大數據畫像技術嵌入高校精準思政的生成邏輯與實踐圖景

2024-12-25 00:00:00邵彬彬譚麗各

高教學刊 2024年35期

摘要：將大數據畫像技術引入高校思想政治教育過程，有助于實現精準育人。通過構建一個由數據采集層、數據處理層、畫像構建層和畫像分析服務層組成的四層技術平臺可實現畫像技術在高校精準思政教育中的整體性嵌入。具體實踐表明，大數據畫像技術能夠有效地進行同類群體學生特征的分析、特殊群體學生的識別與分析，以及學生行為標簽間關聯性的深入分析，從而優化思政大數據的精準分析與再利用。然而，大數據畫像技術的不當使用亦可能引發問題，導致精準思政教育的失效。因此，要辯證地看待大數據畫像技術在高校精準思政中的應用，預防實施過程中技術濫用現象的產生，提高思想政治教育的針對性、科學性、實效性。

關鍵詞：大數據；畫像技術；精準思政；工作機制；風險

中圖分類號：G641 文獻標志碼：A 文章編號：2096-000X（2024）35-0179-05

Abstract： The introduction of big data portrait technology into the process of ideological and political education is helpful to realize the precise education of ideological and political education. By constructing a four-layer technology platform composed of data acquisition layer， data processing layer， portrait construction layer and portrait analysis service layer， the overall embedding of portrait technology in precise ideological and political education can be realized. The specific practice shows that big data portrait technology can effectively analyze the characteristics of similar groups of students， identify and analyze special groups of students， and deeply analyze the correlation between student behavior labels， so as to optimize the accurate analysis and reuse of ideological and political big data. However， the improper use of big data portrait technology may also cause problems， leading to the failure of precise ideological and political education. Therefore， it is necessary to view the application of big data portrait technology in precise ideological and political education， prevent the occurrence of technology abuse in the process of precise ideological and political education， and improve the pertinenceand effectiveness of ideological and political education.

Keywords： big data; portrait technology; accurate ideological and political education; work mechanism; risk

信息技術的快速發展，尤其是大數據和智能算法的應用，為思想政治教育的創新提供了新的機遇[1]。2017年，中共中央國務院印發的《關于加強和改進新形勢下高校思想政治工作的意見》進一步強調了把握師生思想特點和發展需求的重要性，并提出提高工作科學化、精細化水平的要求。2019年教育部工作要點指出，要“著力推進精準思政”，這標志著精準思政成為高校思想政治教育發展的重要方向。精準思政強調將思想政治教育傳統優勢與信息技術深度融合，形成一種新場景和新應用，其核心在于利用大數據等技術實現對教育要素的量化分析，以及對教育時機、效果、程度的精準把握。同年，教育部辦公廳發布的《關于推薦遴選“基于教學改革、融合信息技術的新型教與學模式”實驗區的通知》，進一步強調了“數據畫像”在促進學生個性化全面發展中的作用，并推動大數據技術在精準教學和評價方面的應用[2]。這一政策的出臺，為信息技術與高校精準思政教育的融合發展提供了明確的指導和支持。因此，將大數據技術與思想政治教育相結合，充分挖掘大數據的技術優勢，推動大數據技術在高校精準思政工作的有效運用，以提升思想政治教育的精準化水平，是信息時代推動高校思政教育創新發展的必然選擇。

一畫像技術嵌入高校精準思政的生成邏輯

用戶畫像技術，起源于公安情報分析領域，隨著電子商務的興起而得到廣泛應用。據普遍觀點，交互設計之父A. Cooper是最早提出用戶畫像概念的人，他將其定義為“基于用戶真實數據的虛擬代表”[3]。用戶畫像涉及對用戶多維度信息數據的追蹤、收集、統計和分析，通過標簽體系呈現分析結果，推測用戶興趣與需求，為推薦合適的產品和服務提供依據。隨著大數據時代的到來，畫像技術開始進入教育領域，其核心在于通過收集和分析學生的行為、成績、興趣等數據，構建學生畫像，以實現教育的個性化和精準化[4]。教育畫像技術的發展，經歷了從簡單的數據收集到復雜的數據分析和應用的過程，逐漸形成了一套較為成熟的理論和實踐體系。

學生畫像技術的理論基礎主要來源于教育心理學、學習科學和數據科學。教育心理學提供了對學生個性、動機和行為的理解，學習科學則關注學習過程和學習效果，而數據科學則為畫像技術的實現提供了技術支持[5]。學生畫像技術通過整合這些理論，旨在更全面地理解學生，為精準思政教育提供理論支撐。高校精準思政教育的實踐需求在于如何更有效地滿足學生的個性化需求，提高教育的針對性和有效性。學生畫像技術通過分析學生的學習行為、成績變化、興趣偏好等，幫助教師更好地了解學生，實現教學內容和方法的個性化調整[6-8]。

（一）高校學生畫像的基礎數據來源

在高校數字化建設的進程中，智慧教學、智慧餐飲、智慧圖書館以及一站式師生服務中心等教育信息化應用日益普及，帶來了大數據資源的豐富積累。這些資源不僅涵蓋了教育活動的各個方面，而且為深入理解學生的日常學習生活行為提供了全面的數據支持[9]。學生在學習生活中產生的數據痕跡，作為反映其思想行為動態的科學依據，已成為構建學生畫像數據庫的關鍵組成部分。通過系統梳理，歸納了適用于高校精準思政教育中構建學生畫像的常見數據資源，并對其類別、內容及來源進行了詳細分類，見表１。

畫像技術有效嵌入高校精準思政教育的首要前提是構建一個全面且強大的數據資源庫。隨著高校數字化建設的不斷深入，學生畫像的構建已具備了豐富的數字資源基礎。然而，只有對這些數據資源進行科學整理與分析，方能充分發揮其在精準思政教育中的核心價值。如表1所示，構建學生畫像所需的數據資源廣泛覆蓋了學生的學業成績、生活習慣、經濟狀況、健康狀況等多個維度，其來源也呈現多元化特點，涉及教務、生活服務、財務、醫療等多個部門，形成了一個跨部門協作的數據資源集合體。

在數據資源庫的建立過程中，首先需要高校各部門充分認識到數字時代下數據資源建設的重要性，形成共識，確立“共建共享”的數據管理理念。建議成立由學校信息化辦公室牽頭，各相關部門負責人參與的信息化建設領導小組，負責統籌規劃數據資源庫的建設工作，包括政策制定、戰略部署及協調推進等關鍵環節。其次，信息化建設領導小組需加強頂層設計，構建一個“互聯互通”的信息系統架構。打破部門間的數據壁壘，實現數據的高效流通與利用，是確保數據資源庫發揮最大效用的關鍵。為此，學校應設計統一的數據接入端口，實現分模塊的數據錄入，并靈活設置數據訪問權限。同時，各部門應指定專職信息員，負責按照既定的時間節點和標準要求完成數據的錄入與歸檔工作，以確保數據資源庫在數據采集的時效性以及整理的有序性8V1TrCXP/oTrc+0oLfn93w==。

（二）畫像技術嵌入高校精準思政的工作機制

精準思政的數據基礎來源于不同數據庫的多元數據源[10]。高校各部門基于各自的工作便利性進行數據收集，但因缺乏統一的收集標準和格式，常常導致數據出現冗余、重復、缺失或錯誤等無效情況。這些問題的存在嚴重影響了數據的有效性，因此，對數據進行清洗，剔除無效信息，是進行深入畫像分析的前提條件[11]。為了實現畫像技術在高校精準思政中的有效嵌入，本研究提出構建一個四層工作機制，包括數據采集層、數據處理層、畫像構建層和畫像分析服務層，如圖1所示。其中，數據采集層和數據處理層構成了整個工作機制的基礎階段，負責收集和清洗數據，確保數據的質量與準確性。畫像構建層則是整個工作機制的關鍵核心階段，涉及如何利用清洗后的數據構建準確的學生畫像。最后，畫像分析服務層是目的階段，通過深入分析學生畫像，為高校精準思政提供決策支持和服務。

數據采集層是高校精準思政數據資源庫建立的基石。該層的數據主要來源于學生日常工作所涉及的多個部門。通過主動統計和問卷調查等方式直接從學生群體中獲取，同時也包括學生在日常學習生活中自然形成的數據，這些數據被系統化地分類錄入到相應職能部門的信息系統中。例如，教務部門作為學生學習成績的主管部門，負責將學生的考試成績、課程選修情況、出勤記錄等關鍵數據準確無誤地錄入系統，并定期進行歸檔整理。團委作為校園文化的引領者，負責記錄并整理各類團學活動的參與情況、獲獎信息等，這些數據在刻畫學生綜合素質、AzpPU3QmJ3UQQW87wrx+ww==評估學生社會實踐能力方面發揮著重要作用。此外，心理輔導站則成為學生心理健康數據的守護者，通過專業的心理測評、咨詢記錄等手段，收集并整理學生的心理健康信息，為學生心理畫像的構建提供了科學依據。

數據處理層是對廣泛來源的數據進行綜合統計、清洗和分類，重點是基本屬性、現實行為和虛擬社交三個維度的數據標簽的提取與重組。基本屬性標簽體系涵蓋了學生的基本信息如姓名、性別、年齡和專業等；現實行為標簽則反映了學生的日常活動如學習情況（包括成績排名、學習態度等）、消費行為（如購物偏好、消費水平等）；虛擬社交標簽則捕捉了學生在社交平臺上的活動痕跡如社交媒體發布內容、互動情況等。這些標簽體系通常以樹狀結構呈現從一級標簽細分至多級子標簽直至觸及原始數據的葉子標簽。這種結構不僅便于數據的存儲和檢索還能夠清晰地展示數據之間的層次關系和內在聯系。

畫像構建層是畫像技術的核心環節。隨著數據處理層工作的深入，可以逐漸構建起了一個全面而精細的學生畫像。這一畫像不僅包含了學生的基本信息和日常行為，還深入剖析了他們的經濟條件、心理健康和網絡行為等關鍵維度。在畫像構建的過程中，可以充分利用數據處理層提供的標簽值運用聚類分析、離散分析和關聯分析等方法對每個學生的整體狀況進行深入剖析和挖掘。例如，通過聚類分析，可以將學生按照學習成績、消費行為等特征進行分組以便于學校針對不同群體制定更加精準的教育政策和服務措施；通過離散分析，可以發現學生行為中的異常點和變化趨勢從而及時采取干預措施；通過關聯分析，可以揭示不同維度數據之間的內在聯系和相互影響從而為學校提供更加全面的決策支持。

畫像分析服務層致力于對畫像結果進行深入分析，并根據分析結果提供定制化的精準思政服務。例如，若學生的學習情況標簽值偏低，可將其識別為學業困難學生，并針對性地組建幫扶小組或提供補習班等資源幫助他們提高學習成績。同樣，經濟、心理健康或網絡行為方面的異常標簽也可以觸發相應的幫扶教育措施。針對經濟困難的學生，可以提供助學金、勤工儉學崗位等支持幫助他們緩解經濟壓力；針對心理健康問題的學生，可以提供專業的心理咨詢和輔導服務幫助他們走出困境；針對網絡行為異常的學生，可以加強網絡教育和管理引導他們樹立正確的網絡觀念和行為習慣。通過這些個性化的幫扶機制，可以實現一人一檔、一人一策的精準思政模式，為每位學生的全面發展提供有力保障。

二畫像技術嵌入高校精準思政的實踐圖景

大數據技術的興起對精準思政教育具有重要意義，已成為該領域不可或缺的資源。然而，數據的冗余性以及部門間數據壁壘的存在，導致大量數據未能充分發揮其潛在價值。通過將畫像技術嵌入高校精準思政，能夠將分散的大數據集成為一個統一的數據倉庫，利用聚類、離群、關聯等大數據分析方法，將孤立的數據以可視化的方式呈現，為同類群體學生特點分析、特殊群體學生挖掘與分析，以及學生行為標簽之間的關聯性分析等提供實踐圖景。

（一）基于聚類分析的同類群體學生特征和需求分析

聚類分析是一種無需預設分類標準的統計方法，其根據研究對象在性質上的相似度進行自動歸類。類內個體在特征上具有高度一致性，而類間個體則差異顯著。常見的聚類分析方法包括K-means聚類、層次聚類、DBSCAN聚類等。在精準思政教育中，學生群體可以根據生涯發展規劃、個人興趣愛好、角色定位和價值取向等因素被細分為不同的類型。這些群體中，有些是顯性的，如基于就業方向的考研群體、考公群體、求職群體；有些則是隱性的，如基于興趣愛好的二次元圈、電競圈、書法圈等文化圈層。

思想政治工作的實施需遵循學生成長規律，而準確把握這些規律的前提是對同類群體進行大量樣本分析。通過建立學生畫像機制，并運用聚類分析法，可以將基礎數據庫中的海量學生數據進行有效歸類和分析。細分后的群體可以被更精確地定位到具體的思政工作場景中，為各個群體提供精準化的思想政治援助和教育方案。同類群體的行為特征和需求具有相似性，而教育對象的培養具有周期性。對同類群體特征和需求的深入分析，不僅可以為當前群體提供及時精準的服務，還可以為未來相似群體提前制定服務方案，從而實現思政教育的前瞻性和持續性。

（二）基于離群分析的特殊群體學生挖掘與幫扶

離群分析是一種統計方法，旨在從數據集中識別出與其他數據顯著不同的離散點，并探究其離散的原因。在精準思政教育中，離群分析的應用對于發現并幫扶特殊群體學生具有重要意義。這些特殊群體可能包括經濟困難、心理困惑、學業困難等需要特別關注的個體。在傳統的思政教育實踐中，由于幫扶者與幫扶對象之間信息不對稱，加之學生可能因顧慮面子或隱私問題而不愿主動表露困境，導致對這些特殊群體學生的發現和幫扶不夠及時和充分。這種情況可能導致學生危機事件的發生，影響校園的和諧穩定。

高校信息化建設為思政教育者提供了新的渠道來了解學生情況。數字痕跡，即學生在學習生活中產生的電子記錄，為精準挖掘和幫扶不同困難群體提供了科學依據。通過分析學生行為留下的電子痕跡，教育者可以主動了解學生情況，進而通過雙向互動加深了解。建立學生畫像機制，并運用離群分析法，可以從學生每日產生的大量數據中及時識別出異常數據，并迅速定位到相應學生。對于這些被識別出的離群學生，輔導員、班主任等思政教育工作者可以通過進一步的溝通和了解，提供個性化的幫扶措施。

（三）基于關聯分析法的學生不同行為之間的關聯性分析

關聯分析是一種挖掘數據項之間關系和規律的統計方法，能夠揭示數據中的有趣關聯。常用的關聯分析算法包括Apriori算法、FP-growth算法、Eclat算法和關聯規則樹算法等。在精準思政教育中，關聯分析法的應用有助于分析學生不同行為標簽之間的潛在聯系，從而為思政工作的精細化提供有力支撐。

通過分析學生畫像中的標簽關聯性，教育者可以預見并滿足學生的潛在需求。例如，如果學生的某兩門課程成績均表現一般，通過分析這兩門課程之間的關聯性，可以在幫扶機制中予以側重，實現資源的優化配置。此外，關聯分析還可以用于建立學生的激勵機制。傳統的激勵機制往往側重于單一維度的評價，如學業成績、學科競賽成果等。然而，通過關聯分析，可以構建一個更加全面、多維的綜合素質測評標簽體系。這個體系不僅關注學生的學業表現，還涵蓋了他們的興趣愛好、心理狀態、社交能力等多個方面。通過分析這些標簽之間的關聯度，我們可以更加準確地把握學生的全面發展狀況，構建綜合素質測評的標簽體系，指導學生的全面發展和健康成長。

三畫像技術嵌入高校精準思政的風險

大數據技術為高校精準思政提供了堅實的數據支撐，而畫像技術則為這一過程提供了強有力的技術手段。然而，基于大數據的畫像技術在高校精準思政中的應用也伴隨著一系列風險，這些風險可能源自數據獲取、理解及應用的各個階段。為了最大限度地發揮畫像技術在高校精準思政中的價值，必須全面客觀地分析這些風險因素，并采取有效措施加以規避。

（一）數據獲取風險

數據獲取是畫像技術的基礎環節，其核心在于能否收集到全面且真實的信息，這對于建立一個完整且有效的基礎數據庫至關重要。在數據采集過程中，首先面臨的是數據采集范圍的限制。學校通常只能收集到學生在校表現的相關數據，而對于學生在校外的行為和品德表現則難以全面掌握。此外，作為互聯網的“原住民”，大學生在網絡社交媒體上的活躍度極高，其網絡身份的虛擬性和隱蔽性給學校在學生網絡行為識別上帶來了挑戰。同時，學生在各類娛樂、學習等網絡平臺上的多樣性活動，也增加了學校對學生網絡言行全面掌握的難度。這些因素均可能影響數據采集的全面性。

（二）數據理解風險

畫像技術本質上是通過算法對收集到的數據進行分析和處理。然而，目前思政教師隊伍中普遍存在數字素養不足的問題。專業的思政教師可能缺乏數據處理技術知識，而專業的技術人員可能不熟悉思政教育。這種人才結構的不匹配導致了數據理解上的困難。其次，數據理解風險還涉及數據分析的深度和廣度。數據分析不僅僅是識別數據中的模式和趨勢，還包括對數據背后社會文化因素的理解[12-13]。在思政教育領域，理解學生行為背后的動機和價值觀是至關重要的。如果數據分析僅僅停留在表面，而忽視了深層次的社會文化因素，可能會導致對學生需求的誤解和教育策略的失誤[14]。此外，即便是最先進的算法也可能在實際應用中遇到技術問題，如原始數據的不真實性或算法使用不當，都可能導致分析結果的偏差[15]。

（三）數據應用風險

畫像技術的最終目的是通過技術手段增強思政教育的科學性和實效性，但其本質上仍是一種服務精準思政的工具[16]。無論技術如何發展，都不能替代思政教育中主流意識形態的引領作用，也不能取代人在思政教育中的不可替代性。過度依賴技術可能會削弱人在思政教育中的主導地位，甚至導致被數據驅動的風險。算法推薦作為數字賦能的典型應用，雖然能夠提供精準的信息供給和個性化的用戶體驗，但也可能因為信息選擇性推送而導致用戶陷入信息繭房，引發價值區隔和偏見。心理咨詢記錄等都屬于個人隱私，如果在使用過程中缺乏健全的信息安全機制，可能會引發數據使用倫理問題。此外，數據使用的倫理問題也是不容忽視的。

四結束語

畫像技術在教育領域的應用，特別是在高校精準思政教育中，展現出巨大的潛力和價值。然而，隨著技術的發展，也帶來了數據隱私、算法偏見等倫理和安全問題，需要在實踐中不斷探索和解決。未來，畫像技術在高校思政教育領域的應用預計將更加廣泛和深入。構建精準思政教育的邏輯關系是關鍵，應將技術的定量優勢與教師的定性分析智慧相結合，以優化畫像技術在高校精準思政教育中的應用，確保思想政治教育的政治性、時代性、價值性和針對性。

參考文獻：

[1] 黃文林.基于學生畫像分析的高校精準思政探索[J].東北大學學報（社會科學版），2021，23（3）：104-111.

[2] 劉丹，陳怡.大學生畫像：思想政治教育精準化的新路徑[J].學校黨建與思想教育，2022（2）：12-14.

[3] 徐芳，應潔茹.國內外用戶畫像研究綜述[J].圖書館學研究，2020（12）：7-16.

[4] 張明麗，丁月華.基于大數據畫像的個性化創新創業教育模式[J].高等工程教育研究，2023（2）：183-189.

[5] 李寶.基于用戶畫像的高校圖書館個性化資源推薦服務設計[J].新世紀圖書館，2021（4）：68-75.

[6] 牛溫佳，劉吉強，石川，等.用戶網絡行為畫像[M].北京：電子工業出版社，2016.

[7] 商瀑，李亞可，郭樓祿.基于用戶畫像技術的大數據偵查：一個框架的分析與設計[J].中國人民公安大學學報（社會科學版），2022，38（3）：32-43.

[8] 于方，劉延申，郝明睿，等.基于多源履職數據的大學院系畫像構建與應用[J].現代教育技術，2021，31（6）：119-126.

[9] 豆素勤，王強.數字賦能高校思政教育的主要特征、現實困境及突破路徑[J].學術探索，2023（2）：149-156.

[10] 吳滿意，景星維.精準思政：內涵生成與結構演化[J].學術論壇，2019，42（5）：133-139.

[11] 于祥成，陳夢妮.大數據時代高校精準思政的特征、現狀及路徑[J].大連理工大學學報（社會科學版），2022，43（5）：8-16.