大数据背景下大学生思想政治教育的创新

李 响

大数据技术推进高校教育改革，大数据技术与大学生思政教育的结合，是现代化高校教育领域创新的成果。大数据背景下，大学生思政教育环境开放、教育方式创新、教育素材丰富。大数据技术不仅为高校推进大学生思政教育带来良好机遇，同时也给其带来一定挑战。高校思政工作者如何适应大学生思政教育创新的切实需求，寻求大数据背景下大学生思政教育的创新路径，这是新形势下的新挑战。

一、大数据背景下大学生思政教育的现状

大数据背景下，大学生思想政治教育的学科建设走向新发展、教学工具实现更新换代、师生关系有了新的调整。

(一)学科建设新发展

大数据背景下，大学生思政教育获取的教育素材更为丰富，学科建设实现了新发展。目前，大学生思政教育的教学维度主要分为三部分：第一部分是包容世界。大学生思政教育立足经济全球化和文化多元化背景，兼容海内外文化，吸收不同国家和地区的特色文化，让学生在领略多元文化后，实现对优质文化的包容与吸收。第二部分是热爱中国。将爱国主义教育贯穿于大学生思政教育中，培养大学生的爱国情怀。大学生思政教育还会关联中国古代和近代的优秀文化，通过优秀文化资源及素材来感染并引导大学生。高校思政工作者利用大数据技术，获取相应的图文资料和影像资料，帮助大学生直观感知思想政治教育的丰富内容。第三部分是聚焦时代。跟进时代潮流，以时代为背景，努力与时代接轨。在开展大学生思政教育时聚焦热点话题，以当下时事新闻为切入点，帮助大学生完成思想政治教育工作。例如可以借助大数据技术，充分采集时事热点新闻，通过同类新闻归类的方式，把握时事新闻动态。

(二)教学工具实现更新换代

大学生思政教育是系统工程，正处于持续完善阶段。高校思政工作者依托大数据技术，实现教学工具更新换代。[1]在传统的思想政治教育工作中，思政工作者需查阅相关资料并推进思想政治教育工作，他们对于思想政治教育原理及观点只是进行枯燥的文字叙述，大学生很难在课堂上学懂弄通思想政治教育内容。大数据技术在大学生思政教育中的应用，有效推进了思政课程改革，教师可以利用新工具实现可视化教学。同样是在思想政治教育原理及观点的讲述方面，思政工作者不再单一采用文字叙述，而是会依托大数据技术下的数据图表来直观呈现相关内容，大学生对思政教育内容的认知和理解更透彻。

大数据技术对大学生思政教育的改变，不仅表现在数据图表方面，还催生了慕课和翻转课堂等特色教学模式。无论是对既往政治事件的讲述，还是对当下热点新闻的分析，高校思政工作者都可借助大数据技术实现对相关事件信息的追溯及整合，大学生在思政课堂上，就能实现对相关新闻信息的可视化学习，学习效率及效果均有所提升。[2]

(三)师生关系新调整

大数据背景下，师生关系有了新的调整。高校思政工作者与大学生不再只是简单的师生关系，而是亦师亦友，思政工作者更多的是帮助学生了解更丰富的思政教育内容，引导其参与思政教育工作并掌握相关知识。

从大学生思政教育现状看，大数据技术与思想政治教育的融合对高校思政工作者的个人能力提出了更高的要求。思政工作者要想有序完成思想政治教育工作，就要在扎实专业知识及专业技能的同时，理解和巩固计算机专业知识，将计算机知识与思想政治教育专业知识恰当结合，从而有效利用大数据技术来优化思政教育成果。[3]同时，大学生对大数据技术的适应度高于教师，大学生会在大数据与思政教育融合方面实现文化反哺。这也就意味着，大数据时代的高校思政工作者与学生不只是单纯的师生关系，思政工作者还要以引导者和互助者的身份参与到思政教育中。思政工作者与学生互相帮助，共同完成思政教育工作。大数据背景下，只有思政工作者主动参与并与学生共同创设良好的学习环境及氛围，方能实现大数据技术的应用价值最大化。

二、大数据技术应用于大学生思政教育的价值

大数据技术在大学生思政教育中的应用具有重要价值，在大数据背景下，大学生思政教育的主体更广泛、大学生思政教育载体关联性更强、大学生思政教育信息更全面、大学生思政教育预测更具前瞻性。

(一)大学生思政教育的主体更广泛

大学生思政教育应当是面向全体大学生的，而大数据技术对大学生思政教育的价值之一，便是思政教育主体更广泛。从以往的大学生思政教育看，尽管国家高度强调高校思政教育的全员覆盖，但由于高校思政工作者的人手及精力有限，大学生思政教育多集中于优秀学生和班级后进生，但对“中等生”却关注不足，思政教育工作未能实现全覆盖。同时，由于信息采集和分析的任务量过大，使得思政教育工作浮于表层，思政工作者对学生个体情况的掌握较为有限。

大数据背景下，高校思政工作者依托大数据技术，不再只关注优秀学生和“后进生”，而是可以对全体学生一视同仁。在确定思政教育内容后，思政工作者能依托大数据技术，广泛收集并深度分析相关信息，全面掌握每位学生的个人情况。[4]采用问卷调查时也不再受限于样本分析，而是可以尽可能覆盖全员，并且对每位学生个体信息的采集、数据分析的结果都更为合理。

(二)大学生思政教育载体关联性更强

网络时代的到来，使得大学生思想政治教育载体愈加丰富。在落实大学生思想政治教育工作时已不仅局限于单一载体，因此，如何实现大学生思政教育载体的高效关联，也是大学生思政教育的重点和难点。大数据技术的应用使得大学生思政教育载体关联性更强，高校思政工作者在推进思政教育时能够利用相关数据来分析大学生的状态。[5]

在以往的大学生思政教育中，教师多是借助单一载体与大学生展开沟通交流，对于学生生活与工作的了解是有限的。在大数据技术的助力下，教师可以实现多个载体间的关联。例如大学生时常在社交软件上分享个人的动态信息，思政工作者可以通过关注社交软件动态了解学生的学情及情绪。对于学情或情绪波动不正常的学生，思政工作者应在第一时间予以介入。由于大数据技术会为思政工作者推送可能认识的人，思政工作者就可在已掌握的思政教育载体基础上，关联其他思政教育载体，实现多个载体的跨界联动，这将更有助于高校思政工作者全面掌握大学生的思想及情绪变动情况。[6]

(三)大学生思政教育信息更全面

如前所述，大学生思政教育是系统工程，高校思政工作者在落实思想政治教育工作时需获取大量信息，思政教育工作难度较大。从传统的大学生思政教育看，即使高校方面严格按照国家关于大学生思政教育的相关指示，有序推进大学生思想政治教育工作，但由于缺少人手，在落实思政教育工作时会出现心有余而力不足的情况。[7]例如对贫困生的认定，思政工作者只能根据学生反馈的相关情况，了解学生的家庭经济状况，但对于学生的消费情况等无法逐一排查，部分学生在使用贫困生助学金时，出现消费超纲情况，而这是不合规的。

高校思政工作者在开展大学生思想政治教育工作时，能够依托大数据技术实现对相关信息的整体获取。一方面，根据学生个体差异判断其思政教育情况，这有利于学校制定下一步的思想政治教育安排。另一方面，还可依托大数据技术，整体把握大学生的思政教育状况。学校对学生大体发展方向的把握，能方便教育者立足宏观层面，自上而下地推进大学生思政教育工作。在贫困生认定方面能给予合理的补贴，而对于其他思政教育工作也能做到科学有序。[8]

(四)大学生思政教育预测更具前瞻性

大数据技术的核心功能之一在于预测研判，它的应用，使得大学生思政教育的预测更具前瞻性。在传统的大学生思政教育中，思政工作者通常是通过问卷调查及访谈的方式获取大学生在思想及情绪方面的最新动态，由于问卷调查及访谈难以覆盖全体大学生，只能通过样本分析获取部分大学生的学情及情绪动态，而在有限样本中还存在部分大学生随意乱答的情况，问卷数据并不真实有效，由此导致基于问卷调查及访谈的大学生思政教育预测的真实性和有效性欠佳。

大数据技术为大学生思政教育预测提供了有效的技术支持，同样是采用问卷调查及访谈来了解大学生思想及情绪动态时，大数据技术能够实现对大学生的全覆盖，大学生思政教育预测不再受样本限制。与此同时，利用大数据算法技术，及时了解大学生思想及情绪的变化，对于未来的预测更具参考性。在综合分析大学生工作、生活等各维度的数据后，思政工作者能更及时掌握学生动态。尤其是对消费数据及人际交往数据等的获取，高校思政工作者在建构大学生的大数据模型后，能及时发现大学生的思想及情绪异常。

三、大数据技术助力大学生思政教育面临的困境

其一，大学生思政教育同质化严重。科技进步推进教育事业改革，大数据技术对大学生思政教育的影响是不容忽视的。但从现阶段看，只有部分高校能够深度融合大数据技术与传统思政教育，实现大学生思政教育的改革创新，仍有不少高校在应用大数据技术助力大学生思政教育时，出现同质化严重的问题。[9]

大数据背景下的教育改革强调高校思想政治工作的创新优化，高校思政工作者应更新工作观念，借助大数据技术，削减各工作环节的工作量。而在实践中，部分思政工作者欠缺对大数据技术系统的规范认知，尚未形成大数据意识和大数据思维，在借助大数据技术助力大学生思政教育时，仍然无法依托大数据技术整合分析相关数据信息，此时大数据技术的应用多是集中于对大学生学情及情绪信息的获取，信息采集和数据分析缺乏全面性和系统性，同质化的大学生思政教育将陷入信息不对称、流于形式的困境。

其二，大数据技术与传统思政教育远未实现深度融合。大数据技术助力大学生思政教育，强调其与传统思政教育的恰当而有效融合，但从现阶段来看，大数据技术与传统思政教育的融合比较生硬，这限制了二者融合的效果，大数据技术的应用价值还不够显著。

对于高校思政工作者而言，在开展大学生思想政治教育工作时，需要转变原有的思政教育观念，从根本上接纳大数据技术并将其融入到思想政治教育的各个阶段。[10]这意味着，高校思政工作者不仅需要扎实的思想政治教育专业知识的储备，还需要依托大数据技术创新思政教育工作，因此，必要的大数据分析及处理技术是不可或缺的。

正是由于思政工作者中缺乏专业知识储备丰富且擅长大数据分析的综合性人才，他们在开展思想政治教育工作时，仍然以传统思政教育观念为主导思想，此时的大数据技术与思政教育工作的融合仅流于表面，融合效果自然受到限制。

其三，高校的大数据技术应用能力不足。高校思政工作者在开展大学生思政教育工作时，应当借助大数据技术，有效挖掘大学生思想及情绪方面的一手数据资料，在系统分析及整合数据后，实现数据可视化。而从实际状况来看，高校的大数据技术应用能力不足，其中一些高校只在部分工作环节应用大数据技术，大数据技术与思政教育工作远未实现深度融合。[11]

由于高校的大数据技术应用能力不足，高校信息部门及思政工作者在借助大数据技术了解学生动态时，只是借助已持有的信息载体获取相关动态信息，此时思政工作者无法全面识别大学生思政教育的个性化需求。在大学生的思想或情绪发生变化时，高校方面会由于应用能力不足而无法及时获取学生的一手情况，大数据技术应用存在局限性，这与大数据技术的应用初衷不符。

其四，高校信息部门对思政教育的技术支持有限。大学生思政教育应当具有前瞻性，但当高校信息部门对思政教育的技术支持有限时，思政教育工作的预测研判会因此受限。对于高校而言，信息部门需要根据思政工作者有关思想政治教育的相关安排，做好对有效数据的采集及分析，对于已获取的信息资料还应做好有效的分析和储存。但从实际状况来看，部分高校在推进思想政治教育工作时疏于对信息技术的更新优化，思政教育预测的前瞻性缺失。尽管高校信息部门及思政工作者，试图借助学校网络实现线上思政教育，但由于信息部门的网络技术人才有限，他们无法全面保障网络思政教育工作的有序开展，大数据技术的应用是有限的。大数据技术下的大学生思政教育能够实现对大量数据及信息的获取，但由于思政工作者对大数据技术的应用不太熟悉，导致资源利用率低下，数据资源虽被获取但未被整合利用，前期在时间和精力上的投入与后期数据信息的回报间存在矛盾。[12]

四、大数据背景下大学生思政教育的创新路径

第一，利用大数据技术，落实思政教育分类管理机制。由于大学生思政教育的同质化现象比较严重，限制了思想政治教育工作的推进，因此，应利用大数据技术，落实思政教育分类管理机制。

考虑到大学生个体差异的存在，高校思政工作者在推进思想政治教育时，应根据学生的个体差异做好有效的数据采集及分析，确定不同的思政教育内容，确保不同需求的学生都能在大数据背景下获得有效的思政教育。

对于学业困难的学生，应在现有课程基础上开设拓展性课堂，让学生能够依托大数据技术，获取及利用线上学习资源。除本校学生可以根据各自需求选择合适的课程进行学习外，学校还可组织跨校联动，让不同高校的学生通过线上平台共同参与思政教育。而对于生活困难的学生，则根据学生的经济条件和个人能力，为之提供合适的勤工俭学岗位，让学生能通过勤工俭学得到一定的学习补贴。学校还可根据校园一卡通的消费情况对学生的日常支出作跟进分析，对于确实存在经济困难的特困生予以学习补助。为提高思政教育效果，思政教育分类管理机制的落实应当根据大学生个体差异做出调整。

第二，利用大数据技术，建立思政教育自主学习模式。目前，大数据技术与传统思政教育的融合还比较生硬，学生在思政教育课堂上很难获取足够的思政教育资源，思想政治教育工作的推进未达到预期效果。为此，高校应充分利用大数据技术，建立思政教育自主学习模式，让学生通过线上学习来获取更多相关学习资源。

在国家及地方政府的支持下，高校大学生的学习环境优越，学生能够借助已有的学习条件，获取大量新知识并实现新知识的实践应用。由于高校各专业的课程内容差异大，统一的思政教育工作会限制学生的学习效果，目前，线下教学与线上教学结合的模式更符合大学生的课余学习需求。大数据技术为大学生自主开展思政教育活动提供了便利，学生可以快捷高效地参与到思想政治教育中。有别于课堂教学模式，思政教育自主学习模式具备更强的主观能动性，学生可以依托大数据平台获取丰富的学习资源，从中选择适合自身学习计划的学习资源并加以利用。大数据技术支撑下的自主学习能在保护学生隐私的同时，有效获取学生的学习信息，这对思政工作者准确把握学生学习状态及学习进度比较有利。

第三，利用大数据技术，完善思政教育增值服务机制。大数据背景下，学生的学习生活与大数据技术息息相关，高校思政工作者可依托它实时查询学生的学习信息，并对其学习过程作出全面分析，这有利于思政工作者了解学生动态，同时也有助于其实现本阶段的思政教育目标，并设计下阶段的思政教育计划。高校方面也应当利用大数据技术来完善思政教育增值服务机制。[13]

在学习方面，高校思政工作者可依托大数据技术，及时采集学生的上课出勤情况、进入图书馆的时长及各阶段的学习成绩等，并依据对上述数据信息的归纳整理，通过量化分析的方式，确定学生是否处于良好的学习状态。对于存在薄弱科目的学生，思政工作者可通过跟进辅导的方式，提升其专业学习能力。

在生活方面，绝大多数学生都是刚刚开始独立生活，在日常生活中难免出现过度消费的情况，此时，学校就可用大数据技术剖析学生的消费状况及情绪状态，针对性地开展思政教育工作，实现思想政治教育增值。对于确实存在心理问题隐患的学生，思政工作者应在第一时间予以疏导，避免其出现严重的心理问题。

第四，利用大数据技术，建立思政教育预测研判机制。如前文所述，大数据技术为大学生思政教育的预测提供了技术支持，可使大学生思政教育的预测更具前瞻性。但由于思政工作者对大数据技术的了解及应用程度有限，大数据技术尚未完全发挥作用。未来应利用大数据技术，建立思政教育预测研判机制，从而实现大数据技术与大学生思政教育的充分融合。

为提高思政教育预测研判效果，思政工作者可尝试通过多种信息载体来综合分析学生的在校状态。当学生在校学习时，可以根据学生的上课出勤情况，学生的作业完成情况及课余时间进入图书馆、运动场馆的时长，判断学生是否高效完成学校规定的学业任务，是否存在厌学情绪。对于在一定时间段内，多次出现上课不出勤、作业不完成或学习成绩明显下滑等情况的学生，应当认定其在校状态出现异常，思政工作者应在第一时间联系该学生，了解其具体情况并为之提供相应建议。

针对线上教学，高校则可借助大数据技术，对学生在网络社交平台上的相关信息进行分析，对于正常的个人学习或生活所分享的内容，思政工作者无须过多介入；而对于出现明显的心理波动的内容，思政工作者应结合其学习和生活状态，判断其是否需要进行心理疏导，在有效的预测研判下进行思政教育。

大数据技术在大学生思政教育中的应用，可有序推进高校思想政治教育工作的开展。大数据技术使得大学生思政教育的主体更广泛、教育载体关联性更强、教育信息更全面、教育预测更具前瞻性。但面对大学生思政教育同质化严重、大数据技术与传统教育远未实现深度融合、大数据技术应用能力不足及思政教育技术支持有限等困境，后续需落实分类管理机制、建立自主学习模式、完善增值服务机制、建立预测研判机制，以期实现大数据背景下大学生思想政治教育的创新。