应用大数据推进高校精准思政工作研究

2020-11-16 02:07陈佳邓雪晨刘冬雪王永柿
文教资料 2020年22期
关键词:数据挖掘大数据

陈佳 邓雪晨 刘冬雪 王永柿

摘   要: 在教育信息化2.0时代,大数据与高等教育融合创新发展,是建设“数字中国”和“智慧校园”的必然选择。本文提出基于大数据推进高校精准思政工作的创新育人模式,并对其路径进行研究。可通过构建思政平台、深入挖掘数据价值、应用数据结论的基本路径,助力专项育人工作,提升管理水平的科学性。为进一步论证该路径的有效性,本文分析学生校园卡消费数据,协调精准资助育人工作;分析学生用网数据,把握学生思想脉搏。

关键词: 大数据   精准思政   数据挖掘

当前,我国已进入教育信息化2.0时代,信息技术与高等教育融合创新发展成为一种必然趋势。随着数据呈现爆炸式增长,高校育人工作应基于大数据立足新起点进行改革创新,形成新时代高校育人的新格局。

以往的高校思想政治工作方式,主要依赖思政教师、辅导员等与学生直接沟通,存在一定的弊端。一方面,高校思想政治工作包括心理、资助、实践、管理等多个方面,工作领域涉及较多,工作事务性较强,针对每一名学生开展思想政治教育工作的难度较大。另一方面,当代大学生处于“互联网+”时代,更习惯应用线上的方式。其间产生巨大的数据量。这些数据正是我们对传统工作方式进行改革创新的基础支撑,通过收集基础数据、挖掘数据价值、应用数据结论,提高思政工作的科学性、理论性和针对性,让大数据成为推进高校精准思政工作的有力信息化工具[1](139-140+143)。

1.路径研究

1.1构建思政数据平台,推动教育融合创新发展。

当前各类高校正处于着力打造“智慧校园”的重要阶段,我们应该将大数据的理念和技术融入思政工作的各个领域[2](114-116),通过构建思政数据平台,进一步强化师生的数据意识,提高数据素养[3](83)。实现二者融合创新发展,首先要做的工作是获取数据源、构建数据库,记录学生在各类平台的信息数据。

大学生在高校学习生活的时间较多,涵盖范围较多,因此需要全过程、全方位地记录数据信息,数据平台要更有针对性,做到全面记录、逐一分析。目前各类高校信息化建设水平普遍较高,多数高校已经建立了学生信息门户平台、IT综合管理平台、网络教学平台等各类业务平台,这些平台都可以为构建思政数据平台所用。可以将校园一卡通消费数据信息、校园网使用监控信息、网络学习平台打卡信息等数据分开采集,也可将其按照学业情况、消费情况、心理情况分类整合采集。对于通过平台采集的数据,要依照数据挖掘的处理原则进行数据预处理,包括缺失值处理、异常值处理和标准化处理等。

1.2深入挖掘数据价值,助力思政专项育人工作。

通过思政数据平台获取的大量数据并不是相互独立的,我们应尽可能深入挖掘这些数据的价值与规律,将其与思政专项结合,实现数据信息与思政工作的互联互通。在数据挖掘过程中,如何将数据与思政工作对应,是极为关键的步骤。

在构建“大思政”育人格局的过程中,各类高校将组织实施十大育人体系作为中心环节,我们可以以此分类对数据进行分析与提取,更精准化地推动专项育人工作。比如,结合疫情防控现状,线上网络教学平台已从小众需求跨越成为大众常态,成为高校教学的新方式。可以充分利用学生在网络平台的课程出勤、问题咨询、师生互动等数据进行分析,深入了解学生更乐于接受的思政课程、思政教师及思政教学风格等,以学生为本进行课程探索。此外,可以通过IT综合管理平台将学生使用网络的时长数据与浏览页面的应用数据结合进行分析,深入了解学生使用网络的情况及学生关注的热点内容,以此为切入点,创新开展网络育人工作,进一步贴近生活、贴近实际、贴近学生。

通过一卡通数据平台记录的学生出入宿舍、图书借阅、购物消费等相关数据,摸清学生在校园的生活轨迹,掌握消费水平、在校情况、学习态度等数据信息,判断学生是否在某些方面存在预警问题,对于开展资助工作、评优工作等各专项工作具备一定的辅助作用。

1.3应用数据分析结论,提升管理水平科学性。

通过数据挖掘得到的数据分析结论,对于思政工作的开展十分有价值,能进一步推动构建精细化管理模式,提升管理水平的精准性、科学性、有效性。因此,我们要充分利用数据分析结论。

高校思政工作提出要进一步深化三全育人工作体制,即全员、全过程、全方位育人。然而,在三全育人过程中,如何快速锁定学生情况,有针对性、有差异性地进行服务与管理,是我们构建精准思政工作模式面临的难题。大数据分析结论正是解决这一难题的突破口,根据数据挖掘的信息情况,可以直接掌握每一名学生的学业情况、家庭情况、消费情况、心理情况等信息,对学生当前情况进行判断。思政教师、辅导员等思政工作者可以全方位的数据为参考针对学生情况进行分类指导,在面向学生开展工作之前先通过数据分析报告对每名学生的各项基本情况予以了解,無论是沟通谈话还是组织活动,使工作开展更适应学生的差异性,真正做到以人为本。同时可以发挥数据的预测作用,对学生可能出现的情况提前做出危机预警,让大数据助力思政工作更有智慧。

此外,针对部分高校辅导员流动性较强,涉及学生的交接工作较为烦琐这一问题。数据分析报告可以帮助辅导员节省口述每名学生基本情况的时间,且对于每名学生的情况分析更精准、科学,提高工作效率,强化工作效果。因此,利用数据分析结论可以更精准地定位学生,针对学生的不同特点,分类别、分层次地开展管理工作,提前对各类情况做出预测与判断,将精细化管理工作落到实处、取得实效。

2.实例应用分析

2.1依托学生校园卡消费数据,助力精准资助育人工作。

困难生认定是高校资助育人工作的核心,关系到学生的切身利益。然而,如何在保护学生自尊心的基础上保障困难生认定工作公平进行,是资助工作中的两难问题。对此,我们可以将学生校园卡消费产生的数据作为辅助困难生认定的新标准,同时依托大数据助推“显性资助”与“隐性资助”有机结合,让育人工作更有温度、更有力量[4](162-164)。

本案例研究以天津某高校两万六千余名学生的5月份校园卡消费数据为例,分析如何依托数据挖掘助力资助育人工作,数据总量达700余万。

首先,进行数据预处理。由于部分获取数据日期不匹配或学号不匹配,明显为异常数据,对于此部分数据进行了删除,占总体数据的1%。数据预处理后,将消费数据按照商家分类号分为三类,即食堂消费支出、生活支出、学习用品支出。最后,利用python进行数据分析,对学生每类的消费情况和总体的消费情况均进行了汇总统计。为了便于辅导员使用数据,将每名学生每周、每月的消费情况以EXCEL表的形式导出,同时启用EXCEL表的宏功能,支持直接利用表格查詢某名学生的消费情况。

学校可以通过各学院的消费对比情况,辅助确定各学院资助名额。各学院可以通过个人与全体学生数据分析图表,直接定位学生的各项消费情况。在困难生认定过程中,将此数据作为直接的参考,对食堂消费水平、消费频次等明显低于平均值的学生予以重点关注,结合生活支出、学习用品的消费情况及日常其他行为生活情况进行综合判断,作为认定经济困难生的辅助指标。此外,以此指标为依据对有实际困难但并未提出申请的学生进行“隐性资助”,发放资助补贴。通过此种保护学生隐私的资助方式,让资助工作更有温度、更有实效,能够更加精准地帮助每一名经济困难生,尽力保障资助“一个都不能少”。在数据的推动下进一步打造“智慧资助”,形成“显性资助”与“隐性资助”有机结合的育人长效机制[5]。

2.2全方位分析学生用网情况,把握学生思想脉搏。

信息化时代学生对于网络的依赖较强,如何发挥网络育人功能是高校一直探索创新的重要方向。本文认为可以将网络与数据相融合,打造“互联网+大数据+思政”的创新育人模式,在切实贴近学生实际的基础上开展育人工作。本案例研究以天津某高校两万六千余名学生的5月份用网数据为例,全方位分析学生用网数据,包括学生使用网络的时长、流量、关注应用详情等内容,宏观把控,重点关注。

首先,我们对全体学生用网时长、流量的数据进行分析。对流量进行分区间统计,划分区间为1024M。图4为学生使用流量趋势图。

对时长进行分区间统计,划分区间为500min。图5为学生使用时长趋势图。

对学生当月的热点网络应用数据进行深入挖掘,图6为学生热门应用相关数据信息。

此外,我们将学生各个时间段使用网络数据、各个教学区域用网数据进行分析,结合整体数据分析结论,思政工作者可以宏观把控全校学生对于网络的依赖程度,分析是否存在在上课时间段用网过度的问题,同时通过学生上网热门应用,了解学生当前关注的热点与焦点,寻找与学生间的思想共鸣。在宏观把控的基础上,对于重点关注学生可以以此为依据更精准地定位其用网信息,辅助做出学业问题、心理问题等危机预警。

3.结语

基于大数据推进高校精准思政工作是教育信息化时代的一种创新育人模式,每名高校思政工作者都应该具备数据分析素养,学习数据挖掘的能力,让数据成为建设“数字中国”与“智慧校园”的助推器,将大数据与高校育人工作融合,立足新时代深化三全育人工作体制,夯实高校立德树人的根基。

参考文献:

[1]周玉锋,李志华.大数据背景下高校思政教育改革创新路径分析[J].山东农业工程学院学报,2020,37(04).

[2]邱静文.大数据时代思政课教学与信息技术融合发展之思[J].锦州医科大学学报(社会科学版),2018,16(04).

[3]朱晓艳.浅谈大数据在高校思政教育中的运用[J].才智,2019(15).

[4]董亚楠,张乐涵.大数据视角下资助精准化的实现路径探析[J].中国集体经济,2020(09).

[5]彭飞霞.基于大数据的高校精准扶贫机制建设[J].教育与职业,2016(22).

猜你喜欢
数据挖掘大数据
基于并行计算的大数据挖掘在电网中的应用
大数据环境下基于移动客户端的传统媒体转型思路
一种基于Hadoop的大数据挖掘云服务及应用
数据挖掘的分析与探索
基于GPGPU的离散数据挖掘研究