大数据时代思想政治教育模式的创新

刘春波

（三峡大学马克思主义学院，湖北　宜昌　443002）

大数据时代思想政治教育模式的创新

刘春波

（三峡大学马克思主义学院，湖北宜昌443002）

大数据技术的飞速发展，给思想政治教育带来颠覆性影响，大数据思想政治教育模式将应运而生。大数据思想政治教育模式具有一些新的价值和特点，但构建大数据思想政治教育模式也面临着一些特殊的挑战。因此，大数据时代我们需要根据大数据的相关特征，来建构大数据思想政治教育模式，并对以往的思想政治教育模式进行调整，实现新老教育模式的有效整合。

大数据；教育模式；大数据思想政治教育模式；模式整合

大数据时代的来临，给当今社会各个领域带来了深刻影响，积极应用大数据创新思想政治教育，已经成为学界共识。但是，大数据给思想政治教育带来的，究竟只是载体、方法等教育手段层面的拓展，还是一种颠覆性的影响？如果只是教育手段层面的拓展，那么，思想政治教育又该如何回应《大数据时代》的作者维克托·迈尔—舍恩伯格在该书开篇提出的，“大数据开启了一次重大的时代转型”。［1］（p1）如果是一种颠覆性影响，为何在当前的相关研究中，大数据“一旦与‘思想政治教育’结合，就变得生涩甚至割裂，缺乏一个动态融合过程”。［2］（p116）其实，问题在于我们应该从教育模式的角度来认识大数据给思想政治教育带来的新价值与新特点，把大数据思想政治教育本身理解为一种全新的教育模式，直面挑战并努力实现与原有教育模式的有效整合，推动大数据时代思想教育模式的创新。

一、大数据思想政治教育模式的新价值与新特点

“模式”，最早应用于人工智能中电脑对不同图像、语言的识别。1972年，美国学者乔伊斯和韦尔将模式引入教学研究中，并划分出四大类别的教学模式。1992年，我国学者查有梁又将模式应用于教育研究中，并从广义和狭义两个层面来研究“教育模式”。从广义即教育体系层面看，教育模式包含宏观上的教育发展战略、中观上的教育管理和微观上的教学过程；从狭义即教学过程层面看，“教育模式是在一定教育理论指导下，对教育过程组织方式作的简要表述”。［3］（p8）因此，研究教育模式，主要是为了提取特征、认识过程、恰当分类，以达到更好认识教育模式的目的。

从教育模式的角度来认识大数据，把大数据思想政治教育模式理解为一种全新的教育模式，我们就会发现，它不仅会使整个思想政治教育体系具有新价值，而且能在微观教育过程的组织方式上体现出新的特点。

（一）大数据思想政治教育模式的新价值。

1.大数据思想政治教育模式，能够提供智能化的思想政治理论课教学。对于大数据给思想政治教育带来的新价值，许多学者认为主要是“新工具”和“新方法”，因为，借助大数据我们可以更准确地把握教育对象，提升教育可信度。但是，即便在传统思想政治教育和网络思想政治教育中，经过实地或网络问卷调查，我们也可以了解教育对象的思想和行为，而加入相关数据分析，就可以提升教育可信度。实际上，从微观的教学层面探索大数据给思想政治教育带来的新价值，我们就应该从总体上思考，在大数据影响下思想政治的教学组织呈现为一种怎样的形式。

涂子沛先生在《大数据》一书中，介绍了最近哈佛与麻省理工等高校创建的在线教育平台值得我们关注。该平台除了师生在线交流互动之外，最大的特色就是增加了行为评价和学习诱导功能，系统通过记录学生鼠标的点击、在一张幻灯片上停留的时间、参与网上提问和讨论的次数等方式，会自动提醒哪些知识点需要复习，哪种学习方式最有效。［4］（p316-318）因此，在微观教学层面，大数据思想政治教育模式能为我们提供一种“智能化”的思想政治理论课在线教学过程。

2.大数据思想政治教育模式，能够提升思想政治工作的时效性。教育模式的中观层面主要是教育管理，当前一些高校应用大数据创新思想政治教育主要集中在这个层面。比如，有学者提出，在高校思想政治教育管理中，利用大数据能够“精准做到在什么地方，什么时间点，面对什么样的学生，开展什么样的工作”，［5］（p137）甚至还能够帮助高校辅导员“预测大学生的思想行为，实现预警工作信息化、科学化”。［6］（p63）这些探索与创新表明，大数据能够帮助教育者与管理者准确把握教育对象，提高思想政治工作的时效性。

3.大数据思想政治教育模式，能够带来思想政治教育生态的革命性变革。宏观层面的教育模式，主要是指教育的发展战略，而在我国思想政治教育的发展战略中，高校思想政治理论课占据着“主渠道”的重要地位。但在以往高校的思想政治教育中，学生选择一个学校就意味着要接受该校的思想政治教育，这就形成了一种“学校——教师——课堂——学生”的思想政治教育生态。虽然网络思想政治教育，给了学生“开眼看世界”的机会，但由于受课时、学分及考试等因素的约束，网络中其他高校的思想政治教学课件及视频，只能成为学习的兴趣和参考，原有的教育生态很难打破。

值得注意的是，2012年兴起的慕课（MOOC）正悄然成为网络思想政治教育和大数据思想政治教育的“分水岭”。虽然，“现有的MOOC平台依然以视频传播为主……教学模式单一，教学设计简单”，［7］（p10-11）与网络思想政治教育差别不大，可一旦给慕课插上大数据的翅膀，就像舍尔伯格所说的那样，“更多的改变正蓄势待发”。［1］（p1）因为，学生在慕课的学习过程中会产生大量数据，学校和教师如果能够很好地利用这些数据就可以打破原有教育生态的束缚，设计出能在全国乃至全世界吸引生源的慕课课程。据此，涂子沛在《大数据》一书中大胆预测和描述了未来基于大数据而产生“微学位”和“微学校”，［4］（p315-323）并断言它们将打破以往“学生争学校”的局面，给现有“教育行业的生态”［4］（p317）带来巨大冲击。据此我们可以判断，大数据思想政治教育模式必然会引发思想政治教育生态的革命性变革。

（二）大数据思想政治教育过程的新特点。

既然大数据在微观、中观与宏观层面都能够给思想政治教育带来新的价值，那么大数据必将对思想政治教育产生颠覆性影响，大数据思想政治教育模式必将应运而生，但这种新模式能否落地生根变成现实，微观层面教学组织过程的创新尤为关键。通过上文论证可知，从微观上看大数据思想政治教育模式应该体现为一种智能化的思想政治理论课在线教学过程，而要做到智能化，大数据思想政治教育模式就应该在教育方案的制定、实施与评估这三个环节有不同以往的新招数或新特点。

1.教育方案制定的个性化。以往思想政治教育方案的制定，需要经过“搜集信息、发现问题”、“确定思想政治教育目标”、“拟定思想政治教育方案”和“优选思想政治教育方案”［8］（p338-344）四个步骤。实际上，通过这些步骤，我们很难确保在每一个教育对象身上都实现既定教育目标，因为，选择最优方案就意味着对部分学生有所放弃。虽然，教师可以通过课后或者在线辅导等方式进行弥补，但这在很大程度上取决于教师责任感和学生的学习意愿。

与之相比，大数据思想政治教育则能够兼顾到每一个人，制定个性化的教育方案。因为，大数据选取的样本是全体数据，它不仅能涵盖所有教育对象，而且能覆盖每个人在所有时间段内的“数据节点”，这意味着通过大数据“收集信息”，我们不仅能掌握教育对象的总体状况，还能掌握每一个人的实时思想行为信息。因此，就像“亚马孙可以帮助我们推荐想要的书，谷歌可以为关联网站排序，Facebook知道我们的喜好……”，［1］（p17）利用大数据我们就可以根据学生的实际来制定个性化的教育方案。换言之，与网络思想政治教育相比，同样是在线教育，但利用大数据技术之后，呈现在每个学习者页面上的学习内容则是完全不同的。

2.教育方案实施的数据化。在以往的思想政治教育过程中，实施教育方案就意味着数据收集暂时告一段落，这就导致教育者对方案实施程度的把握，如碰到突发情况该不该启动备用方案以及何时启用，完全凭借个人经验。大数据思想政治教育，采用的是在线教育的模式，学生在线学习过程中产生大量的数据，都会被系统全部记录下来，为我们判断方案实施程度，以及启动备案提供了依据。这就意味着以往只能依靠经验来判断的事情，现在有了更加全面完整的数据支撑。

3.教育效果评估的科学化。在思想政治教育过程中，教育效果评估是核心内容，但这个效果非常复杂，既有显性也有隐性，既有直接也有间接，既有近期也有远期。以往我们多采用量化评估和质性评估相结合的方法，量化评估主要依据的是抽样调查，而抽样调查“只能从采用数据中得出事先设计好的问题的结果”。［1］（p35）这就意味着，我们对隐性、间接和远期效果只能依靠质性评估，而质性评估主要依靠个人经验，难以保证评估的科学性。

依据大数据对思想政治教育效果进行评估，“我们不再需要在还没有收集数据之前，就把我们的分析建立在早已设立的少量假设的基础之上。让数据发声，我们会注意到很多以前从来没有意识到的联系的存在”。［1］（p1）而且，在“量化一切”的原则下，利用大数据可以把以往我们难以量化信息以“数据化”的形式呈现出来。因此，应用大数据对思想政治教育效果进行评估能够保证所有评估内容都有数据支持，实现教育效果评估的科学化。

二、构建大数据思想政治教育模式面临的挑战

虽然，大数据能够使思想政治教育呈现出新价值和新特点，大数据思想政治教育必将成为一种全新的教育模式，那么，为何我们在应用大数据创新思想政治教育过程中，大数据一旦与思想政治教育相结合就变得“生涩甚至割裂”呢？实际上，这源于大数据自身发展面临的问题，以及大数据在思想政治教育应用中面临的困境，而这正是当前我们构建大数据思想政治教育模式面临的挑战。

（一）大数据发展面临的问题。

1.大数据发展面临的数据收集问题。在《大数据时代》一书中，舍恩伯格在第二、三部分重点阐述了大数据时代的商业变革和管理变革，这就意味着社会管理者要收集数据，而公司、企业、研究者甚至公民个人都需要收集数据。美国作为一个数据大国，联邦政府拥有的数据比任何公司、企业都多得多，但在数据开放方面，近年来的一些案例表明，“面对庞大的公共信息，政府首脑的第一反应往往是‘安全第一、保密为上’；具体到一线的工作人员，也是‘多一事不如少一事’”。［4］（p204）对于社会组织、相关研究者及公民个人而言，这种行政文化无疑是一种数据收集的阻力。

在中国，由于数据意识的淡薄，“凡事只讲大概如此”，我们面临着更大的挑战。比如，2011年中国互联网用户几乎是美国的两倍，手机用户约为美国的3倍，而互联网和手机已经成为当前大数据的主要数据来源，但当年我国新增数据量却不及美国的1/10。据此，涂子沛就指出：“中国缺乏的不是可供收集的数据，也不是收集数据的手段，而是收集数据的意识”。［4］（p327）

2.大数据发展面临的数据分析问题。大数据时代的数据分析，不仅要从数据中揭示研究对象过去发展变化的基本态势和规律，还要对对象在未来的发展变化态势进行预测。目前，在商务智能中，“联机分析”可以根据用户需要自动创建对象全时或实时的动态报表；“数据挖掘”可以发现潜藏在数据之下的历史规律并进行预测性分析；“数据可视化技术”可以帮助普通用户把复杂数据转换成直观图形呈现出来，浅显易懂。但即便是在大数据分析技术最为发达的美国，在政府部门和社会管理领域却又是另一番景象。2009年3月，奥巴马任命的首位首席信息官维伟克？昆德拉一上任就发表感慨：“联邦政府信息技术的装备和应用，和一流的商业公司相比，就好像手摇电话摆在了线条圆润、光彩照人的苹果手机旁边，不可同日而语”。［4］（p86）虽然大数据在中国得到了越来越多的关注，2013年甚至被学者们公认为“中国大数据元年”，但不得不承认我们的数据分析技术及应用才刚刚起步。

3.大数据发展面临的数据管理问题。大数据时代的数据管理，主要涉及两个方面，即数据质量问题和隐私保护。在数据质量方面，美国于2001年通过了《数据质量法》，它要求数据发布者不仅要发布原始数据，还要公布数据收集和分析方法，确保他人通过相同的方法能够产生相同的结果。但近年来联邦政府却因该法律，多次被企业和个人告上法庭，其背后映射出的是政府常常被产业界“俘获”，而公共利益常常无人“代表”的问题；在隐私保护方面，由于大数据分析能使个人所有思想和行为信息无所遁形，因此数据已经成为大数据时代隐私保护的重要范畴。而隐私是美国社会的基本价值观，公民隐私保护意识强，这造成了美国中央数据银行的建立一波三折，大数据国家战略的实施面临不小阻力。

当前，我国的数据质量和隐私保护问题也日渐凸显出来，但与美国相比，问题根源与表现形式有所不同。由于数据意识淡薄，在数据分析过程中，片面解释数据、人为控制或修改数据、甚至制造“假数据”等问题比较突出；近期因为个人信息的泄露而导致的网络诈骗、电信诈骗等案件的高发频发，给我们在大数据时代如何保护公民的数据隐私敲响了警钟。

（二）应用大数据创新思想政治教育面临的困境。

1.数据收集的困境。当前，构建思想政治教育的大数据已经成为学界共识，那么我们应该从哪里收集这些数据呢？对此，我们必须弄清大数据的主要数据来源。涂子沛在研究了美国这个数据帝国兴起的脉络之后指出，“业务工作的管理数据，民意社情的调查数据，以及对大自然、动植物的特点和变化进行监控而产生的环境数据，是联邦政府的三大数据来源”。［4］（p54）

循着这个思路，我们就会发现思想政治教育的大数据，也应该有这样三类数据来源：一是学生通过思想政治理论课学习和考试生成的成绩数据，它属于教育者被动接受的“业务数据”；二是教育者及研究者通过抽样调查主动收集的“调查数据”。比如从2013年开始，由沈壮海教授主持的《中国大学生思想政治教育发展报告》就属于此类调查数据。三是学生通过上网、手机、门禁、消费、选课、奖罚、毕业、就业等日常生活环节自动生成的数据，它可以说是对学生日常思想和行为进行记录的“环境数据”。虽然，目前我们可以通过“考试”、“抽样调查”等方式收集一些思想政治教育数据，但这些数据本质上是结构化数据，对于学生在日常学习生活中观看、评论及转发的大量视频、图片、文本、网页等“非结构化数据”，却不知如何收集。

2.数据分析的困境。大数据分析不仅需要一定的技术、工具和人才，还需要有从大数据中挖掘出一些“突然意识到的问题”［1］（p35）的意识，否则我们就不可能像舍恩伯格所说的那样，从大数据中获得新的认知，实现新的价值。这就意味着大数据的数据分析，是一种不同于传统“因果分析”的“相关分析”，即舍恩伯格所说的：“知道‘是什么’就够了，没必要知道‘为什么’”。［1］（p67）

对照组患者接受常规抗心衰治疗：患者入院后，叮嘱患者卧床休息，给予吸氧护理，叮嘱患者日常饮食严格遵照低脂低盐原则，同时以β受体阻滞剂、利尿剂、强心剂等对患者行药物治疗。治疗期间，密切观察患者的血压、血糖等体征。

这就要求我们从两个层面来理解思想政治教育的大数据分析，即技术层面和思维层面。从技术层面来看，当前我国思想政治教育面临的挑战在于技术、工具特别是大数据人才的缺乏，这导致了大家都认识到大数据很重要，但在实践中却又难以落实的局面；从思维层面来看，则需要我们树立与大数据相适应的相关分析思维，由于思想政治教育一贯重视因果关系，这种思维定式必然会使很多人“在大数据时代海量的数据使人们忘记了或者找不到‘因’”，［9］（p65）使人们对思想政治教育的大数据分析产生一定的困惑。

3.数据管理的困境。结合思想政治教育现状来看，我们在数据管理方面的主要问题是数据质量问题，这一方面是因为在我国片面解释数据、人为控制或修改数据、数据造假等问题比较突出，另一方面则是由于大数据自身的“混杂性”也会带来一些数据质量问题。随着大数据的发展及人们数据意识的提高，前一个方面的问题将趋于改善，关键是如何处理后一个方面的问题。因为大数据的分析样本是全体数据，这就意味着其中必然混杂与思想政治教育目标任务相悖的信息，对此，有人提出要对其“去粗取精”、“去伪存真”，进行数据筛选。实际上，美国也有人对政府发布数据时要不要发布具有明显“混杂性”的原始数据提出质疑，但首席信息官昆德拉依然坚持“原始数据”。舍恩伯格更是明确指出：“混杂性，不是竭力避免，而是标准途径”。［1］（p58）其实，这背后的道理也不难理解，因为只有原始数据加上相应的数据收集和分析方法才能确保结果的一致性和可复制性，真正确保数据质量。

因此，正是由于大数据本身面临着一些短时间内难以解决的问题，使得我们感觉大数据近在眼前却又远在天边，进而得出大数据“对网络思想政治教育的发展而言是丰富和拓展，而非颠覆或取代”［10］（p62）的判断，正是由于我们应用大数据创新思想政治教育面临的困境，造成了当前大数据与思想政治教育难以实现动态融合。

三、大数据时代思想政治教育模式创新的策略

面对上述挑战，我们是顺应大数据的时代变革主动出击去建构大数据思想政治教育模式，还是立足当下用大数据技术来丰富和拓展现有思想政治教育模式呢？查有梁指出：“人的复杂性和社会的复杂性，决定了教育的复杂性。因此，教育模式不可能是单一的，必须是多样的”。［3］（p8）这就意味着大数据时代我们既需要建构大数据思想政治教育模式，还需要将其与现有模式进行有效整合。

（一）建构大数据思想政治教育模式的策略。

1.积极寻找技术支持，推进思想政治教育的数据化。“数据化”，是“一种把现象转变为可制表分析的量化形式的过程”。［1］（p104）实际上，数据化对我们而言并不陌生，以往思想政治教育的抽样分析就是一种数据化，但这只是小数据时代对“结构化数据”的数据化。与之相比，大数据时代数据化的特色，在于能对数据总量中95%的非结构化数据，如文本、音频、视频、网页等实现数据化。因此，建构大数据思想政治教育模式，要解决“数据收集”这个前提性问题，我们需要通过“招聘”、“合作”、“外包”等方式积极寻求技术支持，在专业技术人员的帮助下把以往难以量化的学习过程及学生日常思想行为信息，通过制表分析以量化形式呈现出来。

2.探索思想政治教育的“社会计算”方法。近年来，许多学者把社会领域里的数据分析称作“社会计算”，它是指通过一定的计算机技术，像对数字进行加减乘除那样对大数据进行一定的规则转换，发现大数据之下研究对象的基本规律。实际上，在以往思想政治教育的抽样调查分析中我们也有类似的“社会计算”，但它主要是借助统计学对结构化数据进行的计算。但这种计算不仅对大数据时代思想政治教育过程中产生的大量文本、视频、图像、网页等非结构化数据无能为力，而且只能回答预先设计的问题，不能回答我们从数据中“突然意识到的问题”。这就要求我们在专业技术人员的帮助下，通过联机分析、数据挖掘与数据可视化对这些非结构化数据进行社会计算，用数据来回答教育过程中出现的各种问题，揭示教育对象的基本思想和行为规律。

（二）大数据时代思想政治教育模式的整合策略。

1.大数据时代思想政治教育模式中的“数据整合”。与通过抽样调查获得的“小数据”相比，“大数据”具有无可比拟的优势，但这并非意味着“大数据”将完全取代“小数据”。首先，小数据也可以发展成为大数据。比如，涂子沛在《大数据》中提出：“小数据只要在纵向上有一定的时间积累，在横向上有细致的记录粒度”，［4］（p346）也可以理解为大数据；其次，大数据要实现其价值需要借助小数据的数据结构。2014年涂子沛在其新作《数据之巅》一书中提出，我们应该从“容量维度”和“价值维度”来定义大数据：从容量维度来看，大数据之所以“大”，主要是因为非结构化数据量大；而从价值维度来看，“非结构化数据要体现出价值，当前主要的处理方法还是把他们转化为具有严整结构的数据，即传统小数据”。［11］（p270）这就意味着要实现思想政治教育大数据的大价值，我们仍然需要思想政治教育抽样调查中的传统数据结构。因此，大数据时代小数据仍然具有用武之地，大数据时代创新思想政治教育模式需要有效整合“小数据”与“大数据”。

2.大数据时代思想政治教育模式中的“分析整合”。舍恩伯格认为，大数据的核心，是基于相关分析的“预测”，［1］（p71）“相关分析”在大数据的数据分析中举足轻重。但很多学者提出，我们不能眼中只有相关分析，比如，《大数据时代》的译者周涛就对“大数据时代‘相关关系比因果关系更重要’这个观点就不认同”。［1］（pⅨ）而且，目前商务智能中的“联机分析”，本身就是一种“多维分析”，即从“不同的分析角度”［4］（p94）来把握对象，这意味着大数据时代的数据分析中，因果分析仍然有用武之地。因此，大数据时代，在分析方法层面，我们一方面要用相关分析来检验和发展因果分析的结论，另一方面也要用因果分析去解释相关分析的结果，将两种分析方法进行有效整合。

3.大数据时代思想政治教育模式中的“途径整合”。在大数据领域，时下兴起的“机器学习”，即“通过给机器‘喂取’数据，让机器像人一样通过学习逐步自我提高”，［4］（p347）已经使谷歌无人驾驶汽车成为可能。那么，具有智能化特征的大数据思想政治教育模式是否也将取代现有由教育者主导的思想政治教育模式呢？答案是否定的，因为，思想政治教育过程的实质，是“把一定的思想观念、价值观念、道德规范转化为受教育者个体的思想政治素质”，［8］（p324）这就意味着思想政治教育并非单纯的知识传授，其根本目的是要帮助受教育者形成一定的思想政治素质。虽然，上文提出的大数据思想政治教育的在线教学模式，可以通过行为评价和学习诱导，智能化地指导学习学生，但其价值主要集中在知识传授层面。在素质培养层面，我们仍然离不开传统思想政治教育模式的课堂教学及面对面的教育引导，离不开网络思想政治教育模式的师生在线交流及教育指导。

大数据时代的来临，需要我们积极应用大数据创新思想政治教育，建构大数据思想政治教育模式，而从数据收集层面，数据分析层面，教育途径层面实现大数据思想政治教育模式。

［1］［英］维克托·迈尔—舍恩伯格，肯尼斯·库克耶.大数据时代［M］.盛杨燕，周涛，译.杭州：浙江人民出版社，2013.

［2］王莎，杨扬，等.大数据思想政治教育研究述评［J］.大学教育科学，2015，（3）.

［3］查有梁.教育模式［M］.北京：教育科学出版社，1993.

［4］涂子沛.大数据［M］.桂林：广西师范大学出版社，2014.

［5］谢继华，法鸿洁，等.运用大数据创新高校思想政治工作初探［J］.思想理论教育导刊，2015，（7）.

［6］吴志龙.大数据时代下高校辅导员预警能力研究［J］.国家教育行政学院学报，2015，（4）.

［7］杨竹筠，郑奇.MOOC等在线教育模式初探［J］.科技与出版，2014，（2）.

［8］张耀灿，郑永廷，等.现代思想政治教育学［M］.北京：人民出版社，2006.

［9］胡纵宇，黄丽亚.大数据时代大学生思想政治教育面临的问题及应对［J］.学校党建与思想教育，2014，（7）.

［10］胡树祥，谢玉进.大数据时代的网络思想政治教育［J］.思想教育研究，2013，（6）.

［11］涂子沛.数据之巅：大数据革命，历史、现实与未来［M］.北京：中信出版社，2014.

责任编辑张豫

G410

A

1003-8477（2016）09-0193-06

刘春波（1981—），男，博士，三峡大学马克思主义学院讲师。

三峡大学2013年立项科研项目“舆论引导的运行机制研究——基于思想政治教育的学科视角”（KJ2013B060）的部分研究成果；三峡大学2015年立项教研教改项目“高校思政课通识化变革路径研究——以马克思主义基本原理为例”（J2015028）的部分研究成果。