“三全育人”背景下大数据和思政微教育的融合路径研究

高鹏龙，李斯胜，邵世鑫

（1.集美大学 美术与设计学院，福建 厦门 361021；2.马来西亚新纪元大学学院，吉隆坡43000）

近年来，我国的高等教育事业取得了长足的进步，各大高等院校的教育规模不断扩大，招生人数迅速增加。根据教育部、人力资源和社会保障部召开2023届全国普通高校毕业生就业创业工作网络视频会议指出，2023 届高校毕业生规模预计1158 万人，同比增加82 万人，创下历史新高[1]。迅猛扩充的大学生群体给高校管理带来了工作压力，也给思政教育增加了教学挑战。新一代大学生群体经历了我国互联网从“web1.0”迈向“web3.0”的发展过程，是数字网络空间的重要参与者。微信、微博、抖音等新型信息传播媒介为广大学生群体提供了大量学习和娱乐渠道，其时效性和传播效率远超传统课堂教学，使得思政教学难以在不断扩大的学生群体中取得良好教学效果。如何针对这一新局面变革教学体系，是探索大数据技术在思政教育领域应用的重要课题。

一、“三全育人”背景下大数据与思政微教育融合必要性分析

2018年，教育部办公厅发布《关于开展“三全育人”综合改革试点工作的通知》[2]，全面启动高校“三全育人”的改革试点工作。“三全育人”，即全员、全过程、全方位立德树人，为新时代背景下的高校教育管理和思政教育指明了发展方向。高等教育是整个教育体系的顶层设置，是学生思想得到升华、理念得以实施、情感更加稳固的阶段[3]。而思政教育正是高校教育的重中之重，是贯彻落实“三全育人”的重要抓手。因此，高校思政教育应当加快形式创新、内容创新，顺应时代发展融合新媒介，创造新路径。

（一）微教育的内涵和优缺点

微教育是指教育者利用碎片化时间，通过网络通讯设备和线上平台传播教育内容，使得受教育者可以随时随地接受显性或隐性教育的一种教育方式[4]。教育者可通过多种碎片化、多样化、灵活化的教育方式提供教育内容，能够让教师和教材脱离相对固定的时间和场地，延展了教育内容和教育形式的范围。德国思想家雅斯贝尔斯曾提到，教育是人对人的灵魂间的交流活动，通过现有的文化遗产促使受教育者自觉地觉醒和发展。因此教育的过程就在于启迪受教育者，使之在实践中自我练习、学习以及成长，而微教育的过程较好地实现了这一点。相较传统课堂教学模式，微教育模糊化了教育的主客体，学生在受教育的过程中获得了更大自主性。学生不仅可以在众多“微载体”中选择自身所偏好的教育形式，“微媒介”中的暂停回拨、评论点赞等功能也为学生提供了更多自我思考、自我实践的空间，能够更加有效地帮助受学生自主达到教育者预先设定的教育目的。微教育涉及的教育者更为广泛，囊括学生成长成才的全过程，能够联通校内校外、课堂课外，线上线下的各个教学维度，能较好地满足新时代背景下“三全育人”的教学理念。

微教育能为大学生思政教育形式带来重大变革，但受制于媒介特性、技术以及制度等原因，微教育在思政教学领域的应用存在内容碎片化、过度娱乐化、效果量化困难、方式形式化等问题。首先，微教育相对于课堂教学，教学时长较短，知识点连续性较低，因此微教育势必产生教学内容的碎片化，难以让学生建立系统而全面的知识体系。其次，微媒体的数量庞大，内容多样，部分教育者为吸引学生观看学习，将微教育的内容进行过度娱乐化，从而导致学生偏离学习目标。再次，受制于现有的“微视频”传播平台，微教育的教学时长和教学场所都无法直接监测和管理，教育者难以直接观察学生的学习状态和学习效果。最后，大量微教育的建设被纳入了院校机构和管理干部的绩效评估，使得微教育本身成为了政府引导下“拍脑袋”的形式化产物。不少高校的线上平台发布的微教育视频数量稀少、内容单一，甚至采用强迫学生观看的方式来提高观看量，这一做法违背了微教育本身的教学属性，大大降低了学生的学习兴趣和教学效果。

（二）大数据和思政微教育融合的紧迫性

当前国内的思政教育存在一定局限性。部分高校受限于资源，教学方式和教材选择单一，教师水平和队伍结构参差不齐。一些思政教师缺乏学科知识和实践经验，也缺乏教学创新的能力和精神。一系列教学资源缺位的结果导致学生对思政学习参与度不高，部分高校大学生对思政课程的学习和参与缺乏热情。就目前这一现状而言，仅从强化教学资源投入的角度入手，难以有效激发大学生群体的参与产生教学效果。单独将微教育引入思政领域固然可以增加大学生群体的学习渠道，但仅在形式层面上的革新难以对当前的教育局面产生决定性的影响。而将大数据技术融入当前思政教育体系中，才能有效补齐微教育的短板，从体系上、制度上变革现有思政教学的局限性。

教育领域中的大数据有广义和狭义之分，广义的教育大数据泛指所有来源于日常教育活动中学生的行为数据，它具有时序性、层级性和情境性的特征；而狭义的教育大数据则是指学习者的行为数据，它主要来源于学生管理系统、在线学习平台和课程管理平台等[5]。在以美国为代表的西方国家中，大数据已经深入教育领域的各个方面，其中包括教学、学习、评价、管理、科研、服务等多个应用领域（见表1），产生了良好的教学效果和经济效益，已经逐渐形成了一套相对成熟和完善的教育大数据体系[6]。研究微教育和大数据的融合路径，既是对国内现有教学体系的突破，也是在教育领域对国际大数据技术先进水平的追赶。

表1 大数据在美国教育重点领域中的应用场景及典型案例

和传统数据管理的方式相比，教育大数据的独特之处就在于可以通过海量数据对每位学生的学习行为进行挖掘、分析、归纳和预测，进而有针对性地调整教育计划，从而实现真正的个性化教育。配合微教育灵活、多样的教学特点，融合后的教育系统可以针对学生的能力和兴趣匹配相应的学习计划和教学资源，实现精准培养。同时，通过对学习数据的追踪和检测，可以提前发现学习问题和提高点，及时优化教学内容和教学方式。而根据学生与教学系统的互动和学习，也可以辅助教育决策者了解学生思想和教育需求，找出教学升级的具体思路，优化资源配置并制定更加科学合理的教育政策。

为了进一步探究当代大学生群体对于大数据技术的观点，本研究组织了一轮问卷调查。本轮问卷选取在校大学生群体，从对大数据技术的了解程度、应用领域、现有效果、未来期待等主题进行提问，有效填写问卷共400份。其中，半数以上的受访者对自身所处高校大数据应用的认知度、认可度都处于“一般”，可见目前部分高校的大数据建设水平难以达到令人满意的程度。其中，69.41%的受访者在“认为大数据技术在学校的日常教育管理中会起到很好的作用”这一问中选择了“是”，并在“大数据技术在高等院校中主要可以体现在哪些方面”一问中高票选择了“个性化学习辅导（线上教育）”等选项，说明当代大学生群体对大数据技术的应用保持积极心态，并期待其在教育等领域发挥更大作用。可见实现大数据和思政微教育的融合并非单纯的制度需求和教育需求，更是现实的学习需求。

（三）三全育人视域下大数据与思政微教育融合的目标

从“三全育人”的视角出发，国内思政教育的发展目标应当实现对育人力量的整合，并将思政教育贯穿于育人的全过程。然而受制于科研任务、就业压力以及教育资源的不均衡，导致现有思政教育模式难以满足发展要求。现有思政教育模式以辅导员、班主任和思政课教师为教育主体，以思政课堂教学为核心，教学形式与内容相对固化，其涉及的人员、过程以及教育场所均较为狭隘。在这种模式下，学生只是知识的被动接受者，缺少对理论知识的独立思考和实践，也难以达到全面立德树人的时代要求。因此探索大数据技术和思政教学的融合路径，应当以“三全育人”的要求成为实现融合的目标。

1.变革管理体系，整合育人主体

思政教育并非单纯的理论学习，还涉及价值取向，实践学习等多个方面，要实现思政的全方位教学，需要整合育人力量，从专业学习到生活实践给予学生以引导和支持。现有思政教学体系存在教学主体单一的问题，除了思政教师和行政岗位的管理干部之外，还需要专业教师、党团管理干部、后勤服务等人员多维一体共同发力。探索融合路径，需要利用大数据将各个育人主体分模块纳入思政教学管理体系中。

2.创新教学载体，贯穿育人全过程

高校的思政教育应当囊括学生从入学到毕业的全过程，不仅贯穿学习和就业的各个阶段，还应当落实到学生自我发展的各个方面。如教学、竞赛、科研、文体活动、校园安全和创业就业等方面。因此，高校思政教学体系应当充分利用新媒介发展思政微教育，结合大数据技术对每位在校学生进行建档分析，有针对性地在其学习实践的关键节点施加影响，从而在学生的各个发展阶段实现个性化的隐性教育，实现全过程育人。

3.变更教学内容，全时空多维度覆盖

现有教学内容过于偏重理论教学，且教学场地和时间相对集中，缺少足够的覆盖面。将思政课堂教学和微教育相结合，能将思政教育有效覆盖课堂课下、校内校外等多维度。同时利用大数据分析学生偏好以及生活实践，并以此制定适应学生兴趣的微教育内容，进而引导学生自主学习、自主实践，最终主动达成思政教育的预设目标。

二、思政微教育和大数据融合的经验借鉴

探索大数据技术和思政微教育的融合路径，必须将学生摆在立德树人的核心位置，一切技术设计和体系设置都应该围绕学生的发展而建立。因此，要实现两者的融合需要整合现有资源，从学生的具体需要出发，在潜移默化中促使学生主动接受思政微教育。

在我国的思政教育体系中，微教育应用起步较晚，存在较大发展空间。目前，国内各大高校的思政微教育主要采用微信、微博、抖音等“微媒介”为信息载体，以小程序、短文、短视频为主要形式。由于国内思政微教育缺少统一的数据管理体系，使得这一模式和大数据技术结合程度较低，既难以评估教学效果，也无从调整教学形式。了解并分析国外大学微教育和大数据结合的前沿实例，有利于认知国内大学在这一领域发展的现状和不足之处，进而有针对性地发掘两者的融合路径。

（一）大规模开放网络课程

MOOC，即“大规模公开线上课程”(Massive Open OnlineCourse)。这一概念最早由戴夫·科米尔（DaveCormier）和布赖恩·亚历山大（Bryan Alexander）根据网络课程的教学创新实践提出[7]。起先MOOC 由愿意分享知识的学习者组成，后迅猛发展出了众多不同类别的教学模式。MOOC 具备显著的开放性和规模性特征，和普通线上课程不同的是，其在提供视频课程、文本材料和答疑之外，不仅建立了一套相对完善的教学互动机制，还为学习者提供各种用户交互性社区，建立交互参与机制。MOOC 有效降低了教学成本，使得大量不同年龄、文化和国家的学生都能享受到高质量教育。以MOOC的三家代表性平台为例，截止2021年，Coursera的总注册人数已超1 亿；Udacity 超1600 万，edX 超4200 万[8]。针对不同的学习阶段，各平台推出了各自的针对性课程，这些平台上不仅有英语授课，还提供西班牙语、法语、俄语、德语、土耳其语、乌克兰语、阿拉伯语、意大利语、中文和日语等语言的在线课程。

MOOC在其起源、理念和形式上都与大数据息息相关，是大数据技术和线上视频教育相融合的产物。其为视频教育提供了统一的发布平台，也提供了完整的数据管理系统，使得对教育数据的挖掘和分析成为了可能。在此基础上，不仅可以有效探知学生的学习状态，而且可以深入探寻学习的影响因素，从而使得教学成果最大化。MOOC 能够为各年龄段学生灵活分配学习资源，有效利用学生的线上课余时间，并且充分调动教师个人的教学资源大规模地重复利用，是实现“三全育人”要求的重要途径。

（二）翻转课堂

要实现教育资源的整合，首先需要将思政微教育和传统的课堂思政教学相融合。在两者的关系上，需要强调理论和实践的结合，更加突出思政理论对于新闻热点解读以及自我价值实现的指导。在时间的配置上，应当引导学生自由分配课堂与课外的学习时间，根据自身需要安排学习计划。对于教学资源的设置，要优先选择教学能力出众的思政教师录制教学视频供学生学习，以此弥补教师水平差距对教学效果产生的干扰。

针对以上需求，可以采用“翻转课堂”（Flipping Classroom）的方式融合课堂教学和微教育，即扭转传统思政教学方式为“课前在家里听看教师的视频讲解，课堂上在教师指导下做作业（或实践）”。早在2007 年，科技教育专家乔纳森·伯格曼（Jonathan Bergmann）和亚伦·萨姆斯（Aaron Sams）已在美国的一所中学开始实验性地应用该教学模式[9]。与MOOC 相似，“翻转课堂”也具有利用网络和多媒体资源进行学习的特点，翻转课堂中使用的课程视频可以视为MOOC 的一种形式进行传播，而MOOC 中的视频资源也可在翻转课堂中学习。将理论教学搬到线上进行微教育，以赋予了学生自主学习的空间，有利于提高学习兴趣，也便于教师和管理人员利用大数据技术挖掘学习数据，动态掌握学生学习状态。这一形式能够解放一线思政教师的课堂教学压力，使之集中教学力量用于热点讲解和实践教学，拓展教学空间。

（三）教学互动

在线学习条件下，学生的学习环境和学习心理都和传统课堂教学截然不同。有研究表明，大学生正处于人生发展的转型期，在线学习中的自我调控能力较弱[10]。根据齐默尔曼（BJ Zimmerman）等[11]学者的自我调节学习三阶段循环模型，思政微教育中的教学互动可分为三个阶段：计划与准备阶段的干预、执行与控制阶段的干预、评估与反思阶段的干预。同时，教学互动主要分为师生互动和生生互动两个维度。其中师生互动可以按照三阶段模型进行计划指导、监控答疑、反馈总结等互动，生生互动则以讨论为主，可以进行主题讨论、协作学习、学生互评等互动。而Boekaerts 和Corno 的文章则进一步探讨了自我调节在课堂学习中的重要性[12]。此项研究表明教师和学生在课堂上应该共同关注并共同努力提高学生的自我调节学习的问题，需要综合使用多种方法帮助教师和学生了解学生的学习策略、学习动机和学习效果等方面的信息，通过这些干预措施来提高学生控制和管理自我的学习活动的能力。

根据前人的理论研究和实践证明，在实现了思政理论学习的在线化后，教师应当充分利用学习分析等大数据技术针对学生的学习状态进行及时互动和干预。美国高校的学生评价体系中，课堂讨论互动的质量和数量对学生期末成绩有很大影响。这种评价方式有助于激发学生的积极性，让他们在课堂上更加投入地学习。同时，教师也可以通过观察学生的讨论和发言，了解他们的需求和困惑，从而调整教学方法，提高教学质量。中国的教育体系也在不断改革和发展，越来越多的学校开始注重培养学生的创新能力和实践能力。在这方面，我们可以借鉴经验，提高课堂教学质量，为学生提供更加丰富、多元的学习环境。

（四）学习分析和聚类推送

线上视频课程的迅速发展为学习者提供了数量庞杂的学习资源，而单凭学习者自身难以在第一时间内寻找到适合自身学习阶段和兴趣偏好的课程。学习分析正是大数据技术针对这一问题的解决方案。根据2012 年“学习分析技术与知识国际会议”的定义，学习分析是“测量、收集、分析和报告有关学习者及其学习情景的数据集，以理解和优化学习及其发生情景”[13]。学习分析集计算机学、教育学、统计学等多种学科为一体的教育数据分析工具和研究热点[14]。根据分析数据及时了解学习者的状态，有针对性地进行引导、干预以及个性化推荐，从而提高学习效果。由此可言，基于大数据的学习分析是实现个性化教育的必然途径。

学习分析仍在发展中，目前在西方国家已被多个学校和教育机构所采用。例如，普渡大学课程信号系统是一个以学习分析为基础的学习预警干预系统，该系统挖掘数据分析学生的基本信息和学习过程数据，利用算法预测学生成绩来判断该生是否存在学习困难。通过这一系统教师可以及时干预学生学习状态，进行指导。又例如，奥斯汀佩伊州立大学的学位罗盘个性化课程推荐系统，该系统事先搜集学生已有的历史学习数据，利用学习分析技术将数据与学校历年毕业生数据库进行比对，根据相似的历年数据推测学生的学习风格和学习成绩，从而对学生进行个性化课程推荐。

以学习分析为基础，对学生群体进行思政教育资源的聚类推送才能够实现。实现思政微教育有效聚类推送的前提，就在于扩大算法推荐的场域，即通过多领域多角度的推荐来营造思政教学的在场体验。关键在于利用合乎学生偏好的形式引导学生对思政教学进行自主选择和接触，最终补充并固化思政教学成果，实现思政教学的个性化传递。

三、大数据和思政微教育的融合框架

将大数据技术同思政微教育进行融合，必须从实际出发，立足当下思政教学的基本情况进行优化升级。当下思政教学的核心工作在于思政课堂教学，因此，融合后的思政教学模式也应当以课堂教学活动为主轴，逐步向外扩展教学体系。对此，陈婷[15]根据国内外研究的现状和当下国内教育的特点，提出了“互联网+教育”背景下智慧课堂教学模式设计。这一研究根据美国学者乔伊斯（B.Joyce)和韦尔(M.Weil)的教学模式理论，将互联网融入的智慧课堂划分为理论基础、实现条件、智慧教学目标、智慧教学活动和智慧教学评价，并推导出了相应的教学模式。本研究在其研究的基础上，结合国外先进案例和经验，更进一步提出了针对我国思政教学的大数据思政微教育融合框架，试图以思政教学活动为核心，为其配备反馈系统、教学目标以及实现条件，实现大数据、微教育和现有思政教学的无缝对接（见图1）。

图1 大数据思政微教育融合框架

（一）教学活动

在这一框架中，教学活动仍是以课程为单位，并细化为课前、课中、课后三个环节九个流程，但每个流程和环节都与上一个紧密联系。从课前的计划指导到课后的总结反思构成了一个完整的课程周期，在进入下一个课程周期之前必须通过课程外部的反馈系统根据教学活动情况修正教学目标，从而实现教学质量的不断迭代升级。

在课前环节中，计划指导是每节课程的起始阶段，教师通过已有的学习数据为学生发送学习计划，让学生明确学习目标，随后发布思政视频课程供学生自行安排时间进行线上学习。根据学生在学习中的表现和测评分数，由大数据技术分析学生学习需求和问题，根据情况制定课中环节的教学方略。课中环节则在线下教授，根据学生需要分组进行主题讨论，以学生为主体进行协作式的学习。而教师则参与讨论监控学生进展，并针对课前的数据分析和实际需要进行重点答疑。教师在下课前进行小规模的随堂检测，搜集每位学生的思想动态和能力水平，从而为课后环节的聚类推送提供数据。学生可在课后根据学习平台发送的各类以微教育为主的学习资源，进行自由学习，并完成教师发送的课后作业。待上述流程结束后，师生将共同进入总结反思环节，为下一个课程周期做准备。

（二）反馈系统和教学目标

反馈系统由两套独立的评价系统组成，分别为主观评价和客观评价系统。主观评价系统主要在总结反思环节完成，由学生自评、生生互评和师生互评系统组成。学生可根据情况总结自身表现，同时根据在课堂讨论情况对组员进行评价，也可对课程质量和教师能力进行打分，教师也将根据学生课堂活跃度和学习能力进行评估。客观评价系统则全部由大数据系统搜集数据自行统计完成。这一系统由预习分数、随堂检测、作业情况组成，三者分别来自课前、课中和课后环节，形成全教学活动流程的覆盖。两套评价系统能够进行相互佐证，并为教学目标系统提供修正。

在融合框架中，教学目标并非单一的静止要求，而是根据反馈系统动态修正的多维度目标系统，其在教学活动的三个环节中也并非均匀分布。其中，教学目标分为目标点、目标界限和目标区间三个维度，分别对应课前、课中和课后环节的三环节课程目标，让思政学习呈现多点突破、拉点成线、由线成面的循序渐进式学习。经过上一轮课程的反馈结果，由教师修正并制定下一轮课程的学习目标，随后发送给学生让其充分了解此次课程的完整目标层次，从而引导其开展由浅入深的学习。

四、大数据与思政微教育融合的难点和解决方案

根据上述内容所涉及到的智能系统和资源体系，可以探知为搭建这一融合框架，国内高校还需要寻求技术、环境和资源的支持。在技术上，需要根据学生和教师的智能终端（如手机、电脑、服务器等）开发相应的软件，搭建统一的大数据教学平台。在现实环境中，不仅要在一线教师和学生群体中宣传推广本套融合框架，做好思想动员，更要在政府机构层面寻求政策帮扶。在教育资源上，不仅要录制和引入优秀思政教师的线上教学资源，更要整合现有思政资源，进而寻求创造大规模开放网络课程与线下课堂相结合的思政新局面。但理论和现实存在差距，本研究所列举的融合框架实现条件仅是目前所能探知的部分现实需要，只从理论上难以穷举实践中将会遭遇的困难。因此，本研究尝试从数据安全、数据质量、技术和人才支持三个显著重要难点及其解决方案论述来实现融合框架的可行性，为后续的研究提供参考。

（一）数据安全问题

数据安全问题是指在数据的收集、存储、传输和处理等过程中，可能遭受到未经授权的访问、篡改、泄露、破坏等威胁，导致数据丢失、损坏或被滥用的情况。将大数据技术与思政微教育进行融合，势必建立一套面向高校大学生的学习信息搜集、储存和记录系统，这些系统数据包括学生的个人信息、学习记录、行为数据等敏感信息。这一系统的建立必然触及学生在学习和思想方面的隐私信息。为此，如何保障数据信息的安全性是关键难点。在本研究的调查问卷中，有78.82%的受访者担忧大数据在教育领域的应用导致隐私信息的泄露，可见对教育数据安全的保障也反应了广大学生群体的现实关切。

2021 年6 月10 日，我国第十三届全国人民代表大会常务委员会已通过《中华人民共和国数据安全法》[16]，已从国家立法层面为教育大数据的安全问题做出了权责划分，而要将数据的安全性真正落到实处，还需要实现教育数据管理系统的科学化、规范化运行。

首先，提高思政教学系统的智能化程度，从技术上缩减人工处理数据的环节，将能够接触到教育数据的人员数量控制在较小范围内，在保证正常数据处理的前提下适当维持一定程度的信息“黑箱化”。例如，采用加密技术对数据进行加密存储和传输，限制数据的访问权限等。其次，对于学生个人信息和学习记录等敏感信息，必须采取严格的数据隐私保护措施，确保数据的安全性和完整性，对于能够接触到教育数据的教师和管理人员实行权责划分，根据国家法律法规明确责任人制度，从制度上为数据安全提供保障。再次，建立安全可靠的网络环境，以防止黑客攻击和网络病毒等威胁。例如，采用防火墙、入侵检测系统等技术手段来保障网络安全。最后，进行安全审计和管理，建立完善的安全审计和管理机制，对大数据技术和思政微教育的融合过程进行监督和管理，及时发现和解决安全问题。

（二）数据质量问题

在进行学生学习信息的数据分析时，数据的质量至关重要，任何数据上的偏差、失真和造假都会影响对学生学习状态的分析和监控，进而降低教学互动的质量，影响教育效果。然而，随着高校各个服务部门的不断划分，收集到的数据量越来越大，种类越来越丰富，但目前高校却缺乏统一的调配和管理[17]，不仅难以有效整合不同类型的数据，而且对数据的真实性也难以做到有效的甄别。这也使得数据的挖掘、存储、分析等工作无法进行统一筹划。因此，一个相对完善的大数据教育系统，需要在技术上整合各类不同载体的信息，并补充新的信息渠道采集信息。通过不同来源的数据比对建立完善的学生画像，并在实践和测试中给各类数据源搭建可信度评价系统和纠偏系统。

除去技术因素，学生接受度也是影响数据质量的重要因素。在本研究的调查问卷中，在对校内电子设备和服务平台的认知、对现有大数据服务的认可程度等问题上，半数左右的受访者都选择了“General（一般）”，这意味着接近半数的学生都对现行大数据所带来的服务系统缺乏足够的认知和理解。如果大学生群体对更复杂的大数据微教育模式也存在不了解甚至抵触的情绪，那么数据质量将无法保证，精准教学更是无从谈起。而令人欣慰的是，正如第一节所提到的那样，大部分受访者对大数据技术在学校教育管理中会起到作用抱有积极的心态，证明广大学生群体存在接受并配合的思想基础。为此，在技术上建立系统的同时，思想上的宣传和动员也应当同步展开。在前期搭建思政教学系统时，就应该引导学生群体参与建设，发扬信息民主，使之充分理解和认知，才能形成合力共建的局面。

因此，在进行学生学习信息的数据分析时，除了技术因素外，还需要考虑学生接受度的影响。为了提高数据质量和精准教学的效果，需要加强对学生的教育和宣传，让他们了解大数据微教育的优势和作用，并提供更多的实践机会和案例分析，让学生能够更好地理解和接受这种新的教育模式。此外，高校也需要加强对数据的管理和调配，建立完善的数据管理体系和数据共享机制，确保数据的准确性和完整性。同时，要加强对数据来源的甄别和审核，避免出现造假、失真等问题[18]。只有通过这些措施的综合应用，才能保证大数据教育系统的数据质量和教学效果。

（三）技术和人才支持

搭建学习大数据平台，需要采集大量教育数据。数据的采集和筛选，需要数据挖掘、机器学习、自然语言处理等智能处理技术。而数据的处理和储存，又需要相应的大容量储存硬件和高性能服务器，才能对大量数据做出快速反应。同时，还需要相应的技术专业人才加入，才能有效搭建起大数据和微教育有效结合的系统。除此之外，相较传统单独课堂的思政教育模式而言，新式的大数据教育系统需要思政教育者兼具一定的数据分析和应用能力，这对现有的教师队伍来说是一个挑战。搭建大数据微教育系统，需要大量的资金和人才支持，但目前大部分高校难以提供如此之多的资源用于这一方面。

因此，为了解决这些问题，可以考虑几个方面：首先，培养专业人才，高校可以开设相关专业课程，培养具备大数据技术、信息管理、教育心理学等方面的知识和技能的专业人才，为大数据与思政微教育的融合提供人才支持。其次，加强技术研发，企业、高校和政府可以联合开展大数据与思政微教育的研究和开发工作，加强技术研发，提高技术的可靠性和实用性。再次，建立数据共享平台，让各方可以方便地共享数据资源，促进数据交流和应用。这将有助于解决技术和人才支持的问题[19]。最后，加强政策支持，政府可以出台相关政策，鼓励企业和高校开展大数据与思政微教育的融合研究和应用，提供资金和政策支持。

综上所述，搭建一个学习大数据平台需要多方面的支持和努力，包括技术、人员、资金等方面的投入。只有通过不断的创新和改进，才能够实现大数据与思政微教育的有效结合，为学生提供更加优质的教育服务。