基于情境的高職院校意識形態風險識別化解機制

魏姣姣　孔建華　蘇江

一、智媒體時代高職院校意識形態風險

智媒體是基于移動互聯網，以大數據、虛擬現實、人工智能等數字技術為支撐，發揮個體認知盈余，形成具有自強化特點的智能系統，即“智能”+“智慧”的總稱。隨著智媒體時代的到來，高職院校去中心化的管理模式，算法推薦下的圈子形成，已是家常便飯。但智媒體時代下的高職院校依然具有人才培養、科學研究、社會服務、國際交流與合作、文化傳承與創新五大任務。在這五大任務中，高職院校三大主體——學生、專任教師、行政教輔所從事的具體活動各不相同，如表1所示。

高職院校三大主體在五大任務的驅動下有目的地完成類多量大的各項活動。但由于個人特點及關注點不同，對五大任務的理解不同，在完成任務的過程中就會存在不同程度的風險問題。研究表明，高職院校三大主流群體對意識形態風險認知普遍偏低；在這種情況下，無處不在的風險逐漸被放大，使高職院校意識形態風險更為密集，識別難度更大，防范化解更為困難。

為精準識別高職院校意識形態風險，做到事前防控、事中可控、事后可借鑒，基于情境感知技術構建高職院校意識形態活動情境，提出一種基于高職院校意識形態活動情境的風險識別化解框架，保障高職院校意識形態安全可管可控。

二、高職院校意識形態活動情境構建

情境是可以用來描述實體（人、物、地點、程序等）當前狀態的任何信息。基于高職院校三大主體在五大任務中的表現，為精準識別其情境信息，將情境要素劃分為：用戶情境、環境情境、任務情境。

用戶情境：基于用戶身份、特點、民族、宗教信仰、心理健康情況等信息區分當前情境下用戶可能存在的意識形態風險。

環境情境：物理和社交環境。基于時間、地點等物理環境及圈子、社會影響力等社交環境，綜合判定目前活動中可能存在的意識形態風險。

任務情境：描述用戶當前所從事的活動及完成這個活動所用到的工具和方法。

高職院校意識形態活動情境（Polytechnic College Ideology Activity Context，PCIAC）由當前活動情境[PCIAC（C）]和歷史活動情境[PCIAC（H）]兩部分構成，包括3個維度下的14個情境要素，可表示為：PCIAC=PCIAC（C）+PCIAC（H）=<PCIACID，UC，EC，TC>=<PCIACID，User，Hobby，Intership，Mentalhealth; location，Time，Role，Social contact; Task，Target，Object，Method，Tool，Networkstatus>，如圖1所示。

三、高職院校意識形態風險識別與化解方法

1.基于高職院校意識形態活動情境的風險識別及化解框架

以高職院校意識形態活動情境為出發點，提出一種基于高職院校意識形態活動情境的風險識別及化解框架，如圖2所示：確定高職院校意識形態活動類別——確定高職院校意識形態風險類別——獲取相關意識形態風險條目——鎖定目前所存在的意識形態風險明細——基于高職院校風險明細推薦風險化解方案。

2.確定高職院校意識形態活動類別

以當前情境信息為輸入，經任務模型、用戶偏好模型、流行度匹配模型及歷史模型的逐層過濾預測當前用戶所處的意識形態活動類別。

（1）任務模型

細分高職院校五大任務，每個任務再分為子任務，子子任務，以此類推，直到不可再分。

定義1：任務模型（TaskM）=<Weight，PCIAC（C），Category，Score>，其中Weight是權重，PCIAC（C）是當前高職院校意識形態活動情境信息，Category是基于五大任務進行劃分的高職院校意識形態活動類別；Score是當前情境信息屬于哪類意識形態活動的分值，分值表示從屬程度。

（2）用戶偏好模型

根據用戶的歷史習慣、偏好等信息，結合當下情境信息，判斷當前條件下用戶的行為。

定義2：用戶偏好模型（PreferenceM）=<Weight，User，PCIAC（C），Category，Score>，其中User表示當前活動的執行者。

（3）流行度匹配模型

通過學習高職院校三大主體在五大任務中的情境信息，得出當某些情境信息出現時，某類意識形態活動出現的概率。通過不斷自主學習，用戶反饋及調整，預測情境信息和意識形態活動出現的相關程度。

定義3：流行度模型（PopularityM）=<Weight，PCIAC（C），Category，Score>。

（4）歷史模型

統計用戶的歷史情境信息與意識形態活動之間的關聯度，并為用戶建立個性化數據庫，當相似或相同情境出現時，根據歷史模型判斷當前情境所從屬的意識形態活動類別。

定義4：歷史模型（HistoryM）=<Weight，User，PCIAC（C），Category，Score>。

（5）均值聚合

對所有模型中的分值進行標準化處理，如公式A，后加權平均，如公式B。

根據S的數值確定當前情境下最可能所屬的意識形態活動類別。權重的賦值可以采用靜態或動態賦值法，靜態賦值由意識形態一線工作者評分確定；動態賦值由用戶自行確定或授權給智媒體，通過不斷學習獲得。

3.確定高職院校意識形態風險類別

（1）高職院校意識形態活動數據結構

定義5：高職院校意識形態活動（PCIAA）采用9元組進行表示，PCIAA=<PCIAAID，PCIAAN，PCIAAO，PCIAAU，PCIAAT，PCIAAL，PCIAAR，PCIAAG，PCIAAD>；其中：PCIAAID是活動唯一標識，PCIAAN是活動名稱，PCIAAO是活動作用對象，PCIAAU是執行者，PCIAAT是活動時間，PCIAAL是活動地點，PCIAAR為占用資源，PCIAAG是活動目標，PCIAAD為活動描述。

（2）高職院校意識形態風險數據結構

定義6：高職院校意識形態風險（PCIAR）采用9元組進行表示，PCIAR=<PCIARID，PCIARN，PCIARO，PCIARER，PCIART，PCIARL，PCIARTP，PCIARRM，PCIARD>；其中PCIARID是風險唯一標識，PCIARN是風險名稱，PCIARO是風險作用對象，PCIARER是風險歷史經歷者，PCIART是風險發生時間，PCIARLT是風險發生地點，PCIARTP是風險類型，PCIARRM是風險化解機制庫，PCIARD是風險描述。

（3）高職院校意識形態活動及風險的相似度匹配

構建高職院校意識形態活動向量iaa如公式C，m表示屬性j在高職院校意識形態活動iaa中所占權重。那么高職院校意識形態活動庫IAA可表示為公式D。

同理構建高職院校意識形態風險向量iar（如公式E）和風險庫IAR（如公式F），w表示屬性j在高職院校意識形態風險iar中所占權重。那么高職院校意識形態風險庫IAR可表示為公式

計算IAA與IAR的相似度，采用余弦相似度對結果進行表示，如公式G所示。當相似度閾值大于某一預定值時即可預測當前情境下所面臨的意識形態風險類別。相似度閾值的確定根據實際情況的不同進行靈活賦值。

4.獲取相關意識形態風險條目

以得分值較高的意識形態風險類別為輸入，獲取與該風險類別相關的，可能存在的風險項。意識形態風險類別及風險項是在對五大任務進行細分的基礎上，根據歷史情境信息識別而來，進而形成豐富完善的高職院校意識形態風險條目庫。

5.確定高職院校意識形態風險明細

（1）協同過濾模型

采用標準的基于高職院校用戶身份特性的協同過濾算法為該用戶可能面臨的意識形態風險項進行賦分，將最高的分值賦給該用戶最可能面臨的意識形態風險。同時，采用協同過濾算法計算用戶之間的相似度，進而根據相似用戶出現過的意識形態風險進行預警。

定義7：協同過濾模型CFM=<Weight，User，Riskitem，Score>，其中Weight是權重；Riskitem是意識形態風險項或其屬性，Score是當前情境下CFM對Riskitem的打分值。

（2）當前情境模型

基于高職院校三大主體目前所處的活動狀態，給可能存在的意識形態風險項進行賦分，分值越高，那么該用戶在當前面臨該項意識形態風險的可能性越大。

定義8：當前情境模型CCM=<Weight，PCIAC（C），Riskitem，Score>，Weight是權重；Score表示CCM對Riskitem的打分值。

（3）歷史情境模型

收集并記錄高職院校意識形態活動及風險情境，存儲相關人員的系列相關信息并形成知識圖譜。

定義9：歷史情境模型HCM=<Weight，PCIAC（H），Riskitem，Score>，Weight是權重；Score表示HCM對Riskitem的打分值。

（4）采用項目聚合器進行賦分

對模型打分進行標準化處理，如公式H所示；對標準化后的分值進行加權計算，如公式I所示。S為采用項目聚合器計算后的每條可能存在的意識形態風險條目分值。

6.基于高職院校風險明細推薦風險化解方案

以預測得到的意識形態風險明細為輸入，采用深度相關性匹配算法得到目前所需要的風險化解方案。

根據定義6，高職院校意識形態風險（PCIAR）采用9元組進行表示，PCIAR=<PCIARID，PCIARN，PCIARO，PCIARER，PCIART，PCIARL，PCIARTP，PCIARRM，PCIARD>，為便于計算，將其用詞向量進行表示，如公式J。而高職院校意識形態風險化解數據庫則為描述性文本表示模式，為增強二者匹配之間的精度，將高職院校意識形態風險化解數據庫同樣采用詞向量的形式進行表示，后利用深度相關性匹配算法進行匹配，得出最后計算分值S，如公式K所示，S為分值越高的條目，越容易被推送給當前意識形態情境信息的執行者。

U表示PCIAR和PCIARRD的交互計算符號;函數h表示從局部交互矩陣示射到匹配直方圖到匹配函數;Z表示第I層內部隱層對于第i個單單詞的輸出結果;g表示聚合權重。

四、結語

智媒時代如何快速識別并化解意識形態風險是高職院校意識形態工作者爭奪陣地的關鍵。基于高職院校三大主體在五大任務中活動密集及三大主體意識形態風險認知普遍偏低的現實，結合情境感知技術，分析并構建了高職院校意識形態活動情境交互模型，在此基礎上，提出基于高職院校意識形態活動情境的風險識別及化解框架，該框架的提出具有三大優勢：一是利用情境感知技術快速識別三大主體在當前情境下可能存在的意識形態風險，做到防患于未然或及時阻斷疏通；二是基于多模型打分的分層過濾框架，個性化需求滿足度高，適用面廣；三是快速搭建高職院校意識形態風險知識圖譜，為后期精準推薦意識形態風險解決方案打下基礎。

參考文獻：

[1]牛玉，林海玲.提升智媒時代高校意識形態安全風險防范能力[J].中學政治教學參考，2022（28）：10-13.

[2]教育部.中共中央國務院印發《關于加強和改進新形勢下高校思想政治工作的意見》[J].社會主義論壇，2017，000（003）：4-5.

[3]張燕.互聯網背景下“00后”高職學生意識形態現狀調查及對策分析[J].中國校外教育，2020（27）：3.

[4][5]Dey A，Boleng J .An Introduction to Context-Aware Computing.2015.

[基金項目：本文系廣東省2021年度教育科學規劃課題（德育專項）“黨史教育賦能高校立德樹人長效機制研究——基于大學生接受視角”（2021JKD Y054）、廣東省高校雙帶頭人教師黨支部書記工作室“廣東科學技術職業學院機器人學院教工第二黨支部蘇江工作室”（粵教工委組函〔2020〕13號）、廣東省黨建工作樣板黨支部“廣東科學技術職業學院機器人學院教工第二黨支部”資助項目的階段性研究成果。]

責任編輯 陳春陽