双向深化：大数据与思想政治教育的深度融合

王建红，李金聪

（华北电力大学大数据与哲学社会科学实验室，河北保定 071000）

在技术科学和自然科学领域，以大数据、云计算等为代表的新一代信息技术正书写中国数字化转型的崭新篇章；在哲学社会科学领域，大数据的思维和理念正逐渐融入传统的思维方式，为诸多学科研究注入了新的元素。思想政治教育学科，关于大数据和思想政治教育相互融合的研究不断积累，逐渐深入。本文使用CiteSpace 知识图谱、微词云等文献分析与可视化工具，对国内关于大数据与思想政治教育相关研究的文本数据进行梳理，反映当前这一研究领域的发展状况，并以此为基础探究大数据与思想政治教育深度融合的未来发展。

一、大数据与思想政治教育融合研究

（一）“热潮回落”：基于文献规模的数量统计

“大数据”和“思想政治教育”的相关研究从2013 年开始兴起，9 年内积累了1 785 篇相关主题文献，增长态势显著，且呈现一定的规律性。图1即是根据知网（CNKI）近9年来的发文量绘制的折线图（样本的选择截至2021年12月）。可以看到，最初的期刊发文量以连续3 年超过100%的增长率，从2013 年的4 篇提升至2016 年的168 篇。2017 年起，期刊增长率开始低于100%并逐年下降，于2019年到达发文峰值后开始呈现负增长，发文情况可大致划分为三个阶段：热潮初起（2013—2016 年）、逐步探索（2017—2019 年）、“热潮回落”（2020年至今）。而从北大核心与CSSCI期刊的相关文献量来看，在前期，核心期刊发文量与整体发文量呈现较为同步的变化趋势，而2019年后，核心期刊发文量却与发文总量的回落趋势相反，呈现增长态势。除了期刊文献，目前，从中国国家图书馆、中国知网等数据库查询到以“大数据”和“思想政治教育”为主题词的专著共计35部，通过题名及摘要可知，专著主要围绕大数据时代高校思想政治教育的创新研究及未来发展，且以2017 年的7部为数量峰值。此外，从国家社会科学基金项目数据库中查询到相关主题的项目基金32 项，其中重点项目1项，青年项目5项，西部项目3项，历年中以2016 年度获批9 项为峰值，从项目名称来看主要集中于高校思想政治教育、网络舆情及意识形态引导机制等方面的研究。

图1 2013—2021年期刊文献量分布图

多组数据表明，近两年除核心期刊数量增长外，其他研究专著、科研基金的数量并未增长，从总数量来看，该领域的研究是趋向“热潮回落”。然而基于学界对于核心期刊的权威性和前瞻性的普遍认可，其中的相关文献演进趋势，无疑也代表着更深层次研究的未来走向。

（二）逐渐聚焦：基于核心期刊主题词的文本数据可视化

“核心期刊”是发文质量较高、情报含量较大、被摘率、被引率和借阅率较为集中，一般认为能够代表该学科（专业）发展水平及发展方向的期刊[1]。核心期刊的各项发文要求也要普遍高于一般期刊，因此在某种意义上，核心期刊关注的热点关键词相较于一般期刊更具典型性和前瞻性，也更具有分析价值。在知网高级检索栏输入检索条件为“思想政治教育”和“大数据”，选取北大核心和CSSCI 核心期刊，通过人工筛选去除无关文献后剩余326篇，将其导出为Refowork格式，即可作为CiteSpace知识图谱分析的文本语料。通过参数调整，最终得到图2 所示的2013—2021 年的核心期刊关键词共现聚类时间线图谱。

图2 2013—2021年核心期刊关键词共现聚类时间线图谱

结合上文的统计分析，可按核心文献数量变化划分出三个发文阶段：热潮初起（2013—2016年）、逐步探索（2017—2019年）、“热潮回落”（2020年至今），可借此阶段划分对图2中的关键词热点演进进行探究。此外，从CNKI导出的检测报告中的文献篇名，同样按照这一阶段划分方法分别使用“微词云”工具进行分词统计，制作得到篇名词频表和如图3所示的词云图，综合两项可视化结果可以更加直观、全面地进行关键词分析。

图3 各阶段核心期刊篇名词云图

1.热潮初起阶段：2013—2016年

这一阶段开始出现的热点关键词主要有“大数据时代”“新变革”“新环境”“范式转型”“模式创新”“伦理挑战”“科学诉求”等。在图3的词云图中也可以看到，篇名中出现频率最高的词为“大数据时代”，由此可知文献大部分是将“大数据”作为一个特殊的“时代”背景开展研究，篇名中也多用如“问题及应对”“对策研究”之类的表述。对于大数据时代作为一种特殊时代背景带给思想政治教育的影响，胡子祥认为大数据让思想政治教育面临复杂性、技术性、伦理性的挑战[2]；崔海英持有类似观点，并将挑战具化为四个方面，大数据体量的无限性、大数据产生速度的迅捷性、大数据来源的多元性、大数据价值的分散性，分别对思想政治教育提出更具针对性、时效性、感受性、实效性的新要求[3]；思想政治教育在教学方面也面临着方法去旧、内容去陈的现实挑战，对于新的时代变革存有明显的不适与“疲态”。这一阶段，学者尝试用不同的研究视域看待思想政治教育，对于其不足进行集中探讨，研究如何弥补对于学生细节的关注缺失、以及宏观把控的不足。总的来看，这一阶段的文献量较少，发文的学者也大多是将大数据思维作为新的研究视角之一，多是从理论、逻辑层面对未来的思想政治教育可能使用的工作路径进行探索性的研究。

2.逐步探索阶段：2017—2019年

这一阶段开始出现的热点关键词主要有“大数据观”“思维变革”“数据治理”“理论聚焦”“学科交叉”“媒介融合”“发展路径”等。在图3的词云图中也可以看到，“大数据”一词的频率仅仅落后于“大数据时代”，排在第二位。学界关于大数据思想政治教育带来的创新和启发进行了大量的理论探讨，如在教学方法、教育模式、载体创新、管理机制等诸方面，且观点大多趋向一致。比如，高盛楠、吴满意认为，利用大数据技术能精准掌握大学生思想变化，有利于提高思政课教学的针对性[4]；赵浚认为大数据对思想政治教育方法的创新，还是要以提升“教与学”的能力为主，并重视对于校园精神文明建设的推动[5]。高奇、周向军等提出要把握好大数据技术与思政课教学目的、形式与内容、虚拟与现实、“量”与“质”、微课与宏课、线上与线下等关系，树立科学的信息化观念[6]。总的来看，在经过一段时间的探索之后，这一时期的理论研究更加包容和接纳大数据思维和理念，且侧重于将大数据作为思想政治教育的新工具和新方法，结合思想政治教育的环节、要素、方法等细节进行针对性探讨，以期找到更优的实践路径。总的来看，这一阶段的文献集中增长，学界对于大数据和思想政治教育的认识探索进入深化拓展阶段。

3．“热潮回落”阶段：2020年至今

这一阶段开始出现的热点关键词主要有“研究范式”“协同育人”“精准供给”“精准思政”“实践路径”“路径创新”等。如图3所示，在文献篇名中，“思想政治教育”反超“大数据”开始占据词频首位，并且通过梳理这一阶段的文献，可以较为明显地观察到，以大数据本身的技术特征、应用价值、风险预估等新内容为探索原点的单向研究开始淡化，以思想政治教育内涵升级作为原点的相向融合研究数量逐步上升，其间既包含有对前期碎片化研究的积累、整合，还着力于推动高校思想政治教育本身的“因时而进”，提出了“精准思政”“区块思政”“智慧思政”，以及大数据结合“小数据”等新颖的理论概念。值得注意的是，综合整理该话题下的相关研究，涉及大数据技术应用于思想政治教育的具体技术障碍的探讨较少，能够呈现具象化的融合步骤、实践经验和实操方案类的研究更是鲜见。

应指出的是，尽管大部分学者都曾论及大数据技术的作用和重要性，“让‘数据说话’的研究方法可以提升思想政治教育的实效性，大数据思维拓展了思想政治教育的研究模式”[7]似乎已经成为共识，可“大数据”作为一个自然科学术语的本质却被忽视了，不涉及大数据技术应用实践的研究自然无法保证“大数据理念”“大数据思维”“大数据风险”在各个领域的融合质量及研究深度。通过逐一分类，发现326篇核心期刊文献中仅有不到3%是真正运用了大数据技术。因此，二者的融合不应仅仅侧重在大数据思维、大数据科学冲击下单向度探讨思想政治教育的理论创新发展，也应当注重对在思想政治教育中如何实际应用大数据技术的实践创新积累，即应进行理论与实践双向度的拓展。

二、大数据与思想政治教育深度融合的问题

综合上文对于文献规模和主题词的可视化分析，人们能够直观感受相关研究不断聚焦，呈现“创新—拓展—深化”的演进特征。截至目前，理论研究大致呈现从概念到体系、从宏观到微观、从原理到应用的发展脉络，重点关注基础理论、应用思路、方法论原则等方面的探讨，较少把大数据技术应用作为聚焦主题，深入研究大数据应用的技术规范、操作流程，尤其缺乏深入到思政课教学实际、结合技术实操的理论研究；实践研究中，一些冠之以“大数据应用”和“智慧课堂”的课程创新仍偏重于对健全配套设施的呼吁，缺乏对具体技术难点及其操作规程的探索，尤其缺乏成型实践案例的分析。尽管当前两个研究方向都有待深入，但是对比来看，实践研究的成果更少，学界也更愿意从事理论方向的研究。当前学者对于远期的目标似乎更为清晰，但是在具体实践中，对于各个环节如何具体实操、做到怎样的程度、应当完善什么的探讨不深入。细究内在，伴随着海量数据及复杂分析，如今学者面临的似乎不是“踮起脚尖”就可以实现和解决的情况，技术应用和原理基础的“双门槛”一定程度上制约了实践探索的步伐，目前欠缺可复制性强的应用范式、实操案例作为推广范例。按照认识问题、分析问题、解决问题、反思问题四个逻辑环节进行分析，可以发现当前大数据与思想政治教育的融合尚存在以下四个方面的困境。

（一）大数据思维“全样本”特性增强了定势思维与破局思维之间的紧张

当外部环境无较大波动时，定势思维会使人顺从思维习惯的导向，用自成一格的经验方法快速应对问题；可一旦场景发生较为深刻的变动，它就会限制人采用新的方法，即思维无法摆脱原有的束缚，无法有效应对新的实践。因此，应当辩证地看待定势思维。束缚思维进行破局和创新的枷锁并非定势本身，而是桎梏思维的“消极定势”，在深度融合过程中应当理性看待定势思维和破局思维之间的关系，发挥定势思维优势的同时，消解部分消极定势对破局创新的阻滞。

大数据“全样本”的冲击使得定势思维和破局思维之间的紧张增强，这两类思维主要产生自小数据时代与大数据时代之中不同的主流实践需求。以往，教育者经常通过问卷设计、抽样作答的手段获得用以统计和分析的样本数据，以样本尽可能地均匀分布来提升部分反映整体的效果，达到掌握青年的思想动态和道德素养水平的目的，加之传统条件下“记录、储存和分析数据的工具不够好，只能收集少量的数据进行分析”[8]，所以整体呈现一种希望“用尽可能少的数据来印证尽可能重大的发现的思维定式”[9]。如今，大数据信息处理技术飞速发展，为信息价值的充分挖掘提供了条件，使处理数据时的有效性得到极大的解放，这也让人们开始重视数据的战略性价值。全数据模式、“样本＝总体”等思维开始成为大数据分析追求的目标。由此，调查分析中的样本思维与整体性思维，数据处理中的混沌思维与精准思维，研究结论时的因果思维与关联性思维等思维方式之间的取舍就很容易步入对立的误区。有学者对大数据带来的思维破局持肯定态度，认为大数据的价值意蕴不仅体现在广覆盖、大范围的数据集聚，可视化、具象化的数据画像，精准性、前瞻性的数据预测等方面，还体现在大数据是“一种推动人们在数据利用思维方面实现质的飞跃的思维方式”[10]，大数据思想政治教育还以“科学性、前瞻性、时效性、主体性、个性化”[11]五个方面的内在属性优势，突破了传统局限，促进了实践和理论的变革创新。同时，也有学者认为，若是因大数据时代到来就否认此前传统小数据的价值，是一种对大数据的曲解。有的学者认为，小数据的数据来源相较于大数据依然具有优势，小数据是基于“个人行为数据”展开决策的，这决定着其可以有效破除大数据在思想政治教育精准化过程中的应用瓶颈[12]。其实这些观点也在一定程度上说明，大数据和小数据之间天然存在共同目标：实现精准性，同时也存在宏观把控与微观分析之间的互补性。两种思维模式可以各取所长，结合应用在数据处理的不同环节，以实现定势思维和破局思维之间的一种平衡，将看似冲突的两方转化成互为补充的关系，在不同因素之间建构一种动态平衡、多元一体的思维方式。

（二）大数据方法“门槛”效应增强了思辨驱动与实证驱动之间的矛盾

思维提升可以帮助发现深层或潜在的问题，采用恰当的研究方法则会有利于系统化地分析问题、解决问题。一直以来，我国思想政治教育研究呈现“思辨驱动为主”的特点，主要通过逻辑推理、经验总结等方式对思想政治教育的理论基础、功能定位、目标原则等开展研究。但这同时意味着，思辨驱动下的研究活动将着重依赖于研究者自身的思维路向和信息掌控能力，虽然有利于学科的系统性和整体性发展，但有可能干预学科的求变力与融合力。而大数据“为社会科学研究所开启的新的研究范式”[13]涉及复杂网络分析等手段，带来了哲学社会科学领域研究的计算时代，这对于社科研究的转型和可持续发展起着至关重要的作用。“一种科学只有在成功地运用数学时，才算达到完善的地步。”[14]这里的运用数学也就是使用科学化、规范化、数据化的实证研究方法作为研究的驱动。就思想政治教育而言，教育现象中蕴含的规律不同于机械运动规律，人的复杂性、社会化决定了教育对象的思想行为数据之冗杂，通过数据对思想政治教育的效用和走向进行分析推断尤显困难，难点在于需要论证清楚如此庞大体量的数据哪些可以量化、哪些不能；量化择取的标准如何制定，等等。并且如果为了数据好看就一味关注量化，机械地进行实证分析，没有基础原理的支撑，就会本末倒置。大数据方法依然存在有较高的“门槛”，并无捷径。

大数据方法的“门槛”使得思辨研究无法达到实证研究的量化效果，也使得实证研究因为专业人才缺乏、研究条件欠缺等原因无法得到推广，这也就进一步导致“思辨”路线对于“实证”路线的批判、质疑更多，“实证”路线则对“思辨”路线的科学性和实践性存疑。从内在属性来看，思辨研究与实证研究看似大相径庭，实则互为补充、相辅相成，且“实证”与“思辨”的双驱动机制更加有利于事实判断与价值判断、主观建构与客观存在之间的统一。加之大数据时代的思想政治教育不断向纵深推进，越来越多的研究者还提倡将教育学、政治学、社会学、心理学等其他学科的研究方法在思想政治教育中进行结合运用，需要更加关注大数据研究方法与思想政治教育研究对象的匹配问题，同时平衡思辨研究与实证研究的关系。

（三）大数据应用“长链条”规程造成了资源供给与现实需求之间的鸿沟

看待大数据属性的时候除了要注重数据量的维度，还应该注重数据链条的维度。在保证一定量的用户的基础上还需保证大数据应用的“长链条”，如此才有可能保证精准。也就是要找到与学生相关的多类、甚至全类的数据，如从用户的检索记录看其需要是什么，从用户提问的平台来看其所处的网络集群有何特征，等等。因此建设一个有一定信息量和检索功能的思政课知识平台非常必要，但单单一个平台是不够的。从数据链条维度来看，单一平台无法达到“长链条”的要求，这是因为现有的一些平台更多是处于实验阶段的局域性使用的状态，自身仍需完善，无法达到跨网站甚至跨平台的偏向底层架构的数据平台要求。全方位打通各层级、各环节的数据接口，才能有效解决研究对象的信息碎片化、分散化问题。构建大数据完整链条既要打造思想政治教育的大数据资源“供给链”，打破大数据链条构建中的“肠梗阻”，也要需要整合、深挖大数据应用的“需求链”，破除教与学的碎片化需求的“弱驱动”难题，弥合真实供给与内在需求之间的距离。

当前学界普遍尝试设置尽可能多的维度来实现“长链条”的要求，从当今社会转型期凸显的社会矛盾、社会乱象来看，了解高校学生思想动态的是重中之重。在延长学生“需求链”方面，王莎认为要从人生观、政治观、道德观、学习观、消费观、交际观、就业与发展观七个方面详细掌握学生的思想动态[15]。她认为这“七观”是马克思主义世界观、人生观与价值观在当代高校学生中的具体反映，能够基本体现当代学生的思想状况，也因此可以更加立体呈现学生的需求。关于“供给链”，其实就是利用大数据技术为思想政治教育者建立一条多节点共同运作的动态信息传输链，全方位了解受教育者的物理行动路线和思想动态，适时适度地制定、调整、实施育人方案，为受教育者提供更加高效、科学、精准的教育引导。同理，“供给链”也应符合长链条的标准，关于“供给链”的延长，赵浚认为可以考虑用“对学生进行全天候和全过程的信息覆盖”的手段，以需求拉动实现供需平衡[16]。需求与供给是影响思想政治教育与大数据融合发展的重要关系之一，学界虽能普遍认识到大数据应用中供给拉动与需求驱动的重要性，也展开过模型设计和构建策略的理论探索，但对于如何提供有效的供给方案、技术和流程，如何发掘需求、汇总需求、应对需求仍缺乏深入的实践探索。

（四）大数据价值“低密度”特点加大了工具理性与价值理性之间的论争

现实中，在超大体量的数据之下，大数据呈现出“低价值密度”的特性，其价值性主要体现在从海量的各种类型的数据中挖掘出对未来趋势与模式预测分析有价值的数据。也正是大数据“低价值密度”的特性使得当前学界对于它的研究趋向两极，研究者从工具理性出发，会更加关注如何提高计算机算法处理海量大数据，关注处理的速度、效度等问题；从价值理性出发，则会侧重于如何判定、制定信息采集和记录的标准，保证数据有效性，助力研究的开展。

学界普遍关注大数据技术的应用将会为思想政治教育研究带来陷入工具理性的“隐患”。在现代评价理论中，凡是客观存在的现象，都有其数量方面的存在，即“一切皆可量化”。一部分学者也因此认为正是数据化带来思维的变革致使价值理性被忽视，罗红杰认为：“思想政治教育主体不能一味追求大数据带来的工具理性而忽视价值理性，避免陷入伦理困境，应遵循价值理性优先的原则，在合法的限度内发挥大数据工具理性的思想政治教育功能。”[17]这些学者认为不可夸大大数据教学平台的作用，尽管大数据技术带来了更加新颖多样的教学形式和手段，但无论如何发展，都必须坚持“内容为王”，保证并提升教学的内容质量。更多的学者则是提出应聚焦大数据的工具理性优势，借助其作为一项技术工具的优势，增强思想政治教育的实效性，亦是在追求工具理性和价值理性的统一，认为既不能被“工具理性”遮蔽了教育评价的“初心”，也不要因过分强调思想政治教育的人学属性而故步自封，将现代评价中关于量化、数据、实证的思维与方法拒之门外，避免走到另一种极端——“闻量色变”。尽管学界一直存在对于价值理性与工具理性关系的探讨，但对于两者在实际应用中的共生机制依然缺乏开展系统、深入的研究。

三、大数据与思想政治教育深度融合需要双向深化

诸多因素之下，大数据与思想政治教育融合程度尚浅，应用于思想政治教育当中的实践创新成果欠缺，实践创新显著落后于理论探索且难以有效解决当前紧迫的现实问题，理论探索也因此缺乏实践的支撑和引导，两者之间尚难实现良性互动，这也是当前相关文献、项目数量回落的主要原因之一。因此，当前需要的并非哪一方发力，而是两方都需深化。理论创新研究层面可以大数据思维方法与思想政治教育的耦合研究为中心，解决融合的深层矛盾论和方法论问题；实践层面则需要注重扩大实践场域和实践效果的反馈与积累，两方相向而行才可加快实现良性循环。

（一）理论深化：运用大数据思维和研究方法，应对融合产生的深层次矛盾论和方法论问题

1.多元化思想政治教育主体应当加快思维转变，以升维视角切入融合的深层矛盾论问题

当前在大数据时代技术发展和思维方式的变化下，教师开始从主导者转变为组织者和互动者，师生之间不再是单向的知识传递，加之各方信息的联动，思想政治教育正逐渐呈现“多元化主体”的趋势，原本作为思想政治教育客体的学生，现在既是大数据的“生产者”，也是“消费者”和“传递者”。师生之间的思维交织情况更加复杂，因此新环境下的主体多元化实现思维破局的任务会比之前单一主体时更加艰巨。人的认知系统十分复杂，思维破局经常会因为种种原因半途而废。因此在现实的教育环境下，大部分主体都容易遭遇同样的问题，这时就必须加快思维转变，提升思维层次，以升维视角切入融合的深层矛盾论问题，实现破局。

例如，为了使供给内容的个性化推荐符合思想政治教育改革发展的趋向，学界提出精准思维，即在多元信息的收集、聚类和使用等环节进行多次过滤，维持信息价值的高密度状态，保证供给内容的指向性和针对性，精准思维的诞生正是源于人工智能语境下的思想政治教育“升维”活动。再者，帮助人们打破定势思维本就属于思想政治教育的职责之内。付安玲提出大数据时代思想政治教育“获得感”最高层次的人学意蕴诠释之一即是“实现数据创新的思维转变，满足精神层面的参与感、价值感和创造性需要，实现对有限生命的无限超越”[18]。从升维的视角而言，融合的深层矛盾其实不在于思维，而在于缺少一套行之有效的实践方案，让大数据技术在实现人的全面发展中发挥实质性作用。其实，精准性的实现可以让小数据思维和大数据思维共同参与，并应用在合适的环节，例如使用大数据整体性思维和全样本思维进行数据收集和整理，在掌握大数据全样本的基础上开展小数据精准化研究，实现质量的提升，并非一定要在两种思路之间作“非此即彼”的选择。固守无法带来进步，而“从零开始”的新思维又易导致质量和效率的不足。思想政治教育主体应尽快实现自身思维破局，以升维视角寻找突破，守正创新，切实推进大数据与思想政治教育的深度融合。

2.遵循研究对象与研究方法的契合原则，综合多类型方法探究融合的深层方法论问题

大数据确实给思想政治教育研究带来了新的面貌，但也不能盲从盲信大数据，要遵循研究对象与研究方法契合的原则，在继承传统思想政治教育的优势的基础上，具体问题具体分析，对实证研究方法进行选择性融通，保证探究的深度和效度，对思想政治教育与大数据融合的深层方法论问题进行总结回应。

随着大数据时代的到来，思想政治教育方法发生着根本性的变革：从定性转向定量、线性转向非线性、局部转向整体、模式化转向多样化[19]。思想政治教育研究也面临着相似境遇，以往的思想政治教育研究多是以思辨研究为主导，如今却有越来越多的研究者提倡提升实证研究在思想政治教育研究中的比重。这一现象出现的原因早有端倪，思辨研究大多是依赖于观察和思考，结合一定理论支撑开展的知识性探讨，着重逻辑推理，这也导致了思辨研究面临着论证相对主观的质疑，但这并不是对传统思辨研究的否定，而是还有更好的“突围”途径，刘燕楠认为，“应该摒弃以往单独运用某一种科学方法贯穿整个研究过程的研究方式，而应该综合运用多种研究方法，以弥补可能的漏洞。”[20]但鉴于思想政治教育鲜明的阶级性和政治性，其研究方法可以趋向多元化，学习其他学科领域的研究手段，但切忌简单地进行套用和模仿，并需注重应用流程的科学与规范，以严谨的思考、推演、操作来保障结果的可靠性。应坚决杜绝研究方法使用不规范的现象，杜绝思辨研究中的少思、简思，实证研究中的流程混乱、简化，等等。对于研究者而言，应该树立理性客观的研究态度，强化方法论的理解掌握，规范研究方法的应用准则，加强应用统计能力的训练，拓展多元研究方法的兼容并蓄，确保研究过程和研究结果经得起实践检验。这同时更是思想政治教育从书斋式研究走向行动式研究的发展要求。

（二）实践深化：在保证实效性的前提下，落实大数据技术应用场景并累积实践反馈

1.落实大数据技术应用于思想政治教学的具体场景，打通资源供给与现实需求的脱节

思想政治教育应充分重视和缓解思想政治教学中供给与需求之间的矛盾，兼顾供给拉动和需求驱动的有效性，避免供需脱节。对大数据应用的需求与期待会随着时代和技术的发展而不断充实和丰富，切实关注思想政治教育实践中大数据需求的动态演进，就需要从以理论设想为主的“书斋研究”局限中走出来，尝试多层次落实大数据技术应用的实践场景。要切实尝试采集哪些数据链、采用什么样的模型、使用哪些技术工具，在宏观上对学生的整体动态进行“数据把脉”，坚持正确的教育目标和导向；在中观上对学生的思想特征实施“数据刻画”，找准教育教学的关键点；在微观上对学生的个体特征进行“数据画像”，加强教学的针对性。针对当代大学生“数字化生存”和“数据化思维”特征，采用适合的大数据技术和方法，切实推进教材内容数据化；针对当代大学生“可视化学习”特征，采用精准的可视化技术和方法，对相关教学的素材进行可视化演示。

用教学平台大数据及时分析学生的学习状态，用课堂大数据及时分析学生的听课状态和兴趣点，用教学过程大数据完善教学的过程考核，用教学的全数据分析学生的学习获得感，用学生“获得感”大数据评价教师教学效果，在理论上都已经得到了阐述。但现实缺乏的是切实行动起来，在实践中落实这些大数据应用于思想政治教育的“场景设想”。只有行动起来，在场景实践中，切实探索如何解决理论供给、技术供给、数据供给与教师需求、学生需求、管理需求等多层次多维度的问题。

2.强化大数据技术应用于思想政治教育的实践反馈，避免工具理性与价值理性的失衡

从工具理性的角度而言，大数据技术在一定程度上就是为了消解大数据自身的“低价值密度”缺陷，借助先进科学技术，实现对大数据信息价值高效利用，工具理性视角下的目标取向即为在相关领域高效率地发挥其功效。相对于工具理性对于结果和效率的青睐，价值理性更关注的是整个过程的价值意义和合理性。因此，对于思想政治教育来说，在工具理性视角下应当注意技术应用过程中的目标合理性、工作层次覆盖度；价值理性视角下，则需警惕技术应用的主体功能弱化、实践偏差。为实现思想政治教育实效性的提升，应注重坚持大数据技术应用过程中工具理性和价值理性相统一的逻辑，加强过程控制，通过对实践反馈的积累，避免工具理性层面的忽视目标和价值理性层面的忽视效率，以价值理性升华工具理性，以工具理性促进价值理性。此外在技术的使用方面，可以根据实践反馈，甄选并优化适宜思政课教学的算法模型，比如将LDA主题模型用于文本数据的挖掘分析，通过完善改造其分词取词、共词分析、分类聚类、主题识别等技术细节，在对主题模型运算结果二次挖掘基础上，可发现学生的关注点、兴趣点及其变化趋势；通过完善文本情感分析模型，可分析文本的情感倾向，分析学生的情感变化规律和趋势；通过改造语义网络模型，呈现文本中的语义关系网络，用于概念内涵、语义流变、话语体系分析。

四、结 语

一个值得反思的问题是，思想政治教育学科从设立之日起就将政治学、伦理学、心理学、教育学、管理学等诸多学科作为自己的相关学科，当前也不乏将互联网思维、全媒体思维甚至元宇宙等新生概念引入交叉研究，但为何依然面临着较为严峻的融合困境呢？这在一定程度上表明，思想政治教育缺乏与这些学科、理念展开深入的理论对话，且在实践层面缺乏实现真正融合的氛围。当前，大数据应用于思想政治教育的重要性已经得到了较为广泛的认可，但大数据与思想政治教育之间的融合潜力尚未完全激发，尤其是缺乏对二者融合实践向度的重视和激励。二者融合困境的破解最终需要时代、社会和技术发展的外部推动，但思想政治教育工作者更应从自身出发，认清历史趋势和时代机遇，主动作为，改变传统思维定势，推进理论和实践双向深化，创造有利于二者深度融合的条件和环境，切实提升新时代思想政治教育的实效性。