基于学生画像的高校思想政治理论课精准教学研究

杨怡雪，齐明明

（成都理工大学 马克思主义学院，四川 成都 610059）

习近平总书记在党的二十大报告中指出：“推进教育数字化，建设全民终身学习的学习型社会、学习型大国。”［1］“教育数字化是我国开辟教育发展新赛道和塑造教育发展新优势的重要突破口。”［2］数字技术如何赋能思政课精准教学，成为亟待研究的时代话题。学生画像是一种根据学生的在校学习行为数据抽象出标签化的学生模型，为抽象提炼出的标签赋予权重，以量化学生的特征与需求。作为一种依托大数据的学习分析技术，学生画像契合思政课的“精准化”要求，能够助力思政课教学从普适性教育转为针对性教育，从教师为主的单向灌输转为学生为本的教育服务，破解思政课教学目前面临的教学缺乏针对性、模式单一等难题。基于这样的研究背景，本文将探索学生画像技术在思政课精准教学中的逻辑建构与实践图景。

一、学生画像技术支持思政课精准教学概述

思政课精准教学就是要精准把握学生现实需求，将精当的教学内容精准地传导给学生，推动解决教学供需矛盾［3］。学生画像恰好契合思政课教学的“精准”需求，能够在理论上支持思政课学情分析的精准识别、思政课教学方案的精准定制与思政课教学效果的精准评估，为基于学生画像的思政课精准教学模式设计提供学理支撑。

1.学生画像支持思政课学情分析的精准识别

学生数据是海量且动态的，具有表征性及时效性等特点，这使得精准识别包括精准识别信息与动态调控双方联动。一方面，教师能够借助学生画像对学生个体特质与整体面貌的反映，精准识别学生学情信息；另一方面，学生画像对学生动态数据的捕捉，使得教师能够把握双方互动的数据轨迹，把握学生学习及心理嬗变规律。

在精准识别信息方面，借助学生画像的技术支持，可以随时捕捉、获取、处理受教育者的电子印记，并从中识别、筛选出能够体现受教育者的学习特质。学生画像有效提升了对于学生特点识别的精确度与效率，直观且精准反映学生个体特质与整体面貌。思政课教师能够借助这一教育工具，更直观地了解学生，做到精准识别学生群体及个体学习特征，进行思政课学情分析。在动态调控双方联动方面，学生画像在对学生的数据捕捉上并不是静态的、短暂的，而是动态的、长期的。教师能够将大学生学情数据变化与教师教学行为进行数据关联分析，有效把握教育双方互动的数据轨迹，并从这种信息交流的行为数纹中析理出教育者与教育对象的互动走向与变动态势，［4］掌握学生学习行为及心理嬗变状况与发展规律。最终教师通过分析学生学情与发展规律，对教学展开动态调控，做到“因事而化、因时而进、因势而新”，实现“教育者—学生画像技术—受教育者”的有效智慧互动。

2.学生画像支持思政课教学方案的精准定制

把握教育对象需求是精准定制的首要条件。［4］学生画像技术能协助教师挖掘每个教育对象的需求，制定有针对性的教育方案，从以下方面做到精准定制：坚持问题导向，围绕学生所惑设立有针对性的目标；聚焦学生需求，围绕学生所需确定有针对性的教学内容；关注个性发展，围绕学生所喜选择有针对性的教学方法。

习近平总书记在全国高校思想政治工作会议上指出：“要用好课堂教学这个主渠道，思想政治理论课要坚持在改进中加强，提升思想政治教育亲和力和针对性，满足学生成长发展需求和期待。”［5］精准定制需要借助学生画像技术，把握教学对象的具体需求，在教学方案中体现针对性。首先是教育目标的针对性。根据学生画像，教师可以精准定位学生所需，设立教学目标。学生画像作为一种将学生放在主体位置的新兴学习分析技术，始终坚持问题导向，有针对性地解疑答惑，专注铸魂育人，满足学生成长发展需求和期待，补足学生精神之“钙”。其次是教学内容的针对性。根据学生画像，教师能够做到聚焦学生个性化需求，确定教学内容。如利用算法探究学生社交链接密度，聚焦学生所关注的热点事件与新闻，调整教学内容，有效链接“社会大课堂”，调动学生的积极性和主动性。最后是教育方法的针对性。针对不同的教学对象与教学环境，教师可以选择不同的教学方法。在学生画像技术的介入及相应的智慧教学平台支撑下，教师可以进行分类指导、区别对待，以不同的方法将不同的知识灌输给不同的学生，有针对性地解决学生面临的问题。

3.学生画像支持思政课教学效果的精准评估

教学效果包括学生的整体情况与教师的教育教学行为。利用学生画像技术辨识和分析数据方面的优势，能够克服传统评估手段的不足。教师能够实时跟踪、判定和检测学生的整体情况，校准、考量自身的教育教学行为，实现过程性、多维性和动态性的精准评估［6］，最终实现教学反思与改进，进一步提高思政课教学的精准性。

传统的教育对象评估手段是期末考试，然而考试只能检测学生阶段性的知识水平，并不能涵盖学生长期性的、全方位的成长。对于教育者的教育教学行为，以往的教学评价手段，如学生问卷测评、同行听课评议等，常常因为评价者的主观喜好及其他因素影响信度与效度。在教学中运用学生画像，从“静态信息收集”进化为“动态信息跟踪”，充分利用问卷调查、网络日志采集、网络爬虫等大数据技术，深入挖掘并跟踪分析学生个体或群体的思想政治状况。注重收集学习过程数据，准确记录每位学生的课堂参与情况，实现学习全流程的数据记录，完整反映学生在教学中的变化与发展，反映人的全面发展，从而更好地实现对教育对象的精准评估。在评估教育者的教育教学行为时，一方面可以通过学生画像体现出的学生各方面发展水平及变化，来反映教育者的教育教学质量与成效；另一方面也可以通过考察教师的大数据思维、学生画像技术使用能力与运用频率，来反映教育者的教学思维与能力。基于学生画像中体现出的学生学习整体情况与表现，以及教育者的教育教学行为的评估考察，教育者还可进行教学评议与反思，有针对性地优化课程设计与教育方案。

二、思政课精准教学中的学生画像基本维度

围绕思政课精准教学所需，本研究建立的学生画像主要具备这三个基本维度：学生学习特征描述、学生学习需求预测及学生学习行为诊断。每个维度都是一个标签体系，下分多个分级标签。利用数据做词频统计、数据建模等处理，从标签中得到画像标签值，将这些画像标签值进行加权算法且可视化呈现后，就形成学生画像。

1.学生学习特征描述

学生的学习特征描述是指挖掘学生学习特征数据进行清洗、重构与整合，再人工给这些信息归纳一个高度精练的特征标识，也就是打上标签，再进行分类分层，组成分级标签体系。利用算法对标签赋值成为画像标签值，从中挖掘学生潜在的行为特征，用以区分刻画不同学生群体，这是学生画像中最基本的功能。

学生学习特征的标签主要由基本信息、社会属性、学习情况等组成，具有一定的精简性。其中代表着学生基本信息的标签被称为一级标签，还可下分为姓名、性别、年龄、院系、专业这五个维度的二级标签；代表社会属性的一级标签还可下分为职务、政治面貌、社会属性等二级标签；代表学习情况的一级标签则可包括该学生的思政课学习成绩、理论水平、意识形态、价值倾向等二级标签。二级标签是从属于一级标签的细分标签，三级标签是从属于二级标签的更加细分的标签，以此类推，最细的标签也称为叶子标签。每个标签都有层级，它们共同组成分级标签体系，也称为标签树。科学设计与组织下的标签可以成为区分不同学生群体的标准。例如以院系为标准划分，就能基本分辨出不同学院的学生学习特征；以学生的思政课理论水平为标准来区分，就能划分出不同认知水平的学生；以学生的价值倾向为标准来区分，就能分辨出“四有”新人与普通青年的差别。此外，如果加强或减弱某些标签的赋值，运用加权算法来做画像分析，各级标签值通过加权算法汇总到树根标签，就能够得到画像标签值。［7］再通过平台软件，对画像标签值进行可视化呈现，这个呈现出的可视化的学生行为信息标签值，就是学生画像标签值，这也是最简单的学生画像技术。对于学生的学习特征描述常用于思政课精准识别之中。

2.学生学习需求预测

学生学习需求预测是指通过对学生基本情况的掌握和动态数据的分析，对学生的下一步需求进行预测，从而采取精准化的思政课教学。［8］一方面，通过信息挖掘掌握学生基本情况，定位学生学习兴趣，从而实现学生学习需求预测，开展精准定制。另一方面，通过跟踪与分析学生的动态数据，预测学生学习不足，提前研判学生的学习需求，进行学业干预。

利用学生画像技术对学生社交网站关注话题、个人研究课题、搜索资源和课题等采用文本挖掘，具体包括利用网络爬虫技术搜集大学生在社交网络平台的搜索、关注、讨论信息，对学生浏览新闻进行跟踪分析，整理统计出学生感兴趣的社会议题与新闻报道；联合图书馆信息平台与教务处，统计学生的借阅偏好、研究课题方向、科技立项、社团参与等。再按照思政课程方向与具体内容，通过词频分析与词典匹配的方式生成关于“兴趣爱好”的标签值，例如学生有大量搜索历史信息的记录，则有意加强党史学习教育；学生关心国际前沿动向，则要在课程中引导学生正确认识世界，把握时代大势。此外，教师对学生的基本学习情况进行预先测试与动态跟踪，能够发现学生的学习不足。思政课教师对学生开展学前预先测试，对学生的理论基础、道德修养、法律常识做好判定，确定教学目标与教学内容，进而开展精准教学。通过对教学过程实时监测，分析学生的成绩波动、考勤情况、认知倾向与行为模式等因素，对学生的学习变化与价值观变化进行预测，提取出其中具有挂科风险及心理异常的学生，从而对离群学生进行学业上与心理上的及时干预与帮扶。对于学生的学习需求预测常用于思政课精准定制之中。

3.学生学习行为诊断

学生学习行为诊断是通过统计、分析学生数据，挖掘数据中潜在的关系与规律。首先对学生数据进行跟踪记录，组成学生“学习行为”与“心理行为”的动态数据，学习行为包括学生的学习态度与学习成果等，心理行为包括国家认同、社会责任及人格素养等。然后挖掘数据中存在的潜在关系与规律，向教师与学生呈现可视化的动态学习报告。［9］

以学习行为中的学习态度为例，采集学生在思政课的考核成绩分数或排名进步程度，统计分析后作为“成绩进步程度”标签值；采集课堂签到、问题抢答、主题讨论、随堂测验、课后作业等参与率及完成情况，统计分析后作为“学习积极程度”标签值；采集图书馆及工作室等打卡系统的签到频率并进行量化，统计分析后作为“自学积极程度”标签值，这三者最终进行加权算法，共同组成学生态度标签值。教师可通过这一标签值来评估本班学生的整体学习面貌与学生学习效果。以学生心理行为为例，在理想信念方面，可采集学生参加党团活动次数及比赛级别、被评为积极分子与发展对象的情况、学习“青年大学习”及“学习强国”等相关数据；在社会责任方面，可采集学生志愿服务次数及累计时间、获得表彰次数与级别、参与学生工作的次数等数据；人格素养方面，则采集学生参加创新创业、竞赛选拔、成长锻炼及文体活动等数据。教师可通过长期跟踪并统计分析这些数据，根据数据的变化轨迹来衡量学生心理行为的嬗变，进而评估学生的个体心理发展情况。对于学生的学习行为诊断常用于思政课精准评估之中。

三、基于学生画像的思政课精准教学模式建构

基于学生画像的思政课教学模式是一个由诸多要素有机构成的整体，主要由信息挖掘、智慧教学及管理控制三个层次组成，见图1。从这三个层次出发，阐释基于学生画像的思政课精准教学模式设计，并提出了具体实践策略。

图1 思政课精准教学层次

1.信息挖掘：精准识别学生学习特征，建设学生画像数据资源库

信息挖掘即对教学活动相关数据进行收集、识别、筛选、分析，以求精准地识别学生的各种特征信息，从而确定教学目标，设计教学方案。在教学模式中，信息挖掘层主要挖掘并识别学生“基础学习特征数据、学习行为特征数据、思想特征数据”三类数据。在具体实践策略中，建设学生画像数据资源库是实现信息挖掘的必要之举。

（1）精准识别学生学习特征。在数据挖掘层，学生画像主要挖掘三类学生学习特征。从教务系统中搜集学生的相关基本信息，如年龄性别、院校专业、考试成绩、论文竞赛、社会实践及政治面貌等，得到学生基础学习特征数据。教师利用超星学习通、中国大学慕课等在线教学平台组织课前测验、课堂签到、问题抢答、课堂投票、主题讨论、随堂测验、问卷调查、课后作业、期末考核等教学活动，并利用在线教学平台强大的数据统计分析功能，准确记录每位学生的课堂参与情况，监测学生学习的全过程，生成课堂报告，实现学习全流程的数据记录，并将这些数据转化为学生学习行为特征数据。利用网络爬虫技术搜集大学生在社交网络平台的相关信息或者设计相应的调查问卷，获取大学生在国家认同、社会责任、人格素养、价值观念、道德修养、法律常识等方面的认知倾向与行为模式，再通过学生画像技术进行标签化赋值、加权算法得到标签值，从而量化学生的思想特征，得到学生思想特征数据，判断其当前思想状况。

（2）建设学生画像数据资源库。高校应引进建设学生画像资源库所需的硬件设施，包括服务器、存储设备、传输设备及其他支撑设备等，满足学生数据的海量搜集、高效存储及集中分析。升级学生画像资源库所需的信息软件系统，提升学生数据采集技术、存储技术、分析计算技术、可视化技术等。重视校内校外学生数据全面共享，与政府、社交媒体、社会组织等开展数据共享合作，最大限度地采集学生线上相关数据，用全域的视角反映学生个人特征、学习需求与思想行为。重视线上线下学生数据全面共享，利用物联网传感设备对学生学习实践活动的相关数据进行采集，将学生线下的生活痕迹转换为线上数据，实现数据合力、资源聚合。重视高校信息化平台一体化建设，使学工、教务、科研等各类数据互通互融，集约化整合和高效化利用学生资源，形成整体统一的数据库资源。从顶层设计上联合高校各部门各板块数据，搭建思政课教学“一站式”服务平台，打造思政课教学“一张表”信息工程，整合思政教育大数据信息，推动校级数据共享。

2.智慧教学：精准满足学生学习需求，营造智能性学生画像环境

智慧教学层是在学生画像技术这一介体及其智能性环境的环体因素影响下开展有效教学活动的层次。在教学模式中，教师利用学生画像技术实现分层教学、互动教学、学业预警，精准满足学生学习需求，做到智慧教学。在具体实践策略中，必须从教育资源、人才队伍、教育系统三方面营造学生画像的智能性生态环境。

（1）精准满足学生学习需求。利用学生画像，实施分层教学。教师根据学生画像中学生所呈现出的对知识点掌握程度的差异及不同的学习需求，基于聚类分析细分出不同层次的学生，实施更具针对性的差异化的教学模式，设立不同的教学目标，推送不同的学习资料，分配不同的教育资源，布置不同难度的课后习题，开展滴灌式教学。利用学生画像，实施互动教学。基于学生画像所反映出的学生不同的学习需求与学习状态，教师可以根据实际情况参与学生的学习过程并进行个性化教育，调整教学方案，调动学生的参与积极性，增加课堂互动，引导学生的学习行为，确保课堂教学有的放矢。利用学生画像，实施学业预警。思政课教师可在学生画像中，对学生的作业提交、出勤次数及考试成绩等数据进行离群检测，根据输出的可视化结果识别存在学业危险的学生，再对离群点学生的学习情况或者思想动态进行客观实时的监控，预测学生的学习状况，对离群点的学生作离群因素分析，确定影响学生的重要因素，及时调整教学策略，对离群点学生进行学业上的指导与干预。

（2）营造智能性学生画像环境。通过顶层设计和系统规划，营造学生画像的智能性生态环境，实现智慧教学。实现教育资源的数字化，利用主流媒体新闻报道、书籍、学术期刊、影像资料、在线网络课程、兄弟高校优质资源等构建教育资源数据库，以开放共享的方式为教师提供真实可靠、类型多样、丰富优质的教育资源。实现人才队伍的智慧化，培育教师利用数据支撑教育决策的基本能力、数据伦理观念与数据采集使用责任意识、大数据分析与应用能力，使教师能够在数据平台顺利开展对学生信息数据的采集、录入、分析与应用，掌握学生数据处理与分析技术。实现教育系统的智联化，以及不同平台、多个部门的齐发联动，深度融合。既要通过制度要求，使学生画像技术分析部门工作能够有效进行，又要科学管理部门各项事务，使各数据管理部门形成共建共享思维理念与行为准则，并明确各个数据管理部门的职责，同时还要完善基于学生画像的思政课精准教学的运行机制，并落实到学院层面。

3.管理控制：精准测评学生学习行为，完善教学评价与反馈系统

管理控制层是教师基于教学效果反馈信息、控制优化教育过程的层次，包括教学效果评估及教学过程优化。利用学生画像技术，教师能够在管理控制层做到精准测评学生学习行为，科学评估教学效果，进行事后评议与反思，实现教学过程优化。在具体实践策略中，只有构建全方位评价思政课教学的体系与人机协同的反馈系统，才能真正实现管理控制。

（1）精准测评学生学习行为。基于学习过程的全记录，思政课教师以个体学生为独立对象，记录教学实施各个阶段的学生画像标签值并进行动态分析，全面、精细地反映学生学习过程与结果的全貌，以观察该学生的各项指标（包括理论知识、学习态度、学习获得感等）是否有改善提升；再利用关联规则算法，找出影响教学效果的因素与教学效果之间隐藏的关联，提供科学的教学效果评估。在教育过程优化方面，教师对学生画像中呈现的学习行为与表现进行综合分析，对关联规则算法筛查出的影响教学效果的因素进行控制，有针对性地对课程与教学设计进行优化。学生也可通过即时反馈了解自己的学习表现和教师给出的评价结果，便于查漏补缺，及时改进。通过对学生画像评估与反馈，实现学生画像更新优化，教师在教学过程中及教学结束后检验学生画像呈现出的各种学习行为数据结果，是否与对学生的现实观察结果一致。如果差距较大，则需要对学生画像进行调整，录入新数据，使用新算法，添加新模型，不断更新学生画像标签数据，对学生画像进行实时更新、优化。

（2）完善教学评价与反馈系统。构建“以学习效果为中心”的，包括对学生、教师、教育中介和教育环境四个要素的思政课教学全方位评价系统［10］，分析学生学习成效的“学生画像”评价系统只是其中之一。“学生画像”评价系统是采用定量评价与定性评价相结合、过程性评价和总结性评价相结合的方法，既对学生知识体系掌握情况和应用技能进行评价，又对学生学习态度和价值观等进行评价［11］；教师教学质量成效评价系统以获取学生对教师教学质量评价、学生的教学成效反馈、教师客观科研成绩评价为主；教育教学载体和内容评价系统中，学生对教师选用的教学内容、载体工具、手段方法的教育效果和兴趣感受进行评价；教育管理服务成效和环境评价系统是获取学生与教师对学校数据平台、教学管理服务、制度环境等的评价与建议。同时在这四个系统中开展评价标准制定、配套激励机制等工作，实现反馈时间上的及时性、内容上的精准性、方式上的便利性，协助教师完成对课程与教学设计的优化。

四、结语

在学生画像的技术介入和融渗下，思政课精准教学呈现出一种崭新的教学模式。本文围绕“基于学生画像创新思政课精准教学”这一主题，从学理支撑、维度构建、模式设计三个方面深入探讨了为什么要将思政课精准教学引入学生画像，如何构建思政课精准教学中的学生画像，如何基于学生画像实现思政课精准教学三大问题。相较于传统教学模式，基于学生画像的思政课精准教学模式顺应精准思政的发展态势，是精准思政与大数据深度融合的创新性发展，具有更强的针对性、更高的科学性、更强的实效性，能够促进学生全面而有个性地成长发展。