基于大數據5V構象的輔導員職業新思維構建

■姜 毅 張成孜 何恩節/.安徽科技學院生命與健康科學學院；.安徽科技學院團委；.安徽科技學院電氣與電子工程學院

2012年，美國頒布《大數據研究和發展計劃》，將“大數據”（Big Data）確立為提升國家競爭力的核心要素；2013年，法國發布《數字化路線圖》，將大數據技術明確為要重點發展的戰略性高新技術；2014年，我國首次將“數據”大寫入兩會《政府工作報告》，2015年，黨的十八屆五中全會上，國家大數據戰略應孕而生。當前，大多數國家已將大數據戰略提升至國家層面，并以前所未有的速度爭先恐后地邁入循“數”治國的大數據時代。

大數據戰略作為一種世界觀、一種方法論，正悄然滲透到當前社會的各行各業，誘導著一場人類源于靈魂深處最深層次的思維變革。作為在校大學生健康成長的指導者和引路人，高校輔導員如何在習近平新時代中國特色社會主義思想和黨的十九大精神指引下，立足立德樹人的前沿陣地，積極擁抱大數據時代，主動對接大數據戰略，有效構建大數據思維，為中華名族的偉大復興提供人才保障和智力支持，自然成為一項新穎而又緊迫的時代課題。

近年來，學界基于大數據時代背景，就高校輔導員職業意識、職業素養與職業功能等話題展開了持續的深入探討。黃林奇從數據意識的構成出發，結合數據意識培養的重要性，得出了高校輔導員培養數據意識的有效途徑［1］。吳志龍針對大數據時代高校輔導員預警工作現狀，給出了切實提升輔導員預警能力的系列措施［2］。馬加名等著眼于我國社會主要矛盾轉化、高等教育生態變化的客觀現實，系統探析了新時代高校輔導員借助大數據手段提升理論素養的現實路徑［3］。黃俊認為，為抓住機遇、迎接挑戰，大數據時代下的高校輔導員應積極主動塑造數據素養、網絡學習素養、預判能力素養和網絡倫理素養［4］。王鵬基于新時代下大學生成長成才的現實需求，指出：為給大學生提供精細化服務，高校輔導員應主動更新認知模式、切實運用大數據思維模式［5］。谷丹從移動互聯網高校大數據的特性出發，指出了高校輔導員在學生管理過程中面臨的挑戰，并就如何利用高校大數據創新“三位一體”的學生管理模式展開了系統分析［6］。然而，基于大數據特征構象的高校輔導員職業新思維構建的相關研究卻未見報道。

一、大數據5V構象

1980年，美國著名未來學家Alvin Tof fl er首次提出“大數據”一詞，并將其比作“第三次浪潮的華彩樂章”。2008年9月4日，《Nature》雜志推出大數據專輯，雖然并未直接給出大數據的準確定義，但從互聯網技術、超級計算、生物醫學等多個領域介紹了由海量數據誘導的諸多挑戰［7］。隨后，牛津大學數據科學家 Viktor Мayer-Sch?nberger在其所 著 的《Big data： a revolution that will transform how we live, work and think》一書中指出，不可用隨機抽樣法分析大數據，而應采用全樣處理法。著名咨詢公司Gartner將大數據描述為一種需借助全新處理模式才可實現價值最大化的海量、多樣化、高增長率的信息資產。МcKinsey全球研究所將大數據定義為一種規模大到在獲取、存儲、管理、分析方面大大超出了傳統數據庫軟件能力范圍的數據集合。中國工程院院士鄔賀銓認為大數據泛指可從中挖掘出有價值信息的巨量數據集［8］。由于不同行業和技術背景賦予大數據的具體意義也各不相同，時至今日，學術界并未給出大數據的精準普適定義。

思想是行動的先導。為科學利用大數據資源，需繞開大數據的精準定義，主動突破小數據思想藩籬，切實構建大數據思維。為此，首先需要透過現象看本質，從各類紛繁復雜的大數據現象中識別大數據特有的本征構象。IBМ公司基于理論、技術、時間三個層面，首次提出了包含Volume（大量）、Variety（多樣）、Velocity（高速）、Value（低價值密度）和Veracity（真實性）的“大數據5V構象”。

Volume構象：大數據在采集、存儲和計算量等方面都呈現海量海量構象。大數據的起始計量單位至少是PB（1 PB=230 МB）、EB（1 EB=240 МB）或ZB（1 ZB=250 МB）。研究表明，大數據體量正已指數般的速度快速增長，到2020年全球大數據總量有望達到44 ZB。

Variety構象：大數據類型、來源呈現多樣化構象。類型上主要包括結構化、半結構化和非結構化數據。其中結構化數據主要指可存儲于關系型數據庫管理系統的高度結構化數據，全球所有數據中僅有20%的數據屬于結構化數據。半結構化數據具有自描述特征及簡單的鍵/值對，無需遵從固定的模式。非結構化數據具體表現為文本、圖像、視頻、音頻等，它部分或全部喪失結構性，全球80%的數據都是非結構化的。顯然，大數據類型、來源的多元化對其分析處理能力提出了更高的要求。

Velocity構象：大數據增長速度、處理速度快、時效性要求高，決定了其高速構象。信息爆炸的大數據時代，對數據的及時處理和基于處理結果的快速決策顯得異常重要。例如，2008年，Google公司推出的Google流感趨勢（Google Flu 基于匯總的Google搜索數據，近乎實時地估測了當年蔓延全球的流感疫情，為不少國家的疫情預防提供了有益參考。

Value構象：大數據價值密度相對較低，可以理解為浪里淘沙卻又彌足珍貴。大數據背景下，“互聯網+”戰略的廣泛實施催生了無處不在的低價值海量信息。如何靈活運用機器算法，有效結合業務邏輯，科學合理地利用大數據，以低成本創造高價值，是大數據時代最亟需解決的現實問題。

Veracity構象：數據的準確性和可信賴度，即數據真實性構象。大數據的大量、多樣、高速構象決定了大數據時代在不同時空中，以不同形式、不同渠道獲取的信息數據具有異源異構特征。如何從這些良莠不齊、真偽難辨的海量數據中篩選并抓取相互關聯的有用信息，成為有效利用大數據的先決條件。

二、大數據5V構象下高校輔導員職業思維面臨的挑戰

信息爆炸式增長的大數據時代，高校基于傳統小數據的思想行為邊界被快速突破，高校校園呈現互聯互通、超越時空的大數據新生態格局。面對錯綜復雜的多維數據信息，處在大數據新生態格局中的校園主體——高校大學生的信息渠道日益寬廣、自主意識愈發強烈、價值認同日趨多元，給處在立德樹人前沿陣地的高校輔導員帶了巨大的沖擊。無論是在工作方向、工作內容方面，還是在工作模式、工作策略方面，大數據時代高校輔導員的一些傳統職業思維都面臨著前有未有的巨大挑戰。

（一）抽樣思維力不從心

抽樣思維源于數理統計，是一種從全樣本中抽取部分樣本，經歸納推理進而得出一般結論的思維方法。抽樣保證了在客觀條件達不到的情況下，得出一個相對可靠的結論，讓研究有的放矢。在數據采集難度大、分析和處理困難的時候，抽樣不失為一種很好的權宜之計。但由于抽樣后歸納推理得出的結論涉及范圍大于抽樣范圍，使得利用抽樣思維得出的結論具有偶然性和不確定性。

大數據時代背景下，95后大學生從小就接觸網絡、善于利用網絡表達和傳遞信息。作為數字化生存的網絡原住民，其家庭背景、思想活動、學習狀況、心理特征、性格特點、情感取向、興趣愛好、行為習慣的諸多方面無不以體量龐大、類型多樣、來源復雜的大數據形式呈現。受學緣結構、知識體系、工作經驗、職業現狀等因素的制約，高校輔導員在面對這些海量數據信息時，往往“只見樹木不見森林”，在工作中有意無意地接收并采納了習慣已久的抽樣思維。比如，很多輔導員在對學生進行思想政治教育時，往往利用二八定律，意圖通過20%的關鍵少數學生帶動80%的一般多數學生。在貧困生認定過程中，不少輔導員也會過多依賴學生自身的“自說自話”和與其具有高度信賴強關系同學的“現身說法”，而忽視了體現學生在校期間日常消費的各類客觀大數據，出現信息盲區，進而引起可能的誤判。類似于其它類型大數據，高校大學生傳遞給輔導員的大數據同樣具備低價值密度構象。若抽樣思維介入輔導員處理具體事務過程中，且接收到的數據恰好為全樣數據中的低價值或無價值部分，拋開時間和精力的無效耗散不說，這種經抽樣后歸納推理得出的結論，不僅不能助力輔導員的事務處理，還極有可能適得其反。

顯然，受大數據大量、多樣、低價值密度構象的制約，大數據時代高校輔導員對抽樣思維的不當運用，往往顯得力不從心。

（二）精準思維難奏實效

精準思維是小數據時代保證抽樣后所得結論可靠的必然要求。一般而言，全樣數量是抽樣數量的很多倍，因而極小的抽樣失誤，很容易導致結論的“差之毫厘，失之千里”。為保證抽樣所得結論的相對可靠，人們對抽樣數據的質量要求極其精準，容不得半點的差錯。

精準思維在高校輔導員的日常工作中也會時有出現。例如，應對校園危機事件時，要求高校輔導員能在極短時間內對整個危機事件包含的所有大數據信息進行精準抽樣，進而根據所得抽樣數據信息做出一些列環環相扣的快速響應：掌握事件過程、評估危機等級、分析事態起因、把握發展趨勢、深究事件內因、提出具體對策。如果說小數據時代對危機事件涉及的全樣數據進行快速精準抽樣尚且可行，那在當前的大數據時代幾近不可能。姑且不考慮與危機事件相關的大數據的大量構象和多樣構象引起的時間和精力的耗費，但現實世界本身就是不完美的，大數據的真實性構象決定了現實中大數據的部分異常、紕漏、疏忽甚至錯誤都是很正常的。再比如，大數據背景下，大學生心理大數據包含數量龐大、形式多樣的文本、圖片、視頻、影視等。有時候，甚至是QQ空間上的一句“說說”、微信朋友圈里的一句評論，都與大學生的心理活動、心理狀態密切相關。但一些輔導員在開展大學生心理健康排查工作時，從內心上不容許對抽樣所得的網絡測試數據的真實性產生懷疑，這種過度依賴心理健康理論的精準思維有時候往往會引起對大學生心理健康類型的誤判。殊不知，有些學生在心理測試時具備很強的掩飾性，會刻意回避一些測試問題，使得測試數據的可靠性大大降低。

不難看出，受大數據大量、多樣、真實性構象的影響，大數據背景下高校輔導員對精準思維的過度使用，往往難奏實效。

（三）因果思維適得其反

因果關系同樣源于數據抽樣理論，一個因果關系的得出，一般包含以下流程：一個抽樣樣本中某個有趣規律的偶然發現→另一更大樣本中該規律依然成立→所能見的所有樣本中該規律同樣成立→該規律為必然規律、因果關系成立。小數據時代，人類總是相信“有因必有果”，接受因果思維。但因果關系是一個非常脆弱、不穩定的關系，因為只要有一個反例，因果關系就不成立。大數據背景下，大數據不僅是海量的，還是動態的，不支持因果關系的反例的出現概率顯著增大。

毫不夸張地說，人類社會目前取得的一切成就都是基于抽樣所得小樣本的分析：利用抽得的小樣本，基于因果思維，分析出因果關系，進而類推到全樣情境。現實工作中，高校輔導員也會時常陷入因果思維陷阱：總是習慣首先問一個“為什么”。例如，在對成績不好的學生進行學業指導時，我們往往會急功近利地將其歸因于認知水平、學習效率、學習能力、智商水平、主觀意愿等眾多因素中的某一單一因素，片面追求因果關系，而忽視了大數據整體的大量、多樣構象，忽視了大數據各部分之間的關聯，不能以大數據的宏大視野全面地了解學生。以大學生就業問題為例，當前大學生就業難已成為學生、家長、高校的共同感受。受單一因果思維定勢的影響，一些高校輔導員很多時候會給學生傳遞一些類似于“高等教育的持續擴招直接導致了大學生就業難”、“就業觀念存在問題導致了大學生就業難”的片面觀念，直接導致了學生的“就業恐慌”。實際上，與當前大學生就業難的大數據信息還包含就業結構不合理、就業市場不完善、用人單位盲目的人才高消費、大學生自身素質低等等，而且隨著科技的進步和社會的發展，這些就業大數據往往呈現出動態的非線性相關關系，很多高校輔導員并未很好地利用這些相關大數據去指導大學生就業。

可見，受大數據大量、多樣、高速構象的約束，大數據背景下高校輔導員對因果思維的習慣性使用，極易適得其反。

三、大數據5V構象下高校輔導員職業新思維構建

大數據時代，高校輔導員面臨抽樣思維力不從心、精準思維難奏實效、因果思維適得其反的現實挑戰。為主動對接國家大數據戰略，積極搶戰立德樹人的制高點，高校輔導員須立足大數據5V構象，與時俱進地發展大數據思維，切實構建職業新思維。

（一）積極培育全樣思維

高校輔導員基于數據信息履行職業職責、發揮職業功能的過程中，往往習慣把隨機抽樣作為獲取樣本數據的主要手段，這是小數據時代無法獲取全樣數據信息的客觀條件下的無奈選擇。正如數據科學家Viktor Мayer-Sch?nberger教授的形象總結——“大數據時代進行抽樣分析就像是在汽車時代騎馬一樣”。大數據時代，隨著數據采集、存儲、分析技術尤其是相關算法的高速發展，輔導員可以更加方便快捷、實時動態地掌握與大學生行為方式、人際交往、思想情感等相關的全樣大數據信息，從而能夠更加全面系統地認識學生的總體狀況。因而，對高校輔導員而言，主動擺脫傳統落后的抽樣思維、積極培育科學合理的全樣思維，顯得異常重要。

從教育自身看，面對鮮活的差異性教育個體，高校輔導員沒有試錯的機會，“為了一切學生，學了學生一切，一切為了學生”的教育理念和“全員育人”的教育目標也要求我們在思政教育、日常管理、黨團建設、學業指導、心理教育、危機應對、職業規劃以及理論與實踐研究的諸多實踐環節中積極培育全樣思維，這是高校輔導員各項工作的立足點，也是高校輔導員職業能力建設的原點。

由于存在大量、多樣、低價值密度的本征構象，大數據自身在排斥輔導員抽樣思維的同時，更適合接收輔導員的全樣思維。如今，與學生相關的大數據包羅萬象，高校輔導員育人環節中對大數據信息中微乎其微的一些碎片化信息的忽視，都極有可能誘導一次無法挽回的損失。所以，大數據時代高校輔導員必須積極培育全樣思維，讓全樣思維滲透至立德育人的每一細節。其實，信息技術高度發達的大數據時代，通過各種可能的渠道、借助各種先進的數據處理技術，收集大學生的全樣大數據已變成一種易于實現的可能。這也為我們拋開抽樣思維，利用全樣思維實現對學生的全面分析提供了有利的客觀條件。

（二）大度接納容錯思維

小數據時代，受技術和職業要求限制，高校輔導員收集的抽樣數據少，為有效保證“一個抽樣樣本中某個有趣規律的偶然發現”到“所能見的所有樣本中該規律同樣成立”，規避可能的“南轅北轍”，就必須要求輔導員具有精準思維。然而，大數據時代，得益于大數據技術的突破，源于學生的大量半結構化、非結構化的數據能夠得到有效儲存與分析，這一方面有利于輔導員提升自身的洞察力，另一方面也使得輔導員無需過多關注學生海量數據信息中每一部分的精確度，容許一定程度的偏差乃至錯誤。因此，主動擺脫精益求精的精準思維，大度接納世界本身就是不完美的容錯思維，是大數據時代對高校輔導員職業思維的必然要求。

大數據時代，高校輔導員的容錯思維可以“如魚得水”般地生存發展。因為大數據的大量、多樣構象為其提供了更為廣闊的生存空間，大數據的真實性構象（即部分數據的可靠性和真實性不確定）為其提供了更為遠大的發展空間。大數據時代，只有少量的結構化數據可供高校輔導員展開傳統數據分析，如果不容許誤差乃至錯誤，剩下的大量非結構化數據將無法被有效利用，而恰恰是這些大量的非結構化數據，更能表征高校大學生行動與思想的本質內涵。只有積極接受學生大數據的不精確性、大度接納容錯思維，高校輔導員才能打開大學生心理那扇難于觸碰的心靈窗戶，推進學生工作的縱深化發展。

大數據時代，大學生的思想行為無不以數據形式存在，在東西方文化觀、價值觀的交互激蕩之中，難免會出現一些負面的數據信息，時刻侵蝕著大學生的思想與靈魂。高校輔導員如果一味抵擋這些負面信息，不合理采取容錯思維及時引導學生，勢必引起學生的逆反心理、失去學生的信任，進而喪失意識形態領域話語權，錯失對大學生精神引領與指導的絕佳機會。

（三）主動塑造相關思維

小數據時代，受從古至今人類習慣已久的因果思維影響，高校輔導員在處理具體學生事務時，總是習慣于問“為什么”，習慣于利用有限的抽樣數據去揭示各類事物或現象背后的普遍因果規律。然而，與學生相關的有限抽樣數據根本無法反應萬事萬物之間普遍聯系、普遍相關的哲學規律。大數據時代，高校輔導員可以較為方便地借助對應的大數據技術去揭示學生大數據之間較為脆弱的相關關系，而大數據的核心內涵就是建立在比因果關系更為廣泛、更為普遍的相關關系基礎上的預測。此類預測所得的結果、規律、思路，往往能給高校輔導員的問題處理帶來事半功倍的效果。由此可見，大膽舍棄必須關注“為什么”的因果思維，主動塑造只需關注“是什么”的相關思維，是大數據時代高校輔導員職業思維創新的核心要求。

基于相關思維的分析預測往往能給人類審視世界帶來更好的視角。正如第谷收集了一輩子的天文數據，但是開普勒才是關聯這些天文數據，進而預測、發現行星運動三大定律的人。高校輔導員工作中遇到的任何一個問題，都不可能是瞬間爆發的，都是帶有一定征兆的。這就要求高校輔導員在面對類似問題時，要及時敏銳地捕捉到與之相關的海量數據信息，利用相關思維去發掘數據之間的關聯，進而借助預測結果、給出相應對策。

大數據時代，高校輔導員相關思維的塑造好比一顆種子。學生大數據的大量構象為其提供生存的“土壤”、多樣構象為其提供成長的“陽光”、高速構象為其提供發展的“水分”。三者缺一不可、相輔相成，為高校輔導員塑造相關思維提供了必需的基本條件。從另一個角度看，因為高校輔導員無法針對本身體量大、類型多，而且還在高速增長的學生大數據完成有效合理的抽樣，所以在處理學生問題時，采用基于有效抽樣的因果思維自然變成無源之水、無本之木。由此可見，高校輔導員實現從因果思維到相關思維的全新蛻變，是大數據背景下的時代呼喚。

信息網絡技術高速發展的今天，人類社會悄然步入大數據時代，大數據思維無處不在。受傳統思維習慣的影響和大數據特有5V構象的制約，高校輔導員的職業思維面臨著抽樣思維力不從心、精準思維難奏實效、因果思維適得其反三大挑戰。為切實履行立德樹人神圣職責，高校輔導員應立足大數據5V構象，與時俱進地構建包含全樣思維、容錯思維、相關思維在內的三大職業新思維。