論思想政治教育定量研究的出場、困境與突圍

中圖分類號：G41 文獻標識碼：A 文章編號：1003-8477（2025）07-0056-1（

定量研究在社會科學領域的廣泛應用，使其獲得了更高的學術權威和更大的社會影響力。I2）早在2017年，教育部便提出要“健全高校思想政治工作指標體系，創新評價模式”。[2而思想政治教育量化研究恰恰是優化思想政治工作質量評價方式之一。思想政治教育量化何以可能？有著怎樣的操作路徑與瓶頸？如何仿效“硬\"科學，通過數據統計與數學模型全面揭示思想政治教育現象，提升思想政治教育定量研究分析工具和理論建構的現代化水平？[這些問題是思想政治教育定量研究范式創新與質量提升繞不過的難題。從當前來看，思想政治教育必須敏銳地抓住數智技術，注重數字邏輯與教育邏輯的對崎與抵悟，揭示定量研究的可能與限度，充分利用數字優勢，厘清思想政治教育定量研究范式的應然價值和現實隱憂，以探尋定量研究的創新路徑，提升思想政治教育學科的規范性與成熟度。

一、出場：定量研究在數字時代潮流中引發的思想政治教育激蕩

伴隨著信息疊加與顛覆性技術不斷涌現，融合交叉、多點突破態勢的數字時代泗涌而來，僅僅憑借哲學思辨來解決思想政治教育問題的傳統研究方法已經有了局限性。數據不僅構筑了數字空間，而且在物質空間中展現了強韌的構筑性力量。隨著數據結構、算法等越來越深人介人社會和個人，以大數據為主的數字技術將數據驅動的方法與視野強勢帶人思想政治教育論域。思想政治教育需要走出僅靠理論思辨或屬性分析而缺乏量化支持的困境，以數學方式對其規律進行縝密客觀的事實描述與解釋。由此，定量研究在思想政治教育論域中越來越受到重視，其原因在于：一是數據的累計使得大數據在描述解釋方面具備了強大優勢，助力我們深描思想現象，解決實際問題；二是現代化發展的底座所擁有的智能化、聯通性、貫通性特征為量化思想政治教育提供了條件。

（一）定量研究相關理論以及定量研究范式思考模式概述

定量研究是一種使用數學和統計學工具對現象進行量化分析的研究方法。它幫助研究者以數據為基礎，嘗試建立變量間的因果關系，并得出客觀的結論和推斷。因此，定量研究在社會科學中的地位越來越重要，為社會科學的知識體系奠定了扎實的研究基礎。[4]（127-144+207）

首先，定量研究強調用數學工具分析的經驗、可定量化的觀察研究，精確描述和分析事物的數量特征，以提高理論邏輯清晰性、構造性與預見性。[5]（16-24）因此，量化是促進整個社會科學取得突破性進展的關鍵，是學術深化的里程碑，與提高決策水平的可靠支撐。[6]（4-17+168）定量研究包括實驗研究、調查研究、文獻計量法、內容分析法、共詞分析方法等，各自特點詳見表1。

其次，數智技術與社會生活的深度融合，構建了一個深嵌著人類智慧的環境，人類能夠對生命進化和生長環境做出精心選擇和精致建構，亦構成了思想政治教育定量研究的技術基礎。“學術深化，學科發展取得的突破性進展，往往依賴于量化方法、手段和技術的創新。\"（12）當然，技術的進步也必然投射于思想政治教育領域并引發其變革，尤其是隨著人機接口、賽博格等的出現，智能技術帶來的大量數據廣泛運用于思想政治教育論域，為其定量研究提供技術支撐。

最后，現代智能技術帶來的快速數據采集、信息挖掘和數據分析，不僅增強了人們對現實世界的認知力，而且能助力優化思想政治教育定量分析。一是對思想政治教育研究主體的精神狀態、思想活動軌跡、認知水平、行為習慣和其賴以生存的日常社會生活環境的嬗變進行數據收集與長期跟蹤，并把人主觀領域的意識、觀念、欲望、情緒、態度、感覺等轉化為可視化的數據行為；二是揭示人的思想動態、行為習慣、精神面貌等之間存在的數量關系與數量變化，進而判斷這些變量之間是否存在相關性、因果關系，從而為我們了解人的思想認識的變化閾值、行為習慣外化和具體環境等之間是否存在相關關系與因果關系提供依據。當定量研究方法嵌入思想政治教育研究時，必須根據其自身學科屬性與特點，進行改進、優化，讓思想政治教育理論體系在道的挖掘上更具清晰性，在量的測算上更具精準性，在策的貢獻上凸顯實效性與預見性。

（二）數智時代思想政治教育論域中定量研究的演化邏輯

任何一個概念的提出與使用，都需深人反思這個概念與所聚焦語境的契合性，彰顯概念使用的社會一歷史語境敏銳度。思想政治教育定量研究范式的提出，是基于其所根植的理論脈絡來建立其定量研究的學理基礎。眼花繚亂的技術進步與日新月異的方法更迭，給思想政治教育定量研究帶來了操作上的便利，以之為助力考察思想政治教育量化邏輯何以可能？定量研究能否應對復雜多變的經驗現實，扎根于中國教育強國理念，進而提升思想政治教育成果的針對性、實用性和可操作性？這些問題的解決有助于給予思想政治教育定量研究合理的詮釋與定位，使其全天候、精細化、高質量與科學化發展進程成為可能。

首先，思想政治教育定量研究立足于系統化、抽象化、模型化，以實現高精度趨勢預判。思想政治教育定量分析旨在基于數據科學預測思想政治教育未來走向，確保研究者排除因主觀失誤引發的人為偏差，全面、系統地呈現研究材料，讓理論逐步逼真。智能技術拓展了人在信息采集方面的能力，信息技術的迅猛發展以及數據公開與共享機制的形成，為思想政治教育定量研究提供了技術支持。如ChatGPT所解決的是基于海量信息進行信息整合與加工并可以實現量身定做，以助力人類對規律的深層挖掘提煉。智能技術的應用使得抽象問題得以模型化與定量化，實現了原本模糊含混概念的精準量化。

表1定量研究特點

其次，思想政治教育定量研究標的于操作化、互動化、精準化，以助推高質量行動變革。思想政治教育定量研究旨在追求準確性與理論概念的操作化，①以準確把握問題的關鍵特征。當然，思想政治教育量化并非靜態的線程數據的多重技術分析，而是真正介人并改變思想政治教育的高質量行動。所以僅從客觀可見性來看數字化和量化是不夠的，還必須考慮數字基礎設施，以及主體之間的復雜互動，進而充分發揮數智技術的優勢，推進透明、精細、科學的教育發展。

最后，思想政治教育定量研究升華于理論化、敘事化、文明化，以建構高水平自主知識體系。思想政治教育定量研究能否建構精密準確、多維多態的數字敘事，能否承載韻味悠長、意境深遠的文字敘事？這一問題勢必要求我們對思想政治教育定量研究時，要揭示其定量研究的底層邏輯。一是量化設計要根據思想政治教育原理與規律提出研究問題，確立自變量與因變量形成理論假設，然后收集能反映思想政治教育要素的數據、利用合適工具分析，確保數據驗證的可信度，以提出合邏輯的理論假設。二是數據所涉及的問題形成與解釋基礎都是來自思想政治教育理論與實踐本身。我們對其所作的定性、定量數據，不論其是否復雜，其佐證與假設都必須符合思想政治教育理論體系。總之，量化思想政治教育質量高低取決于如何回應思想政治教育理論關懷，而非取決于統計模型的復雜性。

據共享與公開機制則成為思想政治教育定量研究范式的嘉年華，其應然價值在于對思想政治教育活動全過程、全鏈條進行事實性描述與因果關系的揭示，進而推進其科學化、現代化發展。

首先，思想政治教育定量研究的應然價值體現在對傳統定量分析的突破。傳統定量研究設計通過具體的數理統計、運算和量化分析，揭示出與思想政治教育相關的數量關系，從量的關系上對思想政治教育規律進行推斷。盡管它提供了具體的數據與統計，但由于在數據獲取上容易忽略情緒、情感、思想等主觀、動態現象，使得數據的可靠性與可驗證性不能保證，且對其統計模型的建構局限于事后解釋的常識性范式中，即局限于對教育現象與教育問題的事后解釋。然而思想政治教育是一個復雜系統，唯有基于行為數據、思想信息、要素關系和規律趨勢等維度的大數據分析，才能使定量研究由事后解釋轉向事前推斷與預測，進而提升其定量分析能力。

（三）數智技術語境下思想政治教育定量研究的應然價值

一方面，數字技術的噴涌發展助推思想政治定量研究突破傳統研究小樣本、結構化、靜態化的局限性。傳統定量研究設計是通過信息資料的大規模采集，以及“樣本”分析直接推斷思想信息的關鍵概念及要素，進而揭示數據交互作用，深化定性分析的屬性研判。但它在進行實證分析，關注實證研究方法和可視化工具的使用時，忽略了對抽樣過程與研究方法的闡釋，存在小樣本、結構化、靜態數據等定量研究方法的局限性。智能時代開啟了以新理念、新業態、新模式全面融入人們的生活時空與存在方式，其可視化技術可對思想政治教育進行多渠道、多維度的信息開展融合分析，彰顯數字邏輯，聚焦數字力量，進而提煉影響思想政治教育活動的諸因素。尤其是現代信息技術提供了大規模、持續性、非結構化教育行為數據，我們可以借助智能技術的精準干預，探尋數據內在的特征或規律，發揮數據的預測和預警功能，幫助研究者提前感知和捕捉教育的“將來時”狀態，以實現科學精準的教育決策。

數智技術發展為定量研究提供技術支撐，而數另一方面，智能技術的生成式作用機理助力思想政治教育定量研究交互化、個性化、情感化創新。借助大數據模型和個性化算法不僅能全面建立多層次、多維度的用戶畫像，觸及個體感情、思想動向、價值觀等精神世界領域數字模型，而且借助ChatGPT、Sora等生成式AI來外顯化，可以量化個體思想動向與隱藏的需求反作用個體思維方式。以ChatGPT為主的生成式人工智能的發展，可以通過自我與智能機器的多輪對話將人們主觀心理世界外顯和挖掘。在思想政治教育過程中出現的思想動向、行為習慣與需求也在智能技術輔助下趨向深度個性化，實現了隱藏的、遮蔽的要素可拆、可連接等特征。因此，思想政治教育定量研究的應然追求不僅在于案例法、比較法等小樣本的分析，還需熟悉運用各種統計軟件進行大樣本的數據分析，達到既善于總結思想政治教育現象的一般規律，又能在具體案例中展現思想政治教育具象化敘事。

其次，思想政治教育定量研究的應然價值體現在對定量研究范式的創新，即運用相對復雜的統計模型和識別策略推進定量研究方法迭代升級，進而從早期的描述性統計與相關分析走向數據密集型范式與因果推斷、預測研究與多層線性模型的躍升。

一方面，思想政治教育定量研究應用場景的拓寬，有助于構建定量研究場景驅動創新范式。以數據化編碼為技術特點的信息技術推動了數字溝通實踐的爆發式增長，并從現實交流的補充轉化為生活。尤其是生成式人工智能“世界模擬\"的開啟，讓整個世界的現實構建、場景構建、實踐平臺構建成為可能。思想政治教育量化系統通過AI算法對學生信息進行分類、聚類、篩選等，細化學生信息管理，例如系統根據學生的成績、興趣、行為等數據精準分類，便于教師和管理者快速識別學生特征。在思政課教學資源方面，系統通過搭建集成化、多元化、智能化的教學資源庫，支持自動標簽分類、關鍵詞檢索、智能推薦、共建共享等功能，使其教學資源管理精細化，進而有效識別潛在意識形態風險，及時預警和響應，提高思想政治教育數字育人的效果。

另一方面，思想政治教育定量研究模型創設，彌補了質性研究的不足。法國人類學家費爾南德利尼的實驗表明，在沒有任何外力和意識形態的影響下，人類行為模式表現出高度的規律性，這意味著以數據為基礎的計算測量與規律預測在人文社會科學中是具有可行性的。量化思想政治教育應然價值體現在測評其活動過程的質量與對育人效果的把握上。借助智能技術，采用高頻數據、共現數據、關鍵數據進行統計分析，能提煉出映射人們的氣質、喜好、習慣、精神面貌諸方面的標簽，以精準刻畫人們的行為特征。這使得與思想政治教育有關的各類大數據，包括人們難以收集的各類復雜思想活動的重要指標與海量資料能夠得到實時和全面的測量，讓量化分析在思想政治教育研究中的多維價值和獨特優勢得以彰顯，并成為思想政治教育質性研究的重要補充。基于此，思想政治教育定量研究能挖掘并敏銳識別那些細微的、隱晦的、潛在的、曾經被遮蔽的結構要素，使其在要素重組、匹配與連接的過程中形成更大的價值，[7]（39-45）以實現對思想政治教育要素進行全環節、全鏈條的整合與價值匹配。

總之，定量研究范式推動了思想政治教育從單域呈現向全域覆蓋、從交互多維向全息沉浸、從主體參與向全員參與的內生性轉型，定量研究的內在生長也要求思想政治教育應“模仿自然科學，強調用數學工具分析經驗的、可定量化的觀察，洞察并確定因果關系，并作出解釋”，[8]（179）從而整體性地增強思想政治教育的闡釋力、引領力。

二、困境：思想政治教育定量研究的現實隱憂

對變量的測量是開展思想政治教育定量研究的根基。思想政治教育定量研究的根本目的在于揭示思想政治教育活動的因果規律。由此，我們從數據、因果和算法三個維度來探討思想政治教育定量研究的價值與瓶頸。

（一）從小數據到大數據：思想政治教育定量研究的數據價值與瓶頸

大數據使得思想政治教育從數據貧乏走向數據豐富。數據類型的繁多、數據質量的混雜，加上不斷增加的計算能力與數據分析能力等等，勢必推進量化思想政治教育產生一系列更寬、更深、更大規模以及長期跟蹤分析的研究。這無疑有助于使研究對象從靜態快照轉向動態捕捉，從籠統的組別抽樣轉變為高分辨率下的提取，進而實現從建立簡單的模型發展到開展長周期的模擬演示等的躍升。

1.數據治理是思想政治教育定量研究的重要基礎

數字時代思想政治教育定量研究的發展亟須數據價值的進一步釋放。在將自然科學中已廣泛應用的預測研究移植到思想政治教育領域時，必須根據思想政治教育自身的學科特點加以改造和創新，否則便會出現忽視理論框架的構建與深人的理論探討，無法看到教育現象背后真正有意義的背景知識和文化內涵，而導致一些低水平、重復性、零散化的研究。[3]

一方面，在研究取向上，當前思想政治教育定量研究側重于事后解釋而忽視理論預測，缺乏基于數據變量建立數學模型來進行思想政治教育理論創新與預測的研究。既有思想政治教育研究大都拘泥于宏觀問題，并以經驗歸納、理論思辨和觀點呈現為主，在實證研究方面局限于質性的田野調查和案例分析。使用量化關鍵指標、分析變量間的因果機制，預測發展動向，乃至模擬思想政治教育復雜演化的定量研究不占主流。

另一方面，在研究方法上，當前思想政治教育研究存在誤解與誤用定量研究方法，忽略定量研究設計、盲目使用統計軟件、分析方法不恰當等問題，從而陷入技術依賴、數字沉溺與數字致癮的窘態。這勢必給人一種故弄玄虛、給膚淺內容穿上數據統計外衣的感覺，甚至阻隔定量研究深入發展。

2.數據單一化、結構化問題阻滯了思想政治教育定量研究數據價值釋放

思想政治教育定量研究的重要價值在于其超越了單一案例的具體情景，建立于對海量思想活動現象數據的收集與處理之上，實現對普遍規律與關系模式的歸納與抽象。然而，當前量化思想政治教育在數據采集、收集等方面存在瓶頸。

一方面，當前思想政治教育量化數據時空維度較為單一。定量研究的基礎是對數據的測量，大數據技術的發展大大提高了思想活動細節數據的捕捉能力，亦豐富了思想政治教育定量研究的時空維度。這增強了研究者對思想政治教育的描述性理解，也為解析內在結構和動態變化的描述提供了數據基礎。且數據價值也助力我們進一步通過整合和分析這些多元、多尺度和高緯度數據，揭示隱藏在數據背后的復雜關系，解決因果問題。然而，從數據的空間維度來看，當前大多數的數據收集只涉及受教育者當時當地臨場活動的調查，缺乏跨空間的比較視野；從數據的時間維度來看，數據在時間跨度上局限于單一時間點的截面性、靜態性數據，缺乏連續性、追蹤性的跨時期數據，這導致數據只能提供一次性思想政治教育信息，無法揭示思想政治教育活動的長期發展與演化。

另一方面，當下量化思想政治教育的數據收集大多依賴于問卷生成結構化數據，這類數據獲取成本高、時間滯后性突出、表達維度少，且在問卷和調查方案設計上忽略了具有即時性、多維性特點的非常規化和非結構化數據，如文本、圖像、互聯網痕跡、地理信息等。因此，以之為數據基礎的回歸分析只能對代理變量進行相關分析，難以摒除誤差的影響，且只能適用于數據量充足且變量關系相對簡單的應用場景。但思想政治教育的研究對象是人，往往具有不可預期性和非線性等特點，涉及的要素更是千人千面，且每一次思想政治教育實踐活動都是獨一無二的具體情境，研究者很難進行持續的觀察與測量。

（二）從數據到因果：思想政治教育定量研究的因果價值與瓶頸

因果關系分析一直是社會科學各個學科共同的研究目標，對于特別注重對其實踐進行預測與干預的思想政治教育研究更為如此。諸如思想政治教育何以發生以及如何預測思想政治教育有效性等問題，唯有精準找出因果關系才能汲取思想政治教育的既有經驗并預測未來。從這個意義上說，思想政治教育定量研究從數據挖掘到因果推斷旨在揭示思想政治教育因果關系，以實現對其現象及問題進行實時性描述、詮釋性理解與因果推斷、預測。

1.立足于數據治理的因果推斷是思想政治教育定量研究的根本要旨

因果推斷是基于研究設計的定量研究方法。其基石是隨機實驗和潛在結果框架（又稱RUbin因果模型，反事實理論框架）。既有的探索主要在于：

一是思想政治教育定量研究致力于解釋其研究設計中因果關系，通過選擇性偏差，幫助研究者尋找和選擇策略，進而推斷思想政治教育預期結果。即通過關注理論假設和反事實框架程序來訓練模型與實現預測，一定程度上解決了因果推斷問題。但唯有更完善的研究量表設計、充足的數據資源汲取與精湛的統計模型建構，才是識別因果關系的核心效應。[9]（139-147）這需要采用智能技術，機器學習進一步完善量化分析。

二是思想政治教育活動過程實際上就是主體與社會環境相互作用的結果。自上而下的制度與政策供給是一個天然的試驗場。其全員育人的特點表明教育者可以舉學校、社會之力開展思想政治教育活動，幫助評估定量研究的各種措施手段的效度與后果，進而反思和吸收每一次思想政治教育活動中的經驗教訓，為進一步精細化思想政治教育提供技術支持。從思想政治教育結構來看，其活動的開展依賴于社會風險的因果機制鏈揭示，來評估思想政治教育實施效力，進而在縱向尺度上量化思想政治教育階段性效果。

2.內生性問題（Endogeneity）制約著思想政治教育定量研究因果價值發揮

目前的變量分析正步于挖掘變量間的相關關系而非因果機制。即便是回歸分析也不例外地出現統計學上的內生性偏差。①當傳統定量研究的統計分析方法應用于人文社會科學領域，常常導致對關聯分析與因果推斷的混淆。諸如在回歸分析時，用平均效應來替代反事實效應時，總會遺漏一些無法被觀察的、或未想到的變量（如能力、智商、情商、性格等可能同時影響X和Y的因素），導致兩組人群間不具有可比性，致使模型遺漏、系數估計有偏，無法確認因果，這就是內生性問題帶來的量化思想政治教育隱憂。

一方面，基于相關性的線性統計方法在進行數據分析與統計推斷時，所得的相關性也可以在沒有因果關聯的情況下發生，很難區分變量之間究竟是真實相關，還是虛假相關。例如，以Pearson線性相關的應用為例，如若我們通過引入統計量相關系數“r\"（取值范圍為 -1～1） 對思想政治教育參數進行相關分析，來解釋量化相關關系的正負性質和關系強度，會發現人們的行為習慣與道德水平之間具有明顯正相關關系，進而得出結論：較好的行為習慣傾向于具有較高的道德水平。但是，受限于統計量所依據的概率分布假設，此結論只在概率分布的條件成立時適用。換言之，只有在資料滿足雙變量正態分布、相關關系呈線性時才是準確的。

另一方面，即便是采用回歸方程，依舊揭示的是隨機變量間的相互依存關系。回歸系數（β）可量化每個X對Y的影響大小及顯著性，利用回歸方程可解決自變量對因變量進行估計與預測。以最簡單的線性回歸為例，繪制散點圖，找出“回歸線”，并以函數形式 Y=α+βX+ε 進行量化，以揭示X與Y之間的線性依存關系的條件，即Y必須是來自正態總體的隨機連續性變量，任意兩個觀察值互相獨立，且不同X取值下的Y應有等方差性。倘若實際數據與模型所要求的前提條件不匹配，則回歸參數的估計有偏差或無效。

以上分析表明，盡管傳統的相關性分析手段極為有用，有時相關性可能直接或間接地反映因果關聯，并在實踐層面實質性地推進對重重迷霧中因果關聯的深入思考，但是，正因為 Y=α+βX+ε 這一數學模型無法直接推論其中一個變量的變化就是另一變量發生變化的根源，在復雜系統中識別因果關聯（而不僅僅是相關性）對于探究思想政治教育現象背后的機制來說始終是一項挑戰。它無法捕捉數據之間復雜的交互作用關系和非線性模式，無法捕捉和理解思想政治教育系統的動態演進過程。因此，僅僅依賴模型靜態地分析動態數據和找到相關性遠遠不夠，應運用科學的因果推斷方法進一步深度分析事物內在規律，揭示因果關系，以更好地為有效干預思想政治教育提供“領航”功能。

（三）從因果到算法：思想政治教育定量研究的算法價值與瓶頸

量化思想政治教育不僅僅是解析兩個變量間的因果邏輯鏈條，更致力于整合多種因素，從動態性、整體性和全局視角探尋解決方案。這恰恰與因果推斷能處理高維數據，考慮多變量組合下的復雜作用模式，探索主體間的動態互動和演化過程，建構其算法分析框架的目標一致。[9]（139-147）如何立足問題導向和系統導向，從實證性的立場利用數據和模型衡量思想政治教育實效性，則成為當下思想政治教育亟待補足的重要環節。

1.算法系統與預測研究架構是思想政治教育定量研究的關鍵環節

算法技術水平的低下與算法系統架構的缺失是當前思想政治教育定量研究全面性視野缺乏的關鍵原因。思想政治教育作為典型的跨學科研究，過多注重在現象描述和機制解釋方面的研究，卻相對不重視預測和系統分析。這種優先考慮局部解釋性的認知價值取向可能因其問題導向不足和全局性視野局限，限制了思想政治教育定量研究價值。預測研究拓展了思想政治教育的研究議題，開闊了其研究視野，推進了其研究方法的多樣化。更為重要的是，數字時代的知識精英不僅僅是飽讀經典的學究型人才，更是深請數字化學習技巧、善于與人工智能分工協作的創新型人才。倘若研究者對思想政治教育學理問題有深刻的把握，又具備扎實的定量技術，兩者結合勢必助力闡釋理想的思想政治教育研究，而如若理論視野與深度欠缺，勢必引致多個變量雜糅和理論闡釋欠缺的窘境與內生性問題。

算法系統架構是貫穿思想政治教育定量研究中數據處理、模型擬合與因果判定的技術骨架。在定量研究中，數據本身成為思想政治教育的重要組成部分，數據質量是解決思想政治教育定量研究的內生性問題的前提。而高質量數據的獲得困難重重。從數據收集量來看，關鍵在于問卷回收率的高低，然而樣本的高回收率意味著人力、物力、時間等成本的高投入。同時，從方法上看，不斷變換的抽樣和調查實施環節削弱了調查程序的嚴格性，導致調查數據質量的降低。加之，被研究者在問卷調查中因其“說假話也會帶來數據質量的降低和調查誤差的增加”，[10]（40-44）調查對象的截面數據難以獲取即時性數據。這無疑導致思想政治教育實踐活動局限于事后闡釋而無法預測。因此，從研究技術上，革新算法系統與預測研究架構，采用網絡爬蟲獲取數據，利用機器學習進行數據分析，建構復雜模型進行預測等等，有助于實現思想政治教育在量的測定、道的挖掘與策的貢獻上的科學性。

2.思想政治教育定量研究算法價值釋放的技術瓶頸與價值隱憂

提升算法意義感，是量化思想政治教育算法價值發揮的遠期標的然而精密的計量、個性推送與精準投放為首的機制使得個體每一次對經驗產品的接受體驗被二級制的算法消解。這勢必會帶來技術沉溺、爽感過剩、意義貧瘠的窘境。尤其是在數字場景下，真實已不再單純指肉體實存的現實世界。諸如AR/XR網絡直播的觀眾彈幕等讓虛擬想象世界外溢，洶涌地沖擊著真實世界，并與之交疊。技術通過對動作的捕捉、感官刺激可視化界面等形式來重新界定我們的身體與世界的關系。再如通過眼球捕捉技術，人類可以用眼部動作直接操控電子設備得到XR，技術的助力使感官的拓展不再是幻想。世界光怪陸離，肉身潛能無限，加之掃碼體驗、刷臉進門、語言輸出、智能環等等量化極易將完整的人簡化為一系列數據符號與物質符號，對人的道德、情感等進行切片測量、分析和解釋，這種模式勢必阻礙我們準確把握個體整體生命的發展。因為，“我們不可能生活在科學所投射的世界之中”。[（64）生活世界是一個日常的、觸手可及的、非抽象的世界。[12]（131）當世界被搬上銀幕轉化為數字虛擬，行動被僭越轉化為滑動與點擊，教學就被簡化為觀看與反饋，情景變成了不斷切換、閃回的畫面與聲音。人們在數字世界編織的意義之網中，通過獲得、使用、安置物的特殊方式來生成表意符號。然后，再通過將物符碼化來建構社會意義，讓物存在著某種“臨場感”，彰顯其高度的情感價值。然而，數字技術催生的虛擬世界是無物的，面臨虛擬世界的非物現象，極易陷入一味地在由數字節點構成的虛假意義場中打轉的窠白，勢必無法建構起現實生活的意義之網。畢竟，數據世界的價值并不承載于物，而承載于數據與算法，任何生活都無法簡化約為甚至等同于數據與算法。因此，量化思想政治教育的算法價值在于不斷提升算法體系對思想政治教育實踐中諸多問題的解釋潛能，亦在于思想政治教育人本價值對算法系統的注人。當數字烏托邦成為人們關于未來的主流敘事時，如何用數據訴說含蓄而深邃的無盡故事，并能在靜默中沉醉，在遐想中追尋歲月的見證與時光的禮贊？這是量化思想政治教育算法價值發揮亟待解決的難題。

基于人本一技術關系維度，優化算法價值，是克服思想政治教育定量研究之算法瓶頸的關鍵。由于不斷提高思想政治教育多元應用場景中算法技術水平以增強算法解釋力，是量化思想政治教育算法價值發揮的基本要求，因此，唯有充分發揮量化思想政治教育算法價值，改進計量模型，克服內生性問題，揭示其因果關系，提供令人信服的因果解釋力，才能使預測思想政治教育成為可能。定量研究即便是遵循理論驅動，也必然在實證操作中嚴格遵循既有的定量設計技術并獲得盡可能科學的數據結論。運用因果推斷模型和預測研究，則可以優化思想政治教育定量研究，以彌補其質性研究的不足。

三、突圍：思想政治教育定量研究的路徑探索

如何建構思想政治教育定量研究模型，并將這一動態演化的復雜模型納入思想政治教育研究中？如何解析思想政治教育活動中生成的多維度和多層級的量化指標？這些問題為研究者進一步分析、解釋隱藏在數據背后的復雜關系，解決因果推斷問題，重塑思想政治教育定量研究范式提供了理論基石。

（一）把握數據治理實現思想政治教育定量研究的系統升維

數智技術是一個對定量研究范式不斷升維的過程。而數據密集型研究，是對傳統定量研究的升維。智能技術帶來的新數據和新方法，能對思想政治教育進行全面、立體、動態化測量，促進思想政治教育結構的平衡與完善，通過數據檢視不同學科知識對思想政治教育的適用性，并從經驗中發現靈感進而建構思想政治教育實證化研究的獨立知識體系。

一方面，數據密集型研究以量化方法為主，從表面上看，較之于傳統定量研究，數據密集型研究也只不過是采集與分析了大量的數字化數據，但從對這些數據分析來看，并非只是在數據汲取上比傳統定量研究中的同類數據更大這么簡單。傳統量化（實驗研究）通過演繹邏輯從理論中提出研究假設。而數據密集性研究則是利用計算機技術和工具采集、分析數據，挖掘新的知識和研究領域。它是在數據分析中探索規律，提煉研究假設的實證演繹邏輯。即用新的量化數據分析手段彌補質性研究方法，結合傳統解釋分析與理論推演，由此來解釋因數量小所引起的計算能力欠缺而不能解決的思想政治教育復雜問題。[13]（47-61）這是一個集濃縮、提煉、合理抽象、極致表達于一體，來揭示思想政治教育本質在于警示未來的過程。

另一方面，如果說數據分析的目的就是從大量看似無序的數據中發現內在規律，以形成有價值的信息，那么數據密集型研究中的理論則是一種知識發現，而非通過數據挖掘去驗證理論。它將數據中蘊含的規律視為教育中的人無法直接獲取的經驗，并以其豐富情境性，將經驗主體從人延展至智能體與環境，智能體所能捕捉到的“經驗”（數據）嵌人人可感知到的“經驗”之中，進而能夠把不可控因素諸如情感、情緒等非邏輯、非理性因素考慮進來，并納人復雜系統論的視角下，對其開展精細、敏感、細微的分析，從而優化與拓展我們對于思想政治教育的認識，推進思想政治教育定量研究范式創新。

（二）把握因果推斷實現思想政治教育定量研究的思維蛻變

借柏拉圖之言，教育（包含思想政治教育）或可表達為對現象世界背后理念的回憶和把握，“是一種互動的、動態的、自組織過程”。[14（273）柏拉圖的洞穴隱喻表明，教育的目的并非主體的覺醒，而是把目光轉向對火把與洞壁上影像關聯背后的知識的把握，以及走出洞穴后對光（善）的追尋。因此，掌握因果推斷，是思想政治教育理論與實踐發展的關鍵。

首先，突破內生性問題，解決思想政治教育定量研究之因果推斷的難題。實驗作為最理想的因果分析途徑，通過隨機分配實驗組和控制組，確保了主解釋變量和遺漏變量之間不存在任何關聯，而兩組的結果差異可以直接歸因于干預政策的外生沖擊。例如，為研究物質激勵與精神激勵是否有助于大學生思想道德水平的提升，研究者可以向隨機抽樣選取的兩組研究對象進行政策刺激，創建實驗組和控制組，通過兩組成員的思想道德發展的平均干預效應來推斷物質激勵與精神激勵對大學生思想道德發展有效性提升的因果效應。然而，由于思想政治教育研究對象是人，其實驗成本過高，于是研究者便從因果設計的角度出發，審視基于自上而下的物質支持精神刺激乃至制度性供給的底層邏輯，盡可能通過自上而下的制度、政策資源控制、阻斷異質性等因素來評估政策供給的因果效力。[15]148-156 由此可見，盡管實驗法是解釋因果關系最有效的工具，但它也存在諸多難以克服的主客觀偏差與難以估量的對照組成本。因此它并未成為傳統定量研究的最優選擇。而在數字時代，當思想政治教育工作者將互聯網平臺轉化為一種新的教育實驗室時，便突破了時空限制，消除了無關變量的干擾，節省了人力、物力、時間成本，更能有效解釋教育現象之間的因果聯系。[3]（50-58）

其次，采用反事實框架突破因果瓶頸。盡管實驗組和對照組的分配不是隨機的，但研究者可以使用雙重差分法、斷點回歸等盡可能地控制潛在的混淆變量來推斷因果關系。①這就需要改進研究設計、計量模型與數據質量。機器學習作為計算教育學的重要組成部分，在建立開源共享的研究機制、更新迭代定量研究等方面具有重要技術潛能，利用機器學習實現了從關聯、因果走向預測思想政治教育創新的路徑。

最后，通過優化計算程序來訓練模型與實現預測。采用機器學習在有限數據條件下模擬和構建并不存在的反事實狀態，研究者只需要用計量算法對計算機模擬的反事實狀態與真實教育發生情況間的差異性進行檢驗，就可開展變量間的因果推斷。[16]（35-44）這種新突破拓展了思想政治教育研究新的領域，超越了傳統定量研究的局限。

（三）把握技術創新實現思想政治教育定量研究的技術重塑

模擬仿真是通過計算機程序模擬真實系統或過程的方法，用于研究、分析和預測各種情況下的行為與結果。因此，它不是靜態的數據分析，而是從動態和過程演化的角度為思想政治教育研究提供新視野。數字技術的智能化進程使得基于密集數據與因果邏輯的仿真模擬成為可能，即可以實現從動態和過程演化的角度進行多主體建模。啟用仿真模擬與動態過程分析，可以優化思想政治教育因果關系，豐富思想政治教育研究的算法和算力，增強其預測，促進其定量研究的跨學科變革與理論重構。

一方面，計算機仿真模擬采用時空模式的軌跡數據聚類算法，對思想政治教育實踐活動中人們豐富的行為模式和活動規律做大數據的時空聚類分析時，通過熱點區域提取、異常軌跡探測等凸顯人們思想和行為特征與交互對象等要素的相互作用關系，進而較為準確地描述和揭示每一次思想政治教育實踐活動在不同時空的軌跡結構。例如思想政治教育研究者通過模擬個體不同行動邏輯，從動態過程演化論的視角，研究、分析思想政治教育引導個體發展的軌跡，進而預測思想政治教育發展過程和最終結果，以彌補研究的缺陷，為下一次展開思想政治教育實踐活動提供最佳干預方案。

另一方面，采用多主體建模（AgentBasedModeling，ABM），實現線上關系的加深、加厚與加寬。其技術路徑是：一是通過高清攝像頭、高靈敏度錄音設備、多功能移動終端設備等獲取多渠道的數據采集。二是采用視頻分析技術與精準的人臉識別與聲紋識別技術，進行數據校驗與數據分析。三是將原始數據、經過精細分析的數據，以及為模型訓練提供支持的督導數據進行安全存儲，完成數字存儲。四是通過汲取人工督導所提供的評價數據，利用評價預測與評價真值之間的絕對誤差，進行持續的模型優化和訓練等等，以捕捉到涌現現象，發現不同尺度上的規律，并進行長期的模擬和預測。基于此，我們提出優化思想政治教育定量研究的創新路徑：一是通過多維度、多層級的大數據挖掘利用，提升數據質量；二是以實驗、準實驗等因果推斷方法克服內生性問題，揭示因果分析機制；三是基于復雜機器學習模型和仿真建模，實現思想政治教育定量研究的科學化。

總之，沒有誰可以擺脫數字時代呼嘯而來的滾滾煙塵，沒有誰的命運可以孤立于大時代的深刻關聯。究竟是“選擇留在現實的藍色藥丸還是選擇去往虛擬的紅色藥丸”，意味著我們是否能做生活的有心人，時序的守望者，是否能聆聽到季節的私語，享受到心靈的慰藉與洗禮。因此，思想政治教育定量研究必須剖開現實生活的截面，從軟科學與硬科學雙向奔赴中成全其獨特的視角、激發獨特性問題。

參考文獻：

[1][美]丹尼爾·貝爾.當代西方社會科學[M].范岱年，裘輝，彭家禮，等，譯.北京：社會科學文獻出版社，1988.

[2]中共教育部黨組.中共教育部黨組關于印發《高校思想政治工作質量提升工程實施綱要》的通知[EB/OL].http：//www.moe.gov.cn/srcsite/A12/s7060/201712/t20171206_320698.html，2017-12-05/2025-06-03.

[3]王攀峰，王亞榮，翟靜麗.教育定量研究范式：價值、困境與創新路徑[J].大學教育科學，2024，（02）.

[4]陳云松.當代社會學定量研究的宏觀轉向[J].中國社會科學，2022，（03）.

[5]金觀濤，劉青峰.探討自然科學和社會科學統一的方法[J].哲學研究，1985，（02）.

[6]袁振國.實證研究是教育學走向科學的必要途徑[J].華東師范大學學報（教育科學版），2017，（03）.

[7]喻國明，蘇健威.從Sora到AGI：智能媒介的升維與全新場景體驗時代的到來[J].編輯之友，2024，（06）.

[8]胡森.教育研究的范式[M]//瞿葆奎.教育學文集：教育研究方法.北京：人民出版社，1988.

[9]陳茁，陳云松.應急管理研究中的定量方法：數據、因果和算法[J].中國行政管理，2023，（11）.

[10]李強.“心理二重區域”與中國的問卷調查[J].社會學研究，2000，（02）.

[11][美]羅伯特·索科拉夫斯基.現象學導論[M]張建華，高秉江，譯.上海：上海文化出版社，2001.

[12]倪梁康.現象學機器效應：胡塞爾與當代德國哲學[M].北京：生活·讀書·新知三聯書店，1994.

[13]張婧婧，于玻.指向復雜性的“新經驗主義”：論教育研究的范式演進與創新[J]中國遠程教育，2024，（02）.

[14][美]小威廉·多爾.后現代與復雜性教育[M]張光陸，等，譯.北京：北京師范大學出版社，2016

[15]臧雷振，朱逸飛，溫宇涵.重構實驗方法下的公共政策評估- —兼論其在高等教育擴招政策評估中的應用驗證[J]中國行政管理，2023，（11）.

[16]萬力勇.算法時代的教育預測及其研究范式轉變[J].遠程教育雜志，2022，（03）.

責任編輯 張豫