基于大数据技术的高校意识形态安全工作策略研究

◇广东农工商职业技术学院 黎永键 关 伟

高校意识形态工作是国家安全的重要保障。在教育信息化的背景下，大数据技术可为高校意识形态工作提供必要的支撑条件。首先，分析了大数据技术应用于高校意识形态工作的策略。然后，在制定大数据技术应用模式的基础上，构建了基于大数据分析技术的高校意识形态安全工作框架以及多源数据评价体系。最后，通过教学实践验证，该体系在引领学生全面发展发挥了积极作用，提升了意识形态工作的科学性和有效性。

全球化是包括人类社会、政治、经济、文化等领域的历史进程，其不断发展深刻地改变了世界的生产方式、生活方式以及意识形态等[1]。一方面，在全球化背景下，世界各国加深了联系；另一方面，西方国家凭借已有的经济优势，在全世界范围内大力宣传资本主义意识形态，我国主流意识形态面临着各种挑战[2]。习近平总书记指出：“要牢牢把握学校意识形态工作领导权、管理权、话语权，坚持马克思主义指导地位不动摇，坚持不懈传播马克思主义科学理论，抓好马克思主义理论教育”[3]。高校以立德树人、培养人才为己任，引导青年学生健康成长成才。在党和国家高度重视意识形态安全工作的背景下，高校如何运用现代化的教育教学技术推进意识形态工作，是教育界、理论界面临的重要课题[4]。研究表明，教育数据具有如下特征[5]：①类型多，包括课堂质量、测评成绩、教学满意度等数据类型；②来源广，包括调研数据、网站统计数据、教学分析数据等多种形式。

在传统数据分析技术无法满足当代教育信息化发展要求的情况下，大数据技术在教育领域的应用提供了解决问题的思路和途径。国务院出台《促进大数据发展行动纲要》（国发〔2015〕50 号）指出：“大数据成为重塑国家竞争优势的新机遇，探索发挥大数据对变革教育方式、促进教育公平、提升教育质量的支撑作用”[6]。研究表明，大数据技术具有信息量巨大、处理速度快、准确可靠等特征，为实施现代信息化教学模式、教学手段、教学方法提供了必要的技术支撑条件，较好地满足高校意识形态安全工作的要求[7]。例如，沈银花等将大数据技术应用于高校学生党建工作，构建了基于大数据的党建工作平台，为校园安全管理提供了保障。杨雪平等构建了基于大数据的职业教育智慧云平台教学环境，较好实现了交互式教学、资源共享以及安全管理水平提升[8]。

本文从国家意识形态安全工作为出发点探索基于大数据的高校意识形态安全工作策略，运用大数据分析技术准确把握学生的思想和行动轨迹、完善成长监督管理、扩大意识形态安全工作的覆盖面，构建基于大数据分析技术的意识形态安全工作框架和工作模式。

1 高校意识形态工作的大数据技术应用策略

1.1 更准确把握学生的思想和行为轨迹

高校意识形态工作以“两个巩固”为根本任务[9]。大数据技术具有信息量巨大、处理速度快、准确可靠等特征，教师可充分利用大数据技术及时了解和把握学生学习的需求，聚焦热点数据，不断整合和优化教育内容，以社会主流意识形态引领学生树立正确的人生观、价值观和世界观。

随着信息技术的迅猛发展，传统数据处理技术难以实现系统化的教育数据处理。传统数据处理技术的局限性在于：学生思想与行为的数据一般来源于辅导员或班主任的调查采集，采用简单的数据处理方法进行分析，因此缺乏全面性和准确性[10]。

实践表明，大数据技术具有数据体量大、处理速度快、可靠性高等特点，其应用将有助于教育者更准确地把握学生的思想和行为轨迹[11]。数据源的多样化将教育内容以多样化的形式呈现，能打破学生对意识形态工作的刻板认知，提高学生参与积极性。同时，大数据技术实现了海量数据处理、速度快、聚焦热点，使教学内容更加生动具体，从而满足学生的学习需求。大数据技术在现代教育领域起到了桥梁作用，将学校、教师、学生紧密联系在一起。教师利用数据挖掘和分析技术全面掌握学生思想和行为轨迹，预测可能出现的问题，预判未来发展趋势。

1.2 实现教学育人的全过程监管

现代教育理论强调动态化、全时段、全过程关注学生的思想变化，根据变化情况动态调整教学策略[12]。但是，传统的教育数据分析技术一般局限于提供总结性结果，其时效性和实用价值较低。大数据的优势在于能够实时反映学生的动态变化，监测学生从入学到毕业的全过程，表现在以下三个方面。

（1）在教学内容上，大数据系统用于开发呈现学生不同价值维度的“数据模型”。

（2）在教育方法上，大数据系统用于开发面向学生自主学习为主的各类学习资源。大数据分析技术进行网络思想行为诊断，开展个性化教育和引导能够发现学生新的学习结构、方式和规律。

（3）在教育对象上，大数据系统用于清晰描述全体学生的意识形态“全息化画像”。根据高校网络意识形态层面的特点，大数据分析技术提供的全方位、系统性、科学性的数据，利用这些数据可描述每个学生的意识形态“全息化画像”。

1.3 实现意识形态工作全方位覆盖

高校作为大学生思想养成的重要场所，大数据技术可用于获取学生对教学育人各环节的真实反馈信息[13]。借助大数据技术跟踪教育各环节，分析评价的影响因素，进一步优化意识形态安全工作策略，优化教学资源利用效果。同时，借助大数据技术可用于收集学生校内学习和生活行为的相关数据，通过纵向时间比较，分析学生在不同的学期表现出的相关性和差异性，教师进一步制定教育策略，引领学生健康成长，实现意识形态安全工作的精细化和智能化，确保意识形态安全工作的全面覆盖[14]。

2 高校意识形态安全工作的大数据技术应用模式

2.1 大数据意识形态安全工作分析系统框架

高校意识形态安全工作需要设计一套完整的分析评价系统为平台。数据采集作为首要环节，其主要任务是完成数据收集及其预处理；在数据采集完成后，需要根据实际情况定义目标数据，从而形成大数据的仓库；根据内在规则确定数据挖掘方法，大数据系统建立数据模型；利用数据模型对数据进行分析，生成分析报告，使用者即可获得大数据分析结果。

按照上述过程建立了大数据意识形态分析系统，其结构如图1所示。以信息综合平台为中心，作为系统输入的数据来源于社会思想动态和监督管理人员；安全评价中心对意识形态工作进行评价；执行中心负责指挥和调度，由综合执行中心负责执行，具体的问题则反馈给监督管理人员。利用已建立的数据模型进行数据清洗、分析和数据挖掘，分析方法包括关联分析、聚类分析、因果分析等，寻找大数据的规律性和关联性。通过上述的数据处理，全方位、系统性、科学性的数据，利用这些数据可描述每个学生的意识形态“全息化画像”，为高校意识形态安全工作提供全面、客观、可靠的依据，为进一步实现数字化校园安全管理提供可靠保障。

图1 高校意识形态安全工作框架

2.2 大数据意识形态安全工作评价原则

第一，确保数据源的多样化，使教育内容以多样化的形式呈现。数据源的多样化能全面、客观、准确反映人才培养的各个环节，包括结构化数据和非结构化数据。

第二，采集的数据进行预处理，经过数据清洗去冗，根据内在规则确定数据挖掘方法，大数据系统建立数据模型，通过挖掘和分析形成大数据仓库。

第三，利用数据模型分析数据，并用于描述每个学生的意识形态“全息化画像”，从而客观分析学生综合素质发展状态，寻找数据的规律性，为高校意识形态安全工作的推进和策略优化提供依据。

第四，大数据分析助力教学诊断。借助大数据技术跟踪教育各环节，分析评价的影响因素，进一步优化意识形态安全工作策略，优化教学资源利用效果，从而综合评价、诊断、改进等功能。

2.3 大数据意识形态安全工作评价步骤

教育大数据的综合评价过程按照数据采集、数据清洗、数据挖掘与分析、报告生成、成效评价等环节开展，如图2所示。

（1）数据采集。采集的数据源包括公开数据、网络行为数据、第三方数据等。公开数据源是评价系统已有的客观数据，网络行为数据则是学生在使用网络过程中留下的过程数据。

（2）数据清洗。在完成数据采集的基础上，需要进行数据清洗步骤，其目的是剔除无关数据、保留有用数据，为下一步的数据分析提供可靠的数据源基础。

（3）数据挖掘与分析。在完成数据清洗的基础上，利用数据模型进行系统分析和处理，深入挖掘数据之间的关联和规律，客观、全面、可靠反映意识形态相关情况，实现清晰、可视化的分析结果，为进一步采取的教学方法指明了方向。

（4）报告生成。在数据挖掘与分析基础上，系统生成报告，对教师和学生可见，用于公开查证与监督。

（5）成效评价。包括以下三个评价维度：第一，意识形态安全保证。实时动态监测动态，教师依据分析结果能准确把握学生的思想和行为的变化情况，获得进一步工作的指导和建议。第二，数据分析全面、客观、可靠。大数据系统全面地跟踪、记录、分析学习者的不同学习特点、学习基础和学习行为数据，确保提供的数据全面、客观、可靠。第三，强化学校课程思政教育效果。结合各专业课程的特点，建立思政素质培养目标。

3 高校意识形态安全工作的大数据技术应用实践与成效

3.1 基于大数据技术的育人评价体系构建

从系统性、专业性和实践性角度出发，以学习共同体为基础重构教学过程，依托信息技术搭建全息教学平台、创建教学资源、优化教学方法，建立科学合理的课堂教学评价体系，如图3所示。

图3 意识形态安全工作评价体系

首先，运用大数据技术动态化、全时段的技术手段，明确要达到设备操作人性化、课程内容科学化、教学效果持久化的要求。利用混合现实技术搭建全息教学环境、创建信息化教学资源、优化教学方法，利用云课堂构建线上线下相结合的混合式教学平台，并通过大数据分析技术评估教学质量，建立科学、及时、可视的课堂教学评价体系，根据教学成果评估能否达到预期目标，持续改进以达到人才培养标准要求。

其次，利用大数据系统采集和处理多源数据。建立严格、多维的评教的大数据教学质量监督评价体系以动态感知学生状态，为学校制订和完善各类人才培养方案提供了大量可靠数据；以大数据为支撑，对同一课程的纵向历史比对，进一步建立课堂质量评估结果的反馈机制，以应对实际教学过程中更为复杂的场景和教学环境。

最后，针对高职院校典型育人应用场景，运用大数据和场景分析技术，利用云课堂实施混合式教学，基于大数据系统进行教学诊断与持续改进。为保证评价机制全面客观，从同行评价、学生评价、企业评价三个维度对教学过程进行多维度评价，总结出共性问题和关键问题，提出改进优化措施，和企业方共同进行教学平台、教学资源的优化。

3.2 基于大数据的多元主体协同育人实践

将大数据技术应用于多元主体的协同育人模式之中，构建创新性校企合作育人体系，如图4所示。基于校企协同创新，以项目任务为驱动，更好体现“做中教，做中学”的教学理念。引导学生组建学习共同体，为完成共同的学习目标协同学习，以完成共同的项目任务为载体，建立学习循环圈。针对传统课堂教学的问题，协同学习教学模式提供了解决途径。协同学习共同体、云课堂以及大数据等信息技术与协同学习深度融合的模式及实现途径，充分利用信息技术的普适性、信息化资源的高情景性、信息化评价手段的多样性等特点，拓展课堂的教学时间和教学空间，提升课堂评价的时效性，以实现高情景度全任务式教学场景。以学习共同体为基础重构教学过程，利用混合现实技术搭建全息教学环境、创建教学资源、优化教学方法，基于云课堂搭建线上学习混合式教学平台，大数据技术融入高校意识形态安全工作，并应用于专业课程教学实践中。通过教学实践验证，学生对课程思政教育满意度达到95%以上，教学效果显著提升。信息技术的合理运用彻底打破时间与空间的限制，在新冠肺炎疫情防控常态化的背景下有效保护学生，体现积极的社会价值。

图4 大数据技术的协同育人模式

4 结语

本文提出构建大数据技术与高校意识形态安全工作深度融合的专业课程教学改革路径，利用大数据技术辅助教育者更准确地把握学生的思想和行为轨迹通过大数据分析技术评估教学质量，建立严格、多维的评教的大数据教学质量监督评价体系以动态感知学生状态，为学校制订和完善各类人才培养方案提供了大量可靠数据，实现意识形态安全工作的精细化和智能化管理。