交互大数据创新高校思想政治教育工作研究

牟 芷，黄贵懿

（1．重庆文理学院 文化与传媒学院， 重庆 永川402160；2.重庆文理学院 人工智能学院， 重庆 永川402160）

当代大学生生活在互联网时代， 网络已经成为他们生活的一部分，数字化是他们习以为常的生存方式，他们是“数字原住民”“网络的新生代”。 当前，我们的大学校园，随着移动互联网的快速发展，智能手机的普及，互动、开放和共享成为网络运用的主流，无时无刻、无处不在的网络互动成为当代大学生的重要生活方式。 对大学生日常交互数据进行记录、收集和整理, 从海量数据中寻找规律， 分析和预测大学生思想变化， 将有助于增强教育工作的预见性、精准性［1］。

近年来，将大数据应用于思想政治教育的研究逐渐增多，纵观现有国内研究成果，学者们关注的焦点为两个方面：一是分析大数据给思想政治教育带来的影响和变化，从教育者、受教育者、教学内容和教学方法等方面探讨大数据赋予的时代意义。 如凌小萍等提出思想政治教育工作者应强化数据意识，创新研究以适应时代发展的要求［2］；王莎等人探讨大数据给思想政治教育带来的革命性变化［3］；季海菊等认为高校思政教育要主动转型，并确立大数据的新理念［4］。二是关注思想政治教育中运用大数据的新理念和新原则，对大数据在思想政治教育中的应用和实践，提炼出指导原则和方法。 如李怀杰等从理念和原则上探索思想政治教育的新方法和新模式［5］；张林茂将大数据优势和学生个体发展相统合，探索高校思政教育发展新路径［6］；胡锦玉等运用大数据创新思政教育的深层评价机制［7］。 纵观国外研究成果，大数据被广泛用于解决各类教育问题，用于分析和评价教学质量。 大数据在教育方面的应用，美国研究最多，起步也最早，例如美国大学的学校评估系统，通过对学生学习行为数据的采集和整理，运用大数据分析工具可评估学生或班级的学习效果［8］。

综合当前国内外研究，体现出近年来学者对大数据在教育中应用的大胆探索，提出的诸多富有研究价值的创新思考和创新方法，给思想政治教育改革与发展带来了全新的视角。 但当前研究也存在一定的不足，具体表现为两个方面：一是重理论研究，轻实践应用［9］。较多学者侧重理论角度的探讨，与教育实践紧密结合的操作方法和操作经验介绍不多。 二是总结性研究多，实证性和案例研究较少。 所以本文重点在具体的实践应用，以大学生校园网络交互数据分析为实例，探索具体的分析模型和分析方法，研究详细的实现路径，进一步助推大数据创新思想教育方式的应用研究。

一、开展交互大数据分析的意义

（一）网络交互大数据概念

对于网络交互大数据概念，首先要明确什么是大数据。 根据国际数据公司的界定，大数据(Big Data)的特征可以定义为4V(Volume、Variety、Value、Velocity)，即数据体量巨大、数据类型繁多、价值密度低和处理速度快。IBM 公司提出5V 的定义，即增加Veracity（真实）。可以看出，超量的数据规模和快速的挖掘分析是大数据的重要特征。 大数据分析是以一种前所未有的方式，通过对海量数据的分析，获得有巨大价值的产品和服务，或深刻的洞见［10］。 交互大数据是指人们使用社交网络、即时通讯软件、聊天软件等产生的数据，例如微信、QQ、贴吧等所产生的信息记录。 这些交互信息不仅拥有大数据五大特征，同时还有着多维度和时变性的特点。

（二）网络交互成为大学生思想交流的重要途径

当代大学生从小就生活在网络时代，其群体具备五个方面的特点：一是对新技术和新产品的接受能力强。 作为“数字原住民”，相对网络时代之前出生的“数字移民”，他们更喜欢电子屏幕阅读和倾向网络交流，更愿意接受快速更新的数字产品，更喜欢用信息技术进行信息交流和人际互动［11］。二是具有强烈的网络表达意愿与参与意识。由于网络带来的交互便捷性和隐蔽性，面对网络环境下的交流，会让人感觉身份鸿沟的减少，更加自由地表达自己的想法与情感。三是易受网络社区言论的影响。大量的网络群和朋友圈成为大学生获得信息的重要来源，然而他们信息分辨能力普遍欠缺。 四是对交互工具依赖性强。 大学生喜欢长时间通过网络传递信息，喜欢同时处理多项任务，如边玩手机边做作业。 五是喜欢网络环境下的学习。 不满足于教师的课堂讲授与宣讲，喜欢自我从网络中探究新知，愿意通过网络群体协作完成任务。

（三）交互大数据分析在思想政治教育中的应用价值

网络交互已经成为当代大学生思想交流的重要途径，交互信息是大学生思想共振与情感交流的重要载体，交互大数据分析在思想政治教育中的应用价值主要有三方面：一是可以实时获取学生思想行为动态，了解学生群体关注的焦点，精准研判学生舆情，把握意识形态教育的主导权。 二是做到因材施教，分析学生个体思想与心理的发展变化，提供个性化的服务与指导。三是让思想政治教育更加可视化和科学化。大数据分析为我们提供大量的量化分析结果，帮助我们克服传统依赖经验与直觉的推断模式，使工作更加科学化，教育方法更富有针对性。

（四）交互大数据分析与舆情分析的异同

舆情分析和交互大数据分析都是高校利用信息技术开展思想政治工作的重要工具，但舆情分析只是交互大数据分析的一部分。 舆情分析重在通过分析学生交互文本，提取话题信息，帮助教育工作者掌握学生的思想动态，守好宣传思想阵地［12］， 增强思想政治教育的主动性和针对性。 交互大数据分析除了具有舆情分析的功能外，还另具有三项功能：一是注重社会关系的分析。 通过交互大数据发现学生的社会交互关系，从不同群体的维度去分析话题，了解学生群体的特征，理清思想传播的路径，洞察学生思想与心理变化的深层因素。 二是对个体的聚焦。 舆情分析重在面上的分析，主要掌握群体的思想动向，而交互大数据分析可从群体的层面聚焦到学生个体，发现个体的成长变化情况和影响因素。三是利用积累数据的深度挖掘。利用长时间积累的数据，可以从较长时间范围和较广空间（学生群体）的维度分析变化趋势，发现学生群体和个体的成长与发展规律，评价和总结思想政治教育工作的方法。

二、交互大数据的挖掘方法与分析模型设计

交互大数据分析的目的在于透过数据来关注大学生群体和个体在理想信念、 价值取向、协作能力和心理素质等方面的表现，进而提升思想政治教育工作的实效性。 根据大数据可视化分析的基本原理和方法步骤，结合思想政治工作的特点，将网络交互大数据分析模型设计为四个层面，主要由数据层、分析层、多维度可视化层和用户层构成，如图1 所示。 数据层主要实现多源数据的采集和预处理，并将数据提炼后存入数据仓库。 分析层负责对数据仓库内的信息进行分析，分析内容涉及内容分析（文本话题抽取）、社交网络分析、情感倾向分析和交互行为分析等方面。 多维度可视化层将分析后的数据用图表加以灵活呈现，犹如汽车仪表盘供用户观测和分析。用户层主要指高校中从事思想政治教育工作的辅导员、思政教师、心理辅导教师、各级管理人员等。 四个层面中有三个层面都涉及具体的设计，他们的主要功能各有侧重。

（一）数据层的功能

1.多平台下的数据集成。采集到分析所需的数据是我们开展交互大数据分析的首要任务，面对学生使用的众多网络交互工具与平台，我们通过两个渠道收集所需数据：一个是对接校园内网数据，如校内自建的各种论坛、BBS、网络教学平台、数字校园的朋友圈等，这类数据可以通过学校网络中心提供的数据接口实时获取；另一个是获取公共交互平台的数据，如微信、QQ、贴吧、微博等，这类数据的最大特点是运行和管理均为网络公司，个人要获取结构化的数据相对比较困难。 为此，可以采取两种办法：一种是有的网络公司提供开放的公共数据接口，可以通过定制程序从开放接口读取所需数据；另一种是针对不提供接口的网络平台，可以利用网络爬虫工具软件抓取，或者将聊天记录直接导出。 需要注意的是学校和教师处于信息强势地位，所有数据来源必须是公开或合法的渠道，否则可能会威胁到学生的个人隐私，严重影响思想政治教育的有效性。

2.文本信息的预处理。 各种途径获得的原始数据包含多余、重复或价值不高的各类信息，需要对数据进行清理和过滤。 同时，为进一步方便计算机程序的处理，需要对数据进行变换和整合，这个环节统称为信息的预处理。 我们对文本信息的预处理主要有四个步骤：第一步，清洁数据。 通过数据间的比对和简单的语法规则分析，清理重复数据，过滤无用的信息项。 第二步，统一身份ID 号。 对多个平台采集的数据，将姓名、学号、身份证号等信息转换成统一身份ID，从保护学生的隐私角度对文本中的身份信息进行ID 号替换。第三步，修整和过滤。运用词法分析和句法分析方法，将每条信息以句号、感叹号和问号等为标志，划分为较小的语句单元，然后过滤掉一些简单礼节性、问候性的表达内容，如“哈哈”“路过”“顶”等。 第四步，计算和整合，根据主题特征计算方法，把主题关键词数值化，最终将信息以五元组的方式加以保存。包括时间、发文者ID、对象ID、关键词表、情感值等五项，所有内容全部转化为数值，实现对交互文本数据的大幅压缩，充分满足大数据分析效率要求［13］。

图1 针对高校思想政治教育的网络交互大数据分析模型示意图

（二）分析层的构成

整个分析层在模型中具有承前启后的作用， 我们设计的交互分析主要从内容、 社交网络、情感倾向、交互行为四个方向展开。 内容分析主要提取交互文本的主题，用于分析对话或表达内容的关注点，也就是传统上的舆情分析。 社交网络分析是提取学生的社会交互关系并构建社交网络图，主要分析学生群体的构成，确定群体的中心，即意见领袖，发现孤立的个体。 情感倾向分析通过对文本情感特征的提取，判断表达内容的情感倾向。 交互行为分析主要通过对交互频次、时间的计算，分析学生的交互活跃度和网络行为习惯。 分析层各模块的功能如表1 所示。

表1 分析层各模块的功能对照表

（三）多维度可视化层

分析层四个模块主要实现对文本数据的加工，如何直观展示这些数据，还需要实现对数据的可视化。 为此，系统设计了从群体、个体、话题、时间和情感五个维度的可视化输出，通过单独或不同维度的组合，可形成形式多样且直观明了的可视化图表界面。 例如“群体”和“个体”两个维度的结合，可生成社交网络图和力导向布局图以及群体分类明细表等，通过这些图表可以分析学生的网络群体情况。 再如“群体”和“话题”两个维度的结合，可生成单个群体的高频主题云图，方便教师了解特定学生群体的关注话题。 “群体”和“话题”再加上“时间”维度后，教师可通过群体和时间进行筛选，显示不同时间段下特定群体的高频主题云图，可观测学生群体在不同时间阶段关注的焦点。 多维度可视化层为我们从不同视角观测分析数据提供了可视化界面。

三、交互大数据的应用路径

（一）从话题分析中贴近学生所思所想

透过以“话题”为中心，“群体、时间和情感”参与的多维度分析界面，我们可以从话题的广度和深度两个方面分析学生特定时间段内的关注焦点，了解学生的思想动态。 话题的广度分析，就是分析学生讨论的话题在选定的时间范围内被关注范围的大小，就高校而言，话题扩散范围的量级可以是一个寝室、班级、年级、全院系、全校等。 通过广度的分析，可以帮助思想政治教育工作者了解特定话题的影响范围，从而采取不同的引导措施。

话题的深度分析主要分析话题从产生到持续传播的程度，衡量话题被转发的情况，是一种发展态势的测量。 大学生日常交互往往跨越多个场域，既有教师、同学和朋友，又可能会加入陌生人。 深度分析可以帮助我们判断一个话题是否被持续关注，是否被持续发酵，进而引发众多的关注。 如果话题的深度值很大，即使扩展的范围不大，但这类话题具有较强的发展态势，可能成为苗头性的事件，需要引起我们的重视，进一步挖掘出深层次的原因。

以“话题”为中心的深度和广度分析，有助于提高思想政治教育的针对性。 一方面我们可以科学客观地把握学生群体的关注点，从学生关注的话题找到工作的着力点，真正实现围绕学生、关照学生和服务学生的目的。 另一方面，可以帮助我们评价思想政治教育在学生中产生的实际效果和影响，是否引起学生的共鸣，是否激发学生的思考。 必要时，我们还可以通过讲故事、发视频等互动活动，及时参与到学生的互动中来，对学生的互动给予引导。

（二）从社交分析中教育和引导学生群体

大学生网络交互活动形成两类群体：一类是固定群体，即在较长时间内经常发生交互活动的群体，比如我们常说的朋友圈子。 另一类是话题群体，在某一段时间内围绕某一大家共同感兴趣的话题开展讨论，这类话题具有明显的时间局限性。 所以我们在对“群体—话题—时间”为中心的可视化分析中，从持续时间和话题类别的角度可以区分出这两类群体关系。

针对社交群体的分析，可以通过网络图或力导向布局图来观察学生群体特征，然而现实中学生与学生、学生与教师之间的网络交互十分频繁，需要动态调高社交网络连通路径值（交互的频度），通过减少网络连接的数量来观测社交群体的情况。 社交网络中处于中心位置的学生往往是整个群体的活跃参与者，经常与其他成员交互信息，他们属于意见领袖或活跃分子。我们在开展思想政治教育中，要注意对他们言行的关注和引导。 社交网络中孤立点往往是较少参与交互的学生，也是我们思想教育中需要关注的孤立个体，要注意了解他们较少参与互动的原因。 如果长期处于固定社交群体的孤立点上，要注意该类学生的心理健康情况；如果仅是某类话题群体的孤立点，可以分析该类学生对特定话题不感兴趣的原因。

根据社交分析结果，我们在安排教学讨论、社会实践、文体活动时，可以有针对性地将活跃学生均匀分布到各个小组，让他们在小组中发挥纽带作用。 同时，可以有意识地给一些孤立个体安排更多的集体活动，锻炼他们的团结协作能力。 在日常思想教育活动中，要注重对意见领袖的教育和引导，让他们在群体互动中发挥更多的正能量。 同时要鼓励学生党员、入党积极分子在网络社交群体中多发挥作用，营造积极健康的互动氛围，让他们在培育优良校风学风、促进校园和谐稳定中发挥积极作用。

（三）从个体分析中探索个性化的教育与服务

关心和帮助每个学生的成长与发展是思想政治教育的重要落脚点，交互大数据可视化可以聚焦到学生个体来观察和分析，从个体发展的角度洞察学生成长变化的轨迹，评估思想教育的影响和效果。 交互大数据的个体分析可以从三个方面开展：一是从“时间”和“话题”的角度。 分析学生在校不同时期的语言交流与表达，从所关注的话题和情感倾向的细微变化，观察学生个体思想变化情况，把握学生心理健康状况，帮助教师开展好“一人一策”有针对性的教育引导工作。二是从“时间”和“群体”的角度。可以发现单个学生经常的交互对象，分析学生在各类情景下和不同时间段的朋友圈情况，发现学生的固定交友范围，了解学生个体在群体中的社会影响力。 进而帮助教师判断学生个体在校学习和生活中，是否发挥了积极和健康的表率作用，是否有独立的思想见解，是否被人际交往边缘化，导致存在心理健康问题等。 三是从“时间”和“行为”的角度。 从学生上网记录、聊天记录、学习讨论记录等网络交互行为数据，观察学生在校期间的学习和生活习惯，通过教育学、心理学和行为学的相关理论，分析学生在生活、学习等方面所表现出的心理特质，帮助教师对存在不良行为习惯的学生及时采取相应的教育干预措施。

学生始终是德育的主体，思想政治教育必须以学生为关注焦点。 交互大数据分析帮助我们从客观数据的角度来观察每个学生个体， 通过学生真实网络表现来映射其内心的成长变化。交互大数据的个体分析方法，以时间为X 轴，以话题、群体和行为为不同的Y 轴，通过这种二维坐标可以帮助教师从不同侧面来观察和了解学生，进而引导和帮助学生健康成长，帮助他们树立正确的政治信仰、人生观、世界观和道德观，真正实现“以人为本”和“因材施教”的育人理念。

交互大数据的个体分析结果还可以反馈给学生自己，通过分析结果，学生可以了解自身交互行为呈现的特征和变化情况，从各种变化中反思自身可能存在的问题，并寻找改进和提高的办法；学生可以发现自己日常接触的信息主题，是否被自己的兴趣所主导，社会交往是否被小圈子所禁锢，从而及时调整自己的阅读、学习和生活习惯。 此外，持续向学生提供个体分析数据，还有助于督促学生实现对问题的持续改进，提高学生自律和自我教育的能力。

（四）从积累数据中增强教育工作的前瞻性

从宏观的角度来看，多年不断积累和沉积的交互大数据分析结果同样具有巨大的应用价值。 对积累的交互数据分析结果进行再挖掘，将有助于我们开展思想政治教育工作的效果追踪与科学预测，进而增强思想政治教育工作的主动性、前瞻性和实效性，具体应用有以下几方面：一是从话题的历史分析中，我们可以挖掘不同年级、不同专业、不同性别、不同时期所具有的共性话题特征，从特征中探寻和总结教育规律。 例如从分年级的层面看，大一阶段往往关注军训、关注专业学习的准备、关注入党要求、关注周边生活条件等；而大四阶段则往往关注就业创业、关注考研、关注论文答辩等。 根据学生不同时期的关注点，我们可以预先做好工作安排，对学生将要关注的话题进行预判，安排宣讲、培训或讲座等及时提供教育与指导。 二是通过话题的历史序列，发现话题的演变规律。 例如学生在关注奖学金评定通知时，往往下一个关注热点是评定分值的计算和实践分值的计算等。 又如学生在谈论期末复习重点时，往往下一步关注假期实践安排。 三是通过对话题群体共鸣程度的变化分析，帮助教师快速发现问题苗头，客观评价教育效果。 例如学生对某个问题的抱怨，往往是从个别学生扩展到学生群体，从话题共鸣变化规律的分析，可以提前发现一些不易被教师察觉的问题，及时将问题解决在萌芽状态。 学生对教师教学方式和方法的反映，也常常呈现从个别抱怨到群体共鸣的现象，通过对交互话题的共鸣规律的分析，可以帮助教师发现问题，及早调整教学策略，确保教学质量。再如通过群体共鸣程度分析，可以帮助教师发现每次思想政治教育的主题是否引起学生思想的共振，在后续的思想教育和思想交流中及时调整工作思路和工作方法，保证思想政治教育引领的实效性。 四是通过对长期社交数据的分析，挖掘学生社交圈子的变化共性，及时把握不同时期和不同特点学生社交网的变化规律，主动谋划引导措施。 例如贫困生易成为社交网的孤立点，从他们进校起我们就需要为他们融入群体提供更多的帮助。

通过对不同时期积累的交互大数据分析结果的再挖掘，可以从话题范围、群体参与等动态数据中发现新的变化规律。 借助这些变化规律，我们可以及早发现问题，提前策划工作，避免盲目应对，进而增强思想教育工作的主动性，做到因势而谋、因势而动、因势而进。

高校中开展网络交互大数据的分析， 既是大数据在思想政治教育运用中的重要组成部分，也是信息技术与思想政治教育深度融合的一种具体的尝试。 大数据的可视化分析结果，一方面可以帮助教师快速了解学生的所思所想， 有助于增强思想政治教育的针对性和实效性。另一方面可以帮助学生反思自己思想和行为的变化，矫治互联网时代“信息茧房”效应带来的不利影响。 多年不断积累的大数据，还有助于教育工作者研究和发现思想政治教育工作的规律，科学评价教育效果，及时调整教育策略和方法，增强思想政治教育工作的科学性和前瞻性。 我们相信，只要教育工作者紧紧把握信息时代的发展脉搏，不断创新思想政治教育工作思路和方法，加强对大学生的培育和引导，大力弘扬社会主义核心价值观，坚定文化自信，不断提高他们的精神文明水平，就一定能与时俱进地做好新时代“立德树人”工作［14］。