算法推薦助力高職院校思政教育路徑分析

在數字化、信息化的時代背景下，新媒體憑借獨特的傳播方式和內容形態，逐漸成為高職學生獲取信息、交流思想的重要平臺[1]。同時，算法推薦技術作為新媒體的核心運作機制，已成為信息分發領域的關鍵手段，其通過精準推送和個性化服務影響高職學生的信息接收和認知模式，進而對高職學生的思政教育產生了深遠的影響[2]。一方面，算法推薦技術提高了信息傳播的效率和個性化程度，為思政教育帶來了新的工具和手段；另一方面，算法推薦技術也帶來了信息繭房、價值觀單一化等挑戰，為高職學生思政教育帶來新的考驗。相關研究表明，青年“算法成癮”問題明顯，抵御算法機制誘導能力不足，潛藏價值認同風險[3]。在全媒體時代背景下，推動高校思想政治教育與算法推薦技術的深度融合是做好新時代大學生思政工作的內在要求。

當前，高職院校思政教育呈現三個主要特征。一是高職院校學生雖然普遍實踐能力較強，但是理論學習興趣相對較弱，傳統思政教育模式難以滿足其個性化需求。二是當前思政教育多以課堂講授為主，缺乏互動性和針對性，導致學生學習積極性不高。三是盡管部分院校開始嘗試信息化教學，但是算法推薦技術的應用尚處于探索階段，缺乏系統化實踐。當前，盡管算法推薦技術（如協同過濾、內容推薦、深度學習推薦等）在電商、社交平臺等領域已得到廣泛應用，且技術相對成熟，但是其在思政教育方面的實踐相對遺乏，在高職院校中這一情況尤為明顯。算法推薦技術可以提升思政教育的精準性、互動性和趣味性，滿足學生的個性化需求，為高校思想政治教育實現供需動態平衡帶來了新機遇[4]。因此，文章研究算法推薦視域下新媒體與高職學生思政教育的碰撞與融合，不僅有助于深化對新媒體時代思政教育規律的認識，還有助于提升高職學生思政教育的質量和效果，為高職學校開展思政教育提供新的思路和方法，推動高職學生思政教育工作的創新與發展。

、研究現狀和發展趨勢

算法推薦技術作為新媒體的核心機制之一，已成為信息分發的重要工具。它借助精準推送與個性化服務，改變了高職學生的信息接收途徑和認知方式，從而對高職院校的思想政治教育工作產生深遠影響。國內外的研究均表明，算法推薦技術在提升思政教育精準性的同時帶來了算法偏見、信息繭房等挑戰，亟須在技術應用與倫理規范之間尋求平衡。近年來，國內學者將研究目光聚焦算法推薦技術在思政教育領域的應用潛力以及可能存在的潛在問題，相關研究主要圍繞以下幾個方面展開。第一，算法推薦技術對思政教育的精準提升作用。國內學者普遍認為，算法推薦技術能夠通過精準推送和個性化服務，顯著提升思政教育的針對性和實效性。王巖和高天賜借助智能算法推薦技術，精準把握教育對象的特征，從而有針對性地開展思想引領工作。研究表明，算法推薦技術能夠有效提升思政教育的精準性，但是需要在技術應用的過程中嵌入社會主義核心價值觀，避免技術異化導致教育目標的偏離[5]。第二，算法推薦技術的雙重影響與應對策略。算法推薦技術在提升思政教育效果的同時，也帶來了信息繭房、算法偏見等挑戰。肖建國和安涵基于算法推薦技術的個性化優點和信息繭房缺陷，深入分析了其融入思政教育的困境，并提出了助推高校網絡思政、主流價值與算法推薦技術三重融合的策略[6]。第三，算法推薦技術的應用場景與挑戰。在具體應用場景中，算法推薦技術面臨諸多風險和挑戰。田樹學基于算法推薦技術帶來的風險和挑戰，提出在具體應用場景中應優化算法平臺、突出主流導向、完善體系機制[7]。第四，算法推薦技術與思想引領的結合。張寧和李晨通過研究算法推薦技術對思想政治教育產生的“雙刃劍”影響，提出優化兩者的融合方式，以推進思政教育數字化轉型[8]。

縱觀現有研究可以發現，有關算法推薦技術與思政教育的融合趨勢主要涵蓋以下三個維度。一是個性化推薦技術與思政教育的深度融合。高校借助算法推薦技術，能夠實現思政教育內容的精準推送和個性化匹配，從而提高教育的針對性和實效性。例如，基于學生的學習行為數據，算法可以動態調整教育內容的呈現方式，使其更符合學生的認知特點和興趣偏好，從而實現“因材施教”的教育理念。二是倫理與隱私問題的關注。隨著算法推薦技術的廣泛應用，數據隱私、算法偏見和信息繭房等問題逐漸凸顯。尤其是在思政教育領域，算法推薦技術可能會致使學生陷入信息孤島，限制其接觸多元觀點的機會，進而影響其價值觀的形成。因此，如何在技術應用中保護學生隱私、避免算法偏見，并打破信息繭房，成為當前研究的重要議題。三是技術賦能與價值觀引導的平衡。算法推薦技術為思政教育提供了新的工具和手段，然而，其技術中立性也帶來了價值觀導向的潛在風險。如何在技術賦能的同時確保思政教育的價值觀導向，避免技術對教育自標的異化，是研究者需要深入探討的問題。

此外，在算法推薦視域下，推動高校思想政治教育與新媒體的深度融合已成為新時代大學生思政工作的內在要求。算法推薦技術不僅提升了信息傳播的效率和個性化程度，還為思政教育帶來了諸多積極影響，如個性化教育的實現、教學效率的提升以及學生參與度的增強。然而，算法推薦技術也帶來了一系列挑戰，如信息繭房效應[9]、價值觀單一化傾向以及算法成癮問題[10]。這些問題可能導致學生的思維固化，限制其批判性思維和創新能力的發展。基于此，文章旨在探索算法推薦技術與新媒體在高職院校思政教育中的可行性路徑，以打破算法推薦繭房效應，破解學生思維固化問題，從而為新時代思政教育的創新發展提供理論支撐和實踐指導。

二、算法推薦助力思政教育的可行性路徑

文章的研究對象——浙江經貿職業技術學院商務智能學院，開設有電子商務、軟件技術、計算機應用技術、計算機網絡技術、連鎖經營與管理等5個高職專科專業。該學院構建了四融共育體系，創新專業群人才培養模式，通過推動校企雙元，深化教材教法一體化改革。目前，該學院共有國家級課程思政示范課程1門、省級課程思政示范課2門，入選省級課程思政教材18種，首批國家職業教育教師教學創新團隊1個、教育部課程思政示范課教學團隊1個。該學院通過深入實施“理想信念鑄魂、思想文化培元、增智提技奠基、實踐創新立業、文明修身淬煉”五大聯動育人舉措，鍛造“培根鑄魂一強基賦能一文化筑夢一躬身力行一潤心向善”五大促進發展引擎，搭建“五聯五促”學生成長共同體，以“學生成長共同體”匯聚“大思政”育人合力，推動“全員育人”縱深發展，“全程育人”立體銜接，“全方位育人”提質擴面，為學生全面發展“賦彩”“賦能”“賦值”。基于學院發展特點，算法推薦技術助力思政教育可從以下幾個方面展開。

第一，數據采集與處理。高校通過信息化平臺（如學習管理系統、今日校園App等），可以全面采集學生的學習行為數據，包括學習時長、點擊偏好、測試成績等。這些數據是了解學生學習習慣和興趣的關鍵。然而，原始數據往往存在噪聲和不一致性，因此高校需要使用大數據技術開展清洗、存儲和分析數據工作。通過數據清洗，高校可以剔除無效或錯誤的數據，確保數據的準確性和可靠性；通過存儲數據，高校可以將海量數據高效地保存和管理；通過分析數據，高校可以挖掘學生的學習模式和偏好，構建學生畫像。學生畫像是推薦系統的核心要素，它能夠為個性化推薦提供強有力的數據支撐，使推薦內容更加契合學生的實際需求。第二，算法模型設計。常見的推薦算法包括協同過濾、內容推薦和混合推薦。其一，協同過濾算法基于學生興趣的相似性，通過分析學生群體的行為數據，推薦相似學生喜歡的學習資源。其二，內容推薦算法則根據思政教育內容的關鍵詞、主題進行匹配，推薦與學生學習內容相關的資源。其三，混合推薦算法結合了協同過濾和內容推薦的優點，既考慮了學生的興趣相似性，又兼顧了內容的相關性，從而提升了推薦的精準性。通過這些算法模型，高校可以實現精準化、個性化的推薦，幫助學生更高效地學習思政內容。第三，推薦內容優化。為了提供高質量的推薦內容，高校需要構建一個豐富的思政教育資源庫，資源形式可以包括文章、案例、視頻、互動問答等。這些資源不僅要涵蓋思政教育的核心內容，還要具備多樣性和趣味性，以激發學生的興趣。此外，高校可借助自然語言處理（NLP）技術對文本內容進行分類，在滿足思想政治教育要求的同時，依據學生的興趣偏好進行精準推薦。第四，互動與反饋機制。高校在推薦系統中嵌入互動功能（如點贊、評論、分享等）和反饋機制（如學習效果評價等），可以增強學生的參與感和積極性。通過分析學生的互動行為，系統可以進一步了解學生的興趣和需求。同時，反饋機制能夠幫助系統及時調整推薦策略。基于實時數據處理技術構建的系統可以根據學生的反饋動態調整推薦內容，確保推薦策略的靈活性和適應性。通過不斷優化推薦算法，推薦系統能夠更好地滿足學生的學習需求，提升教育效果。第五，倫理與價值觀引導。在算法設計中，高校必須嵌入思政教育的核心價值觀，避免算法偏見和信息繭房的出現。信息繭房指算法過度迎合用戶的興趣，導致用戶接觸到的信息過于單一，從而限制了視野。為避免這一問題，高校可使用可解釋AI技術來增強算法的透明性和可控性，以確保推薦內容符合思政教育的價值導向。通過倫理與價值觀的引導，推薦系統不僅能夠幫助學生掌握相關知識，還能夠在潛移默化中培養學生正確的價值觀。

三、思政教育推薦體系的構建和效果實現

基于上述路徑，文章構建了一個“數據驅動、算法賦能、價值引領”的思政教育推薦體系，具體包括以下模塊。第一，數據采集模塊。相關主體應運用大數據采集與存儲技術來采集學生的學習行為數據、興趣偏好數據。第二，學生畫像模塊。相關主體應運用機器學習、數據挖掘技術來構建學生的興趣標簽、學習能力標簽、價值觀標簽。第三，推薦算法模塊。相關主體應運用協同過濾、內容推薦、深度學習算法等技術，根據學生畫像和思政教育資源庫，生成個性化推薦內容。第四，資源庫模塊。相關主體應運用數據庫管理、自然語言處理技術來存儲和管理思政教育資源（如文章、視頻、案例等）。第五，互動與反饋模塊。相關主體應運用實時數據處理、用戶行為分析等技術來提供互動功能（如點贊、評論等）和構建反饋機制（如學習效果評價等）。第六，倫理與價值觀模塊。相關主體應運用可解釋AI、價值觀嵌入算法等技術來確保推薦內容符合社會主義核心價值觀。

通過系統的框架搭建和分步驟實施，文章旨在實現算法推薦技術在高職院校思政教育中的有效應用。具體實施過程包括以下六個步驟。第一，需求調研。相關主體運用問卷調查、訪談等方法，可深入了解高職院校思政教育的具體需求以及學生的興趣特點和學習行為模式，進而為后續系統設計提供數據支持。第二，平臺搭建。相關主體可自主開發或引入集成了數據采集、存儲、分析以及算法推薦等多項功能的信息化平臺，以此搭建起一個能夠支撐個性化推薦的技術根基。第三，資源建設。相關主體通過構建內容豐富、形式多樣的思政教育資源庫，能夠確保資源的質量和多樣性，以滿足不同學生的需求。第四，算法優化。基于學生反饋和實際學習效果數據，相關主體應采用迭代優化的方法，不斷調整和優化推薦算法，提升推薦的精準性和適應性。第五，效果評估。通過數據分析（如學習行為數據、測試成績等）和學生反饋（如滿意度調查、互動評價等），相關主體可全面評估推薦系統的教育效果，識別其優勢與不足。第六，持續改進評估結果。相關主體通過動態調整推薦策略和內容，構建“設計一實施一評估一改進”的閉環優化機制，能夠確保系統的持續優化和長期有效性。

經過上述步驟的實施，后續研究預期實現以下目標。第一，提升學習興趣。借助個性化推薦系統，結合學生的學習歷史、興趣偏好和行為數據，相關主體可精準匹配學生的學習需求，從而激發學生參與思政教育的積極性。第二，增強教育效果。標準化推薦系統可以依據學生的學習進度以及理解能力，靈活地對推薦內容做出動態調整，以此保證學生在合適的難度與深度范圍內開展學習活動。這種個性化的學習路徑設計有助于學生更高效地理解和內化思政教育內容，避免因內容過于簡單或復雜而導致學習效率低下。第三，促進互動參與。相關主體通過在推薦系統中嵌入互動功能（如點贊、評論、分享等），使得學生不僅能夠主動表達對學習內容的看法，還能與其他同學進行交流和討論。這種互動機制不僅增強了學生的參與感和獲得感，還能通過社交學習的方式促進知識的共享與傳播。第四，實現價值引領。相關主體應在算法設計中嵌入思政教育的核心價值觀，確保推薦內容符合教育目標，避免算法偏見和信息繭房現象。相關主體通過采用多維度、多層次的推薦策略，能夠在滿足學生個性化需求的同時，確保其接觸到多樣化的觀點和內容，避免接收單一的信息源。

［參考文獻］

[1］馬松，孫秀玲.新媒體賦能高校思政教育的應用價值、現實瓶頸及實踐路徑［J].傳媒，2023（11）：83-86.

[2]鄧喆，呂楚笛.智媒時代精準思政破解“信息繭房”的深層邏輯與實踐路徑[J」.思想理論教育，2022（08）：79-84.

[3]張守信，張洋.信息推薦算法對青年主流價值認同的影響及治理策略[J].中國編輯，2024（03）：40-46.

[4］周明鵬.智能算法技術賦能高校思想政治教育供需互契研究［J」.高校教育管理，2024（01）：47-55.[5］王巖，高天賜.算法推薦與精準思政的辯證理路[J].思想教育研究，2024（12）：28-35.

[6］肖建國，安涵.算法推薦賦能高校網絡思想政治教育的“三重邏輯”[J].青海師范大學學報（社會科學版），2024（04）：138-146.

[7」田樹學.基于算法推薦的大學生網絡思政教育特征、風險與策略[J].中國冶金教育，2024（06）：78-82.

[8]張寧，李晨.算法推薦融入高校思想政治教育的出場邏輯與優化路向［J].成都師范學院學報，2024（06）：10-17.

[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（02）：149-156.

[10］張守信，張洋．信息推薦算法對青年主流價值認同的影響及治理策略［J].中國編輯，2024（03）：40-46.