基于“數字孿生+人工智能”的高校智慧黨建系統研究*

陳 雷

基于“數字孿生+人工智能”的高校智慧黨建系統研究*

陳 雷

（寧波幼兒師范高等專科學校黨委學工部，浙江寧波 315016）

數字孿生+人工智能”這一全新組合模式的出現，為高校提高黨建水平帶來了新的發展機遇，也對高校黨建工作管理模式的創新提出了新要求。為此，文章首先設計了包含底層環境、平臺支撐、核心數據庫、分析算法、應用平臺五個層級的基于“數字孿生+人工智能”的智慧黨建系統；接著分析了此系統的技術支撐，涉及大數據、云計算、學習分析、人工智能等技術；然后從云端數據中心、感知體系、可視化策略等七個維度，介紹了此系統的內容建設；最后針對黨建智慧化提出了相關的實施策略。文章將“數字孿生+人工智能”納入高校黨建工作的整體發展規劃中，開發并形成具有智慧、快速、精準等特點的高校智慧黨建系統，從理論層面提出了全面提升高校黨建工作效能的解決方案，可從實踐層面推進高校黨建工作的互聯化、感知化、數字化、智慧化。

數字孿生；人工智能；智慧黨建；個性化推薦；大數據；算法

一 智慧黨建與“數字孿生+人工智能”

1 智慧黨建的建設現狀

隨著第三次信息技術革命的快速推進，我國高校黨建教育工作的內外環境發生了深刻的變化，單純的“黨組織—黨員/群眾—黨組織”組織動員模式已無法有效調動黨組織和黨員的積極性[1]。而“智慧黨建”是基于“互聯網+”時代背景下提出的新理念，旨在將大數據、云計算、物聯網等新型網絡信息技術融合到高校黨建工作中，實現黨建工作的數字化和智能化。“智慧黨建”既是新時代全面提升黨執政能力的新理念，也是黨在高校營造良好政治生態的創新發展需求。同時，國內高校在智慧黨建系統構建過程中也面臨一些亟待解決的問題，如智慧黨建工作缺乏頂層規劃、數據標準不統一導致信息孤島、黨建工作基礎條件與大數據時代發展要求尚有差距、智慧黨建的管理和服務水平亟待提升、現行的黨建工作考評難以從多維度的數據體現全面性等[2]。由此可見，高校智慧黨建工作的深入推進與拓展面臨著巨大的挑戰。

2 數字孿生與人工智能的融合

大數據技術和物聯網技術的飽和發展，推動著社會進入“數字孿生+人工智能”時代。其中，數字孿生是指以數字化方式創建實體虛擬模型，并對物理實體的空間維度、時間維度予以數字化表達和動態呈現，以有效構建黨建研究分析對象的數字模型和過程化數字模型；而人工智能是研發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的技術科學，其通過智能搜索、深度學習、云操作處理等技術手段實現對人類智能的模擬和拓展，可更好地服務于新時期黨的建設[3]。數字孿生與人工智能融合而成的“數字孿生+人工智能”，為高校提高黨建科學化水平帶來了機遇，也對高校智慧黨建工作管理模式的創新提出了新要求。

日前，浙江省印發教育領域數字化改革工作方案，啟動建設“教育魔方”工程，計劃到2025年，教育行業云網端一體化系統、教育大數據艙系統、全民數字學習平臺、教育智治系統等基本成熟，以數字化改革牽引撬動教育治理現代化。在此背景下，寧波幼兒師范高等專科學校（下文簡稱“寧幼師專”）按照“教育魔方”工程中針對智能感知、主動服務、精準管理、科學決策、立體監督、高效協同等六項關鍵能力的要求，從寧幼師專的實際管理和服務模式出發，開發并搭建了數據分析決策中臺——“寧師大腦”，并在此基礎上構建了基于“數字孿生+人工智能”智慧黨建的決策分析輔助體系[4]，來推動實現基層黨建管理智慧化、黨員教育培訓信息化、黨務工作服務精準化、評估決策智能化、交互協作扁平化，旨在為黨建智慧化生態系統提供宏觀的構建方法，為其達到一定程度的“智慧”“個性”“互通”提供理論與技術保障。

二 基于“數字孿生+人工智能”的智慧黨建系統設計

寧幼師專智慧黨建系統以“數字孿生+人工智能”作為黨建數字建模體系和數字分析框架，架構于寧幼師專數據分析決策中臺——“寧師大腦”上，內嵌大數據分析引擎、SQL查詢接口、流數據處理、機器學習等工具，通過Hadoop或其他可提供的可靠存儲HDFS和MapReduce編程范式大規模并行處理數據，并采用Hbase解析模型實現大規模分布式NoSQL數據庫，可隨機存取大量的非結構化和半結構化海量數據，為異構感知數據庫、業務知識庫等提供了結構化、半結構化、非結構化數據的處理功能，從而大大提高了黨建大數據分析性能。

圖1 基于“數字孿生+人工智能”的智慧黨建系統架構

圖1為基于“數字孿生+人工智能”的智慧黨建系統架構，共分為五層：①底層環境，以開源Linux系統為支撐，嵌入神經網絡和機器匯編語言（OpenStack），實現對上層的支撐。②平臺支撐，主要包括基礎的數據庫平臺，以Service、Oracle Server Analysis作為數據服務平臺，以VINCA、Atlasti等為數據解析技術，實現對上層數據庫的挖掘和分析。③核心數據庫，收集黨組織數據、黨員數據、黨務工作數據、干部數據、干部教育培訓數據等，形成支撐海量異構感知數據的云端數據中心。④分析算法，以下層核心數據庫中的結構化、半結構化、非結構化數據為分析對象，選擇在多種最優化問題中尋找特定最優化解決方案的算法，以實現對黨組織和個人的深度研判分析。⑤應用平臺，主要提供黨建工作、思政管理、黨務服務、黨建監察四個服務模塊，其中黨建工作實現“三會一課”、主題黨日、組織和個人精準評定等一系列基層黨組織管理等功能；思政管理實現思政理論課的教學交互、資源的個性化推薦、學生語言感知、機器學習等個性化服務功能；黨務服務實現黨員發展、黨費管理、組織關系轉接、工作推薦引擎、黨務智能機器人等智能化個性服務；而黨建監察以基層黨組織和黨員個體日常的行為活動為研判基礎，實現黨務工作人員權限分級、身份識別、智能監督、非法黨務操作的智慧預警等功能。

三 基于“數字孿生+人工智能”的智慧黨建系統運行體系

基于“數字孿生+人工智能”的智慧黨建系統應具有很強的數據感知、采集、挖掘、學習分析、思維研判、個性化推薦、決策及執行能力，形成從嚴管黨、從嚴治黨的智慧化黨建管理機制和路徑，其運行體系如圖2所示。

圖2 基于“數字孿生+人工智能”的智慧黨建系統運行體系

1 大數據支持“智慧庫”構建

寧幼師專數據分析決策中臺“寧師大腦”通過xAPILRS庫、OpenStack、IMS層次數據庫等有效整合學校黨建、黨務、干部工作的數據（包括黨員個人基本數據、教學科研數據、基層黨組織數據等），并將其轉化為可視化的分析對象多維立體數據模型，確保上述數據以直觀的圖文形式呈現；同時，通過圖像識別、聲音識別、語義分析、大數據技術匯集成黨建大數據庫，進而利用程式算法形成“智慧庫”，為運用云計算技術和學習分析技術發現黨建、黨務、干部工作中各層面潛在的關系和價值取向打下堅實的基礎。

2 云計算支持“智慧腦”打造

智慧庫所承載的巨量數據，需要通過挖掘、解構和分析才能發揮其重要的利用價值。傳統的人工分析或計算機解析難以實現這樣的功能，而代表前沿技術的云計算擁有快速實現該功能的能力。“寧師大腦”可以通過黨建互聯接口和內部情境接口，來實現對校園黨建數據的抓取，以規則庫為技術的支撐點，以“約束/關系”算法為分析依據，通過黨建情境推理引擎，來實現對黨建情境的沖突檢測和關聯匹配，形成以數字分析為運行機制的“智慧腦”。其中，規則庫以學習分析研判為底層算法，以云計算為算法分布式構建的基礎，本體描述語言OWL包括對象類的傳遞、逆、對稱、反向捕捉等關系，融入基于規則的推理思想，重點聚焦屬性合成、屬性值轉移等方面，數字概化出若干可修正、可拓展的本體推理規則，并建立一種正向反饋的量化機制，從而研判出具有參考價值的黨建數據和黨務工作信息。

3 學習分析支持“智慧眼”形成

基于人工智能的學習分析技術，不僅能幫助管理者了解黨建現狀和存在的問題，更重要的是通過構建精通黨建和黨務工作的智能平臺來提供解決問題的方案，而這恰恰是傳統信息化平臺所欠缺的功能。通過構建師生校園物理空間、虛擬空間的數據感知、采集、管理與應用工作體系，建設基層黨建、思政教育和學生管理輕量化集成服務入口，可以實現校園管理中多維度海量數據的實時感知、采集，推進大數據挖掘所形成的數字孿生與空間信息在關聯分析、綜合研判、指揮調度、趨勢預測等方面的綜合應用，實現智慧黨建分析研判的“智慧眼”。感知情境則獲取虛擬實體或系統預先設定的相關信息，以大數據分析和學習分析技術等多樣化的嵌入式集成化算法為軟件支撐，能對智慧庫的數據進行有效的分析驅動，在發現黨建問題的同時做出精準的研判，并給出有針對性的對策和建議性方案，為黨建實踐提供智力支撐和自動關聯服務。

4 人工智能支持“智慧人”培養

通過人工智能研究并制定黨建智慧人的理性價值標準，以此為基礎構建智慧的數字模型分析系統，可形成黨建“智慧人”。本模塊的核心架構是調用控制，由情境數據流、配置模型、算法建模等構成。其中，情境數據流涵蓋群體情境、個體情境，配置模型定義了師生、硬件環境、軟件環境、線上線下業務等匹配關系，算法模型則定義了conf標識、semi標識、情境參數、偵測信息值等。本模塊的運行步驟如下：①通過黨建大數據形成的智慧庫賦予智能機器一定范式的學習算法；②以學習算法為基礎構建運行模型，從而提取價值信息，提煉為普遍標準，并嵌入常規黨建理論范式和實踐范式信息化為數據標準；③將黨建、黨務工作中的各類敏感詞庫以技術和算法等形式設置到黨建“智慧人”的理性價值智能系統中，構建黨建工作的判斷機制。

通過上述智慧黨建運行體系的構建融合，可利用黨建工作相關機制與流程，形成具有判斷力、創新力和決策力的黨建分析機制，推進黨建工作的互聯化、感知化、數字化、智能化、決策化、智慧化，并在此基礎上為高校管理者進行頂層決策提供大量的數據參考和決策支持。

四 基于“數字孿生+人工智能”的智慧黨建系統內容建設

在運行體系的支持下，智慧黨建系統通過整合數據資源，可以制定規范化的黨建智慧化運行規則，構建統一的數據流標準，并搭建精準化分析算法群，從而打通數據壁壘。在此基礎上，基于“數字孿生”+“人工智能”的智慧黨建系統需重點從以下七個方面進行內容建設：

①打造支撐海量異構感知數據的云端數據中心。云端數據中心主要負責師生思政數據的感知、采集、處理、存儲等一系列操作，并以聚類、異類、結構變換、流計算、傳輸轉碼等方式實現數據清洗，打破學校各行政部門多源異構“數據塊”的流通壁壘和信息孤島，讓“寧師大腦”可以快速采集全方位、實時、有效的黨建和思政數據，構建師生在校全程化過程數據維度，形成學生的閉環數據模型。

②建設融合全校空間數據的感知體系。完成師生校園物理空間和虛擬空間的數據感知、采集、管理、應用等工作，建設黨建、思政教育、態勢管理和師生管理輕量化集成服務入口，實現校園管理中多維度海量數據的實時感知、采集，強化大數據與空間信息在關聯分析、綜合指揮、趨勢預測等方面的綜合應用，實現寧幼師專校園的“數字孿生”。

③實現數字分析模型的可視化策略。開發基于黨建研判、思政模型的數字分析策略，構建寧幼師專黨建分析對象的數字模型，收集高校師生在工作、學習、生活中產生的所有過程化數據，并運用Maple、Dashboard等圖形化數據分析工具對所挖掘的師生思政數據集進行聚類、異類分析、文本挖掘、結構矩陣等處理，跟蹤師生在校的數字行為蹤跡，繪制師生成長軌跡，并轉變為圖像化形式予以展示，以形成高校師生品質素養一體化個人成長的數字肖像。

④實現智慧黨建系統的數字跟蹤、診斷與改進。構建“大數據+人工智能”的師生綜合分析研判體系，基于“Ventura”數字建模系統地分析每位師生的行為態勢、趨勢化態勢的量化數據，定位并診斷師生的缺陷和短板，以大數據分析和學習分析技術等多樣化的嵌入式集成化算法為模型支撐，通過數據的感知、監測、評估等功能，提供更加全面、科學的數據支撐，實現精準研判。同時，智慧黨建系統的數據中臺通過算法機制給出有針對性的對策和推薦方案，包括政策文件、以往案例、解決方案等。

⑤構建黨建工作知識計算引擎和知識服務體系。在“寧師大腦”中構建以深度搜索、知識加工為支撐的黨建工作知識計算引擎和知識服務體系，在黨建孿生數字中通過概念識別、知識演化建模和關系挖掘形成知識圖譜，運用認知計算、綜合深度推理、非完全信息下智能決策等理論和方法搭建智能評價體系，以語義理解和分析算法為核心生成認知計算模型，實現從黨建大數據到知識、從知識到工作決策參考的算力。

⑥提供基于數字挖掘的精準化管理與服務。根據挖掘的黨建感知數據，基于深度學習算法、數字建模策略、自迭代推薦策略研究分析對象對于各類過程化資源的喜好度和接受度，通過構建適應性黨建環境和生成性思政課程滿足師生的思想成長與發展需求，創建個性化、精準化的思想政治教育提升路徑，對師生后續黨建學習資源、學習內容、學習輔導、學習進度等進行動態調整，建立自適應學習路徑，并將對應的個性化學習路徑和教學資源推薦給感興趣的師生。

⑦推動智慧黨建制度建設。寧幼師專在構建智慧黨建系統的基礎上，以海量黨建數據的挖掘、感知、使用、保管為出發點，通過研究“寧師大腦”關于數據挖掘和處理的運行規則與算法機制，設計并制定一整套完整的工作管理機制與運行制度，構建科學化、制度化、標準化、智慧化的黨建工作體系，為寧幼師專的智慧黨建管理提供制度保障。

五 基于“數字孿生+人工智能”的黨建智慧化實施策略

除了完整的內容建設，基于“數字孿生+人工智能”的智慧黨建運行還應遵循標準化和定制化的工作流程。以上述介紹的運行體系和系統模塊架構為基礎，本研究提出以下實施策略：

1 構建各類數據搜集的“數字孿生”黨建云平臺

構建融合各類PC端和移動端的黨建數據云平臺，形成融合各層面數據輸入的機制和路徑，以及對基層黨組織和黨員個體進行個性化分析的底層云數據庫。完成該平臺的構建需要重點解決以下問題：①通過大數據的挖掘和融鏈技術，打通各智能終端、功能APP的數據通道，消除數據信息孤島，形成集合各類型、各層面數據的存儲機制；②需要從技術和機制層面突破并解決分類、存儲、挖掘、轉換、分析以及取用輸入庫中大量數據的問題；③需要保證大體量數據在平臺中各類運作的安全性和隱私性；④明確如何將人工智能的機器學習無縫嵌入黨建大數據云庫中，保證MapReduce、Varedo、XSQLbase等機器學習分析對數據取用的流暢性，并實現對數據的有效整合和精準的挖掘分析[6]。

2 以“數據挖掘+數據加工+個性化分析”為核心組建數據計算中心

構建數據計算中心需要整合一些關鍵的數據工具，包括開源的數據挖掘工具RapidMiner和數據搜索工具XSQLBase，這兩個工具需整合起來運行，用于大數據庫中對數據的定位、挖掘、存取、歸類等功能。同時，學習分析工具Learning Analysis和語義分析工具Semantic Analysis也需整合起來運行，用于數據的建模、密集像算法、模式評估、情感分析、部署等功能。此外，可利用數據可視化工具Visual Data，以將通過建模分析的數據集轉化為數字框圖、數字肖像等。

3 跨媒體分析推理技術助推黨建應用場景化

“寧師大腦”數據分析中臺嵌入跨媒體分析推理技術，通過運用跨媒體黨建統一表征、理解關聯與知識挖掘、知識演化與推理、知識圖譜建構等技術，推進學校的黨建應用場景變革。首先通過數據信息分割、數據解析，建立黨建工作多元化應用場景，實現黨建工作的跨媒體表征、數據挖掘、智能推理，形成初始化黨建分析態勢；然后重構“再組織化”，挖掘本身的數據集成和網狀推理機制，確保上級黨組織的決策部署即時傳遞并開辟新的網狀聯系人，使黨建工作不同層級、不同平臺的黨員可以便利地進行交流[5]，并通過該項技術加強對黨員的管理與監督。

4 研究并構建黨建理性價值標準

黨建理性價值標準的構建可從三個方面著手：①應考慮將常規的黨建價值理論、黨建運行范式和黨建實踐模式轉換為信息化的數據標準，將人的思維模式、行為范式提供給機器學習，賦予智慧黨建生態以人的理性價值智慧，并將黨建學習模型和黨建價值算法嵌入智慧黨建的神經系統，使整個黨建價值研究測評模式在這個智慧系統中運行，形成基于人工智能和大數據的黨建評價運算體系；②在智慧黨建理性價值系統中設置敏感詞庫，從規范層面對黨建工作中的一些措施進行干預；③構建必要的驗證系統和預警系統，通過不斷地修正黨建工作算法，為基層黨組織和黨員個體提供精準的黨建價值測評、評估等服務。

六 結語

基于“數字孿生+人工智能”的智慧黨建項目是一項具有重大戰略意義的強基工程，為互聯網時代高校基層黨建工作的創新優化提供了新的發展動能。本研究通過構建智慧黨建系統的基礎平臺、打造智慧黨建系統的運行體系，旨在有效推進基層黨建的數字化管理、基層組織生活的智慧化管理、黨務工作的信息化升級、干部畫像的數字化建模等。在未來推進智慧化升級的進程中[6]，高校應從以下方面推進智慧黨建工作：①做好平臺和制度層面的頂層設計，完善智慧化黨建管理體系建設；②實現科學化智慧黨建人才配置，將具備互聯網思維并熟悉相關技術的優秀人才納入黨建工作隊伍，有效提升專業化工作水平；③拓展智慧化黨建平臺的多維度功能，充分發揮智慧黨建的作用，推動智慧黨建在高校的落實、落細。在此基礎上，高校黨建工作要在“互聯網+人工智能”的時代背景下開創出一條具有專業、長效、科學、民主特色的創新之路。

[1]吳男,譚紅.大數據時代運用新媒體創新高校基層黨建工作模式探究[J].智庫時代,2018,(33):55-56.

[2]趙妍.大數據時代高校“智慧黨建”模型構建研究[J].高教學刊,2018,(21):185-187.

[3]劉春麗,馬鳳毛.“互聯網+”與人工智能驅動黨建研究——高校“智慧黨建”的理論創新與發展趨勢[J].大連大學學報,2019,(4):62-67.

[4]鄭浩,王娟,王書瑤,等.認知數字孿生體教育應用:內涵、困境與對策[J].現代遠距離教育,2021,(1):13-23.

[5]黃娟,米華全,陸川.智慧黨建:內涵特征、體系架構及關鍵技術——以“智慧紅云”黨建系統為例[J].電子科技大學學報(社科版),2016,(1):84-87.

[6]潘軍,邱觀建,朱喆.大數據視閾下智慧黨建研究[J].黨建研究,2019,(20):16-18.

Research on Intelligent Party Building System of Universities Based on “Digital Twin + Artificial Intelligence”

CHEN Lei

At present, the new combination model of “digital twin + artificial intelligence” has brought new development opportunities for colleges and universities to improve the level of Party building, and also put forward new requirements for the innovation of the management mode of Party building in universities. Therefore, this paper firstly designed a smart party building system based on “digital twin + artificial intelligence”, which included five levels of underlying environment, platform support, core database, analysis algorithm and application platform. Then, the technical support of this system was analyzed, which mainly involved big data, cloud computing, learning analysis, artificial intelligence and other technologies. Meanwhile, this paper introduced the content building of the system from seven dimensions of the cloud data center, perception system and visualization strategy. Finally, relevant implementation strategies for the intellectualization of party building were proposed. This paper brought “digital twin + artificial intelligence” into the overall development plan of party building in colleges and universities, developed and formed a smart party building system with the characteristics of wisdom, speed and accuracy, put forward solutions to comprehensively improve the efficiency of party building in colleges and universities from the theoretical level, expecting to promote the interconnection, perception, digitization and intelligence of party construction in colleges and universities from the practical level.

digital twin; artificial intelligence; smart party building; personalized recommendation; big data; algorithm

G40-057

A

1009—8097（2022）04—099—07

10.3969/j.issn.1009-8097.2022.04.011

基金項目：本文為2020年浙江省教科規劃課題“基于大數據與人工智能的高校黨建管理創新路徑的探索與研究——以寧波市為例”（項目編號：2020SCG098）的階段性研究成果。

陳雷，副教授，碩士，研究方向為黨建研究、人工智能、大數據、遠程教育技術、現代教育技術等，郵箱為bankstom@163.com。

2021年9月25日

編輯：小時