思政素质画像赋能高职院校思想政治教育评价探析

［摘要］思政素质画像作为高职院校思想政治教育评价模式由传统向评价科学化、精准化转型的关键工具，有效协助教师深入掌握学生的思想政治素质状况，进而实现评价的客观性、科学性、多元性和专业性。思政素质画像赋能高职院校思想政治教育评价的模型建构至少包含三个关键的步骤：科学设置指标观测点、有效推进数据资源化、思政素质画像可视化。为保证思政素质画像科学有效赋能高职院校教育教学实践，从强化制度保障、培育人才队伍、夯实数据基础、明晰规范标准等方面提出思政素质画像赋能高职院校思想政治教育评价的实施策略。

［关键词］大数据；思政素质画像；高职院校；思想政治教育评价

［作者简介］李永生（1969- ），男，河北唐山人，石家庄铁路职业技术学院，教授，硕士；赵秦（1980- ），女，河北邯郸人，石家庄铁路职业技术学院，教授，博士；王梦轩（1999- ），女，河北邯郸人，石家庄铁路职业技术学院，硕士。（河北 "石家庄 "050061）

［基金项目］本文系2024年河北省高校党建研究课题“思政素质画像在高校学生党员发展工作中的应用研究”的阶段性研究成果。（项目编号：GXDJ2024B475）

［中图分类号］G711 " "［文献标识码］A " "［文章编号］1004-3985（2025）01-0100-07

与普通高等教育相比，高职教育在教育理念、办学模式、教学方法及学生素质方面有其独特性，构建符合高职特色的相对独立、系统科学的思想政治教育评价体系，既是检验高职院校思想政治教育效果的重要手段，也是加强高职院校思想政治教育科学化、制度化建设的助推器。2020年《深化新时代教育评价改革总体方案》指出，要“充分利用信息技术，提高教育评价的科学性、专业性、客观性”。适应新时代对高职院校人才培养的需要，依托大数据、云计算等数字技术探索开展思想政治教育评价，已成为驱动高职院校高质量发展的新引擎。以用户画像技术为出发点，有效挖掘、分析和利用学生产生的海量数据，以大数据为基础，数字技术赋能绘制客观完整、立体清晰的学生思政素质画像，为高职院校优化思想政治教育评价提供了新视角。

一、思政素质画像赋能高职院校思想政治教育评价的优势

人的思想状况及教育效果，归根到底还是通过人的行为表现出来。［1］思政素质画像是指利用大数据、云计算等数字技术对学生产生的海量数据进行处理，以“标签化”“数据化”“可视化”的方式全面、深入地描绘和反映学生的思想政治素质状况与特点。高职院校人才培养目标是培养具有一定文化水平和专业知识技能的高素质技术技能人才，其评价取向指向德技兼修，这对思想政治教育评价提出了更为明确的要求。对于高职院校而言，思政素质画像有助于推动思想政治教育评价与职业需求的深度融合，对提升思想政治教育评价客观性、科学性、多元性和专业性具有显著优势。

1.量质结合，增强思想政治教育评价的客观性。当前，高职院校思想政治素质考核评价中以定性考核评价居多，这一方法以其深入剖析和丰富描述的能力，为把握学生的思想政治素质状况提供了宝贵视角。然而，这种考评方法往往构筑于教育者个人思想政治教育工作的经验与主观情感判断之上，缺乏系统而客观的定量评估作为支撑，导致评价过程和结果不可避免地带有主观色彩，成为影响评价客观性、让人诟病的瓶颈问题。思政素质画像的绘制立足于对学生专业素质与思想政治素质并重的全方位、多维度信息数据的采集，以海量数据为基础，定性与定量相结合，对数据进行分析，兼顾数据分析的“准度”与“深度”，为思想政治教育评价的客观性提供技术支持。

在当今数据洪流涌动的时代，利用大数据定量分析方法对学生的思想和行为进行量化已成为可能。高职学生思政素质画像依赖于对学生产生的海量数据进行全面收集与系统处理，包括基础信息、课内外表现的行为数据以及各类考核成绩的评价性数据，如学生的政治面貌、学习表现、社团数据、实习数据、图书馆借阅数据和心理测评结果等。这些数据作为一种客观存在，不会因外部条件的变化而改变，从而推动思想政治教育评价从传统的经验驱动向科学的数据驱动转变，实现从“先入为主”的假设到“数据说话”的实证跨越，提高了思想政治教育评价的“准度”。然而，仅仅依靠定量评价的“准度”是远远不够的，为更全面地了解学生思想政治素质状况，还需引入定性评价，保证评价的“深度”。定性评价主要通过全面挖掘和多层次分析数据，确保从中提取有价值的信息，揭示学生思想政治素质发展的深层次因素和关键影响点。高职学生思政素质画像从三个层面对学生进行深入剖析：宏观层面聚焦高职院校培养目标，中观层面细化到政治认同、职业道德、技术技能、健全人格、工匠精神五个维度，微观层面则将五个维度细化为学生的具体表现。

量质结合的评价有助于克服单一维度评价的局限性。一方面，定量评价为定性评价提供了可比较、可验证的客观依据，增强了评价结果的信度和效度；另一方面，定性评价能够弥补过分依赖量化指标而导致的片面性缺陷。量质两种评价方法的有机结合，能够全面、深入地反映高职学生的思想政治素质，确保教育评价的全面性和客观性。

2.动态呈现，提高思想政治教育评价的科学性。学生思想政治素质的养成是一个多维度的、长期且复杂的过程。然而，一个不容忽视的问题是，当前高职院校思想政治教育评价的焦点往往狭隘地局限于学生某一阶段或某一时期的静态表现，如学期末或学年总结时的一次性评价。这种静态的评价模式，忽视了学生思想政治素质发展的固有连续性与动态变化特征，难以全面勾勒出学生思想政治素质变化的内在演变过程。思政素质画像依托数字技术，突破传统思想政治教育评价的时空局限，通过长时间跨度和多时间点生成与记录学生的思想政治教育数据，实现思想政治教育的动态评价。

从时间向度看，思政素质画像提供了动态评价相关的“增值性”数据。通过对学生产生的海量数据进行连续采集与即时更新，思政素质画像构建了一个丰富且动态的纵向追踪数据库。该数据库不仅反映学生当前思想政治素质状况，还能通过时间序列分析，清晰描绘学生思想政治素质各维度随时间变化的细微差异与显著成长，覆盖学生在校期间的行为变迁及实习实训、社会实践等活动中的表现与进步。“增值”数据的挖掘与利用，超越单纯的静态比较，突破了传统静态评价的桎梏，通过持续追踪与深度分析，转而聚焦学生个体或群体在特定时间段内的进步幅度与成长速度，有效提升了思想政治教育评价的科学性水平。

3.多方参与，促进思想政治教育评价的多元性。“由谁来评价”直接影响思想政治教育评价的效果。当前，高职院校思想政治教育评价普遍存在评价主体单一化的问题，具体表现为过度依赖学校教师作为唯一评价主体，忽视了学生、企业等多元评价主体的作用。作为一种多维度、全方位的评价工具，思政素质画像突破了传统评价方式在时空和技术条件方面的限制，为实现高职院校思想政治教育评价主体多元性提供了平台和技术支持。

在思想政治教育评价中，教师依旧是核心评价主体。教师凭借深厚的专业知识与丰富的教学经验，承担着评价学生思想政治素质的重要职责。思政素质画像赋能教师开展学生思想政治素质评价，使其不限于主观经验，还可以结合学生的学习成绩、日常行为表现等数据，更加客观、全面地反映学生的思想政治状况。学生作为思想政治素质评价主体的地位日益凸显，成为评价不可或缺的一环。学生通过思政素质画像中的自我评价和互评模块，了解自己真实的思想政治素质水平，提升评价的参与感与自我认知。同时，将企业纳入评价主体，拓宽了思想政治教育评价的视角。在高职院校的教育生态系统中，企业不仅是学生专业技能学习的重要场所，更是学生思想政治素质培育与评价的实战平台。企业对学生实习实训期间的工作态度、团队协作能力、职业道德操守等思想政治素质方面的表现进行评价，直接反映学生思想政治素质与行业需求之间的契合度，为实现思想政治教育评价多元性提供了新的视角。

4.技术助力，提升思想政治教育评价的专业性。在大数据的初步收集中，往往存在数据参差不齐、信息价值密度低等问题。如何从海量数据中提取关键有效的信息，科学评估思想政治教育活动的关键要素及其相互关系，成为提升思想政治教育评价专业性的核心。思政素质画像依托大数据、云计算等数字技术，在评价指标体系设计、评价指标权重设置等方面发挥了重要作用，为提升思想政治教育评价专业性提供了助力。

一方面，思政素质画像优化了思想政治教育评价指标体系设计。思政素质画像通过大数据技术的深度分析与挖掘，从多维度、全方位的数据中提炼出具有强解释力和高相关性的评价指标。相比于以往依赖教师经验或定性描述的评价方式，思政素质画像基于客观数据构建科学化的评价体系，确保评价指标能够全面反映学生的思想政治素质。这一数据驱动的设计过程不仅提升了指标体系的科学性，还增强了评价的可操作性与普适性。另一方面，思政素质画像优化了思想政治教育评价指标权重设置。传统的权重设置方式多依赖于专家经验或主观判断，缺乏对数据的系统分析，难以全面科学地反映学生思想政治素质状况，直接影响评价效果。“如多层次分析法、德尔菲法、主成分分析法、因子分析法等，需要预先设定评价指标权重和层次结构，在处理大规模数据时可能面临计算复杂度高、处理复杂非线性数据乏力，寻找最优解动态调整权重困难等问题。”［2］而思政素质画像借助大数据、云计算等数字技术手段，能够在海量数据中自动调整与优化各指标的权重，确保每个指标权重的设置具有数据依据，并能够动态反映学生思想政治素质的变化状况。这种基于数据的权重分配方式，减少了人为因素的干扰，提高了评价的专业性。

二、思政素质画像赋能高职院校思想政治教育评价的模型建构

基于学生思政素质画像的高职院校思想政治教育评价，是一种数据驱动的新型评价模式，其核心在于建构一个全面反映学生思想政治素质状况的画像系统。从模型建构来看，至少包含三个关键的步骤：科学设置指标观测点、有效推进数据资源化、思政素质画像可视化。思政素质画像模型建构正是从科学设置指标观测点开始，通过对原始数据的采集、预处理获得绘制思政素质画像的数据，最后将学生思想政治素质以画像的形式进行可视化呈现。

1.模型基础：科学设置指标观测点。指标观测点的设计是建构画像模型的基础，在绘制学生思政素质画像过程中至关重要。为了全面、准确地描绘学生的思想政治素质全貌，采用分级指标体系不失为一种简单、科学且有效的方法。这种分级指标体系类似于一棵树，每个指标都如同树上的枝叶，从一级指标这一主干出发，逐渐细化并延伸至具体的、可量化的三级指标，每一级指标都扮演着不可或缺的角色，从宏观到微观，从抽象到具体，共同构建了一个完整、科学的评价体系。

一级指标作为整个画像的指标框架不仅全面、客观地反映学生思想政治素质状况，还与高职院校人才培养目标紧密相连。在《深化新时代教育评价改革总体方案》的指导下，结合高职院校人才培养目标，本文将“政治认同、职业道德、技术技能、健全人格、工匠精神”五个维度作为高职院校学生思想政治素质的一级指标。一是政治认同，这是思想政治教育的核心内容之一，也是培养高素质劳动者的前提和基础。二是职业道德，这是高职院校学生必备的职业素养之一，要求学生具备高度的责任感和敬业精神。三是技术技能，这是高职院校学生的核心竞争力所在，是评价其是不是高素质技术技能人才的重要标准。四是健全人格，这是学生全面发展的重要保障，为其社会适应力和职业发展力提供有力支持。五是工匠精神，这是新时代对高职院校学生的新要求。五个一级指标充分体现了高职院校思想政治教育的育人目标以及面向未来的教育方向。二级指标是对一级指标的进一步细分，它们包含了一级指标的精神内涵，并进行概念外延，为后续的量化评估提供了更为丰富的维度。三级指标是对二级指标的进一步细化与量化，它们直接关联到具体的、可观测的行为或表现，为绘制学生思政素质画像提供直接的数据支持。

2.数据支撑：有效推进数据资源化。学生的海量数据不仅反映学生的日常生活习惯和行为特征，还反映学生潜在的思想动态变迁。然而，面对海量且复杂的原始数据，并非所有数据都能直接融入思政素质画像绘制框架中。未经处理的原始数据经过归集整理形成可机读使用的数据，并且经加工处理后形成可直接或间接产生经济社会价值的数据资源的过程即数据资源化过程。［3］高职院校借助先进的技术手段，广泛搜集散布于互联网、云平台等虚拟环境中的学生数据；同时，对工作记录等现实空间中的非数据信息进行数字化改造，将各类原始的、非结构化的数据转化为可分析、可利用的资源，这些资源进而成为绘制学生思政素质画像的重要能量源泉。从原始数据的采集到数据资源化的实现，需依次历经以下几个关键环节：

首先，收集学生成长过程中的多模态数据。为了有效利用学生原始数据绘制思政素质画像，需要进行基础数据资源的整合工作，最关键的是收集能够反映学生真实状态的多模态数据。数据收集过程融合了多元化的信息输入渠道，包括教师通过专业视角录入的规范性数据、学生自主填报的主动性数据、企业补充完善的实习实训数据，以及其他业务系统实现的自动化数据采集。这几者协同作用，共同构建了全面、实时且高效的数据收集体系，其中教师、学生、企业可随时填报。其次，通过数据清洗技术进行数据预处理。考虑到数据属性的多样性和规模的庞大性，原始数据质量可能参差不齐，因此，在收集数据后需要对输入数据进行预处理，具体包括筛查缺失数据、剔除异常数据、数据量化以及标准化等，其作用是消除不同数据范围和量纲的影响，以保证数据质量真实有效，从而有利于提高计算精度。最后，通过数据分析技术进行数据积分认定。数据积分认定分为自动认定和手动认定两种模式。自动认定模式主要针对数值型数据，系统识别后可直接对符合标准的数据进行高效且准确的认定；手动认定模式则用于处理非数值型数据，这类数据通常蕴含丰富的语义信息和主观判断，需由具备专业背景的人员进行深度分析并转化为可认定的形式，然后进入认定流程。

3.模型应用：思政素质画像可视化。通过对学生思想政治素质各级指标分数的综合计算，绘制形成思政素质画像。这一过程遵循自下而上的加权求和计算方法，即先从三级指标层级出发，逐层向上进行分数的加权汇总，直至达到最高层级的一级指标。在绘制过程中，三级指标直接从学生画像数据资源库通过映射方法采集，而其他各级指标值则通过加权求和逐级计算得出。通过画像技术对一级指标五个维度的数据进行检索、整合、分析与处理，形成对学生思想政治素质的阶段性分析结论，并借助活跃度分析图和雷达表征图等可视化方法，绘制出学生个体动态的思想政治素质画像，实现对学生思想政治素质状况的特征描述和诊断性评价。

思政素质画像实现价值的关键一步，是师生对思政素质画像的应用。一方面，学生通过可视化思政素质画像对自身的思想政治素质状况有更加清晰、立体的认知。学生通过查看自身的思政素质画像，直观了解自己在哪些方面表现较强或掌握较好，哪些方面相对薄弱，从而找到更精确的提升方向。此外，思政素质画像还可以作为反馈工具，展示学生在一段时期内接受个性化、专题化思想政治教育的效果，使学生清晰地看到自己的成长轨迹，从而主动参与到思想政治学习中。另一方面，教师基于学生思政素质画像的反馈结果，对画像的每个维度进行对比分析，识别学生在不同维度上的显著差异。这些差异信息有助于教师深入了解不同学生的可塑点、生长点、发展点，从而为学生设计更具针对性的教育计划和内容，助推教学供给与学生需求间的高度适配，为社会培养更多具有较高思想政治素质的技术技能人才。

三、思政素质画像赋能高职院校思想政治教育评价的实施策略

思政素质画像作为高职院校思想政治教育评价模式由传统向评价科学化、精准化转型的关键工具，有效协助教师深入掌握学生的思想政治素质状况，进而实现评价的客观性、科学性、多元性和专业性。然而，画像技术作为思想政治教育评价的辅助工具是有一定范围和限度的，甚至是有一定风险的。为保证思政素质画像科学有效赋能高职院校教育教学实践，从强化制度保障、培育人才队伍、夯实数据基础、明晰规范标准等方面提出思政素质画像赋能高职院校思想政治教育评价的实施策略。

1.顶层设计，强化制度保障。系统性、持续性布局是教育信息化发展的重要保障，思政素质画像在思想政治教育评价中的应用需要在全面规划和统筹把握中有序推进。为保证思政素质画像赋能思想政治教育评价的有序推进，高职院校必须做好顶层设计，强化制度保障。

首先，高职院校将思想政治教育评价改革纳入重要议事日程，在思政素质画像赋能思想政治教育评价这一创新实践中，做好顶层设计、统筹谋划。高职院校需成立教育教学评价领导机构，对思想政治教育评价中思政素质画像的绘制与应用进行科学引导与优化；制定与思政素质画像相关的发展规划、实施方案和行动指南，明确思政素质画像在思想政治教育评价中的定位、目标、任务、实施路径以及学生、教务、后勤、信息技术等各部门在思政素质画像工作中的职责与权限，为思政素质画像的广泛应用提供坚实的政策支撑和理论依据。其次，思政素质画像赋能思想政治教育评价是一项系统工程，包含校园信息化建设、平台搭建、信息保护等多方面工作，涉及高职院校的学生、教务、后勤、信息技术等多个部门。高职院校教育教学评价领导机构需站在落实立德树人根本任务的高度，协调和统筹校内外的多方主体力量，确保技术支持的先进性、资金投入的持续性以及设备供应的稳定性。建立跨部门协作的常态化机制，强化学生、教务、后勤、信息技术等多部门之间的沟通与合作，形成工作合力，共同推进思政素质画像的绘制与应用。同时，高职院校还需与相关企业建立紧密的合作关系，共同探索思政素质画像在思想政治素质评价中的创新应用，不断提升思政素质画像的科学性和实效性。

2.强化素养，培育人才队伍。大数据时代，思政素质画像实现了让数据“说话”，这成为高职院校思想政治教育评价的关键驱动力。思政素质画像效能的充分发挥有赖于一支思维理念新、技术应用能力强、伦理素养高的思想政治工作者队伍。

首先，培养思想政治工作者的大数据理念。在大数据时代背景下，思想政治教育队伍亟须突破传统观念的桎梏，牢固树立大数据理念。这意味着思想政治工作者必须理解大数据对思想政治教育评价的极端重要性，抓住大数据时代为思想政治教育评价改革提供的新机遇，探索大数据画像技术在思想政治教育评价中的深度应用。同时，思想政治工作者需要保持清醒的头脑和理性的态度，把握好利用数据的度，“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”［4］。其次，提升思想政治工作者的技术应用能力。思政素质画像作为一项以大数据为基础的创新技术，“技术上偏重于计算机、统计学等自然科学领域。对于从事社会科学领域的思想政治教育学科来说，学习掌握和运用大数据分析技术存在一定的困难。”［5］因此，针对思想政治工作者在技术应用层面的短板，有必要开展专业教育和培训，如邀请具有统计、计算机等学科背景的专家通过线上线下课程、交流研讨、实践教学等方式提供大数据画像技术的培训。这些培训应覆盖数据的整个处理流程，包括采集、清洗、分析、解释和呈现等环节，以及相关软件工具的操作技能。最后，增强思想政治工作者的伦理素养。数据安全和个人信息隐私是思政素质画像赋能思想政治教育评价必须考虑的伦理问题。思想政治工作者要严格遵守数据保护法规，确保学生信息的保密，不得擅自泄露学生信息，不得擅自复制、传播数字资源，确保数据的合法采集、安全存储与合规使用。同时，思想政治工作者需具备对数据伦理问题的敏锐洞察力，能够在思政素质画像技术应用中主动识别并规避潜在的伦理风险，维护学生的合法权益与尊严。

3.整合资源，夯实数据基础。思政素质画像是大数据与思想政治教育的有机融合，是促进思想政治教育精准评价的技术实现方式。然而，学生的数据分布广泛且分散于各个业务部门，常面临数据冗余、分散以及信息孤岛等问题。为此，高职院校应立足教学实际和学生的现实需要，建设大数据共享平台，推动思想政治教育数据资源整合和合理适度开放共享，以打破信息孤岛和数据壁垒，充分释放数据红利，夯实思想政治教育评价的数据基础。

首先，加快思想政治教育数据资源的汇聚整合。针对当前思想政治教育数据资源分散、利用不足的问题，高职院校依托“一站式”学生管理服务平台和教务综合管理系统，以大数据及其他数字技术为核心驱动力，搭建线上数字化平台，采集并存储来自教学活动、日常活动、社会实践、实训实习等多个维度的学生数据资源，形成全面、丰富、立体的数据集合，确保思想政治教育数据的覆盖范围最大化，为精准绘制学生思政素质画像提供坚实的平台支撑。其次，促进思想政治教育数据资源的开放共享。数据共享不仅是思维碰撞、创新数据资源的过程，更是打破信息孤岛、实现资源高效整合的关键。“高校要通过研究制订思想政治教育数据管理办法，构建跨部门、跨校区的思想政治教育数据资源目录体系和交换体系，并及时更新数据资源目录”［6］。学生、教务、后勤、信息技术等部门之间建立高效的业务协同模式，确保数据在各部门之间流转顺畅，实现互联互通、充分整合与高效利用，为思想政治素质评价提供坚实的数据支撑。最后，推动思想政治教育数据资源的更新维护。教育对象作为教育活动的核心主体，其思想动态、学习行为以及心理状态均处于持续变化之中，这就要求数据资源采集过程中，必须摒弃静态、僵化的观念，转而追求动态、灵活的数据管理策略。高职院校应建立一套科学、高效的数据采集与更新机制，确保能够定期或实时地采集学生的行为数据，从而及时捕捉学生思想行为的变化趋势。同时，加强对数据库资源的维护与更新工作，通过定期的数据清洗、整合与校验，及时发现并纠正数据中的错误与遗漏，确保数据资源的时效性和准确性。

4.完善机制，明晰规范标准。为促使思政素质画像技术更加精确且高效地服务于思想政治教育评价，保障各环节能够有条不紊地运行，高职院校亟须建立健全一套完善的工作机制。当前，尽管学生思政素质画像技术在思想政治教育评价中已经初显成效，但仍处于初步探索阶段，因此建立思政素质画像应用的规范标准显得尤为迫切。

首先，建立思想政治教育数据标准化机制。标准化是数据整合的前提，更是保证数据质量的基石。思政素质画像的数据资源来源于多个部门和多个主体。因此，制定一套统一的数据标准化机制至关重要。高职院校教育教学评价领导机构应发挥思政评价主导作用，制定并推广思想政治教育数据的标准化体系。这一体系应详尽规定数据采集的标准化流程、统一且科学的指标体系、清晰的数据分类目录以及严格的数据质量控制标准，确保跨部门、跨系统间数据的一致性和可靠性。其次，建立画像应用的数据安全保障机制。绘制思政素质画像过程中需考虑数据挖掘和使用中可能引发的隐私侵犯及隐私泄露等问题。因此，基于《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》等法律法规，高职院校需建立并不断完善学生数据的采集、分析、共享和存储的安全规范体系，明确数据的集成使用原则、规范利用要求以及隐私保护的具体措施，确保在数据应用的全过程中学生的隐私得到充分尊重与有效保护。最后，建立思政素质画像的应用反馈机制。思政素质画像绘制与应用尚处于探索阶段，还需要不断完善与优化。建立应用反馈机制不仅关注画像在学生思想政治素质评价中的直接成效，还在于发现并分析应用过程中可能存在的偏差与不足。通过定期的评估与反馈，高职院校及时发现、追踪思政素质画像在实际应用中存在的问题，进而依据反馈结果进行有针对性的调整与优化，确保思政素质画像的绘制与应用始终沿着科学、合理、高效的方向发展。

［参考文献］

［1］王莎，赵兰亭.数据肖像：“大数据”对高校学生思想的精准描绘［J］.大学教育科学，2017（5）：102-107.

［2］陈科，谢佳琼.智能技术赋能思想政治教育质量评价的优势、限度与进路［J］.思想理论教育，2023（12）：86-92.

［3］陈刚，颜斌斌，汤珂.数据的要素化与资产化：理论辨析与实践探索［J］.国际经济评论，2024（5）：153-176.

［4］敖永春，刘晓钰.大数据助推高校思想政治教育评价精准化发展研究［J］.社科纵横，2023，38（6）：121-129.

［5］刘宏达，彭嘉琪.思想政治教育大数据定量分析方法的内涵、特征及实施策略［J］.学校党建与思想教育，2020（3）：22-26.

［6］白如.“数据思政”的科学内涵、价值禀赋与发展之道［J/OL］.西华师范大学学报（哲学社会科学版），1-10［2024-11-27］.https：//doi.org/10.16246/j.cnki.51-1674/c.20240704.001.