“微時代”黨員社交平臺學習新反饋模式探究

孫龍杰 呂永紅

（上海健康醫學院 上海 201318）

習近平總書記在中央和國家機關黨的建設工作會議上精辟論述了加強和改進中央和國家機關黨的建設的重大意義，深刻闡明了新形勢下中央和國家機關黨的建設的使命任務、重點工作、關鍵舉措，對加強和改進中央和國家機關黨的建設做出全面部署。面對黨和國家賦予新形勢下黨建工作的使命和要求，黨建工作者要勇于迎難而上改革創新，讓黨建工作緊隨時代發展不斷開拓進取。當今時代大數據人工智能等相關前沿技術發展迅猛，信息化智能化水平日益提升，與大數據、人工智能等息息相關的智慧化黨建研究也成為當下黨建工作的熱點，如寧巖鵬等充分利用互聯網技術創新黨建工作模式打造“面對面”“鍵對鍵”的融合黨建新模式[1]，楊健等充分利用大量黨建統計數據，結合信息處理技術的最新成果，對黨建問題開展量化研究，也取得了不錯的進展[2]，潘軍等力求將大數據思維范式運用到黨建工作中，激活大數據驅動黨建工作實現現代化、大眾化和智能化[3]等等。從中不難發現，上述研究主要側重于相關黨建平臺建設、工作機制的創新，可稱為“黨建硬件”方面的研究；而作為基層黨支部的主體——黨員，在進行日常教育管理培訓后，黨員個體實際思想動態變化和群體學習成效等方面的反饋研究較少，即“黨建軟件”的研究尚未建立較為完善可靠的系統方法，以學習強國、微信為代表的新媒體學習方式日益完善，學習后臺數據日益豐富，正成為當下黨員日常學習、教育、管理新常態，如何運用好“微時代”背景下黨建新平臺數據，建立健全基層“微數據”分析系統，對于做好基層黨建管理和黨員教育具有重要意義。

結合支部黨建工作實際，統計整理一定周期內相關社交平臺行為數據，運用信息聚類分析法對黨員該周期內學習教育實際反饋效果進行線上量化直觀分析。以上海健康醫學院外語國交支部調研為例，持續關注支部12名長期從事一線教學活動的正式黨員近一年來在社交平臺上學習反饋信息，運用“微數據”聚類分析法及時、準確、有效、直觀地歸納總結出黨員整體和個體行為特征，為后期開展更為務實有效的學習活動提供重要決策依據和參考。

一、“微時代”社交平臺分析特征選取

通過文獻研究了解到當前微社交平臺多是基于數據特征相似度進行度量[4-6]，而其中信息聚類分析法[7-13]運用條件較為成熟，提供了豐富多樣選擇，如類平均距離、離差平方和距離、等方差最大鏈接、麥克奎蒂的相似分析[14-18]等為不同維度的研究對象，給予了對當前各類黨建后臺數據研究的理論基礎和方向。

1.學習反饋數據統計

筆者從微信、QQ、微博、學習強國等黨員常用社交平臺做了六個不同維度的數據統計（周期一年），為消除不同量綱的影響筆者進行了標準化[19]處理，為避免隱私泄露這里用數字序號替代本支部黨員真實姓名，得到表1。

表1 黨員學習反饋數據

2.“微數據”聚類分析

黨員的“微數據”聚類分析屬樣品聚類（即Q型聚類），依照同質性、互斥性、完備性三大原則進行聚類研究，從而可以將學習后黨員不同反饋信息按相似性進行聚類算法分析，進行統一歸納為終極一類，完成社交平臺學習反饋特征譜系圖。具體流程如圖1所示。

圖1 “微數據”聚類分析流程

二、黨員社交“微數據”分析

1.“微數據”反饋協方差矩陣

由主成分分析特征提取[20]相關概念描述黨員社交平臺特征的六種維數據需要運用協方差矩陣相關信息進行深入剖析，如表2所示。

表2 “微數據”反饋協方差矩陣信息

由表2可知上述四種方法對于聚類特征的特征根及其貢獻率等基本信息保持一致，說明該12名黨員在接受日常學習教育中簽到、討論、心得感悟等規定動作完成較好，反饋屬性基本保持一致，有利于掌握整體學習效果；但同時暴露了對個體分析的不足，也增加了“微時代”黨員群組劃分、個性化社交分析的難度，不利于對個體的思想動態把握和群組類別的統一認識。

2.“微數據”反饋并類譜系圖

為進一步挖掘12名黨員接受培訓教育后的實際個人動態和部分群體的統一認識反饋，需按照相應的距離公式進行并類過程分析，從個性分類到整體并類譜系圖中，可直觀展示窺探出黨員學習后臺數據背后所隱藏的豐富內容，從而能有效把握不同年齡、不同性別黨員對學習培訓過程中的方式、關注的話題熱點、實際存在的難點、深入理解的盲點，如圖2所示。

圖2 聚類譜系圖展示

三、結語

新時期黨建工作任重而道遠，筆者立足支部黨建工作實際，選取從事一線教學的黨員教師進行“微時代”社交平臺線上學習效果反饋統計分析，從六個不同側面進行“微數據”分析整理，力圖及時、準確、有效、直觀地歸納總結出支部黨員整體和個體行為特征，取得了較為可喜的成效，初步實現了探究出一套符合基層黨建工作實際可復制可擴展操作性強的新反饋模式的目的，為今后進一步深入持續推進黨建創新研究奠定了理論基礎和實踐經驗，為后續推動支部建設，更好地服務于組織、黨員、群眾打下了堅實基礎。