大中小学思政课一体化大数据评估监测

●马小辉 余一倩

大中小学思政课一体化(以下简称“思政课一体化”)评估监测不同于一般意义上的课程评估，它既是对个体知识、能力和思想观念的价值判断和量化评估，也是对大中小学思政课质量的一体化状况评估。由于认识局限、实施条件和技术手段受限等原因，思政课一体化现有的研究重建设研究、轻评估监测探索，评估监测理论与实践存在明显的缺陷，难以满足新时代思政课一体化评估监测系统性和动态性的要求。思政课一体化大数据评估监测是一个创新体系，需遵循评估监测对象发展规律，因事而化、因时而进、因势而新进行整体创新设计，提升评估监测的科学性、有效性、系统性。

一、思政课一体化大数据评估监测的理论基础

近年来，学者通过大数据与思想政治教育融合发展研究，集中强调了大数据给思想政治教育带来的效度和方法论上的变化，解决了大数据思想政治教育的思维方式、功能拓展、主客体关系、传播效率等一般意义上的理论问题。但是，效度如何实现，方法论如何落地，如何发挥思想政治教育协调因果关系与相关性关系的优势，如何破解数据信息壁垒、数据分析预测、数据融合保障等深层次的“瓶颈”问题尚未有效解决。这需要个体认知、智能发展与大数据等多学科领域的理论创新与深度融合，以夯实思政课一体化大数据评估监测的理论基石。

(一)契合大数据理论，妥善处理三个纬度辩证关系

“大数据是人们获得新的认知，创造新的价值的源泉。”[1]大数据理论的核心思想是通过可获取的剧增数据来改变对世界的认知，改变以往在“小数据”或是“样本数据”时形成的思维定式。数据思维改变了人们对事物规律性的认知。数据库的“总体样本”“量化万物”是微观到宏观的转变，混沌现象的“数据挖掘”是由静态到动态的前进，“关联主义”贯彻马克思主义唯物史观中事物是普遍联系的观点，使得思政课一体化评估实现由关注现实转向预测未来的根本性改变。研究大数据理论与思政课一体化契合问题，需处理好两者的历时性、相关性和价值性三个纬度的辩证统一关系。在历时性纬度上，大数据时代思政课一体化遵循思想政治教育发展规律，由感性认识升华到理性认识再回归到指导实践的历史过程，成为纵深推进思政课一体化技术创新和思想创新的主要力量。

在相关性纬度上，利用行为与数据的相关性是大数据时代思政课一体化方法论创新的新趋向，它改变了传统的思想政治教育研究重视现象捕捉、理论假设、逻辑推理和经验归纳总结方式，表现为反映现象行为的海量数据挖掘、数据收集、精准分析的“数据范式”。“数据发声、数据重组、数据关联”让大数据更加客观真实、动态全面的掌握思政课一体化现实状态并预测未来。在价值性纬度上，大数据理论技术对思政课一体化体现的本体问题和价值预设进行了创造性转换，客观揭示本体所隐藏的深层价值属性，凝炼成为推动思政课一体化持续深化的价值动力。

(二)契合分布式认知理论，建立多维立体动态指标

随着分布式认知、情境学习和人工智能辅助学习的陆续问世，学校教学开始更多地重视情景、网络等外部条件对人认识的影响过程。学习者的认知分布于内部心理与外界环境、历史与现实等多重时空维度当中，需借助外部工具，如思政课教育教学来促成分布式认知活动，使得分布式认知理论成为人们信息交互和远程协作的理论基础、学习和教学过程设计的理论依据。它有效整合虚拟学习、线上课程、分布式多媒体、浸润式环境，利用虚拟仿真技术在网络中创造更逼真的“现实世界”。它是智能进化的动态系统，学习者自主开展共享进阶学习、提升工具性技能和认知能力。

思政课一体化大数据评估监测需依据分布式认知理论，基于人全面发展的知识逻辑、技能能力和价值观念三维结构，建立起全方位、多纬度的动态评估监测指标，支持大数据描述学习者多样化的思想行为的现实及未来“画像”，从而精准评估学习者在不同阶段的成长状态及发展趋势，为完善思政课教学评估与管理工作提供科学依据。

(三)契合多元智能发展理论，推进个性化评估与培养

《智力的结构》的发表标志着智能本位评价理念的问世。哈佛大学霍华德·加德纳(Howard Gardner)教授在书中提出的多元智能理论和八对智力范畴基本概念，突破了传统智力理论认为语言能力和数理逻辑能力是智力的核心，智力是以这两者整合方式而存在的“一元智能”观，提出包括语言、数理逻辑、空间、运动、音乐、人际交往、内省以及自然观察在内的八大智能范畴，反映人在特定场景中综合运用创造性解决问题的能力。多元智力是综合性解决问题能力的多纬量度指标，多元智能发展理论强调根据每个学习者独特的智能特点来选择多样化的教育方法，解放和发展人本身，为社会培养有用之才。多元智能发展理论引导思政课一体化结合课程思政和日常思政、校园思政和社会思政等多种方法和途径，激发学习者学习的内在兴趣和动力，开发学习者适合自身智能特点的知识和能力。它通过分析被教育者学习、生活、工作等不同方面、不同时空的数据信息，为客观准确评估个体或群体智力发展状况提供了科学论据，为改革教育评估功能提供多种方法思路。

(四)契合数据评估方法论，完善量化考核机制

数据评估方法论为精准评估思政课一体化建设成果提供了重要的理论依据。思政课一体化大数据评估监测体系采用要素、特点、内涵、功能、机理等大数据化表述，运用数据挖掘手段，秉承“行动决定未来”理念，遵循历史数据规律，科学预测监测对象的思想动向和行为发展，通过反馈机制精准调整、改进思政课一体化整体构架。大数据环境中，思政课一体化是一个可观测、可控制的体系，通过评估监测大中小学教师(供给方)的教育教学效果、教育主管部门和学校管理服务(管理方)的管理成效、学生包括毕业生(需求方)的发展状况，对整体和个体的思政课一体化成效进行总体价值性判断和具体量化考核，最后根据立德树人根本任务完成情况进行调整和控制。

二、思政课一体化大数据评估监测技术

(一)破除数据壁垒，完善数字技术使用监管

目前，数据壁垒造成大中小学学生升学期间，思想品德表现数据信息衔接与传递中断，这是开展思政课一体化大数据评估监测的最大困境。这直接影响到数据的收集、储存和处理，影响到对数据规律的把握和对事物发展趋势的预测，影响到对教育客体思想政治品德的诊断性评价，影响到思政课一体化系统性和整体性功能的发挥。产生数据壁垒主要有两方面原因：一是主观上数据意识淡薄，造成历史数据积累不足、个体数据稀少、数据样本有限。二是客观上缺少信息共享与处理平台，普适性的数据素养和能力培养欠缺，对图片视频等非结构化数据分析技术及算法公式推导能力薄弱，量化研究思政课一体化的重要范式建构方面有待突破。为此，除了营造良好大数据思想政治内外环境、加强大数据思政课一体化技术创新，还需完善相关涉及大数据采集、贮存、传播、使用等环节的监管、安全防控措施，培养道德规范和法治意识以摆脱数据独裁，做到既合乎时宜，又合理合法地开展评估监测。

(二)创新相关性算法及模型，改进可视化成果

“人的网络言论行为是现实世界人际交往和思想行为的反映和射影，使人的思想行为数据化，能够以可视化的‘镜像’方式展现人的思想倾向和价值导向。”[2]运用大数据核心驱动状态描述与多元分析，将海量数据与数学算法相结合，预测预警未来事件，及时诊断发现问题。思政课一体化虽包含因果规律，但更重要的是体现出数据相关性的算法规律。因此，对于大数据时代思政课一体化这一开放社会系统而言，应竭力寻找其要素间相关性算法规律并建立算法模型，从而探索思政课一体化的控制技术，实现精准控制、精准改进“人工智能+思政课一体化”的可视化成果。

(三)拓展预测技术，实现海量思想行为数据相关性预测分析

思政课一体化的建设基础是历史数据的归纳和整理。“小数据”不能涵盖所有信息，“只能用概率理论对过去的现象进行概率性的解释”[3]，但“概率性的解释”由于数据不完整性带来预测准确度不高的问题。大数据时代，智能采集的数据多、处理快、算法准，特别是机器学习和智能模式的出现，实现了历史数据的智能学习和优化，运用具有分析、判断、过滤和提纯功能的数据算法模型精准预测事物发展的未来走向。拓展预测技术，使存储的海量思想行为数据成为预测分析的“全样本数据”，群体性分析与个性化定制相结合，提出个性化、精准化的思政课教育方案，实现个性思政和主动思政，为有的放矢开展思政课一体化提供数据支持。

(四)采用深度学习技术，结合遗传算法选优

“深度学习技术指一种基于人工神经网络，通过多隐层感知器进行表征逻辑分析的人工智能技术。”[4]该项技术解决了现存的思想政治教育耗资巨大却几乎无法定制个性化教育方案的弊端。深度学习技术能自动链接教育对象信息、教育介质信息和教育环境信息中的大数据，自主生成针对不同教育对象特质的多种备选教育方案。这些备选方案既包括思政课的教育教学，也包括日常思想政治教育，体现整体性方案和个性化方案有机结合。如何选择备选教育方案，遗传算法选优技术提供了一种运用历史概率进行选优的人工算法技术，它广泛运用于最优方案和组合的选择，具有成本低、速度快、误差小的特点，极大节省时间和精力投入。更为重要的是，它运用历史经验，通过数据模型为实现个性化、主动化的思政课教育教学方法与个人特点有机结合提供了最优匹配方法，为实现“精准思政”提供了技术支持。

(五)运用知识图谱语料，升级用户画像技术

大数据时代，海量数据呈指数级增长态势，如何准确全面记录思政课一体化过程中学生、教师、教育介质和教育环境等四个要素的行为数据，如何精准分析行为数据，如何将最优化资源、成果准确投放以改进教育教学效果，这就需要对各用户数据进行科学建模。“用户画像技术”数学建模根据不同评估监测对象的不同行为属性，进行数据筛选和采集，进而描绘出不同应用场景下用户画像，运用数据算法在用户行为数据中挖掘深度匹配信息，进而抽象出一个带有“标签”的用户对象模型。

“基于知识图谱的用户画像技术”弥补了打“标签”过程中人工参与较多、人为主观因素干扰过大等缺陷。它通过网络收集大量真实的用户数据，包括手机APP、网络浏览器、微博、微信、QQ等信息渠道，并对原始数据字段进行筛选预处理，获得反映用户行为的字段，运用知识图谱语料，构建用户画像，并用深度语义模型形象表达有效需求。在思政课一体化评估监测过程中，评估监测的内容主要包括对学生学习过程、学习成效的评估以及对其价值行动、未来发展的预测，对教师的教学业绩、教学质量和价值引领作用的评价，对教育中介的内容和模式的观测，对教育管理者的人才培养目标和管理服务成效等诸多复杂内容的形象表达。从知识、能力、价值观角度对特定的过程信息和结果信息进行解析及语义泛化，找到与之接近的表达词语。然后，运用“知识图谱”理出实体之间表达的相似性与关联性，经向量相似性计算后在词向量空间中寻找语义相近的实体，制作相关语义远近标签表。这一标签表可直观展现用户行为与某些标签语言相关性的强弱，并通过组合推演，综合运算生成客观真实地描述用户特征的个体行为标签的相关语义组合。运用该项技术的行为标签表，实现了直观展现思政课一体化大数据与相关行为过程和结果的内在关联。

三、思政课一体化大数据评估监测运行模式

基于网络海量数据的思政课一体化大数据评估监测系统主要由教育主体(教师)、教育客体(学生)、教育介质(内容方法)和教育环境(政策制度)四个用户子系统组成。除了在理论技术上创新，还需结合思政课一体化大数据评估监测特点，构建包括评估监测指标体系、流程方式、反馈机制等诸多环节在内的评估监测运行模式。

(一)思政课一体化大数据评估监测指标体系

思政课一体化的指标体系是思政课一体化评估监测各要素的集中体现，“是理论研究能够应用于实践工作的关键”[5]。思政课一体化指标体系需处理好量化评估与主观判断、内容复杂性与操作可行性之间的关系，为四个用户子系统设置理论与实践不同层面的评估监测项目、类别指标和评价标准，并根据其重要性和影响力大小赋予相应的权重，由不同算法模型、分析模型获得不同纬度的指标评估结果。

指标体系应以“三全育人”目标为导向，质量标准为基准，划分出学生、教师、教育中介和管理服务四个基本项目模块画像。首先，“学生画像”项目指标包括思政课程与课程思政的教学、实践两个部分，分别就学习目标、学习过程、效果评价、反馈处理、日常生活行为、网络行为、社会实践等观测点对各学段学生思想、行为成长性进行评估监测，通过学生学业和日常生活的可视化精准画像，透视影响其成长不同要素之间的相关性和内在规律性。其次，“教师画像”项目指标包括教学质量、教学成效、教研科研业绩和师德师风等四个部分，分别对思政课教师进行成长性评估监测，意为通过教师教育教学和思想政治工作方面的精准画像，透视不同影响因素之间的内在逻辑性。再次，“教育中介画像”项目指标包括教学载体和内容载体两个部分，分别对教学资料、教学工具、活动方式、实践成果等观测点进行评估监测，意为通过精准画像，精准分析教育中介对实现思政课一体化目标的效果。最后，“管理服务画像”项目指标包括教育主管部门层面、学校层面、家庭层面和社会环境层面四个部分，分别从组织体系、政策法规、教材建设、师资建设、平台建设、数字化校园、日常思政工作、家教家风、家校协同、网络环境、场所环境等观测点进行评估监测，意为通过精准画像，推进构建从课堂思政到校园思政、家校思政、社会思政“大思政”协同育人格局。

上述四个画像的描绘和评估，涉及思政课一体化的主体、客体、载体和环境四个主要方面，共同构成以学生、教师为核心的大数据空间，通过描绘技术的全程化、动态化和可视化，实现事先预警、事中干预和事后督导以及过程评价与结果多元评价的有机统一。

(二)思政课一体化大数据评估监测流程方式

思政课一体化大数据评估监测流程方式涵盖数据流和方式流，包括评估监测的流程方式和系统中数据的流动方式，二者缺一不可。评估监测流程方式是一个实时更新、动态调整的过程，先由“数据流”将从用户端采集到的数据进行细致考量，根据不同项目划定数据的选择范围，整理、分析、融合后，结合“方式流”输送到考核评价系统进行科学化处理，开展评估、预测、预警和目标定制，再反馈回用户端的循环操作过程。这两种流程方式交错推进，对原始输入的数据进行清洗统计、挖掘查询、因子分析、聚类分析，最后从差异化端口导出反映至各类用户，起到规范调节用户行为的作用，共同推动形成有效的“1+N”工作闭环评估监测模型。(见下图)。

思政课一体化大数据评估监测流程方式图

“1+N”评估监测模型打破大数据和思政课一体化之间的技术瓶颈和融合壁垒，把主观模糊的思想观念转化为直观可视化的结构关系图。其中，以评估监测为主体功能系统，预警系统和预测系统为两翼，结合数学方法进行逻辑演算与辅助管理，将庞大的“1”个大系统分解为“N”个子系统，构建多层逻辑递阶、点面结合、重点标星的新程序架构，实现由数据层向用户画像层的推进，实现评价过程的持续化与常态化，提高用户行为与评价结果的实时匹配度。

(三)思政课一体化大数据评估监测负反馈机制

负反馈与正反馈作用不同，“正反馈会将目标和实际的偏差放大，反复迭代后系统将偏离预设目标越来越远，而且最终导致系统的不稳定甚至崩溃。”[6]而负反馈则相反，它的作用是纠正错误偏差，拉近现实与目标之间的距离：针对用户系统，发挥调节、控制、导向、发展功能，通过不断迭代优化，促进思政课教学质量提高；针对系统本身，自动调整输入的内容信息，督促运行机制自发完善，更新相关监测标准，及时迭代开发测量工具。负反馈机制通过动态跟踪、实时监控、问题研判、效果评价、反馈调整等一系列可视化操作，对收集的海量数据信息进行归类、统计、挖掘、分析，提出个性化定制的思政课教学方案，划定学生思想风险指标警戒线，进行风险研判，当数据分析逼近相应指标时拉响风险警报，进而形成从思政课一体化信息输入、输出与评估监测之间的负反馈机制。

四、结语

思政课一体化大数据评估监测是深化思政课一体化建设“指挥棒”，是思想政治理论课质量评估与现代信息技术手段的深度融合。它将大数据分析的系统性、可预测性特点与学生个体的多元性、发展性、主动性相关联，定制出个性化培养方案，以克服当前思政课一体化过程中内生动力不足、评价技术手段滞后，无法全面解析、预测和评价思政课一体化整体教学质量等问题。