智能算法技术赋能高校思想政治教育供需互契研究

周明鹏

(东北师范大学 思想政治教育研究中心, 吉林 长春 130022)

习近平总书记在中共中央政治局第五次集体学习时强调:“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”[1]。因此,以智能算法为代表的数字技术向善发展与深度应用,充分发挥数据处理、信息分发、深度学习、超强运算的叠加赋能效应,既为驱动高校思想政治教育数字化、智能化、现代化转型发展奠定了坚实基础,又为拓展育人场景、创新育人资源、提升育人效能提供了新的解决框架。智能算法技术赋能高校思想政治教育供需实践并不是简单的概念拼接和逻辑链条的勉强拼凑,而是二者的深度融合、彼此赋能,为实现供给与需求调整优化、有序联动、动态平衡提供技术支持。

揭示高校思想政治教育的逻辑起点有助于我们更好地阐明高校思想政治教育供需互契这一重要论域。科学的逻辑起点是相对独立且客观存在的,不以任何物质为前提和中介,能够明确研究对象最为本质的规定。正如列宁(Lenin)所言:“在任何一个命题中,很像在一个‘单位’(‘细胞’)中一样,都可以(而且应当)发现辩证法一切要素的胚芽。”[2]高校思想政治教育是以大学生的现实需求为逻辑起点、需求实现为直接目标,关系着“培养什么人、怎样培养人、为谁培养人”的精神性生产和再生产劳动。大学生需求构成了高校思想政治教育最简单、最抽象、最本质的规定,蕴含着高校思想政治教育一切矛盾的萌芽。我们注意到,在高校思想政治教育的一系列重要范畴之中,无论是思想和行为这个起点范畴、内化与外化这个成果范畴,还是个人与社会这个重点范畴,起点和动力都是大学生的需求。高校思想政治教育需求侧不仅包括大学生为了积极适应社会而产生的知识积累、情感培育、心理支持、素养提升、品格塑造、行为导向等个体性需求,还包括为了实现更好社会整合而产生的汇聚价值共识、规范道德秩序、提升政治认同等方面的社会性需求。需求侧是高校思想政治教育创新发展的动力所在,表征着一种不平衡样态。与之相对应的是,供给侧一方面包含课堂教学、社会实践、志愿服务等丰富的教育服务供给,另一方面包括学术论著、学术共识、咨询报告等独立的思想产品供给。供给侧在主动回应和解决需求侧问题的过程中能够转换为高校思想政治教育创新发展的新动力,表征为一种再平衡样态。需要指出的是,高校思想政治教育供需互契并不是也不可能是物理向度的绝对均衡,而是寻求供给侧与需求侧有机联动、积极协调、动态平衡、相互响应的健康发展状态。

一、 形塑与赋能:思想政治教育供需互契的技术之利

智能算法技术凭借其在数据挖掘过滤、用户画像预测、信息内容分发、算法模型训练等方面无可比拟的优势,为高校思想政治教育实现供需动态平衡带来了机遇。智能算法技术不仅有利于教育者全面掌握大学生的真实所需,科学预测大学生的潜在所求,通过宏观审视结合微观剖析驱动思想政治教育内容精准供给与智能推送,而且能够为实现精确化质性评价、量化评估提供数据支撑和软硬件支持。

(一) 绘制图谱:贯通学生群体的真实所需与潜在所求

新时代大学生对思想政治教育的需求是大学生必要的个体性与社会性需求,而并非其他意义上的生理性需求,这其中既有聚焦当下体验与短期获得的显性需求,又有突出未来发展与长期进步的潜在需求,日益呈现复杂化、个性化、多样化以及动态变化性等特征。智能算法技术通过对静态数据信息的捕捉与思想行为等动态数据的追踪,将大学生在学习指导、社会实践、思想交流等不同维度的需求信息进行结构化处理和数据属性的关联性计算,精准绘制需求图谱,对教育者全面掌握大学生的真实所需和预测其潜在所求大有裨益。

1. 智能算法技术通过对庞杂无序数据的清洗与过滤,从海量数据中抽离出大学生的真实所需。随着高校在人才培养、课程建设、综合治理等领域信息化、数字化建设呈现新趋势,校内业务系统和第三方数据系统全天候与全方位采集、分类、整合大学生的学习生活数据:云脉人脸识别系统记录学生进出校园、体育馆、图书馆次数以及时长等数据;校园一卡通系统记录学生的日常消费数据、校医院就诊数据等;图书馆服务系统记录学生的检索痕迹、借阅类别、电子资源下载等数据;等等。数据的积累和沉淀在全方位反映大学生行为轨迹和真实需求的同时,大量的噪声数据、重复数据、冗余数据以及错误数据也充斥其中,我们必须通过蕴含智能算法的数据处理技术对数据进行去冗、补缺以及脱敏,厘清海量数据的非线性关系,再经过重新整理、科学聚类、验证析解、建模分析等程序,揭示大学生多样化、个性化的真实偏好和需求。

2. 智能算法通过聚类整合和多模态分析,在多维特征标签体系中梳理关联与找寻规律,探求大学生的潜在所求。在互联网技术高度发达的时代,智能算法技术能够及时准确地获取大学生在手机等网络移动终端生成的传感数据、物联数据以及各种统计数据,如全维感知大学生在网络领域对时事政治、文化娱乐等内容的浏览、转发、下载、评论、收藏等动向,实时获取大学生的关注热点、兴趣偏好、互动行为等相关数据,提取典型特征和了解网络社会关系。需要指出的是,由于单一场域中反映的大学生思想行为表征可能不具有代表性,因此,我们还要将大学生网络行为数据结合校内大数据平台产生的其他数据叠加进行分析与多维整合,从中深度挖掘与明晰大学生群体潜在的情感、成长等需求。

(二) 算法推荐:实现优质资源的精准供给与智能推送

智能算法推荐系统是一种凭借机器深度学习,基于受众的个人信息和行为数据全息采集,实现信息内容精准匹配与分发的技术架构。在具体的运行逻辑之中,我们可以将算法推荐划分为三种类别:基于内容的算法推荐(通过分析受众群体以往兴趣偏好生成个像,从而分发相似性内容);基于协同过滤的算法推荐(通过分析受众群体的关联性特征生成群像,从而向同类用户分发相似性信息);混合算法推荐(将前两种算法推荐相交叠,再以其他技术手段为依托分发信息)。由此可见,以智能算法推荐技术赋能高校思想政治教育供给,将有利于教育者精准掌握新时代大学生自我发展期待,通过宏观审视结合微观剖析驱动思想政治教育内容精准供给与智能推送,增强大学生思想政治教育的获得感、满足感与效能感。

1. 有利于优质资源精准供给。智能算法推荐系统运用技术编码与运算技术捕捉大学生真实需求,实质性地解构与重塑高校思想政治教育供给的存在场域与实践样态,有效弥补了传统模式下依循经验判断而缺乏定量分析的局限。首先,教育者能够基于数据挖掘、高频处理机制动态辨识和预测大学生的思想动态、行为轨迹、心理状况以及发展期待等倾向性特征,准确细致地呈现大学生复杂社会网络的关联性与交互性,构建高校思想政治教育信息资源专属数据库与内容池。其次,教育者基于运算推测机制对各要素数据资源进行必要的分析、过滤以及建模,准确研判大数据流背后的供需矛盾,厘定供给目标。最后,算法推荐绝不只具有简单的信息关键词搜索和归类叠放功能,而是创造性地具有基于数据透镜的结果为用户提供最适配信息的能力[3]。教育者基于人机协同内容分发机制对数据进行高频处理,在超强算力之中实现对大学生思想和行为等数据的深度挖掘,不断深化对思想政治教育供需规律的把握,采取菜单式服务和叠加式推送策略为大学生供给个性化教育内容。

2. 有利于优质资源智能推送。新时代大学生出生和成长于我国互联网技术形成与高速发展的时期,作为顺势而生的“数字原住民”和“互联网原生代”,手机、平板电脑、笔记本等移动智能终端设备成为他们的生活必需装备。他们更加热衷于网络化生存体验,例如更加谙熟以“网络课堂”“线上云端共享”等为代表的学习研讨模式、以“全天候”在线与“趣缘化”互动为特征的社交模式等。以“00后”为代表的大学生群体的认知体系和行为倾向更与众不同,例如对社会的认知呈现积极认同与困惑迷茫并存的鲜明特征,日常行为开始追求摆脱无用社会交往、拒绝社会恐慌等。有鉴于此,以智能算法推荐技术打造高校思想政治教育智慧化供给体系,既要观照大学生特殊的认知体系、情况多变的行为倾向等成长特征,又要把握网络发展规律,注重智能传播媒介和网络信息技术的内嵌式运用。以深受当前大学生青睐的知乎、小红书、B站、微博等自媒体平台为育人阵地,打造灵活开放、多项交互、具身沉浸式供给模式,促进思想政治教育内容呈现图像化、视听化、情境化,有利于学生在多感官体验和情景化体验中增强理论体悟和价值认同。

(三) 系统扫描:统一供给成效的质性评价与量化评估

我们从质和量两个维度去把握高校思想政治教育供给内容质量和主体能力如何、供需是否能够实现动态平衡,就意味着判断和评估需要坚持定性与定量相统一的原则。质性评价是指用语言描述形式以及哲学思辨、逻辑分析揭示被评价对象特征的信息分析、处理方法[4]59,综合运用归纳与演绎、分析与综合、抽象与概括、经验判断与现象观察等手段着力揭示事物质的规定性。量化评估是指用数值形式以及数学、统计方法反映被评价对象特征的信息分析、处理方法[4]59,综合运用数据收集、数字统计、线性回归分析等手段着力揭示事物量的规定性。智能算法技术的发展与应用有效整合了供给侧与需求侧更为广泛、全面和精细的相关信息数据,为实现精确化质性评价和量化评估提供数据支撑和软硬件支持,助力高校思想政治教育供需互契实践的全景式监测与评判。

1. 促进高校思想政治教育供需的质性评价智能化转型。智能算法技术视域下,高校思想政治教育势必要以大学生的全面发展为中心,突破依靠单一问卷调查或简单实地访谈为信息收集手段的传统质性评价模式,采用以辅导员、思政课教师等为代表的各类评价主体通过智能网络终端识别、算法追踪、模型构建、可视化呈现、人机协同配合等技术方法,以客观数据因果性分析与关联性解读支撑供给结果的质性评价模式。在此基础上,高校思想政治教育要叠加基于评价主体的严密逻辑推理和供给过程中经验事实的归纳总结,以有效保证对供给目标设定、供给队伍建设、载体搭建、大学生接受度及认同度等方面评价追踪的客观性、充分性、精准性。此外,高校思想政治教育供给实效的定性评价本身就较为注重对大学生情绪波动和思想变化等内隐状态的观察与捕捉,当前条件下难以有效利用仪器或数量指标加以准确感知和量化。智能算法技术则能够通过智能分析和多模态分析,生动呈现不同大学生在接受供给内容前后细微的情绪波动、态度变化、认知改变以及行为调适,能够有效弥补评价的主观性和经验观察的人为性等弊端。

2. 促进高校思想政治教育供需量化评估的数字化转型。智能算法技术凭借特定的数理逻辑、规则系统,结合数据集成、自主决策优势,构建以特征描述、分析预测为代表的定量分析计算模型,实现高校思想政治教育供给侧和大学生群体异质需求侧在数字空间的集中呈现和虚实联动,极大拓展了量化评估的原有视域。在此基础之上,高校思想政治教育以全面整体性思维和联动开放性观念促进供给过程中全样本、全要素、全过程的动态量化分析和可视化呈现,通过全景扫描与全域观测打造深层次、立体化、多视角的数字化评估体系,有效提升供需互契实践中过程性、结果性量化评估的科学性与有效性。

二、 矛盾与纠葛:思想政治教育供需互契的异化风险

作为一种新兴技术范式和变革性技术力量,尽管智能算法推荐技术在为实现高校思想政治教育供需互契过程中带来了一定应用价值,但颇为遗憾的是,基于算法技术运行维度,其分别在算法生产、选择、应用三个层面造成“黑箱效应”潜隐存在、“过滤气泡”悄然滋生、工具理性过分张扬等技术异化困境。在实践中,这些困境导致算法客观性的偏离,引发了价值认同离散、教育内容结构消解以及人文关怀弱化等一系列不容忽视的矛盾与纠葛。

(一) “黑箱效应”潜隐存在,离散需求主体的价值认同

由于技术架构本身的高度复杂性、难以理解性、不可解释性,设计者也会刻意遮蔽算法原理和生产运行机制,加之供给主体和大学生算法素养的限制,造成了智能算法技术的不透明,即“黑箱”问题。“黑箱”指的是为人所不知的、那些既不能打开又不能从外部直接观察其内部状态的系统[5]。随着智能算法技术在高校思想政治教育供需实践中的深度融合应用,技术“黑箱”衍生的算法偏见与歧视等一系列风险造成主流价值观的“热呈现”与“冷遮蔽”,严重挤占主流意识形态内容的供给空间,拆解主流价值观内容的事实依托,最终离散了大学生的价值共识,造成主流价值观在大学生群体中的凝聚效力疲软,这成为育人主体面临的重要挑战。

首先,“黑箱效应”可能致使供给过程中错误社会思潮或价值观念沉渣泛起,耗散主流意识形态和主流价值观的引领力。智能算法技术赋能下的高校思想政治教育供给内容分发与大学生需求偏好精准匹配,由传统模式下单向度灌输、需求主体的被动适应转变为交互式选择与供给内容的主动融入,极大改善了大学生的获取体验。需要指出的是,教育者由于无法科学揭示或有效回避“黑箱效应”所产生的信息不对称与不公开弊病,多种错误思想观点、价值观念、社会思潮或将在技术“黑箱”遮蔽和掩护之下外显为算法技术规制下“客观中立”的教育内容,并织就价值牢笼内隐于供给实践,以期强化大学生的认知偏见和价值误读,为凝聚大学生的价值共识带来风险与挑战。

其次,“黑箱效应”可能致使供给过程中资本逻辑有机可乘,弱化大学生价值观认同。资本逻辑具有自觉追求价值增殖的非正义性和非自觉创造人类文明的“正义性”[6],奉行流量变现、利益至上的价值准则,容易产生“劣币驱逐良币”现象,严重扭曲高校思想政治教育供给的价值理性。除此之外,资本逻辑裹挟之下的供给实践为了进一步“收割流量”和增强大学生的黏附度,不仅偏向性推送附着大量庞杂非主流价值观念的内容,而且试图过滤掉能够彰显主流价值观的教育内容,导致教育者精心构建的主流意识形态价值谱系呈现弥散化、碎片化态势,大学生逐渐热衷于享受算法推荐的信息狂欢而陷入价值观迷茫困境。

最后,“黑箱效应”可能致使供给过程中大学生数据隐私泄露或滥用,引发信任危机。由于大学生的个人信息以数据形式被结构化抓取、存储、过滤、应用,在“黑箱效应”作用下,供给主体可能无意泄露或滥用大学生数据隐私,引发需求主体对智能算法技术赋能供需互契实践的信任危机,使大学生在向教育者表达自己的真实想法和反映自身的实际需求时存有顾虑,直接制约主流价值观的引领实效。

(二) “过滤气泡”悄然滋生,消解供给内容的系统结构

高校思想政治教育供给内容体系具有多维性、系统性、时代性以及阶段性等特征,依据不同划分标准,理论性内容与实践性内容相互衔接和转化,主导性内容与基础性、通识性内容相互融合,更注重引导大学生通过亲身体验和自我感受来获取相关知识[7]。智能算法技术标签化、数据化以及全息化记录和分析大学生需求信息的方式使个性化教育内容供给成为可能。私人订制、量身打造式的供给模式虽然在某种程度上缓解了供需匹配矛盾,有效避免了大学生在信息过载场域中的不知所措,但也同样强化了大学生对推荐机制的心理依赖,很可能沉浸在“信息回音室”中寻找心理舒适区,在“过滤气泡”影响下接受相对固化的教育内容。长此以往,致瘾机制之下海量碎微化、迎合性、重复性内容在大学生群体中反复激荡,他们被孤立或隔绝于个性化的信息孤岛之中,不断挑战和消解教育内容的系统化、体系化建构。

一方面,“过滤气泡”影响下的贴心管家式供给窄化了教育内容。协同过滤算法凭借对大学生群体的数据痕迹抓取与析解,将其划分为具有相似关注点的趣缘群体,进行相似性教育内容推荐。加之大学生为了始终保持心理舒适度,更加倾向于选择贴合自身审美偏好、兴趣喜好、价值取向的内容,局限于浅层次趣味性内容的满足而排斥政治性、理论性内容。双重因素叠加导致大学生接受的教育内容日益窄化,思维定式不断固化,沉溺于自我封闭式的拟态环境,逐渐减少思想的交流碰撞和对多层次思想政治教育内容的系统认知与情感认同。另一方面,“过滤气泡”影响下投其所好式的供给导致教育内容同质化。个性化算法推荐深刻改变了思想政治教育供给内容结构和传播秩序,虽然以精准的内容分发和及时的效果反馈满足了大学生异质性需求,但投其所好式供给突出同质信息的遴选与引入,不断滤除异质性内容和多元化声音,造成单一教育内容的闭合式循环。对需求主体而言,信息迎合也会改变其接受教育内容的原有习惯,使大学生将教育内容的选择自主权让渡给智能算法技术,更加依赖算法推荐的同质化内容精准“投喂”,内容供给由“我想要”转变为“你应该要”,主体的理性思维能力和主观能动性被剥夺。

(三) 工具理性过分张扬,弱化供给主体的人文关怀

高校思想政治教育是有着价值追求、精神旨趣和思想智慧,能够滋养教育对象心灵与厚重人格的实践活动,“从根本上说是做人的工作”[8]。因此,注重人文关怀无疑是高校思想政治教育实效提升与创新发展的本质要求。智能算法技术的成熟应用与深度介入虽促进了大学生真实与潜在需求的精准绘制、供给内容的精准分发以及开放沉浸式的虚拟互动,为实现供需互契提供技术支持,但教育者往往会因为沉浸于智能算法软硬件带来的技术优势而过度依赖算法,造成技术崇拜、技术至上、唯数据论的工具理性与物化逻辑的过分张扬和渗透,陷入“技术利维坦”陷阱和“机械主义”窠臼,偏离了人文关怀的价值向度和弱化了人文精神的价值观照。

首先,工具理性过分张扬矮化了教育者和教育对象在供需互契实践中的本我角色与主体地位。系统谋划和整体推进高校思想政治教育供需互契实践既要致力于推动供给主体的多元转向与有机协同,又要厘定需求主体结构以优化资源适配。但对智能算法技术的过度依附和价值性服从使教育者和教育对象容易产生思维和行为惰性,习惯按照技术逻辑操纵、规制供给和需求实践,丧失必要的自主性与判断力,导致二者的主体性地位被算法逻辑规则所宰制,逐渐沦为智能算法技术“座架”的构成部分。其次,工具理性的过度膨胀使大学生作为现实个体的多维丰富性丧失。在技术依赖语境下,教育者侧重于以数据处理方式作出定量判断,但大学生在供给环节中的精神感受、情感体验等主观获得感难以通过计算测量的方式科学衡量与精准呈现。进一步说,大学生在供给实践活动中生成的多维获得感、成就感以及满足感很可能淹没在对算法技术的过度依赖之中。最后,工具理性僭越价值理性滋生“唯数据论”,造成教育者与大学生情感关系的疏离。教育作为一种感性与理性交织的实践活动,各种感情互动与表达贯穿于学生学习的全过程,情感共振、心灵互通成为激发学生学习兴趣与行为的重要动力[9]。在人机交互过程中,智能算法技术过分夸大数据价值和强调数据驱动,误以为大学生的具体需求都可以进行代码化处理或以算法程序加以解释,这会盲目扩张智能算法技术在供需互契实践中的应用范围,使充满人文关怀和情感渗透的供给活动异化为程序化、机械性、单向度的算法运行步骤,显著弱化师生间应有的情感互动、心灵共通和思想碰撞。

三、纠偏与复归:思想政治教育供需互契的应变理路

面对智能算法技术引致的需求主体价值认同离散、供给内容系统结构消解和供给主体人文关怀弱化三重风险,我们要深刻反思和追问个体与技术融为一体且共同存在的关系,明确供需互契实践中教育者和教育对象的主体性地位和独特性尊严。在此基础之上,我们要应势而动,以算法治理透视“黑箱效应”、以技术规制戳破“过滤气泡”、以价值理性统合工具理性,从而在智能算法技术赋能高校思想政治教育供需互契实践中扬长避短。

(一) 以算法治理透视“黑箱效应”,广泛凝聚价值共识

有效的高校思想政治教育供给是以彻底的理论抢占思想制高点和精细化的服务助力大学生全面发展,增强大学生心理层面获得感、思想层面满足感以及价值层面认同感,以在多元价值观相互碰撞和激烈竞争中筑牢大学生价值认同。算法技术赋能高校思想政治教育供需互契实践,提升算法可解释性与透明度,就是要以实践的方式直接披露算法偏见、算法歧视的存在根源与运行逻辑,避免算法技术在多维场景化应用时淡化甚至湮没主流价值观的主导性与权威性,以期通过思想政治教育供给凝聚起新时代大学生的价值共识。

1. 打开算法选择机制的“黑箱”。我们注意到,凝聚需求主体的价值共识无法脱离叙事话语表征与意义阐释的支撑,而算法选择机制可以通过操纵话语符号、过滤供给内容以及把控信息呈现,在高校思想政治教育供需实践中较为直接地形塑大学生的价值认知和审美旨趣,逐渐成为左右大学生正确价值观念形成和价值共识凝聚的一种隐性力量。因此,我们要切实增强智能算法技术在多元话语符号选择,差异化供给内容生产、分类与筛选等运行程序时的可解释性与透明度,将主流价值观全方位融入与全过程规制算法选择的所有程序与逻辑,确保特定教育内容与话语的生产和供给符合主流价值观念。例如近年来以抖音、快手为代表的短视频应用程序不仅贴合大学生的接受特征,而且以海量资源不断满足大学生多样化的视听消费需求,辅导员、思政课教师等教育者可尝试以此为抓手,创新教育资源供给模式。需要指出的是,教育者虽然并非智能算法技术资深专家,但要清醒认识到短视频碎片化传播可能造成的拆解供给内容逻辑性、淡化理论知识思想性等困境,明晰短视频背后可能隐匿着的娱乐至上、价值干预、舆论干扰等倾向,避免以空洞的内容迎合大学生的猎奇心理。教育者要加强主流价值观对话语内容选择的引领,发挥短视频平台助力高校思想政治教育有效供给的新优势。

2. 打开算法推荐机制的“黑箱”。算法推荐技术应用于高校思想政治教育供给,精准满足了大学生的个性化、多样化需求,实现了供给内容的定制化,丰富了大学生认识社会与感知世界的手段,有效降低了大学生在海量内容库和信息池中寻找能够满足自身所需的时间成本。但资本逻辑的原生动力决定了智能算法推荐的开发和设计不可避免地会具有追逐商业利润的强烈色彩[10],偏离了思想政治教育供给的政治立场和价值要求,这要求我们要强化智能算法推荐机制中内容评分与用户聚类底层逻辑的可解释性与透明度,以主流意识形态驾驭信息内容的交互匹配与精准分发,提升主流价值观的充盈度以及优先推荐等级。与此同时,供给主体在运用算法推荐过程中要注重对大学生的隐私数据进行保护,严格规范与合理约束数据收集、处理行为,通过有力地规训算法权力,促进算法平台主动建立侵犯或滥用大学生个人信息的风险防控机制。

(二) 以技术规制戳破“过滤气泡”,丰富内容资源供给

智能算法技术与高校思想政治教育供需互契实践深度融合产生的“过滤气泡”现象,本质上就是基于算法技术运转的底层架构,依据用户习惯进行用户画像,并利用算法技术为其精准匹配信息的一种界面体验[11]。这成为阻碍供给内容优化与结构升级、制约育人实效的信息壁垒,为此我们要采取积极措施加以应对。

1. 注重“反偏向”教育内容供给,创生大学生兴趣生长点。针对“过滤气泡”产生的同质化内容包裹困境、信息内容窄化忧虑,供给主体要对需求主体偏好的内容模块进行系统的数据关联性分析,精准识别和掌握大学生长期接收的内容类别,在此基础上科学运用反向推送机制,有选择性地推荐与其现有认知、价值观点不同的内容资源,以期刺激大学生的新需求,拓展大学生新的知识域,激发大学生勇于突破自我,冲破“信息茧房”。

2. 促进个性化内容推荐与多样化内容推送互嵌,优化内容资源配置。我们要以系统构建高校思想政治教育优质供给内容为根本,在不断满足大学生个性化、异质性现实需求基础上提供更加丰富、多元的内容资源供给,消除“过滤气泡”“数字牢笼”致使的窄化信息内容接收边界的消极影响。除此之外,供给主体要格外重视智能算法推荐与全过程人工审核有机联系和同步展开,更好驾驭算法推荐的技术逻辑,从而进一步挣脱“过滤气泡”作用下内容窄化的束缚。

3. 引导大学生养成科学的供给内容获取习惯。应对“过滤气泡”所形成的多种负面效应,我们不仅要从技术架构本身出发,而且要着眼于需求主体的主动作为。一要促进大学生逐步提高获取内容资源的自我意识,强化自我认知、自我体验与自我调节,内在地驱动大学生主动辨识“过滤气泡”“信息茧房”对主体产生消极影响的发生逻辑,主动矫正热衷于内容定向、同质激荡的行为习惯。二要提升大学生内容获取、甄别能力和价值判断能力,扩大内容资源获取范围,注重类型多样、主题各异的内容订阅,以在纷繁复杂的内容池中辨明主流观点。

(三) 以价值理性统合工具理性,强化人文关怀意识

促进高校思想政治教育供需互契实践中突出人文关怀的深厚底蕴,就是要以尊重大学生的生命尊严和独立人格为价值预设,理解大学生的个性差异和精神世界为价值取向,关心大学生的独特地位和多层次需要为价值尺度,促进大学生的健康成长和自由全面发展为价值目标。与工具理性只聚焦技术效率、行为手段与结果而忽视目的是否契合不同,价值理性凸显现实个体存在的意义和人的主体性地位,将人的发展作为终极目的。立足于价值理性,智能算法作为增智赋能的技术手段,应用于高校思想政治教育供需互契实践时要诠释责任担当,确证技术的工具属性精准匹配教育的价值属性,在追求技术实用性的同时始终坚守教育的本质要求与铸魂育人根本目标;以价值理性统合工具理性,积极应对智能算法技术赋能高校思想政治教育供需互契实践中人文精神失落与人本情怀漠视的风险。

1. 形成人机协同教育理念,凸显思想政治教育人文关怀。教育主体需从人机对立的执念中解放出来,形成人机协同教育理念,突破智能算法的机器“冷”与供需实践的育人“暖”之间的对立,防止因技术异化和工具泛滥而在实践中产生排斥人、宰制人抑或是解构人的异化,充分唤醒人的主体性,助力智能算法技术与高校思想政治教育供需实践的内涵式融通。换句话说,唯有在纯粹以人为中心的教育世界里,技术才能最大限度地彰显教育的意义和价值[12]。理念的真正转变为教育主体在供需实践中牢牢把握智能算法技术的主导权,挖掘现有大数据、超强算力以及深度学习等技术优势提供助益。智能算法技术通过结构化数据、非结构化数据以及半结构化数据的综合有效且快速析出,为不同教育对象提供有针对性的人文关怀。此外,智能算法技术依托超强算力,通过必要的计算分析捕捉数据变化趋势,梳理横向数据之间的关联,根据教育对象思想行为演变状况不断优化调整关怀方式。

2. 提升各主体的算法素养,明晰人在供需实践中的核心地位。在赋能思想政治教育供需互契实践过程中,算法素养主体包括算法生产设计者、算法使用者(思想政治教育供给主体)、需求主体(大学生)。算法生产设计者应在算法模型设计训练、技术程序建构时尊崇人的价值与尊严、聚焦人的生存与发展、阐释人的存在意蕴,以较高的算法素养凸显技术的人文关怀。思想政治教育供给主体的算法素养提升并不一定意味着他们要具备编辑代码与设计界面的能力,而是要能够理解智能算法技术应用于供需实践时的基本工作原理,明确算法推荐机制,从而避免陷入被算法技术所挟持的尴尬处境,弱化思想政治教育供给活动的铸魂育人功能。除此之外,思想政治教育供给主体还要增强技术敏感性,认清算法技术所反映的利益实质和权力关系,审视应用过程中可能出现的潜在风险,防止受到技术依赖的压迫或沦为技术附庸。对需求主体而言,教育者要通过课堂教学等路径引导其认识智能算法技术的运行逻辑和系统规则,让大学生具备基本的算法思维能力、数据素养与信息素养,明晰算法技术伴生的算法歧视、“黑箱效应”、隐私泄露等异化风险,凸显自身的主体地位和自主选择权,防止沉浸于算法编织的舒适区。