，在实际评价过程中对数据的解读是非常复杂的非线性过程，在具体实践和体系建设上单纯围绕评价要素将其分解为具体的、可量化的数据进行实证研究，将一些综合性思想政治教育领域问题加以量化处理，只形成单一量化或等级制的确定结果。这种以数据作为预判学生行为轨迹的唯一依据的思维倾向，在一定程度上忽视了隐藏在数据背后的情感、信念等深层次的评价结果解读，易于造成评价结果的僵化，难以以此为依据做出有效的反馈评价，使得评价结果缺乏思想政治教育过程以及人的主体性等价值的彰显，不能实现技术理性、社会价值、人的主体性价值等多元价值的辩证统一。

（二）生态困境：体系固化削弱评价系统性

当前，高校思想政治教育评价体系存在的诸多问题导致评价体系固化，不能匹配当前高校思想政治教育评价发展的现实需要。为此，有必要系统梳理评估指标体系建构、评价信息采集、评价信息处理等问题，不断探索高校思想政治教育评价精准化的发展新趋向。

1. 评价指标体系建构不完善。评价指标体系的建构是整个评价过程中至关重要的一个环节，是整个评价工作的前提所在。目前，我国在研制高校思想政治教育精准化评价标准和指标体系的工作中，评价目标设置、指标建立与指标选取等内容的科学性、精确性遭受质疑，精准化与高校思想政治教育评价存在着融合不深入、评价观念体现不充分、评价标准不统一等问题，对大数据技术的创新运用还很不完备，削弱了评价提高精准度的可操作性，还需加强指标标准研制与指标建设。

2. 评价信息采集不全面。高校思想政治教育评价是一个整体性系统，拥有丰富的评价信息资源，而评价信息采集则是整个评价工作的基础所在。传统高校思想政治教育评价信息获取途径基本依靠人力获取，受到评价主体认知、信息源、采集渠道、时间差等方面的限制，缺乏统一的数据规划，并且统计口径各异而无法兼容，使其呈现出评价信息收集标准不一具有局限性、评价信息获取程度不高具有主观性、评价信息反映流动不畅具有粗略性等弊端，难以反映评价的真实情况，给后期的评价信息处理分析及运用造成障碍，不能匹配当前思想政治教育评价发展的现实需要，滞碍了高校思想政治教育评价长久发展。

3. 评价信息处理不成熟。大数据时代，评价信息处理是对评价项目、评价目标、评价指标等复杂数据信息进行归集、分析、融合、共享的过程，是整个评价工作的核心所在。随着评价信息日渐庞大、评价数据日趋繁多、评价指标复杂多样，当前高校思想政治教育评价信息处理方式与大数据技术手段融合全过程链条仍未彻底打通，还存在以结果鉴定为主、评价结果的抽象化定性描述赘余、信息容量中的不确定性因素增多、采集手段单一影响数据资源准确性等诸多问题，难以做到评价信息实时动态监控、评价数据日常维护、评价结果自动生成与共享、评价指标归集整合。对此，高校还需探索更多大数据技术手段并形成合力，解决评价指标参数的庞杂性与实际操作的便捷性之间的矛盾，以此保证数据分析处理结果便捷且真实可靠。

（三）实践困境：平台桎梏影响评价实效性

大数据智能技术在与高校思想政治教育评价深入智能融合时，面对着大数据的生成过程中产生的无用数据所带来的巨大“数据噪声”，这就需要构建数字化智慧创设的数据平台为评价数据的收集、分析及运用提供强力支撑。

1. 评价平台数据资源利用率低。精准评价需要从全方位、全层次、全过程数据中得出一般性评价，虽然新时代大量思想政治教育评价资源和学生信息实现了数字化转换，但是高校对于大数据平台建设的整体设计仍然不足，传统粗放平台管理模式导致大量数据利用效率低下，致使现实的部分重要数据尚未完成数字化转化，无法为高校思想政治教育评价精准化提供精准的信息反馈，没有真正完成数据化转型的应用平台就会陷入数据“沉睡状态”，导致数据平台的利用率低下，难以挖掘评价数据资源以获得更大的价值。

2. 评价平台缺乏技术支撑。当下高校思想政治教育评价数据平台在应用大数据技术的过程中仍存在诸多瓶颈，如数据残缺、数据零散、缺乏创新、技术助推不强、数据存储、处理和分析的基础设施仍不够完善、数据平台的挖掘力度不够等缺陷，难以及时对海量的数据可视化进行处理，不利于数据处理技术的提升和数据的深入应用。有些数据平台还存在运行卡顿、互动不足、使用体验感不佳、操作难度大等问题，没有精细化处理的结构化数据难以通过整合提炼实现一体化的分析处理目标，容易导致评价所依托的有用数据失真。因此，高校还需要依托更强大的数据挖掘和分析技术以及更完善的软硬件设施配套来支撑评价平台的整体建构[3]。

3. 评价平台数据共享流通不畅。一方面，高校内部思想政治教育评价共享机制尚未健全。平台分散导致数据资源很大部分仅供其内部使用，大数据平台资源呈现出“私有化”特征，“条块分割”的管理模式致使数据流通和共享的渠道不畅，数据平台收集到相关的信息资源分散在高校各部门不同主体之间，数据集成共享力度不够，不利于有效整合各类信息数据，使得高校思想政治教育评价结果具有局限性。另一方面，高校外部没有建立统一规范的信息流通机制。部分高校缺乏整体意识，仅关注本校高校思想政治教育资源的管理与建设，囿于“思维束缚”和技术壁垒，而漠视整个社会高校思想政治教育资源的整合，形成评价数据壁垒，导致评价可选择的数据资源较为狭窄，优质评价数据资源未得到充分使用，共建共享理念亟待提升。

三、大数据助推高校思想政治教育评价精准化发展的实践路径

当前立足于大数据助推高校思想政治教育评价精准化发展的现实困境，推进新时代高校思想政治教育评价精准化，高校应从精准变革思维，培育专业评价队伍；精准优化指标，完善评价体系格局；精准整合平台，实现评价资源共享联通等三方面进行优化。

（一）思维创优：精准变革思维，培育专业评价队伍

大数据时代带来的数字化为实现思想政治教育评价精准化提供了无限可能，让数据“说话”，这就需要组建和优化一批拥有较高大数据信息素养的思想政治评价的专业化队伍，为提升大数据时代髙校思想政治教育精准化评价而精准助力。

1. 高校要注重提升思政工作者的数据评价观念。一方面，增强高校思想政治教育评价的精准度必须做到理念先行、思维先行、认知先行。思政工作者需要从认识层面重视大数据，要明确数据评价的重要性以及在大数据深化发展时代的不可回避性，在利用大数据驱动高校思想政治教育评价转型时，需要保持清醒的大数据意识，把握好使用大数据技术的“度”，避免陷入对数据的过度推崇的漩涡，破解大数据工具理性和价值理性相背离的迷障。另一方面，要激发出思政工作者发挥主观能动性的积极力量。思政工作者要着眼于思想政治教育评价创新发展需要，打破单一化的知识背景，主动破解技术难关，以大数据技术为重要支撑深入融合思想政治教育评价全过程，以开放式思维结合学科理论、自身经验将所学知识与精准评价深入融合，自我研学积极主动转变线性思维的研究惯性，提升数据驱动下评价一体化的思想政治教育评价总结能力和应用能力，聚合助力思想政治教育评价精准化，形成以数化人的评价理念。

2. 高校要注重强化思政工作者的数据识别能力。数据识别能力是以大数据技术赋能实现思想性与技术性深度融合的关键前提，思政工作者要精准识别思想政治教育评价的主体特征及评价对象的个性化需求并将其纳入算法推荐池，从数据理念、数据筛选、数据剔除等环节不断提升其数据识别能力，不断探索标准化的思想政治教育精准化评价量表或者模型，为提升数据评价能力做好基础铺垫，使其学会运用大数据高效算法及时发现评价“堵点”，从而有针对性地消除评价“痛点”。此外，思政工作者要与思想政治教育评价的精准化变革深度融合，通过标签识别、数字分析和数据建模等推进分类数据识别，关注对象差异，实施“菜单定制”策略，设计出多套个体化的教育方案，做到“因人施策”，实现精准管理为全过程的思想政治教育评价精准化把控。

3. 高校要注重提升思政工作者的数据运用能力。高校思想政治教育队伍必须要学会基于大数据技术提升、创新、丰富数据评价运用能力，在实践中转变自身的角色。高校相关部门应集中校内资源，加强思想政治教育评价队伍针对数字驱动及人机协同的精细化数据素养培训，培养思政工作者的实际数据评价运用能力，使其在不断熟悉大数据平台和数据识别端口的同时，强化其实践操作能力，精心打造评价数据运用复合型人才，促使思政工作者利用自身擅长的专业知识去提升思想政治教育的评价精准性，积极落实技术分享，这也是队伍优化的重要着力点。

（二）体系建构：精准优化指标，完善评价体系格局

大数据背景下的高校思想政治教育评价体系是一个由大量评价构件与多元参与者元素所构成的生态系统，从已有的高校思想政治教育评价体系来看，它是由评价指标体系设计和评价效果反馈等一系列环节构成的一个相对完整的结构体系，而且其每一个环节均需要做到全面、协调、合理，以突出高校思想政治教育精准化评价体系的整体性构建[4]。大数据时代下合理确立评价体系指标、提升追踪反馈效能是完善高校思想政治教育评价体系的重要手段。

1. 优化评价指标设计。评价指标是思想政治教育评价各要素指标内在联系与外在形态的集中体现。而评价指标的建构是整个评价体系过程中至关重要的一个环节，也是整个评价体系工作的核心所在。优化评价指标体系应实现价值框架、逻辑框架和结构框架的辩证统一。就价值框架向度而言，评价指标设计要有正确的价值导向，既要遵循相关政策文本、文件规定和评价体系要求，同时又要兼顾考虑评价的本质与时代价值相符合。就逻辑框架向度而言，大数据时代评价指标涉及的评价对象要素所包含的信息数据量大且复杂，且思想政治教育的主体、客体、介体等结构要素都产生了新的变化，所以既需要理论逻辑推导评价指标选取及其权重设置是否科学，又需要实证研究对其科学性加以实践逻辑分析验证，通过构建多源多维的指标模型，结合具体案例和调查分析，提取与评价目标相关的项目，在反复比较归纳甄选所选指标的基础上，逐步解决当前评价指标体系与实际运行不相适应的问题，从而使评价指标体系制定更为科学[5]。就结构框架向度而言，评价指标设计应坚持系统性和层次性相结合的原则，要综合考虑指标信息数据的相关性和可用性之间的密切联系，用与时俱进的评价方法适应发生变化的指标要素；要将各大评价指标逐级细分，利用大数据技术形成的全数据模式，在指标设计的科学性和信息数据采集的可行性上的基础上加以区分和识别，着眼于明确、量化、可接近、准确的指标，完成指标层次划分，设置智能化评价过程。只有设计优化出科学、实用、权威的指标体系，才能构建科学精准的大数据评价指标体系。

2. 提升评价体系追踪反馈效能。利用大数据来开展评价数据精准化追踪反馈工作，满足精准化评价基础性需求。一方面，大数据为精准聚焦评价对象提供了全时、全域、全员的跟踪、判定和检测高校思想政治教育现实活动数据，多维、动态绘制个体精准画像，呈现评价对象独有的“全景图谱”，展示出评价对象思想观念的变化趋势和活动行为轨迹，形成直观动态的评价走势图表，为更为全面、深入了解教育对象提供科学依据，使得评价者能及时发现和解决评价对象在思想政治教育评价过程中的阶段性、潜在性和长期性问题，明确具体行为措施的改善，有助于持续掌握评价对象的成长路径和发展质量。另一方面，大数据全节点的持续监测评价对象，着重于评价对象日常活动中细节化、具体化、常态化行为监控，显现出高校思想政治教育评价过程及要素与具体评价效果的关联映射关系，有利于在评价过程中实时掌握评价目标的实现程度，使精准考量与评估实践成效反馈实现在全周期预测和分阶段汇总的有机统一，让评价者既可以在评价整体过程中持续接收到动态实时反馈，又能实现对评价对象阶段发展的趋势的科学预测，不断发现整个评价实践过程中的薄弱环节，进而有利于对评价体系进行持续优化和迭代更新。

（三）技术支持：精准整合平台，实现资源共享联通

当今，大数据以高速率、低时延、高密度、高移动性等优势重塑了评价数据平台，因此，在大数据背景下实现思想政治教育精准化评价对平台构建的容度、精度和广度提出了更高的要求，高校必须要明确平台建设是基础、资源整合是关键、资源集成共享是重点。加快构建协同育人的大数据共享平台，实现评价资源共享联通。

1. 扩大评价平台资源的“容度”。在大数据技术的支持下，要构建汇聚高度信息化、清晰可视化、双向交互化于一体的高校思想政治教育评价大数据智能化平台。平台供给的内容要弥合评价数据平台在空间、时间、场景中的接点、通点和融点。从数据的内容供给上来看，高校思想政治教育评价大数据智能化平台内容应广泛涵盖评价对象信息、评价资源信息、评价环境信息等多种类元素，且富有时代感、吸引力和鲜明特色，更要精准聚焦与思想政治教育内容相关的国内外重大、特大思想政治议题，以实现对大数据智能化平台内容的时代化、通俗化和实效化的精准释读。此外，优化高校思想政治教育大数据平台供给内容应以评价对象的实际需要为基本立足点，将其多样化、丰富性和接受性等特点融入数据、算法、算力的智能应用场景，积极筛选思想度高、生动性强的精品资源，充分萃取其中所蕴含的思想价值和精神内涵，形成兼具知识性、人文性、时代性与开放性的数字资源矩阵。

2. 提高评价平台资源整合的“精度”。要增强高校思想政治教育评价的“精度”，必须构建全链条、全渠道、全覆盖和全过程的思想政治教育评价数据收集平台与整合机制，加强校园区域评价平台建设统筹规划，为高校思想政治教育精准化评价发展提供分类指导与数据支撑。一是保证平台评价数据的采集与存储。高校要统筹校内思想政治教育评价大数据分析与服务平台，实现对数据采集对象的基础性数据、行为类数据和学习结果数据等数据类型的全覆盖采集与存储，既包括评价对象真实、完整、客观有效的个人基本信息等静态数据，又包括评价对象在教育过程中实时变化的动态数据在内的所有数据资源。拓展源路，拓宽渠道，扩大大数据平台在思想政治教育评价信息收集中的覆盖面，将可用性数据规模做到最大化，建立起全面详细的高校思想政治教育评价信息资源数据库[6]。对教育过程中产生的非结构化的、半结构化的数据进行采集加工存储操作，保障高校思想政治教育精准化评价数据的完整性。同时增强后台采集、网络抓取、主动调查等评价采集手段，为采集数据信息工作提供条件保障。依照科学的采集规划要求定期、实时、有序地进行数据采集工作，不断积累更新高校思想政治教育评价数据库资源。二是深化平台评价数据的挖掘与分析。高校要分类构建高校思想政治教育精准化评价数据模型，嵌入大数据整体性、相关性、交互性的思维，将情景化的评价场景转变为可供量化分析的数据图谱，依托大数据技术，采用多种量化实证方法对评价数据进行严格审查筛选，对大体量且庞杂的数据进行清晰分类，依据不同的特征、种类进行编码，方便分类数据收集和整合，通过相关算法处理与数据分析由浅入深、层层深入地提纯挖掘出符合精准化评价目标要求的评价数据，同时有效融合异构数据，精准描绘还原评价对象信息，并将其以数据化、可视化的分析模型展现出来，从整体上对高校思想政治教育精准化评价活动纵向、全面比较和精准分析，最大限度发挥大数据技术在高校思想政治教育精准化评价的应用价值。

3. 推进评价平台资源集成共享的“广度”。实现科学高效的智能化评价数据平台建设。一是调适外部环境，促进各高校之间建立评价数据共享机制。建立高校评价数据共享机制是一项系统化工程，需要推动多方参与，必须统筹规划各高校评价数据共享平台的总体设计，聚合长期稳定的高校合作共同体，打通不同高校间的数据壁垒，构建各合作高校数据共享的利益激励机制，打造全域协同的高校评价数据联盟，共同搭建覆盖全面、及时更新、动态跟踪、有效反馈的集成共享平台，实现各高校思想政治教育评价平台资源空间互联。二是聚焦内部建设，推进高校各部门之间打造评价云数据平台。实际上高校内部各部门之间也存在着数据壁垒，协调联动高校各部门利用大数据技术统一表征，推进多维部门强力联通，优势互补、统筹兼顾，建构全时空、强联系、深互动的高校评价云数据平台，实现高校不同领域间数据的跨界融合和数据共享。拓展高校思想政治教育评价的交往时空，不断提升高校教学、科研、管理机构等数据之间的协同性，实现网上评价和网下评价的协同互动育人，集约化整合评价数据、协作化开发评价平台和高效化利用评价资源，实现数据资源的共享。此外，及时更新和创新高校的评价数据平台系统，重新清理、挖掘、整合、重构多年积累的碎微化公共数据，如高校常用的教务系统、学工系统、人事系统等，再分类存储到新的数据中心，促成平台间与评价主体间的有效联通。