关于构建高校思想政治教育大数据工作机制的思考

隋 飞

（河南工业大学 信息化管理中心，河南 郑州 450001）

当前，高校信息化建设已从数字校园建设阶段转入智慧校园建设阶段，各种教学管理软件的应用为高校积累了海量数据，智能手机的普及也不可避免地使大学生学习和社交方面的一些信息留存在网络上。大学生思想政治教育是高校思想政治工作的中心任务，当前，必须“推进理念思路、内容形式、方法手段创新，增强工作时代感和实效性”[1]。高校应通过对这些数据的深入分析和有效利用，创新高校思想政治教育的内容、方式和方法。此项工作不仅需要解决如何挖掘数据、如何消除信息孤岛等技术问题，还要解决数据权限、责任承担等管理问题，这就需要构建一套围绕大学生思想政治教育的大数据工作机制。

一、构建大学生思想政治教育大数据工作机制面临的问题

目前，高校在思想政治教育信息化方面的实践探索主要包括：通过办公软件的普及应用实现基础信息和数据的电子化，以表单或表格的形式对各类工作数据进行统计和存储；探索思政课程教学的网络化，将云班课、学习通、雨课堂、智慧树等网络信息化手段用于课堂辅助教学；实现部分管理环节的信息化，如党员管理工作的信息化、勤工助学岗位申报与管理流程的电子化、学生活动场所的网络预约审批等；在奖惩、资助、志愿服务管理、心理健康、智慧团建等工作中，通过云平台实现基础数据标准化和纵向数据传输；应用电子邮件、QQ群、微信群等工具加强日常联系沟通和信息传递。这些探索为构建大学生思想政治教育大数据工作机制奠定了基础。

构建大学生思想政治教育大数据工作机制，主要面临以下问题：

第一，数据获取途径不十分畅通，获取的数据不够全面。高校的大数据“具有数据来源广、数量大、种量多和碎片化的显著特点”[2]。涉及大学生学习生活等方面的各种数据一般分布在高校的相关职能部门，如教学院系掌握着学生的基础信息，而一些反映学生思想政治状况的信息包括资金消费情况、出入校门记录、上网记录等却由其他部门掌握。高校常常由于部门间沟通不力，导致学生思想政治教育工作者不易获得与学生相关的数据。同时，在思想政治教育工作中，一些收集到的数据或能够形成标准化数据的信息，也常常由于管理者时间、精力、技术等方面的原因，不能得到有效的利用。

第二，思想政治教育工作的信息化、数据化水平不高。一方面，市场上有关大学生思想政治教育和管理的信息化应用软件不少，但完全符合高校需求的不多，高校思想政治教育工作尚缺乏有效的技术平台。另一方面，繁杂的事务、安全稳定方面的工作压力，往往使思想政治教育工作者习惯于可靠、简洁的传统工作方式，缺乏创新意识，不重视相关数据的记录及其利用。

第三，缺乏针对思想政治教育信息化工作的系统规划。由于思维定式等方面的原因，高校的信息化建设规划较少以思想政治教育为核心，而思想政治教育部门由于缺乏信息化方面的技术和工作经验，难以对思想政治教育信息化工作进行全面系统的规划和设计。在目前的大数据时代，一些高校的思想政治教育及学生管理工作仍然沿用传统的方法和模式，不但工作效率低下，有时还会出现工作不规范、侵犯学生权益的情况[3]。

第四，教师的信息化素养不高，不了解学生的网络行为。在网络和信息技术的发展过程中，大学生的信息化素养整体上较高，而思想政治教育工作者对网络和信息化的熟悉程度则参差不齐。教师往往不知道学生爱说的词句、爱玩的游戏、爱看的网站，这难免影响思想政治教育工作的实效。

二、构建大学生思想政治教育大数据工作机制应注意的问题

（一）关于顶层设计

高校思想政治教育大数据建设的顶层设计应包括如下内容：第一，明确参与主体，建立由宣传部门牵头，由学工、思政、教学、人事、后勤等部门共同参与，由信息化管理部门提供技术支撑的责任机制；第二，明确相关部门和工作岗位的育人职责，形成各部门齐抓共管的协同机制和资源共建、共享、共管、共用的大数据工作机制；第三，建立以经费支持为主的保障机制，确保大数据建设工作持续高效地开展；第四，建立大数据生成汇集机制，使与思想政治教育相关的工作尽可能实现信息化、数据化，有效汇集与学生思想政治教育工作相关的数据；第五，建立基于大数据的思想政治教育预警决策和反馈机制，充分提高思想政治教育工作的实效性。

（二）关于数据资源的采集与整理

在思想政治教育大数据建设中，高校应根据思想政治教育工作的需求，用社交、个人体质、奖惩、心理等方面的数字指标描绘大学生个体的思想政治教育特征，进而利用大数据技术建立思想政治教育数据库。为便于进行数据分析和二次加工，采集数据时要注意数据格式的统一性和标准性，数据采集的时间也应相对固定并保持全校统一。

（三）关于数据的挖掘与分析

“散落在高校中的各种原始数据……只有经过专业采集，进行相关分析、空间分析、结构分析等，才具有极大的价值。”[4]对于获得的数据，高校应按照思想政治教育的需求，基于对比、趋势、极值等统计分析方法设计出相应的分析模型。这些分析模型可分为基础分析、关联分析、挖掘分析三类。基础分析主要是通过对同类数据的分析揭示学生整体的基本情况，如可以按学院、专业、年级统计出各类违纪的分布情况及变化趋势。关联分析主要是通过对学习成绩、违纪情况等核心指标的分析，找出不同类别数据的相关性，如可通过对学生成绩与其接受资助情况的关联分析，了解资助行为能否促进学生学习成绩的提升。挖掘分析主要是在基础分析或对基本数据进行二次计算的基础上，再进行深度的关联分析。挖掘分析是大数据综合利用的关键环节，它将原本零散的、看似无价值的数据实现有序化和关联化，从而形成有价值的结论。高校在思想政治教育工作中，应以具体量化的指标数据为基础，依托大数据分析处理技术，加强对相关数据的深度挖掘与运用[5]。例如：可通过分析受资助学生所在宿舍同学的学习成绩，了解受资助学生是否发挥了学习带头作用；可通过对学生违纪情况与上网数据进行挖掘分析，了解两者的关联性。需要说明的是，挖掘分析模型的设计没有范围限制，凡有可能用于学生思想政治教育的数据关系、现象都可以对其进行分析，因为挖掘分析的本质就是在看似没有关系的数据中找到相关性。

（四）关于预警决策与干预机制

“利用大数据技术可以发掘海量数据间的联系，从而形成更为全面的判断结果。”[6]利用各种分析模型找到不同数据之间的关系后，要对这种关系出现的原因进行分析和判断，进而根据因果关系找出干预措施，并建立有效的预警决策和干预机制。第一，要对重点事件设置预警。这里的预警，根据内容可分为成绩预警、操行预警、生活预警等类别，根据严重程度可分为提醒、警告等级别。当通过数据分析发现可能会导致不良思想或行为出现时，应根据问题类别和严重性对相关的对象发出预警。依据学生个体数据分析结果发出的预警，对象应为当事学生；依据学生整体数据分析结果发出的预警，对象应为思想政治教育工作者。第二，要根据思想政治教育工作的规律性建立相应的决策模型。高校应“打造全面覆盖、功能齐全、适用高效、反应灵敏的管理信息系统和决策支持系统”[7]。对具有规律性的事物，可直接由数据系统给出相应的决策模型，指出下一步应该做哪些工作，需要进一步关注哪些数据。根据范围、数据、对象的不同，决策模型的触发大致可分为异常状态触发、极值数据触发、阈值触发等类型。第三，要突出思想政治教育的精准性和干预措施的针对性，通过对前后端数据因果关系的细致分析，设计出干预实施模型，提出有针对性的干预方法。干预实施的主体既包括思想政治工作者，也包括提供基础数据的工作人员。在干预过程中，如何调整干预方案，何时停止干预，都需要根据反馈评价情况来确定。基于大数据分析的思想政治方面的干预，其内容与常规思想政治教育是一致的，只是通过大数据分析能够获得准确、全面的信息，所以干预的精准性较高。

在大数据条件下，各类数据的强相关、弱相关关系很多，很难将其全部列出，以上讨论的大学生思想政治教育大数据工作机制的各个环节也都存在很多种方案，所以在具体工作中，必须根据现有数据和重点目标，梳理各种数据间的关系，建立适合工作需要的模型并不断改进，以适应新时代思想政治教育形势的发展和变化，提高大学生思想政治教育的精准性和实效性。