基于畫像建模的大學生精準課程思政及應用研究

何勝　巢海遠　史航

關鍵詞： 課程思政；課程畫像；思政資源畫像；資源推薦；畫像建模

中圖分類號：G642 文獻標識碼：A

文章編號：1009-3044（2023）12-0064-03

2020年6月，教育部印發《高等學校課程思政建設指導綱要》的通知，提出高校課程思政建設要在所有高校、所有學科專業全面推進[1]，使得以學科知識講授和傳播為核心的傳統課程教學模式受到挑戰，在全國范圍內激發了課程思政教育研究的熱潮。

在“互聯網+”時代，如何應用信息技術，將豐富的互聯網思政資源引入大學生課程學習過程，并實現課程學習內容和互聯網思政資源精準匹配，從而提升課程思政教育的效率和效果，日益引起學界的關注[2]。

針對上述問題，本文將信息技術中的畫像建模方法引入課程思政領域，分別抽取大學生課程特征和互聯網思政資源的特征標簽構建畫像模型，并設計方案將二者關鍵特征進行匹配，從而實現課程思政資源的精準推薦。

1 研究回顧

畫像建模方法一般包括用戶畫像建模和資源畫像建模，用戶畫像建模依托用戶人口和行為數據庫，抽取用戶行為特征，構建用戶畫像標簽模型；資源畫像則依托互聯網資源，提取資源特征構建資源畫像模型[3]。課程畫像需要抽取用戶（大學生）的人口特征和課程特征，屬于用戶畫像；互聯網思政資源畫像需要分析文本（或視頻）內容并抽取特征關鍵詞，屬于資源畫像。

近年來，將畫像建模應用于課程思政教育的探索已見諸研究文獻，于卓言[4]以大學生群體畫像為工具，提出應從群體情感傾向與極端化行為角度開展追蹤和預測，尋找適合大學生思政教育的途徑和方法。于祥成等[5]指出為提升高校思政教育的實效性和針對性，須在“定位、供給、聯動、評價”等系列實踐路徑上實現畫像的精準化。黃文林[6]提出依托教育大數據構建面向高校精準思政的學生畫像方案，并從關鍵實施環節和技術倫理角度對精準思政工作模式加以總結。段媛媛[7]嘗試對高職學生的敬業度畫像，探索大思政視域下培養高職學生敬業觀的思路。苗瑞丹[8]等討論了大數據畫像技術對于助推精準思政必要性，提出應提升畫像精準度、確保畫像“技術正義”并實現思政育人價值。

現有文獻或強調應用畫像建模方法開展高校思政研究的必要性，探討實施的路徑方法、技術倫理，或從某一獨特角度（如群體情感與極端化行為、敬業度）尋找精準思政的實現途徑。然而上述文獻大多屬于理論角度的分析，缺少針對性案例研究。有關大學生課程學習畫像，特別是在如何利用豐富互聯網思政資源輔助課程思政教育的研究方面，鮮有涉及。

鑒于此，本文提出基于畫像建模的大學生精準課程思政教育方案，以大學生課程學習數據和互聯網思政資源數據為基礎，分別開展用戶畫像和資源畫像，并將兩類畫像匹配后，開展個性化資源推薦，以“數據庫原理與應用”課程思政教育為例給出研究案例。

2 大學生課程畫像構建及應用框架

大學生課程思政畫像模型構建及應用框架包括“數據收集”“畫像建模”和“畫像應用”三個部分，其中“畫像建模”包括“課程畫像”建模和“思政資源畫像”建模兩類，如圖1所示。

2.1 數據收集

課程畫像的基礎數據主要來源于課程學習數據，包括人口信息和行為數據，其中人口信息有學生ID、姓名、性別、專業、年級等，行為數據一般指學生所學的課程名稱及考核成績等，一般從學校教務部門或學生工作部門的相關信息系統中獲得。

課程思政資源數據庫聚集了與思想政治教育相關的數據，一般包括專業資源和其他資源兩類，前者如“學習強國”平臺（https：//www.xuexi.cn/，中宣部主管）、“大思政課云平臺”（http：//m.people.cn/305554/，人民網、中國青年報社、中國青年網等單位聯合主辦）；后者如知乎平臺和新浪微博上等有關課程思政的話題，各高校關于課程思政相關的微信公眾號或鏈接網頁，如中國人民大學校園網思政主頁（https：//news.ruc.edu.cn/20th） 等。

2.2 畫像建模

在收集課程學習數據以及思政資源數據的基礎上，以思政資源精準推薦為目標，抽取兩類數據集的基礎信息和相關特征開展畫像建模，并將兩類畫像匹配。

1）“課程畫像”建模。以教務、學工系統數據庫為基礎，“課程畫像”需要抽取大學生人口屬性及課程特征，畫像標簽包括“學生ID”“人口特征”“課程名稱”和“課程特征”四個部分。其中“學生ID”標簽唯一標記大學生的身份；“人口特征”標簽包括姓名、性別、年齡、院系、專業、年級等；“課程名稱”為系統運行期內對應的課程名，這三者皆從基礎數據庫直接抽取；“課程特征”標簽體現課程內涵特點，由于專業課程特征千差萬別，需要由課程教師利用專業知識對課程特征進行概括和凝練，并預先在數據庫中填寫并提交。

2）“思政資源畫像”建模。以思政資源數據庫為基礎，“思政資源畫像”需要應用語義計算的方法抽取特征，實現對思政資源畫像建模。元數據包括“資源ID”“資源創建者”“資源主題”“思政資源特征”。其中“資源ID”標簽唯一標記資源，由數據庫系統軟件自動生成；“資源創建者”標簽記錄該條資源的原創作者、鏈接或出處；“資源主題”標注該資源的名稱；“思政資源特征”標簽則需要提取能概括并凝練反映該資源內容的特征關鍵詞。

3） 兩類畫像模型匹配。為了方便后期兩類畫像的匹配，“課程特征”與“思政資源特征”標簽使用“共同標簽庫”（見圖1） 。“共同標簽庫”采用精練且層次化的實詞描述客體，對課程和思政資源這兩個客體而言，“共同標簽庫”須完整且準確地反映二者知識組織架構，并具有較強的專業性，一般由課程教師或精通專業知識的人員提供。

2.3 畫像應用

畫像應用包括個性化“思政資源推薦”和“課程資源推薦”兩類。提取課程特征和思政資源特征的標簽后，應用余弦相似度算法，計算課程與思政資源的標簽相似度，選擇高相似度的思政資源推薦給用戶。

2.4 應用案例

本節分別以“數據庫原理與應用”等課程和“學習強國”思政平臺為例，探討二者畫像模型的匹配融合方案及其在個性化思政資源推薦中的應用。“學習強國”是著名的思政平臺，兼有思政資源和課程資源，思政資源有“學習理論”“黨史頻道”“紅色中國”等板塊，課程資源有“學習慕課”“學習科學”“學習文化”等板塊，內容既經典權威，又極具時代感，非常適合作為大學生課程思政教育的資源。

1）“課程畫像”舉例。依據圖1中的“課程畫像”所包括的四個畫像標簽，列舉了包括“數據庫原理與應用”“軟件工程”等課程畫像的標簽值，如表1所示。

2）“思政資源畫像”舉例。依據圖1中的“思政資源畫像”所包括的四個畫像標簽，結合“學習強國”平臺，列舉了各標簽值，該平臺的資源包括“思政資源”和“課程資源”兩類，其中“思政資源”中的“資源創建者”標記了資源的網址鏈接，如“資源ID”為“SZ0001”的鏈接為https：//www.xuexi.cn/lgpage/detail/index.html？id=796430982735250472，為避免文字煩冗，表格中共同的鏈接https：//www.xuexi.cn/lgpage/detail/用“…”代替。值得注意的是，“課程特征”與“思政資源特征”標簽來源于“共同標簽庫”，從其中選擇了合適的關鍵詞進行標注；“課程資源”中的“資源創建者”標記了資源的路徑，如“資源ID”為“MK0001”的資源，其來源追溯路徑為學習強國→慕課→計算機→計算機類慕課，如表2所示。

3） 標簽相似度計算及推薦。假設學生當前課程名稱為“數據庫原理與應用”，查表1知該生的“課程特征”標簽為“數據庫原理、數據庫應用、數據庫設計”，推薦信息系統將計算該門課程與所有的“思政資源畫像”中的“思政資源特征”標簽的兩兩相似度，這里以資源主題“大數據賦能企業實現價值創造”為例，查表2知該資源的“思政資源特征”標簽為“大數據、數據庫應用、數據庫設計、數據賦能”，采用通用余弦相似度方法計算二者的標簽相似度，如圖2所示。

首先將二者標簽集合中的關鍵詞唯一化，得到6個不重復的標簽；接著統計每類標簽在原集合中出現的詞頻，寫出向量；最后根據余弦相似度公式計算，結果為0.6708，推薦系統將選取高相似度的思政資源推薦給用戶。

3 結束語

依托大學生課程學習數據庫和互聯網資源數據庫，一方面對大學生課程學習行為建模，抽取課程學習特征開展用戶畫像，另一方面抽取互聯網思政資源特征開展資源畫像，通過共同標簽庫將課程學習畫像（用戶畫像）和資源畫像進行匹配融合，以搭建用戶畫像和資源畫像連接的橋梁，從而實現互聯網思政資源向大學生用戶的精準推薦，這為畫像建模方法引入課程思政領域的研究提供可行的思路和應用方案。