基于學生畫像的高校思想政治理論課精準教學研究

楊怡雪，齊明明

（成都理工大學 馬克思主義學院，四川 成都 610059）

習近平總書記在黨的二十大報告中指出：“推進教育數字化，建設全民終身學習的學習型社會、學習型大國。”［1］“教育數字化是我國開辟教育發展新賽道和塑造教育發展新優勢的重要突破口。”［2］數字技術如何賦能思政課精準教學，成為亟待研究的時代話題。學生畫像是一種根據學生的在校學習行為數據抽象出標簽化的學生模型，為抽象提煉出的標簽賦予權重，以量化學生的特征與需求。作為一種依托大數據的學習分析技術，學生畫像契合思政課的“精準化”要求，能夠助力思政課教學從普適性教育轉為針對性教育，從教師為主的單向灌輸轉為學生為本的教育服務，破解思政課教學目前面臨的教學缺乏針對性、模式單一等難題。基于這樣的研究背景，本文將探索學生畫像技術在思政課精準教學中的邏輯建構與實踐圖景。

一、學生畫像技術支持思政課精準教學概述

思政課精準教學就是要精準把握學生現實需求，將精當的教學內容精準地傳導給學生，推動解決教學供需矛盾［3］。學生畫像恰好契合思政課教學的“精準”需求，能夠在理論上支持思政課學情分析的精準識別、思政課教學方案的精準定制與思政課教學效果的精準評估，為基于學生畫像的思政課精準教學模式設計提供學理支撐。

1.學生畫像支持思政課學情分析的精準識別

學生數據是海量且動態的，具有表征性及時效性等特點，這使得精準識別包括精準識別信息與動態調控雙方聯動。一方面，教師能夠借助學生畫像對學生個體特質與整體面貌的反映，精準識別學生學情信息；另一方面，學生畫像對學生動態數據的捕捉，使得教師能夠把握雙方互動的數據軌跡，把握學生學習及心理嬗變規律。

在精準識別信息方面，借助學生畫像的技術支持，可以隨時捕捉、獲取、處理受教育者的電子印記，并從中識別、篩選出能夠體現受教育者的學習特質。學生畫像有效提升了對于學生特點識別的精確度與效率，直觀且精準反映學生個體特質與整體面貌。思政課教師能夠借助這一教育工具，更直觀地了解學生，做到精準識別學生群體及個體學習特征，進行思政課學情分析。在動態調控雙方聯動方面，學生畫像在對學生的數據捕捉上并不是靜態的、短暫的，而是動態的、長期的。教師能夠將大學生學情數據變化與教師教學行為進行數據關聯分析，有效把握教育雙方互動的數據軌跡，并從這種信息交流的行為數紋中析理出教育者與教育對象的互動走向與變動態勢，［4］掌握學生學習行為及心理嬗變狀況與發展規律。最終教師通過分析學生學情與發展規律，對教學展開動態調控，做到“因事而化、因時而進、因勢而新”，實現“教育者—學生畫像技術—受教育者”的有效智慧互動。

2.學生畫像支持思政課教學方案的精準定制

把握教育對象需求是精準定制的首要條件。［4］學生畫像技術能協助教師挖掘每個教育對象的需求，制定有針對性的教育方案，從以下方面做到精準定制：堅持問題導向，圍繞學生所惑設立有針對性的目標；聚焦學生需求，圍繞學生所需確定有針對性的教學內容；關注個性發展，圍繞學生所喜選擇有針對性的教學方法。

習近平總書記在全國高校思想政治工作會議上指出：“要用好課堂教學這個主渠道，思想政治理論課要堅持在改進中加強，提升思想政治教育親和力和針對性，滿足學生成長發展需求和期待。”［5］精準定制需要借助學生畫像技術，把握教學對象的具體需求，在教學方案中體現針對性。首先是教育目標的針對性。根據學生畫像，教師可以精準定位學生所需，設立教學目標。學生畫像作為一種將學生放在主體位置的新興學習分析技術，始終堅持問題導向，有針對性地解疑答惑，專注鑄魂育人，滿足學生成長發展需求和期待，補足學生精神之“鈣”。其次是教學內容的針對性。根據學生畫像，教師能夠做到聚焦學生個性化需求，確定教學內容。如利用算法探究學生社交鏈接密度，聚焦學生所關注的熱點事件與新聞，調整教學內容，有效鏈接“社會大課堂”，調動學生的積極性和主動性。最后是教育方法的針對性。針對不同的教學對象與教學環境，教師可以選擇不同的教學方法。在學生畫像技術的介入及相應的智慧教學平臺支撐下，教師可以進行分類指導、區別對待，以不同的方法將不同的知識灌輸給不同的學生，有針對性地解決學生面臨的問題。

3.學生畫像支持思政課教學效果的精準評估

教學效果包括學生的整體情況與教師的教育教學行為。利用學生畫像技術辨識和分析數據方面的優勢，能夠克服傳統評估手段的不足。教師能夠實時跟蹤、判定和檢測學生的整體情況，校準、考量自身的教育教學行為，實現過程性、多維性和動態性的精準評估［6］，最終實現教學反思與改進，進一步提高思政課教學的精準性。

傳統的教育對象評估手段是期末考試，然而考試只能檢測學生階段性的知識水平，并不能涵蓋學生長期性的、全方位的成長。對于教育者的教育教學行為，以往的教學評價手段，如學生問卷測評、同行聽課評議等，常常因為評價者的主觀喜好及其他因素影響信度與效度。在教學中運用學生畫像，從“靜態信息收集”進化為“動態信息跟蹤”，充分利用問卷調查、網絡日志采集、網絡爬蟲等大數據技術，深入挖掘并跟蹤分析學生個體或群體的思想政治狀況。注重收集學習過程數據，準確記錄每位學生的課堂參與情況，實現學習全流程的數據記錄，完整反映學生在教學中的變化與發展，反映人的全面發展，從而更好地實現對教育對象的精準評估。在評估教育者的教育教學行為時，一方面可以通過學生畫像體現出的學生各方面發展水平及變化，來反映教育者的教育教學質量與成效；另一方面也可以通過考察教師的大數據思維、學生畫像技術使用能力與運用頻率，來反映教育者的教學思維與能力。基于學生畫像中體現出的學生學習整體情況與表現，以及教育者的教育教學行為的評估考察，教育者還可進行教學評議與反思，有針對性地優化課程設計與教育方案。

二、思政課精準教學中的學生畫像基本維度

圍繞思政課精準教學所需，本研究建立的學生畫像主要具備這三個基本維度：學生學習特征描述、學生學習需求預測及學生學習行為診斷。每個維度都是一個標簽體系，下分多個分級標簽。利用數據做詞頻統計、數據建模等處理，從標簽中得到畫像標簽值，將這些畫像標簽值進行加權算法且可視化呈現后，就形成學生畫像。

1.學生學習特征描述

學生的學習特征描述是指挖掘學生學習特征數據進行清洗、重構與整合，再人工給這些信息歸納一個高度精練的特征標識，也就是打上標簽，再進行分類分層，組成分級標簽體系。利用算法對標簽賦值成為畫像標簽值，從中挖掘學生潛在的行為特征，用以區分刻畫不同學生群體，這是學生畫像中最基本的功能。

學生學習特征的標簽主要由基本信息、社會屬性、學習情況等組成，具有一定的精簡性。其中代表著學生基本信息的標簽被稱為一級標簽，還可下分為姓名、性別、年齡、院系、專業這五個維度的二級標簽；代表社會屬性的一級標簽還可下分為職務、政治面貌、社會屬性等二級標簽；代表學習情況的一級標簽則可包括該學生的思政課學習成績、理論水平、意識形態、價值傾向等二級標簽。二級標簽是從屬于一級標簽的細分標簽，三級標簽是從屬于二級標簽的更加細分的標簽，以此類推，最細的標簽也稱為葉子標簽。每個標簽都有層級，它們共同組成分級標簽體系，也稱為標簽樹。科學設計與組織下的標簽可以成為區分不同學生群體的標準。例如以院系為標準劃分，就能基本分辨出不同學院的學生學習特征；以學生的思政課理論水平為標準來區分，就能劃分出不同認知水平的學生；以學生的價值傾向為標準來區分，就能分辨出“四有”新人與普通青年的差別。此外，如果加強或減弱某些標簽的賦值，運用加權算法來做畫像分析，各級標簽值通過加權算法匯總到樹根標簽，就能夠得到畫像標簽值。［7］再通過平臺軟件，對畫像標簽值進行可視化呈現，這個呈現出的可視化的學生行為信息標簽值，就是學生畫像標簽值，這也是最簡單的學生畫像技術。對于學生的學習特征描述常用于思政課精準識別之中。

2.學生學習需求預測

學生學習需求預測是指通過對學生基本情況的掌握和動態數據的分析，對學生的下一步需求進行預測，從而采取精準化的思政課教學。［8］一方面，通過信息挖掘掌握學生基本情況，定位學生學習興趣，從而實現學生學習需求預測，開展精準定制。另一方面，通過跟蹤與分析學生的動態數據，預測學生學習不足，提前研判學生的學習需求，進行學業干預。

利用學生畫像技術對學生社交網站關注話題、個人研究課題、搜索資源和課題等采用文本挖掘，具體包括利用網絡爬蟲技術搜集大學生在社交網絡平臺的搜索、關注、討論信息，對學生瀏覽新聞進行跟蹤分析，整理統計出學生感興趣的社會議題與新聞報道；聯合圖書館信息平臺與教務處，統計學生的借閱偏好、研究課題方向、科技立項、社團參與等。再按照思政課程方向與具體內容，通過詞頻分析與詞典匹配的方式生成關于“興趣愛好”的標簽值，例如學生有大量搜索歷史信息的記錄，則有意加強黨史學習教育；學生關心國際前沿動向，則要在課程中引導學生正確認識世界，把握時代大勢。此外，教師對學生的基本學習情況進行預先測試與動態跟蹤，能夠發現學生的學習不足。思政課教師對學生開展學前預先測試，對學生的理論基礎、道德修養、法律常識做好判定，確定教學目標與教學內容，進而開展精準教學。通過對教學過程實時監測，分析學生的成績波動、考勤情況、認知傾向與行為模式等因素，對學生的學習變化與價值觀變化進行預測，提取出其中具有掛科風險及心理異常的學生，從而對離群學生進行學業上與心理上的及時干預與幫扶。對于學生的學習需求預測常用于思政課精準定制之中。

3.學生學習行為診斷

學生學習行為診斷是通過統計、分析學生數據，挖掘數據中潛在的關系與規律。首先對學生數據進行跟蹤記錄，組成學生“學習行為”與“心理行為”的動態數據，學習行為包括學生的學習態度與學習成果等，心理行為包括國家認同、社會責任及人格素養等。然后挖掘數據中存在的潛在關系與規律，向教師與學生呈現可視化的動態學習報告。［9］

以學習行為中的學習態度為例，采集學生在思政課的考核成績分數或排名進步程度，統計分析后作為“成績進步程度”標簽值；采集課堂簽到、問題搶答、主題討論、隨堂測驗、課后作業等參與率及完成情況，統計分析后作為“學習積極程度”標簽值；采集圖書館及工作室等打卡系統的簽到頻率并進行量化，統計分析后作為“自學積極程度”標簽值，這三者最終進行加權算法，共同組成學生態度標簽值。教師可通過這一標簽值來評估本班學生的整體學習面貌與學生學習效果。以學生心理行為為例，在理想信念方面，可采集學生參加黨團活動次數及比賽級別、被評為積極分子與發展對象的情況、學習“青年大學習”及“學習強國”等相關數據；在社會責任方面，可采集學生志愿服務次數及累計時間、獲得表彰次數與級別、參與學生工作的次數等數據；人格素養方面，則采集學生參加創新創業、競賽選拔、成長鍛煉及文體活動等數據。教師可通過長期跟蹤并統計分析這些數據，根據數據的變化軌跡來衡量學生心理行為的嬗變，進而評估學生的個體心理發展情況。對于學生的學習行為診斷常用于思政課精準評估之中。

三、基于學生畫像的思政課精準教學模式建構

基于學生畫像的思政課教學模式是一個由諸多要素有機構成的整體，主要由信息挖掘、智慧教學及管理控制三個層次組成，見圖1。從這三個層次出發，闡釋基于學生畫像的思政課精準教學模式設計，并提出了具體實踐策略。

圖1 思政課精準教學層次

1.信息挖掘：精準識別學生學習特征，建設學生畫像數據資源庫

信息挖掘即對教學活動相關數據進行收集、識別、篩選、分析，以求精準地識別學生的各種特征信息，從而確定教學目標，設計教學方案。在教學模式中，信息挖掘層主要挖掘并識別學生“基礎學習特征數據、學習行為特征數據、思想特征數據”三類數據。在具體實踐策略中，建設學生畫像數據資源庫是實現信息挖掘的必要之舉。

（1）精準識別學生學習特征。在數據挖掘層，學生畫像主要挖掘三類學生學習特征。從教務系統中搜集學生的相關基本信息，如年齡性別、院校專業、考試成績、論文競賽、社會實踐及政治面貌等，得到學生基礎學習特征數據。教師利用超星學習通、中國大學慕課等在線教學平臺組織課前測驗、課堂簽到、問題搶答、課堂投票、主題討論、隨堂測驗、問卷調查、課后作業、期末考核等教學活動，并利用在線教學平臺強大的數據統計分析功能，準確記錄每位學生的課堂參與情況，監測學生學習的全過程，生成課堂報告，實現學習全流程的數據記錄，并將這些數據轉化為學生學習行為特征數據。利用網絡爬蟲技術搜集大學生在社交網絡平臺的相關信息或者設計相應的調查問卷，獲取大學生在國家認同、社會責任、人格素養、價值觀念、道德修養、法律常識等方面的認知傾向與行為模式，再通過學生畫像技術進行標簽化賦值、加權算法得到標簽值，從而量化學生的思想特征，得到學生思想特征數據，判斷其當前思想狀況。

（2）建設學生畫像數據資源庫。高校應引進建設學生畫像資源庫所需的硬件設施，包括服務器、存儲設備、傳輸設備及其他支撐設備等，滿足學生數據的海量搜集、高效存儲及集中分析。升級學生畫像資源庫所需的信息軟件系統，提升學生數據采集技術、存儲技術、分析計算技術、可視化技術等。重視校內校外學生數據全面共享，與政府、社交媒體、社會組織等開展數據共享合作，最大限度地采集學生線上相關數據，用全域的視角反映學生個人特征、學習需求與思想行為。重視線上線下學生數據全面共享，利用物聯網傳感設備對學生學習實踐活動的相關數據進行采集，將學生線下的生活痕跡轉換為線上數據，實現數據合力、資源聚合。重視高校信息化平臺一體化建設，使學工、教務、科研等各類數據互通互融，集約化整合和高效化利用學生資源，形成整體統一的數據庫資源。從頂層設計上聯合高校各部門各板塊數據，搭建思政課教學“一站式”服務平臺，打造思政課教學“一張表”信息工程，整合思政教育大數據信息，推動校級數據共享。

2.智慧教學：精準滿足學生學習需求，營造智能性學生畫像環境

智慧教學層是在學生畫像技術這一介體及其智能性環境的環體因素影響下開展有效教學活動的層次。在教學模式中，教師利用學生畫像技術實現分層教學、互動教學、學業預警，精準滿足學生學習需求，做到智慧教學。在具體實踐策略中，必須從教育資源、人才隊伍、教育系統三方面營造學生畫像的智能性生態環境。

（1）精準滿足學生學習需求。利用學生畫像，實施分層教學。教師根據學生畫像中學生所呈現出的對知識點掌握程度的差異及不同的學習需求，基于聚類分析細分出不同層次的學生，實施更具針對性的差異化的教學模式，設立不同的教學目標，推送不同的學習資料，分配不同的教育資源，布置不同難度的課后習題，開展滴灌式教學。利用學生畫像，實施互動教學。基于學生畫像所反映出的學生不同的學習需求與學習狀態，教師可以根據實際情況參與學生的學習過程并進行個性化教育，調整教學方案，調動學生的參與積極性，增加課堂互動，引導學生的學習行為，確保課堂教學有的放矢。利用學生畫像，實施學業預警。思政課教師可在學生畫像中，對學生的作業提交、出勤次數及考試成績等數據進行離群檢測，根據輸出的可視化結果識別存在學業危險的學生，再對離群點學生的學習情況或者思想動態進行客觀實時的監控，預測學生的學習狀況，對離群點的學生作離群因素分析，確定影響學生的重要因素，及時調整教學策略，對離群點學生進行學業上的指導與干預。

（2）營造智能性學生畫像環境。通過頂層設計和系統規劃，營造學生畫像的智能性生態環境，實現智慧教學。實現教育資源的數字化，利用主流媒體新聞報道、書籍、學術期刊、影像資料、在線網絡課程、兄弟高校優質資源等構建教育資源數據庫，以開放共享的方式為教師提供真實可靠、類型多樣、豐富優質的教育資源。實現人才隊伍的智慧化，培育教師利用數據支撐教育決策的基本能力、數據倫理觀念與數據采集使用責任意識、大數據分析與應用能力，使教師能夠在數據平臺順利開展對學生信息數據的采集、錄入、分析與應用，掌握學生數據處理與分析技術。實現教育系統的智聯化，以及不同平臺、多個部門的齊發聯動，深度融合。既要通過制度要求，使學生畫像技術分析部門工作能夠有效進行，又要科學管理部門各項事務，使各數據管理部門形成共建共享思維理念與行為準則，并明確各個數據管理部門的職責，同時還要完善基于學生畫像的思政課精準教學的運行機制，并落實到學院層面。

3.管理控制：精準測評學生學習行為，完善教學評價與反饋系統

管理控制層是教師基于教學效果反饋信息、控制優化教育過程的層次，包括教學效果評估及教學過程優化。利用學生畫像技術，教師能夠在管理控制層做到精準測評學生學習行為，科學評估教學效果，進行事后評議與反思，實現教學過程優化。在具體實踐策略中，只有構建全方位評價思政課教學的體系與人機協同的反饋系統，才能真正實現管理控制。

（1）精準測評學生學習行為。基于學習過程的全記錄，思政課教師以個體學生為獨立對象，記錄教學實施各個階段的學生畫像標簽值并進行動態分析，全面、精細地反映學生學習過程與結果的全貌，以觀察該學生的各項指標（包括理論知識、學習態度、學習獲得感等）是否有改善提升；再利用關聯規則算法，找出影響教學效果的因素與教學效果之間隱藏的關聯，提供科學的教學效果評估。在教育過程優化方面，教師對學生畫像中呈現的學習行為與表現進行綜合分析，對關聯規則算法篩查出的影響教學效果的因素進行控制，有針對性地對課程與教學設計進行優化。學生也可通過即時反饋了解自己的學習表現和教師給出的評價結果，便于查漏補缺，及時改進。通過對學生畫像評估與反饋，實現學生畫像更新優化，教師在教學過程中及教學結束后檢驗學生畫像呈現出的各種學習行為數據結果，是否與對學生的現實觀察結果一致。如果差距較大，則需要對學生畫像進行調整，錄入新數據，使用新算法，添加新模型，不斷更新學生畫像標簽數據，對學生畫像進行實時更新、優化。

（2）完善教學評價與反饋系統。構建“以學習效果為中心”的，包括對學生、教師、教育中介和教育環境四個要素的思政課教學全方位評價系統［10］，分析學生學習成效的“學生畫像”評價系統只是其中之一。“學生畫像”評價系統是采用定量評價與定性評價相結合、過程性評價和總結性評價相結合的方法，既對學生知識體系掌握情況和應用技能進行評價，又對學生學習態度和價值觀等進行評價［11］；教師教學質量成效評價系統以獲取學生對教師教學質量評價、學生的教學成效反饋、教師客觀科研成績評價為主；教育教學載體和內容評價系統中，學生對教師選用的教學內容、載體工具、手段方法的教育效果和興趣感受進行評價；教育管理服務成效和環境評價系統是獲取學生與教師對學校數據平臺、教學管理服務、制度環境等的評價與建議。同時在這四個系統中開展評價標準制定、配套激勵機制等工作，實現反饋時間上的及時性、內容上的精準性、方式上的便利性，協助教師完成對課程與教學設計的優化。

四、結語

在學生畫像的技術介入和融滲下，思政課精準教學呈現出一種嶄新的教學模式。本文圍繞“基于學生畫像創新思政課精準教學”這一主題，從學理支撐、維度構建、模式設計三個方面深入探討了為什么要將思政課精準教學引入學生畫像，如何構建思政課精準教學中的學生畫像，如何基于學生畫像實現思政課精準教學三大問題。相較于傳統教學模式，基于學生畫像的思政課精準教學模式順應精準思政的發展態勢，是精準思政與大數據深度融合的創新性發展，具有更強的針對性、更高的科學性、更強的實效性，能夠促進學生全面而有個性地成長發展。