■ 许 敏,李 岩,陈文君
(南京信息工程大学,江苏 南京 210000)
随着数字和网络技术的飞速发展,人类已经进入信息共享和大数据时代。在当前形势下,大学生的消费习惯、学习过程、生活轨迹等日常生活都可以通过大数据呈现出来,给高校思想政治教育工作带来了新的机遇和挑战。高校思政教育工作者应该结合时代发展的特点,构建新的教育模式,有效促进大学生思想政治教育更好地发展。
“大数据”是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。大数据具有五大特征:(1)大量;(2)高速;(3)多样;(4)低价值密度;(5)真实性。思想政治教育是提升大学生道德素养的重要教育手段,它能够培养学生形成正确的世界观、价值观和人生观。党的十八大以来,以习近平同志为核心的党中央把高校思想政治工作摆在突出位置,对高校思想政治教育提出一系列具有理论深度和时代高度的新思想、新观点和新战略。对于伴随着互联网成长起来的大学生而言,大数据时代使得他们可以轻而易举地通过网络获取海量信息,大数据模式在一定程度上冲击和改变了大学生的思维认知、学习方式和生活习惯。要把握新时代下大学生思想政治教育的特点,就需要更全面地掌握大学生群体的大数据信息。
传统模式下的大学生思想政治教育工作一般是通过思修课程、主题教育、社会实践等形式开展。互联网时代下,QQ、微博、微信、知乎等APP成为大学生交友沟通的主要手段,高校思想政治教育工作者应紧追时代潮流,抢占各类文化阵地,针对大学生思想现状广泛开展线上思想政治教育。通过调研发现,当前高校思想政治教育工作还存在一些问题,对大学生思想动态的了解也不够深入,主要表现在:(1)对大学生思想政治教育创新度不够。当前高校思想政治教育在利用主流媒体对大学生进行主动性教育时,学生作为独立个体对教育内容的关注因人而异,一些精心准备的教育题材因为太过官方,学生关注度不高,教育效果欠佳。(2)对大学生思想状态调研不够及时,信息采集面不够广泛,定期采集的大学生思想状态调研报告只能反映学生阶段性的思想动态,准确度不高且容易滞后,难以排查学生个体思想上存在的隐性问题特别是突发性问题。
在大数据时代,高校思想政治教育可以结合互联网数据、人工智能技术等高科技手段,将每位学生个体的信息数据收集和汇总起来,将学生日常行为习惯建立大数据模型,通过智能算法分析学生的思想动态、学习成效、特长喜好和生活习惯。思政教育工作者定期对学生的思想政治状况及日常表现进行总结,及时关注学生个体的日常表现,在面对问题学生时结合行为大数据更能对症下药,进行针对性思想政治教育。在开展主题教育时,思政教育工作者可以实时捕捉学生关注的热点、要点,结合学生的兴趣和关注度开展各类主题教育活动。
在大数据时代,学生成绩、图书借阅、宿舍进出、食堂消费,甚至日常购物、出行都可以通过智能软件实时查询到。大学生思想政治教育工作者可以结合科技发展,将每位学生的学习过程、日常行为习惯建立大数据模型,分析出该生现阶段的思想、学习及生活状态,有力提升大学生思想政治教育成效。所以,结合大数据加强对大学生思想政治教育的日常管理,既是时代的潮流,也是历史的必然。
通过大数据技术可以采集大学生在校期间学习生活中的各类信息,如:学习成绩、进入图书馆时长、借阅图书的次数及种类、上课出勤情况、参加社团情况、消费记录、心理咨询次数、师生综合评价等。利用智能软件将以上数据进行归纳整理分析,使学生的思想行为、学习状态、兴趣爱好等信息得以量化和研判,剖析总结学生现阶段的状态,从而可以有针对性地为学生提供个性化而又准确的辅导和帮助。
维克托·迈尔·舍恩伯格是洞见大数据时代发展趋势的数据科学家之一,他在《大数据时代》中指出:大数据技术的核心就是预测,它的主要功能是将海量的数据通过数学算法进行分析,预测和研判事情发生的概率和可能性。因此,在大数据技术的基础上,高校建立大学生思想行为预测机制是完全可行的。例如,某同学最近出现上课出勤次数比较少、学习成绩有明显下滑、进入图书馆时长明显缩短、心理咨询次数增加等情况,教育管理者可以通过大数据技术对该同学的在校情况进行分析,及时了解该生情况并提出针对性的建议;某同学将自己糟糕的心情状态和内心想法以文字的形式发表到网络社交平台,教育管理者就可以通过大数据技术了解到该同学最近的学习生活状态、心理波动缘由,从而进行必要的心理疏导,帮助同学走出低谷等。
自主学习指个体自发、主动、独立地学习,是一种控制自我学习的能力。自主学习能力是获取新知识的基础,是创新创造的前提。大学生自主学习环境优越,时间支配余地较大。大学学习内容专业性强,对学生的自主学习能力要求较高,更有机会培养大学生实践创新能力。大数据技术为大学生自主学习提供了便利条件。传统的教学模式以教师灌输性教学为主,学生是处于被动学习的一方,学生学习的主动性和积极性薄弱。而在大数据时代,学生的学习模式由被动学习模式向自主学习模式转变。布鲁纳发现学习理论认为,自主学习的过程是指个体在主动意识的驱动下,不断地探索、寻找问题答案的过程。自主学习不等于自学,需要在老师的指引下开展自主性学习,学习的主体还是学生。大数据时代,线上学习资源丰富多样,教师和书本不再是知识的唯一来源,学生只要有需要,随时随地都可以利用互联网资源进行自主学习。大数据为学生自学能力的培养提供了技术便利,大数据技术也为个人自主学习方式的多样化、个性化提供了支撑。通过互联网技术对登记在案的大学生的学习情况进行统计分析,使学生的学习轨迹得以量化,可以优化学生自主学习方式,提升其自主学习的能力和效率。由于网络学习资源过于海量,专业教师需要加强对学生学习内容的引导,提高学生对学习内容的选择能力和学习进度的把握能力。
由于大学生的出生背景、成长环境和教育水平都不尽相同,学生教育管理者在实际工作中很难做到均一化管理。在大数据时代,教育管理者可以对学生的学习生活进行数据分析,根据学生的性格、兴趣爱好、家庭情况、学习能力等因素进行分类培养,让不同层次的学生达到共同提高。实施分类培养和教育管理是学生管理体制健全的体现,对学校、学生的发展都具有重要的指导意义。分类管理可以提高学生个体目标培养的针对性,能够充分关注每位学生的成长及发展,是以生为本的具体表现,有助于学生成长成才,为其顺利步入社会打下良好的基础。
1.经济困难型学生
家庭经济困难学生是大学生中的特殊群体,国家、各级政府及高校都非常重视,积极推进各种资助政策开展助学工作。如:推进入学绿色通道和国家助学贷款政策,确保每位学生无条件入学;通过国家励志奖学金、助学金、提供勤工助学岗位等对家庭经济困难学生进行各项资助,使得他们大学期间能够生活无忧,较好地完成学业。大数据时代下,部分高校如南京理工大学、成都电子科技大学、重庆邮电大学都开始利用大数据分析了解学生的日常支出,对真正家庭经济困难学生进行精准化资助。随着“电子支付”的逐渐普及,以大数据实时动态分析为支撑,学校可以通过查看经济困难学生的网络消费账单和消费轨迹(如支付宝、微信、校园一卡通、移动通讯等),了解其日常消费;通过每月进入图书馆的次数及时长,课程成绩,参与学科竞赛、科研项目的次数等来了解学业情况。高校可以加强跟社会责任感强的企业合作,动员企业优先录用家庭经济困难学生参加勤工助学和实习实践岗位,有效提高家庭经济困难学生的综合素质和实践能力。
2.学业困难型学生
通过丰富多彩的课程数据库开展线上学习已经成为大学生学习新知识的重要途径,教学部门可以不断完善学校网络电子学习资源,如电子图书、数字化学习系统等,以此丰富学生的学习资源。在大数据时代下,利用教学管理系统收集学生的图书借阅次数、文献阅读量、课堂和晚自习签到及学习情况、学习成绩等信息,进行学习现状对比分析,从而进一步了解学生的学习兴趣、思维水平和学习进程。为督促学习困难生更好地学习,学校可采取如下措施:对学习态度不端正导致学习困难者,需实时监督提高其学习进度,督促其早日完成学习计划;对学习基础较差导致学习困难者,需及时跟任课老师反馈,加强线下辅导。任课教师可通过相关数据平台解决不同学生的学习反馈与疑问,分析学生目前学习状态,对症下药。学院也可构建一对一帮扶机制,挑选学有余力的优秀生来帮助学困生,并制定相应的奖惩制度,提高双方积极性。
3.心理问题型学生
近年来,大学生的心理健康问题凸显,心理与行为问题的发生概率不断增加。人际关系、学业问题和情感问题是大学生心理健康中尤其需要重视的几个问题。利用大数据实时监测学生的异常信息,包括:网络留言、博客记录、微信微博QQ状态、进行心理咨询的次数等,通过智能软件分析出学生所出现的心理问题类型,有针对性地进行疏导,提出合理的建议。利用大数据能够动态地把握学生中普遍存在的问题,深入了解学生的特点,帮助思政教育工作者更有效地理清工作思路,提升工作实效。
4.科创薄弱型学生
在大数据背景下,科技创新思维在知识结构、思维对象和思维方式三个方面发生了深刻变革。教育管理工作者可以通过定期调查了解大学生的科技创新思维现状、对大数据的认识、对科创的关注度和感兴趣的研究方向,根据调研结果开展针对性的大学生科创教育改革。通过统计学生参加知识竞赛和科技前沿讲座的次数,了解学生对科创知识的重视度和兴趣方向;通过统计学生参加创新创业比赛的次数和获奖情况,了解其科创实力。利用大数据对以上收集到的信息进行分析,找出科技薄弱型学生,并制定相应的对策,如:帮助这类学生改变传统的思维习惯和研究方法,了解知识型社会科技创新的重要作用和意义。将学生感兴趣的研究方向与导师的研究方向进行匹配,让其加入感兴趣的科研导师团队,从而有效提升科创实力和成果。
5.活动薄弱型学生
第二课堂教育已经成为大学教育的重要组成部分,在课堂学习之余,社团文体活动、创新创业大赛和社会实践都成为提升学生综合能力的重要渠道。第二课堂教育能够培养学生的兴趣爱好,缓解学习压力,增长其社交能力和组织协调能力,有效提升学生的就业能力。利用大数据对学生的兴趣爱好、家庭状况、日常关注内容、参加活动的类型和次数进行数据分析,根据分析结果了解活动薄弱型学生所出现的问题,并每周根据实际情况向学生推送符合学生兴趣爱好的活动,鼓励学生积极参加。
现今是一个形势不断变化、科技飞速发展的时代,大学生的理想信念和价值取向都呈现出个性化、复杂化的特点,大学生思想政治教育必须紧追时代步伐,创新工作思路,借助高科技手段方能提升工作实效。思想政治教育工作归根结底是培养人的工作,借助大数据技术,重视学生思想品德行为的培养,突出学生的主体地位,定期进行思政教育实践活动,把理论知识融于实践中,帮助学生达到思想与行为的统一,从而实现思想政治教育的价值。因材施教,将学生进行分类,利用大数据归纳出各个类别学生的特点并开展针对性思想政治教育,能够更及时、更有效地帮助学生查漏补缺,是大学生思想政治教育的一大进步。加强大学生思想政治教育既是时代的需要,也是社会对新型全面发展人才提出的新要求,是体现高校教育质量和效果的重要指标。依托大数据技术,思政教育工作者能从学习和生活中更加全面地了解学生的思想现状、学习问题以及行为习惯,及时帮助学生发现问题、解决问题,更好地促进学生树立正确的人生观和价值观,明确目标,坚定信念,实现理想,成为对社会有用的人。