大數據方法在思想政治教育研究中的科學性及其爭議探討

康超 佘雙好

摘要：研究方法的使用是否科學合理，直接關系到研究成果能否成立。作為一種新興的科學研究方法，大數據方法的發展動態引起學界廣泛關注，但就思想政治教育研究領域而言，這一方法存在的諸多科學性爭議框定了研究使用的可能空間。從科學研究用以描述現狀、解釋現象、預測未來的實際功能聚焦思想活動能否被數據描述、思想狀況能否被相關關系解釋、思想趨勢能否被精準預測等爭議問題及其原因，探討大數據方法在思想政治教育研究中的科學化進路，有助于思想政治教育研究者客觀、全面地把握大數據方法的實際價值和發展前景。

關鍵詞：大數據；思想政治教育；研究方法；科學

中圖分類號：G434 文獻標識碼：A

作為一種科學研究方法，大數據方法需要在思想政治教育研究過程中遵循一定的科學研究程序，通過對思想政治教育現象的描述、解釋、預測，達成對思想政治教育規律的客觀認識。然而在實現描述思想活動、解釋思想狀況、預測思想趨勢等科學研究的基本功能時，大數據方法的科學性仍有較大爭議。如何看待這些爭議，進而如何理解爭議產生原因，最終應該如何在爭議之上更好地推動大數據研究方法的科學化發展，無疑影響著大數據方法在思想政治教育研究中的意義評價和出路選擇。

一、思想活動能否被數據描述

以數據的方式描述或反映思想活動，是使用大數據方法進行思想政治教育研究的前提。大數據方法的支持者認為思想活動可以被數據描述，具體實現方式有兩種：一種是直接讀取“腦數據”反映思想活動。大腦產生的腦電波可以轉化為計算機可讀的數字信號，通過“編碼—解碼”腦信號，進而刻畫大腦的思想運動。另一種是以行為數據替代思想數據。大數據方法依賴海量的日常生活行為數據或網絡數據足跡等進行更深入的研究，在獲得足夠豐富的數據情況下，“可以用多維時空參數來全方位地完整刻畫人的思想行為的復雜性，復雜的思想、心理、情感只是需要更多數據刻畫而已”[1]。

反對者認為思想活動不能被數據化或完全數據化，對其可行性表示懷疑。從具體反駁觀點來說：一是認為“思想意識數據化呈現的可信度并非先驗而是待驗”[2]，這類研究結果在當前階段缺乏可供參考的樣例，難以證明在現實條件下的可行性；二是認為“思想與行為之間不能簡單地相互還原，我們不能簡單地把人的行為數據信息與人的思想數據信息相互轉化”[3]。人的思想活動受內外影響因素眾多，從單一的行為路徑判斷思想活動難免會出現偏差。

從兩方觀點來看，無論是直接讀取腦數據，還是轉化為行為數據，引起爭議的原因離不開思想政治教育研究對象的特殊性和復雜性。相較于社會學、政治學等學科運用大數據方法研究人口流動、公民政治參與等問題時，從可直接量化的交通出行、電子政務等行為或網絡數據中索取事實材料進行推斷，得出關聯結論的邏輯。思想政治教育研究者使用大數據方法時，并不僅僅滿足于行為這一外顯層面來討論和分析問題，而是要求更深層次地挖掘行為背后的思想活動及其影響因素，關注思想道德的生成、發展規律。但以現有條件來看，相關基礎工作并沒有充分做好。

一方面，以現有的技術能力直接認識人的思想活動仍顯稚嫩。長久以來，關于人腦是如何產生思維的，人類能否通過技術實現對大腦思想活動的影響乃至控制，一直都是科技領域的前沿話題，但直到20世紀末，伴隨放射性核素腦顯像、磁共振成像等技術突破，人類才逐步發現了大腦活動和感受性之間的關聯。2020年8月，馬斯克（Elon Musk）向世人直播演示了用一枚硬幣大小的可植入芯片讀取小豬的腦信號，通過腦機接口技術（BCI）預判小豬行為步伐的科技成果，引發了各種未來應用想象。但“與大腦高級功能如情感、疼痛、記憶相關的解碼更加復雜，人類還知之甚少”[4]。一些教育學領域研究者也嘗試通過對學習者腦信號的記錄分析和控制實驗，對學習者的情緒、認知、自身管理能力等進行實證研究，并取得了積極進展，但從研究動態來講，“其教育應用研究與實踐處于起步階段，研究成果還不豐富”[5]，真正徹底地了解人類深層次的思想活動還有待時日。還有許多研究者嘗試另辟蹊徑，運用形象思維，以人工智能模擬大腦功能區，憑借大數據提供的海量原始素材訓練數據模型，以期實現類似于人腦的部分功能。但從生理基礎來講，人的大腦包含了億萬級的神經元，極其精密復雜，依靠大數據、智能算法、運算能力推動的強人工智能仍然是以人類設定的程序或已有內容為基礎，尚不能替代思想活動的完整過程。

另一方面，提倡以行為數據代替思想數據的方案，看似合理，卻又無法自圓其說。以行為反推思想的研究過程事實上是基于假設—檢驗的實證主義觀點，即認為思想如果無法被直接刻畫，那么可以假設某人的思想活動如何，又受到哪些因素影響，通過對這些因素的操作化定義、測量和控制進行實證研究，最終以外顯的行為表現來驗證原假設是否成立。這種方式在一定程度上回避了直接讀取思想意識內容的難題，有其進步意義，但在實際操作層面留下了諸多質疑點。首先思想與行為的關系并非如同做物理實驗一樣條件可控，基于行為結果反推思想過程的論證很容易將人置于完全理性的空洞假設之中，否則難以在研究過程中控制和干預內外變量因素，產生大量主觀臆斷的想象空間。但顯而易見的問題是，這種假設條件過于理想化，剝奪了人的情感傾向、個體經驗等非理性因素選擇，忽視了人的異質性，缺乏現實條件下的研究價值。如果我們嘗試切換到另外一種與之對應的假設條件，即以有限理性人為研究起點，以全樣本數據為參考依據，運用各種數據模型成功還原了人類社會，這種做法恐怕又存在著還原主義的風險，“即使主觀數據確實能夠反映當下狀態，理論解釋模型也成立，但它恐怕僅具有當代的合宜性”[6]。即數據本身可以在缺少專門知識或語境的情況下成立，但當脫離了數據產生的經濟、政治、文化等隨時可能變化的條件，將客觀現實簡單化為一加一等于二的數字結果，這樣的數據敘事更多只是在講著類似刻舟求劍的笑話。

受制于研究能力和技術水平的限制，這些懸而未決的問題使得思想活動數據化的進程雖取得一定突破，但總體發展水平仍然較低。未來可能性的存在與現實確定性間的遙遠距離，使得否定聲音不斷，卻無力在當下給予證明。

二、思想狀況能否被相關性解釋

大數據方法倚賴的相關性分析能否真正把握思想狀況，直接關系到大數據方法在思想政治教育研究中的有效性。大數據方法支持者認為：“大數據技術通過分析人在生活中留下的痕跡再現人的生活，因其能反映人的思想狀況而與思想政治教育存在關聯”[7]，因為思想與行為有關聯性存在，大數據方法遵循的相關性為探尋思想規律提供了線索和方向，可以在諸多相關關系中逐漸確證因果性，通過發現思想變化的規律，實現對真實思想狀況的認識。

反對者認為：一方面，“人的‘思想難以量化在一定意義上是由其（思想政治教育）自身學科屬性所決定的”[8]，生硬的使用大數據方法，追求一切皆可量化實際上是對人類社會多樣性的根本誤解；另一方面“從相關關系中并不能推導出因果關系”[9]，大數據方法雖然是在強調相關關系，但在追溯思想活動時，仍無法控制被前期已經由外部環境代入的思想價值影響，最終做出暗含因果的結論解釋，這實際上仍然是以抽象思辨為主導的研究范式。

倘若我們進一步提煉二者的觀點，可以歸納出兩個前提假設，一是能否把思想政治教育學理解為一門“著重研究社會主體與社會客體的關系以及主體間的關系，旨在揭示‘人們自己的社會行動的規律（恩格斯語）和社會發展規律”[10]的社會科學。二是如果承認前述命題，那么大數據方法所倚賴的相關關系是否已經足夠滿足研究需要。而在這兩點上，恰恰是當前大數據方法在思想政治教育研究中面臨的難題。

從思想政治教育的學科屬性來看，其既有人文學科主張價值關照、意義理解的元素，也有社會科學提倡實證研究、客觀有效的要求，可以說兼具人文學科與社會科學的特征。這些特征在一定意義上形成了思想政治教育豐富多元的研究路徑，推動了思想政治教育的發展創新，但從另一層面而言，這種兩種研究取徑之間的張力給大數據方法在思想政治教育研究中的準確定位帶來了困難。

如果我們嘗試站在人文學科的角度來認識和理解思想政治教育學的話，大量思想政治教育研究者善于關注個體價值，推崇人本理念，對人的價值觀點、思想觀念等主張從多樣性和豐富性角度進行理解和詮釋。這種認識取向導致“受人文主義影響的學者強調思想政治教育學的價值和意義，反對將思想政治教育學研究自然科學化、實證主義化”[11]。遵循人本主義的認識論出發，思想政治教育研究者一方面將人的行為本身看作是經過判斷、選擇的結果，任何做法都有其可被理解的意義存在，并非簡單的服膺于某種特定規律，具有普遍意義，另一方面認為依靠統計方法得出的數據結論無法忽略其研究前提中詮釋數據意義的論證過程，而這一論證過程本身便包含了對精神價值的理解。因而并不認同人類社會中能夠發現類似于物理系統中的諸多精巧公式，可以用數學符號自圓其說。這種結果也正如C.P.斯諾在《兩種文化》一書中所說“一極是文學知識分子，另一極是科學家……他們對待問題的態度全然不同，甚至在感情方面也難以找到許多共同的基礎”[12]，顯然，由于觀點乃至立場上的相互抵牾，一些研究者很難完全認同運用大數據方法歸納思想政治教育規律。

那么，沿襲社會科學研究方法的路徑是否就能對大數據方法做出圓滿回答？答案恐怕也并不樂觀。盡管部分學者列舉了大數據方法在數據內容的豐富性、數據分析的深度性、數據結果的可靠性等方面區別于一般研究方法的種種優勢。但從現有研究應用來看，大數據方法主要是用數學工具對事物進行數量的分析，并沒有完全脫離社會科學所慣常使用的量化研究方法范疇。而“社會科學的主旨在于揭示社會規律，它很重視對社會現象作實證研究和因果性說明”[13]，作為一項社會科學研究而言，它需要遵循特定的科學研究規范，以客觀事實為基礎，以驗證事物之間的因果規律為衡量標準，其論證過程基本是“主觀變量—客觀變量”“客觀變量—客觀變量”的相互匹配，以確保結論可被證實，避免過度推斷或虛假關聯。遺憾的是，大數據方法的支持者雖然一再強調相關關系的獨特優勢，嘗試透過相關關系發現更多可能，但在涉及思想狀況的研究分析中，研究者更多的是從“他者”視角對魚龍混雜的信息拼組成主觀解釋主觀的分析鏈條，難以有效確證結論的真實可靠，發現穩定的因果關系，因而也就限制了大數據方法在思想政治教育研究中的有效性。

就整體而言，大數據方法通過變量間的相關性分析能夠幫助研究者找到研究思想狀況的更多線索。但在人文學科與社會科學之間游離的研究狀況下，以相關關系為單一路徑的研究論證尚顯單薄，部分研究者對于研究方法的不信任也就在所難免。

三、思想趨勢能否被精準預測

大數據方法在思想政治教育研究中最終指向不僅僅在于描述和解釋，還在于通過對思想趨勢的預測實現未雨綢繆，可以說，思想趨勢能否被精準預測體現著大數據方法的核心價值。大數據方法的支持者認為：大數據方法的使用是在充分考慮各種變量基礎上對于思想動態的捕捉，從學生的行為規律和潛在趨勢，能夠判斷出思想動態的未來走向?！翱梢哉f，大數據面前，每個學生都變成了透明人，一切都可以提前被知道”[14]。

反對者認為：“大數據方法可以使我們通過行為與行為之間的相關關系分析，準確地預測人的行為趨向”[15]。但思想與行為并不是簡單的因果關系，“從行為中可以預測人的思想動機，但難以準確地預測人的思想動機，這也是長期以來思想政治教育工作難做的根源之一”[16]。由于大數據方法的缺陷，使其只能應用于對思想趨勢的回溯和反思，無法精準預測思想趨勢。

綜合兩者觀點，大數據方法能否精準預測思想趨勢，不僅在于方法是否具備判斷思想趨勢的實踐有效性問題，還取決于如何將大數據方法真正融入思想政治教育中的理論解釋力問題，更進一步說，就是大數據方法是否具有特定的理論和實踐規范，可供參考借鑒。

理想狀態下，思想政治教育研究者對于大數據方法的使用過程是將網絡使用痕跡、行為信息等數據進行實時記錄，從重復性的行為模擬、多樣態的信息源采集、參考地理環境和人文環境等多種信息中進行的綜合讀取，在評估數據質量后，通過賦予這些數據以不同的評價維度，轉化為具備一定參考價值的思想政治教育信息，對人的思想觀點進行判讀，進而從不同方面反映和評估受教育者的思想變化趨勢并對其不良傾向進行引導。相較于其他實證研究方法，大數據方法的加入使得在預測思想趨勢的實踐嘗試中，在數據量和可信度上都有了極大改觀，對原有實證研究方法存在的樣本容量、樣本代表性等缺陷也帶來了切實改良，這也是大數據方法支持者最基本的立論主張?？梢哉f，如果將這一過程推演到極致，完全獲得思想動態的各類數據后，分析個體思想動態或趨勢是可能的。但當我們細究其中原理時，可以看到當前的大數據思想政治教育研究中不僅缺乏與之相適應的理論體系作為支撐，在應用過程中也因為缺少現實依托而難以展開。

從理論體系來看，現有的思想政治教育理論體系較多指向高校微觀層面的教育引導而缺乏來自社會宏觀視野的考察。因此，思想政治教育研究者對大數據方法的理解和使用更加貼合校園教育場景，貼近學生的校園生活，較少考慮個體思想在社會日常情景中的發展流變和實踐形態。一方面，從大數據方法的產生背景之一是網絡時代信息爆炸，傳統研究方法已不能完全適應網絡信息發展需要。其所強調的“樣本=總體”，恰恰是一種高度依賴宏觀理論建構和整體思維的綜合數據分析方法。另一方面，人又總是處于一定社會歷史條件下的人，社會環境無時無刻不在影響和塑造著人們的思想和價值觀念，因而對思想趨勢的預測必然要嵌入社會經濟、政治、文化等宏觀因素。如果僅僅將思想趨勢預測的依據局限于在高校范圍、短時間內產生的數據斷點，失去了來自社會層面的宏觀理論支撐，不免出現對數據結論細枝末節的放大或參考價值較小的普適性結論，削減預測效果。

從實踐應用來看，行為數據作為大數據研究的底層數據，進行精準預測需要來自多重維度數據支撐，以構建完整的“數據鏈”，其現實可操作難度極大。一方面，傳統思想政治教育研究重定性、輕定量，在“歷史數據、個體數據、樣本數據等方面數據資源匱乏”[17]導致思想政治教育數據獲取過程本身缺乏完整性，難以做到全方位覆蓋每一位學生。另一方面，當下開展的一些大數據思想政治教育實證研究，大多依托專業的互聯網公司或數據機構進行數據開發、托管和維護等全流程工作，這些公司和機構出于商業運作、隱私保密等方面考慮形成的數據壁壘，難以僅憑研究者個體輕松打破。因而一些大數據思想政治教育研究數據實際上大多是基于個別平臺、部分高校中獲取的獨立數據，這些數據信息在論述過程中雖然被冠以高校大數據的名稱出現，但因為平臺的使用場景、應用人群、操作頻率不同，高校辦學層次、優勢學科、人口統計學變量各異，加之大量非結構化數據無法有效利用，所使用的數據本身就存在一定的系統性偏差，也無法達到類似商業大數據動輒以PB為單位計算的數量級，因而進行經驗推廣的實際意義并不大。

很明顯的是，當下研究中對思想趨勢的預測、推斷往往是基于大數據方法的理想狀態的估計，而在理論支撐不足、實踐應用有限的情況下，這種預測很難達到精準的程度，不得不讓研究者謹慎地看待大數據方法在思想趨勢預測中的實際效果。

四、大數據方法在思想政治教育研究中的科學化路徑

從上述論證來看，大數據方法在思想政治教育研究中的科學性顯然仍有待提升。這在客觀上要求研究者將大數據方法放在現實場域之中，在認識大數據方法的使用限度、融合質性研究方法強化因果關系論證、形成大數據思想政治教育研究規范中推動其科學化發展。

（一）認識大數據方法在思想活動中的使用限度

使用大數據方法對于思想政治教育研究，特別是在思想活動層面的探索有其使用限度。對于不同的思想活動內容、不同的思想政治教育研究任務來說，運用大數據方法實現描述的難度和精度并不一致，產生的實際效果也不一而同。為此，在研究設計上，可以按內容區分和思想政治教育高度相關、一般相關、低相關的變量，按大數據研究方法功能區分歷史回溯、實時監測和趨勢預測功能，按類別區分群體思想和個體思想研究，在由簡到難的過程中明確方法限度，把握哪些研究在當前可以完全實現、哪些可以基本實現、哪些尚不能實現，減少方法失效。

如對一些旨在反映社會思潮、社會心態等總體性變化特征的思想政治教育研究課題，當前已可以由面板數據進行長期的歷史分析和過程跟蹤，通過海量的電子書籍、網絡搜索痕跡等內容統計相關主題詞的權重情況，借由主題詞的變化反映整體樣態。如王永斌通過“核心價值觀”在百度的搜索變化趨勢，反映哪些群體在關注社會主義核心價值觀，關注的程度如何[18]，王建紅借助馬克思主義理論體系語料庫構建、主題詞比較分析進行思想政治教育話語變遷的探索[19]等。而對于個體的思想活動考察來講，則需要更加謹慎。像對個體理想信念生成機制的大數據研究中，不僅需要結合人口社會學意義上的性別、年齡、學歷等基本情況、代際特征等相對穩定的數據信息作為背景參考，還需要充分考慮大數據方法在知、情、意、信、行等不同環節中的應用可能性，在了解大數據方法的使用限度后，通過調整或細化目標設計，達到最佳研究效果。

（二）融合質性研究方法強化因果關系論證

大數據方法依賴相關分析邏輯可以為研究者提供大量可供參考和選擇深化的研究方向，但這些線索很難在思想狀況的多向維度中找到確鑿的因果關系。在當前階段可以融合質性研究方法進行互補，探索混合研究方法，提高對于思想狀況的本質認識，強化論證，探索其中規律。

相較于大數據方法側重于對數據量的廣泛占有，質性研究更多的是借助小數據方法，即對于個案數據的精細化研究。通過大數據方法提供的海量信息作為一般性借鑒，質性研究可以進一步根據思想政治教育研究的不同需要，制定靈活的分析策略，針對性地挖掘大數據內部的信息關聯，確證因果關系。如在確證網絡文化對思想政治教育的負面影響分析中，可以運用大數據方法，爬取網絡文本數據了解網絡空間中有哪些網絡文化樣態，這些樣態都存在著什么樣的負面影響，在這些共性的問題中，通過質性研究方法搜集對網民、網絡企業、相關部門等不同主體的訪談、調研數據，更進一層地認識在這些負面影響中，什么是主要影響或次要影響，什么是顯性影響或隱性影響等等，進而有的放矢地制定引導策略。

此外，“科學方法的應用本身不能提供意義，而是為了輔助有意義的結果呈現”[20]，通過質性研究方法和大數據方法的融合，可以讓社會的道德情感、文化思想等等進入到數據決策之中，讓人的價值考量和數據事實之間得以建立穩定聯系的渠道，使價值理性和工具理性同時得到彰顯。進而在一定程度上彌合思想政治教育研究中的人文追求和科學主張，使得研究結果更容易被理解和接受。

（三）形成大數據思想政治教育研究規范

隨著大數據方法的研究浪潮，我們能夠預見的是相應主題的思想政治教育研究成果和交流會日益頻繁。而由于理論和實踐的局限，思想政治教育研究者對于大數據的概念理解、使用過程并不一致，致使學習成本較高、交流推廣難度較大，也造成了部分研究者對于大數據方法科學性的懷疑。因此，從存在問題突出的理論研究和實踐應用層面考量，制定嚴謹充分的大數據思想政治教育研究規范尤為必要。

具體而言，在理論研究中要深化理解大數據思想政治教育的學理內涵，規范話語表達。在學理內涵上，要厘清大數據方法的根本優勢，深化系統論思想，在自然系統、社會系統、思維系統等不同的系統類型中深挖學理依據，使大數據方法在思想政治教育研究中能夠獲得更加有效的學理支撐，形成研究者在方法論上的研究意識和系統素養。在話語表達上，不能盲目將思想政治教育技術化、工具化，盲目使用其他學科話語替代思想政治教育的基本概念，造成“數據崇拜”“技術崇拜”，忽略了思想政治教育的價值屬性。

在實踐應用中應側重把握大數據的全面性和安全性，建立基于數據共享的同行交流評議機制。在大數據的全面性和安全性上，根據不同研究課題的需要，設置一定體量和規模的綜合數據門檻，既不能將所有使用數據的思想政治教育研究統稱為大數據思想政治教育研究，也不能將具有明顯系統偏差的數據作為整體經驗普遍推廣，同時，要充分考慮數據隱私和個人信息安全，確保研究數據脫敏使用。在建立基于數據共享的交流評議機制上，一方面通過數據共享解決大數據總量級別的積累問題，盡可能保證研究數據的規模和多元，另一方面要讓同行研究者能夠更清楚地了解他人的研究成果，通過對數據資源的評估，對同行研究成果的可靠性和創新性進行更有客觀依據的評估，促進思想政治教育研究者之間相互交流和學習。

五、余論

坦率地說，大數據方法作為一種新興的研究方法，并不是完美無缺的。它既有不可比擬的方法優勢，卻也無法完全避免研究方法的一般缺陷，以及由此帶來的爭議。但是，由于缺陷和爭議而放棄了大數據研究方法的整套分析體系，并不是從事科學研究的態度。面向未來，如果思想政治教育研究者能夠在看似不可通約的爭議之中不斷反思，改進大數據方法的不足，不斷靠近“思想”的真相，形成穩定而規范的科學研究共同體，這本身便是一條實現思想政治教育研究方法科學性的康莊大道。

參考文獻：

[1] 黃欣榮.大數據、數據化與科學劃界[J].自然辨證法通訊，2018，（5）：118-123.

[2] 陶志歡.思想意識數據化呈現的邏輯反思與邊界?？盵J].思想理論教育，2019，（7）：106-111.

[3][16] 管愛花，王升臻.思想政治教育運用大數據相關關系的哲學反思——基于思想與行為的因果關系[J].廣西師范大學學報：哲學社會科學版，2019，（1）：55-60.

[4] 新華網.新華視點：“腦機接口”火了，還有哪些難題待解？[EB/OL]. http：//www.xinhuanet.com/2020-08/31/c_1126435403.htm，2021-03-15.

[5] 柯清超，王朋利.腦機接口技術教育應用的研究進展[J].中國電化教育，2019，（10）：14-22.

[6] 閻光才.教育及社會科學研究中的數據——兼議當前的大數據熱潮[J].北京大學教育評論，2013，（4）：77-86.

[7] 常宴會.大數據時代思想政治教育理念的三重反思[J].思想教育研究，2017，（8）：106-110.

[8][9][15] 管愛花，孫其昂等.大數據破解思想政治教育“思想”之謎的思考[J].河海大學學報（哲學社會科學版），2019，（4）：7-11.

[10] 歐陽康，張明倉.社會科學研究方法[M].北京：高等教育出版社，2001.

[11] 張智.論思想政治教育學意識形態性與科學性的統一[J].教學與研究，2018，（4）：80-88.

[12] [英]C.P.斯諾.紀樹立譯.兩種文化[M].北京：三聯書店，1994.

[13] 歐陽康.社會認識論：人類社會自我認識之謎的哲學思考[M].昆明：云南人民出版社，2002.

[14] 黃欣榮.大數據對思想政治教育方法論的變革[J].江西財經大學學報，2015，（3）：94-101.

[17] 徐永利.大數據融入高校思想政治教育探析[J].中國電化教育，2018，（12）：46-53.

[18] 王永斌.誰在關注社會主義核心價值觀——基于百度指數的大數據分析[J].馬克思主義研究，2018，（2）：124-128.

[19] 王建紅.大數據方法與馬克思主義理論話語體系研究初探[J].馬克思主義理論學科研究，2017，（5）：83-91.

[20] 孫嘉蔚.教育研究中的“實證”與“經驗”之辨——基于方法論的反思[J].蘇州大學學報（教育科學版），2020，（4）：53-62.

作者簡介：

康超：在讀博士，研究方向為網絡思想政治教育。

佘雙好：教授，博士生導師，研究方向為思想政治教育理論與方法。

Exploring the Scientific Nature of Big Data Methods in Ideological and Political Education Research and Its Controversies

Kang Chao， She Shuanghao

（School of Marxism， Wuhan University， Wuhan 430072， Hubei）

Abstract： Whether the research method is scientific and reasonable is directly related to the establishment of research results. As a new scientific research method， big data method has attracted wide attention in the academic field since its emergence. However， there are many academic controversies in the field of Ideological and political education， which limit the possibilities for research and application. From the perspective of the controversial issues and reasons of whether the scientific research is used to describe the present situation， explain the phenomenon， predict the actual function of the future， focus on whether the ideological activities can be described by data， whether the ideological status can be explained by the correlationship， and whether the ideological trend can be accurately predicted， and discuss the scientific approach of big data method in the research of Ideological and political education， which is more helpful to the researchers understanding the practical value and development prospect of big data method comprehensively.

Keywords： big data； ideological and political education； research method； science

責任編輯：李雅瑄