大数据助推思想政治教育定性分析方法创新

刘宏达 隆梅凤

摘要：随着大数据时代的到来，大数据分析方法在推动思想政治教育定量分析方法创新的同时，也推动着思想政治教育定性分析方法创新。从逻辑上看，思想政治教育定性分析为其大数据分析提供逻辑前提，并以大数据分析方法的运用为逻辑主线、以大数据分析提升其定性分析质量为逻辑目标。从特征上看，大数据分析使思想政治教育定性分析更具客观性、充分性、精准性和智能性。从路径上看，大数据时代思想政治教育定性分析方法的创新，应以树立大数据思维来提升主体的大数据素养、以构建大数据系统来夯实定性分析的大数据基础、以发挥大数据优势来扩大定性分析的大数据应用、以完善大数据标准来提升定性分析的大数据价值。

关键词：思想政治教育;定性分析;大数据;大数据分析

中图分类号：G641

文献标识码：A

文章编号：1672-9749（2020）05-0137-05

随着人类社会步入大数据时代，大数据分析正日益成为科学研究的一种主要手段，既丰富着定量研究的表现力，也拓展着定性研究的有效性。对于思想政治教育学科来说，运用大数据分析来及时准确地把握客体思想和行为的特征及变化，是提高思想政治教育针对性和有效性的必然要求。思想政治教育的大数据分析不能简单地被定义为基于大数据的定量分析，而是要通过大数据的定量分析来提升定性分析的准确性，从而为思想政治教育科学决策与实施提供助力。

一、大数据时代思想政治教育定性分析方法的创新逻辑

在大数据技术与思想政治教育传统优势逐步深度融合的进程中，思想政治教育的大数据分析方法应运而生，即通过对数目海量、规模浩大、类型多样、内容丰富的数据进行关联性动态分析，可以“从大量看似杂乱、繁复的数据中，收集、整理和分析‘数据足迹”，以期预测客体思想行为的未来趋势。大数据时代思想政治教育以定性分析为逻辑前提，同时大数据分析以其快捷、实时、智能的优势，为其定性分析提供深度的量化分析辅助，从而提升思想政治教育实证研究的精确性。

1.思想政治教育的定性分析为其大数据分析提供逻辑前提

定性分析是思想政治教育常用的科学认知方法。“在科学研究中，一般把关于事物构成及其状态性方面的研究称作定性分析。”思想政治教育定性分析是在马克思主义基本理论指导下，主体对客体思想和行为特征所做出的一种质性判断。如主体通过观察、实地调查等方式方法，结合对客体的现场表现、活动特征等的分析，来判断其显性行为与隐性思想之间的因果关系，并揭示其思想品德形成规律。大数据时代思想政治教育定性分析方法的创新，是一个对大数据分析方法的渐进性创新运用过程，其不能脱离定性分析这一前提基础。即其逻辑前提必须通过定性分析来解决“是什么”的问题，从而为大数据分析“怎么样”“为什么”指明方向。

作为一种新兴的社会科学认知方法，大数据分析不是孤立地存在于思想政治教育研究方法体系之外，也不是解决思想政治教育研究一切问题的“万能钥匙”，其既坚持定性分析与定量分析相结合的基本原则，又通过对数据信息的深度挖掘和广度拓展，推动定性分析和定量分析的传统优势与大数据分析优势的高度融合，从而不断丰富定性分析的研究基础和内容。一方面，只有建立在思想政治教育定性分析的理论基础之上，思想政治教育的大数据分析才能坚持学科研究特有的属性和方向。另一方面，只有借助大数据分析的方法优势，大数据时代思想政治教育的定性分析和定量分析才能更好地实现优势互补，特别是大数据分析将使思想政治教育研究走出传统“因果关系”的思维惯性，其定性分析也由此走向“因果性——相关性——因果性”不断提升的科学化循环过程。

2.以大数据分析方法运用为思想政治教育定性分析方法创新的逻辑主线

大数据时代虽然可以实现“一切事物皆可量化”，以及数据比经验更有说服力等;但是社会科学与自然科学不同，量化社会现象具有一定难度，特别是对人的思想和行为的量化，无论是传统的定量研究方法，还是大数据分析方法，都具有难以克服的局限性。因而，大数据时代思想政治教育研究一方面要坚持以定性分析为主、定量分析为辅的研究方法，另一方面要以大数据分析方法的应用来不断促进定性分析方法的创新。

思想政治教育定性分析方法的创新过程中贯穿大数据分析方法的应用主要体现在两个层面：一是将大数据分析方法应用贯穿于定性分析的实证过程之中。既包括通过海量数据的智能性、动态性、全面性获取来为思想政治教育定性分析提供更为充足的数据信息;也包括通过数字化、可视化、模型化等技术来为思想政治教育定性分析提供更为直观的分析方法。二是将大数据分析结果贯穿于定性分析结果的运用之中。即根据大数据分析结果，来科学评估思想政治教育的方案制定、决策实施、质量评价等，从而使以大数据分析来克服定性分析的主观片面性等缺陷，不断提高思想政治教育研究的實效性和针对性。

3.以大数据分析提升思想政治教育定性分析质量为逻辑目标

思想政治教育大数据分析是主体认识客体的中介工具，是思想政治教育决策的辅助手段。思想政治教育大数据分析的目的在于，为思想政治教育定性分析的“怎么做”提供参考依据。因而，对于大数据时代思想政治教育定性分析方法创新来说，如何充分挖掘和利用思想政治教育的大数据价值成为其要努力实现的逻辑目标。

思想政治教育大数据分析方法对其定性分析质量的提升，主要表现在三个方面：一是转变传统定性分析的质量观念。即理念上由注重主体主观经验判断向注重客体客观数据判断转变，使经验主导式定性分析转变为数据主导式定性分析。二是优化传统定性分析的质量结构。即在原有的质量结构中，增加数据质量这一新的要素要求，从而使定性分析的质量既要依赖于主体的分析能力，更要依赖于对思想政治教育大数据的获取与利用能力，特别是对非结构化数据的获取与利用，将极大地丰富定性分析的质量结构内容。三是变革传统定性分析的质量评价。即思想政治教育的大数据分析，可以从根本上改变对传统定性分析结果的质量评价方式，实现从“点对点”评价向全要素评价转变，从结果评价向过程评价转变，从“主体-客体”人为评价向“人-机”智能评价转变等。

二、大数据时代思想政治教育定性分析方法的创新特征

在舍恩伯格看来，大数据是“更多：不是随机样本，而是全体数据;更杂：不是精确性，而是混杂性;更好：不是因果关系，而是相关关系”大数据分析推动思想政治教育定性分析在论证环节上的完善，特别是模糊性追求使定性分析跳出狭隘的思维定式，从更大范围找寻关联关系，结合对数据信息的关联性、全方位、多角度考量，从而使大数据时代思想政治教育的定性分析呈现出新的特征。

1.大数据的数量描述使思想政治教育定性分析更具客观性

众所周知，思想政治教育定性分析偏重于经验描述性分析，虽然坚持数据来源于事实，理论根植于数据的基本原则以及“分-分-总”，的逻辑步骤，即在思想政治教育现象和工作中总结经验、归纳规律，但在研究过程中重视“质”的把握，而缺乏“量”的支撑，往往限于小体量、小范围研究，是“点-线”的模式，难以做到“点-面”的推广，难以保证理论外推的普适性。此外，定性分析注重经验，主体的主观方面因素很大程度上影响研究的结论及其呈现方式，因此，强化定量支撑是提高思想政治教育定性分析结果准确性的必然要求。马克思认为：“一种科学只有当它达到了能够运用数学的时候，才算是真正发展了。”智能化生活环境使人们的行为轨迹资料，可以根据需要而随时再现。对于思想政治教育定性分析来说，数据既是显性信息，可以直观地体察事物的实时状态;又是隐性信息，需要深度挖掘才更有价值。此外，思想政治教育大数据分析的信息来源不仅仅限于同构化、同源性数据，还包括异源性、异构性数据。随着客观数据体量越来越大、涉及内容面越来越广，可供分析和挖掘的大数据信息也就越来越全面，从而使思想政治教育定性分析在巨量化、可视化、可量化等的大数据分析支撑下，从经验主导型向数据主导型转变，而这将极大地提升思想政治教育定性分析的客观性。

2.大数据的关联分析使思想政治教育定性分析更具充分性

卢卡奇认为：“对因果序列的正确认识成为并始终是人的实践的基础，也是作为实践基础的、并成为有效的社会力量的那种现实认识的根据。”思想与行为是思想政治教育研究的起点范畴，二者的因果关系是思想政治教育定性分析的主要依据。但传统定性分析着眼于特定的现象和活动的因果关系挖掘，对于现有资料范围之外和看似毫无价值的数据缺乏关注，往往将思维限制在相对狭小的空间。因此还需要从大数据相关思维突破传统的因果思维，“大数据不仅不是因果性观念的沦陷之地，反倒是进一步充分展开重新刻画的因果概念的最好场所。”因为大数据“它致力于把现实世界中发生的相关关系展现在研究者面前，这些数据‘也许不能准确地告诉我们某件事情为何发生，但是它会提醒我们这件事情正在发生”大数据分析拓宽思想政治教育定性分析的研究视野，通过运用一定的算法对围绕在现实性问题的、却看似无关联的因素和数据进行相关性猜测，寻找行为数据之间的某种相关性。这一方面使思想政治教育主体形成因果性分析与关联性分析相结合的思维习惯，提高运用大数据研究的能力;另一方面通过对于一体化数据库的相关性分析，多角度、多方面为客体思想与行为的因果关系探究提供充分数据支撑。

3.大数据的问题诊断使思想政治教育定性分析更具精准性

传统思想政治教育定性分析通常通过传统手段在局部环境中获取静态而零散的数据，通过整合分析来判断客体思想与行为背后的原因。但局部代替不了整体，局部的研究视角对教育客体的认识不够全面，对问题的研究不够深入。大数据时代，大数据随客体行为变化而不断增长和更新，各种网络终端全天候、全方位地记录着人们的活动，通过特定的大数据分析模型，对偏差于模型常数的人或事件进行及时预警，并精准诊断客体思想和行为的问题性偏差，可以使思想政治教育主体及时地实现高效精准地预判，以及聚焦问题和精准发力，从而做到只要客体思想和行为有所变化，主体就可以及时地予以回应。

4.大数据的辅助决策使思想政治教育定性分析更具智能性

由于人的思想和行为难以量化等因素的影响，思想政治教育定性分析一直是基于主体的严密逻辑推理和对经验事实的归纳总结，预判能力薄弱，只能对小体量、小样本进行深度剖析。在大数据时代，大数据成为思想政治教育定性分析获取全面真实有效的信息资源的最有效来源，同时在人工智能技术等的支持下，大数据分析可以通过自动获取客体各种相关的行为数据，并通过大数据分析模型进行智能计算，从而及时准确把握客体的思想和行为的特征变化。从这层意义上讲，大数据时代思想政治教育定性分析可以突破一些传统的人为限制因素，在方法上突显智能性特征。如可以突破空间上的碎片化，实现对思想政治教育全要素的整体性把握;可以突破时间上的断续性，实现思想政治教育全过程的动态性监控;可以突破主体思维的局限性，实现对思想政治教育系统内外各种要素的关联性分析;可以突破認知方法的片面性，实现对思想政治教育客体行为轨迹的描述与预测等。

三、大数据时代思想政治教育定性分析方法的创新路径

当前，我国正在不断推动实施国家大数据战略，加快数字化中国、智慧中国建设进程，特别是随着大数据分析技术方法的日益成熟和思想政治教育队伍大数据素养的日益提升等，为促进思想政治教育定性分析方法的创新提供了必要条件。

1.树立大数据思维，不断强化思想政治教育主体的大数据素养

树立大数据思维，要求人们应从整体去考量事物的存在与发展，追求模糊性而非精确性，关注相关性而非因果性。这就要求思想政治教育主体要打破传统思维定势，以大数据思维来不断提高自身运用大数据的素质能力。

一是提高对大数据技术的工具性认识。大数据技术作为一种先进的生产力，在变革人们生产生活方式中起着巨大的推动作用，可以极大地提高人们的物质生产力;大数据技术也越来越广泛地被运用于人们的精神生产活动之中，如人们更愿意通过网络表达意愿与诉求，通过参与网络舆论、网上投票等参与社会生活、政治生活，通过线上自助获取资源和进行自主学习等。在这种时代背景下，思想政治教育主体应增强对大数据的敏感性，善于运用大数据技术来获取客体的思想和行为数据。

二是加强对大数据信息的价值性改造。并不是所有的大数据都具有思想政治教育价值，对大数据信息进行价值性改造，使其成为思想政治教育可以利用的有效资源，既取决于大数据质量本身，也取决于思想政治教育主体的大数据素质能力。一方面，思想政治教育主体要善于运用大数据技术对繁杂的大数据信息进行数据清洗和去重化技术处理，使其成为符合特定思想政治教育需要的数据集;另一方面，还要善于利用大数据技术对非结构化数据进行结构化数据转化，以及采用分布式架构处理技术和对接一些BI平台等，将数据处理结果根据思想政治教育的学科特点进行可视化呈现。

三是增强对大数据资源的定性化分析。思想政治教育主体一方面要加强对大数据的聚类分析、因子分析、相关分析、对应分析、回归分析和方差分析等方法的学习与借鉴，使自身的定量分析更加科学准确;另一方面要努力克服片面重视数据或经验的倾向，将定性分析、定量分析与大数据分析结合起来，特别是要发挥定性分析对大数据分析的基础性指导作用，从而在大数据分析方法的应用中，创新性地形成大数据时代思想政治教育新的定性分析方法。

2.構建大数据系统，不断夯实思想政治教育定性分析的大数据基础

大数据时代思想政治教育定性分析方法创新需要以充分挖掘与利用大数据为基础，而只有构建一个以客体为中心，从纵向上贯穿思想政治教育全过程、从横向上贯通思想政治教育全环节的大数据系统，才能使大数据分析方法运用得更为充分和有效。

一是构建多层级的思想政治教育大数据系统。精准对接国家大数据战略的发展需要和思想政治教育组织实施的实际需要，以国家为主导、以实施单位为主体，建立从国家到地方、从主管部门到基层组织等，能够覆盖各个层级、各个部门、各个主体等的思想政治教育大数据系统;既利用大数据技术对思想政治教育现有的系统进行数字化改造，使其增强对客体大数据的获取、储存、分析与挖掘能力;又根据大数据运用的需要对现有的系统进行结构优化和流程再造，使其增强定性分析、定量分析与大数据分析等方法之间的相互融合的创新能力。

二是扩大思想政治教育大数据系统的数据开放共享。围绕思想政治教育客体成长全过程、全方位的大数据挖掘与利用，着力打通思想政治教育不同层级、不同部门、不同主体等之间的数据信息壁垒，使与客体相关的各种的大数据能够通过不同领域、不同部门、不同情境、不同阶段等之间的数据开放共享而实现整合利用，从而为对客体全过程、全方位思想和行为特征的“精准画像”“精准预测”等定性分析方法创新提供数据基础和实证支撑。

三是增强对社会公共大数据资源的共享利用。一方面，随着全球大数据战略的推进实施，各国在推动政府大数据、网络大数据、企业大数据等共享开放上工作力度不断加大，这也为思想政治教育加强利用社会公共大数据资源提供了契机。另一方面，当前国内外社会学、心理学、新闻学等领域的一些社会科学研究者，利用社会开放大数据资源进行人的情感、心理、社交关系、行为预测等方面的研究，取得了许多有益的经验，为思想政治教育增强对社会公共大数据资源的利用提供了有益借鉴。

3.发挥大数据优势，不断扩大思想政治教育定性分析的大数据运用

思想政治教育传统的定性分析方法存在的薄弱之处，主要是容易受制于主体的主观性因素;而大数据分析方法的核心优势恰好在于大数据预测功能。

一是以大数据分析提高思想政治教育定性分析的问题识别能力。当前大数据分析方法在问题识别上具有明显的优势，如通过异构性信息的自动获取与聚类分析等，可以及时地对问题进行识别和辨析。思想政治教育定性分析方法创新，一方面可以借助大数据问题识别模型等方法，通过关键数值预设、异常数值预警等来及时发现共性或个性问题，从而增强定性分析的针对性和及时性;另一方面可以借助大数据聚类分析和可视化呈现等方法，通过对数据信息的横向整体综合、纵向深入比较以及跨时空类比分析等，将看似毫无头绪的各类数据信息转化为模型化的分析数据，从而既克服数据难以分析的障碍，又使数据呈现更加立体化和直观化。

二是以大数据预测提高思想政治教育定性分析的趋势预测能力。大数据分析有助于增强人们对事物发展或问题发生的规律性认识，从而增强人们对具有相同或类似特征的事物发展或问题发生的预测能力。思想政治教育借助大数据的预测优势，一方面根据特定的思想政治教育目标与要求，对客体的思想和行为大数据进行总体性分析，从中得出实现这一特定目标与要求的基本或平均数据价值，在此基础上，将具体个体的行为数据价值与之比对，就可对这个具体个体的思想和行为趋势进行定性分析预测;另一方面将思想政治教育客体的应然目标数据与其实然的状态数据进行比对分析，既可以对该客体的差异性问题进行判断，又可结合主体的经验判断，对该客体思想和行为的变化趋势进行定性分析预测。

4.完善大数据标准，不断提升思想政治教育定性分析的大数据价值

大数据时代，由于在大数据获取、储存、分析与挖掘等过程中，存在大数据运用标准体系不健全，从而导致数据保护机制缺失、数据使用行为失范等问题。思想政治教育应以创新为驱动，不断规范大数据管理，完善相应的机制体制，形成安全、高效、可控的大数据管理格局，以大数据质量标准的完善来有效提升自身定性分析的大数据价值。

一是建立思想政治教育定性分析方法创新的质量标准。解决大数据运用中数据侵害、数据伦理失范等问题，必须依靠一整套健全的大数据质量标准体系。2018年国务院办公厅印发《科学数据管理办法》，明确“谁拥有、谁负责”“谁开放、谁受益”等大数据管理原则。思想政治教育定性分析方法创新对大数据的使用，也必须建立健全相关大数据质量标准体系，既对大数据本身的质量问题进行科学规定，也对大数据从获取到最终结果运用的全过程进行质量管控;既要制定出台全国统一的思想政治教育大数据质量标准，也要结合具体区域、行业等制定差异性思想政治教育大数据质量标准。

二是完善思想政治教育定性分析方法创新的技术标准。如何突破大数据分析技术的运用难题，需要不断制定和完善其技术标准体系。一方面要制定和完善思想政治教育大数据技术运用的安全指数。如通过大数据风险预测模型构建、设定相应的安全级别数值等，形成思想政治教育的大数据安全指数，使之可以及时预报安全风险。另一方面要制定和完善思想政治教育大数据技术运用的伦理指数。如通过运用大数据脱敏技术、信息安全防控技术和无损信息隐藏技术等，对客体的信息进行匿名化处理，完善数据保密和隐私保护的大数据伦理指数，使之可以及时预警数据侵害。

三是加强思想政治教育定性分析方法创新的评价标准。大数据分析在解决群体问题上具有共享性特征，在解决个体问题上具有个性化特征。思想政治教育定性分析方法创新对大数据分析方法的借助，既要充分调动不同主体的积极性和创新性，形成灵活有力、目标协同、资源共享的大数据分析方法应用创新性体系;又要贯彻落实大数据管理责任制，形成分工精细、权责明确、安全可控的大数据分析方法应用常态化机制。这一方面需要借助大数据管理系统建立互评赋分式的评价标准，使对思想政治教育定性分析方法创新的成效可以进行科学的量化评价;另一方面需要将大数据分析方法的成效评价纳入其定性分析方法创新的成效评价标准体系，从而强化大数据分析在思想政治教育定性分析方法创新中所具的独特价值。

[责任编辑：张学玲]