黃 文 林

(中國人民大學(xué) 數(shù)學(xué)學(xué)院, 北京 100872)

黨的十九大以來,以立德樹人為中心的新時代高校思政工作對思政對象的精準性、思政內(nèi)容的針對性、思政行為的規(guī)律性、思政評價的全面性都提出了更高的要求,在2019年12月8日舉行的新時代高校精準思政高端學(xué)術(shù)論壇上,與會專家學(xué)者對精準思政的內(nèi)涵達成共識:精準把握教育對象的思想特征,精準提供思想政治教育內(nèi)容,精準選擇思想政治工作手段,精準評估思想政治工作效果。然而,傳統(tǒng)思政工作方法越來越難以企及這些精準化的思政教育需求。

在移動互聯(lián)時代,大數(shù)據(jù)既是潛力無限的信息資產(chǎn),又是一次顛覆性的技術(shù)變革。精準思政是指基于大數(shù)據(jù)等前沿技術(shù),在精準思維的引導(dǎo)下,精準化地開展思想政治教育活動的思政工作模式[1-2]。通過分析用戶社會屬性、消費習(xí)慣、偏好特征等各個維度數(shù)據(jù)并對用戶特征進行標簽化刻畫的大數(shù)據(jù)用戶畫像,越來越成為廣泛適用的精準判斷態(tài)勢、預(yù)測發(fā)展方向、構(gòu)建優(yōu)化策略的工作方法[3-4],本文嘗試探索以大數(shù)據(jù)用戶畫像技術(shù)為背景的學(xué)生畫像技術(shù)在高校精準思政工作中的應(yīng)用。

隨著高校信息化建設(shè)的不斷深化,教育大數(shù)據(jù)資源也越來越豐富,大數(shù)據(jù)技術(shù)為新時代高校思政工作的創(chuàng)新發(fā)展帶來了新的歷史機遇。高校思政工作者常常面臨精準識別學(xué)生、精準服務(wù)學(xué)生、精準預(yù)測學(xué)生、精準評價學(xué)生的困惑,正是大數(shù)據(jù)的技術(shù)優(yōu)勢,能夠響應(yīng)精準需求,提供精準服務(wù),促進精準施策的精準思政工作模式逐漸受到高校思政工作者的重視,高校思政工作中的學(xué)生畫像方法也具有越來越高的研究價值,并逐漸成為研究熱點[2-4]?；谶@些研究背景,本文從學(xué)生畫像入手,探索大數(shù)據(jù)技術(shù)與高校思政工作深入融合的實踐路徑。

教育大數(shù)據(jù)是學(xué)生畫像的基礎(chǔ),首先探索依托教育大數(shù)據(jù)構(gòu)建服務(wù)于高校精準思政工作的學(xué)生畫像方法,提出了精準思政學(xué)生畫像的教育大數(shù)據(jù)資源內(nèi)容。其次提出并分析了精準思政工作中的學(xué)生畫像分級標簽體系,畫像標簽是學(xué)生畫像的核心。另外,還從學(xué)生畫像功能模塊和學(xué)生畫像工作流程角度分析了精準思政工作中的學(xué)生畫像模型建立方法。

學(xué)生深度畫像是更加精細和更加深入的思政工作的基礎(chǔ), 筆者進一步探索了大數(shù)據(jù)聚類分析方法、離群分析方法、關(guān)聯(lián)分析方法在精準思政工作中的應(yīng)用, 提出基于聚類分析的大學(xué)生個性分析畫像、精細化思政宣教畫像, 基于離群分析的孤僻行為地圖畫像、大學(xué)生學(xué)業(yè)預(yù)警畫像, 基于關(guān)聯(lián)分析的大學(xué)生綜合素質(zhì)評價畫像、網(wǎng)絡(luò)成癮矯正策略畫像等六種典型畫像方法, 還闡述了以上述六種典型畫像方法為紐帶的精準思政工作實施路徑。

基于學(xué)生畫像的精準思政工作是一項全新的高校思政工作模式,理論性、實踐性和技術(shù)性都比較強,筆者最后針對這種全新的思政工作模式中的關(guān)鍵要素和技術(shù)倫理,提出了數(shù)據(jù)資源建設(shè)、深度畫像開發(fā)、工作實踐路徑、思政技術(shù)倫理四點建議。

一、 構(gòu)建精準思政學(xué)生畫像模型

1. 思政教育大數(shù)據(jù)資源

2017年,華中師范大學(xué)教育大數(shù)據(jù)應(yīng)用技術(shù)國家工程實驗室獲批成立,成為中國首個面向教育行業(yè),專門從事教育大數(shù)據(jù)研究和應(yīng)用創(chuàng)新的國家工程實驗室,至今,大數(shù)據(jù)也已逐漸成為高校服務(wù)和治理體系中的利器。與此同時,隨著高校信息化建設(shè)的深入開展,教育大數(shù)據(jù)資源越來越豐富,學(xué)習(xí)表現(xiàn)數(shù)據(jù)、食堂消費數(shù)據(jù)、宿舍門禁數(shù)據(jù)、學(xué)生上網(wǎng)數(shù)據(jù)、輿情意見數(shù)據(jù)、心理測評數(shù)據(jù),等等,這些學(xué)生行為的痕跡數(shù)據(jù)高度關(guān)聯(lián)了學(xué)生的日常行為特征和思想政治狀態(tài),也已逐漸成為精準思政所依托的核心數(shù)據(jù)資源。

可用于高校精準思政學(xué)生畫像的常見數(shù)據(jù)資源的類別、內(nèi)容、來源如表1所示。

表1 精準思政學(xué)生畫像數(shù)據(jù)資源表

數(shù)據(jù)采集是數(shù)據(jù)利用中的首個環(huán)節(jié),上表中的數(shù)據(jù)資源,都收集和存儲在高校各二級學(xué)院和職能部門的各類業(yè)務(wù)系統(tǒng)中,高校信息化工作部門可按全校歸檔范圍表建立全校大數(shù)據(jù)采集方案,進而整合全校大數(shù)據(jù)資源[5],其中結(jié)構(gòu)化數(shù)據(jù)可存入結(jié)構(gòu)化數(shù)據(jù)庫,對于文本、報表、圖片、音頻、視頻等非結(jié)構(gòu)化數(shù)據(jù)可以先抓取再校驗后存入非結(jié)構(gòu)化數(shù)據(jù)庫。

通常,歸檔范圍表中的數(shù)據(jù)來源廣泛、規(guī)模巨大、質(zhì)量不高,不能直接應(yīng)用于學(xué)生畫像模型和算法,往往還需要進行數(shù)據(jù)清洗等數(shù)據(jù)預(yù)處理后,形成學(xué)生屬性數(shù)據(jù)表、學(xué)生成績數(shù)據(jù)表、圖書借閱數(shù)據(jù)表等常用數(shù)據(jù)表集合,這些常用數(shù)據(jù)表集合再按學(xué)生畫像需求的原則進行整合后,封裝在學(xué)生畫像數(shù)據(jù)資源庫中,形成畫像模型算法能夠直接讀取的精準思政入口數(shù)據(jù)資源。具體學(xué)生畫像中的數(shù)據(jù)采集的范圍、類型、方式既與現(xiàn)有的大數(shù)據(jù)資源有關(guān),還與畫像算法的入口數(shù)據(jù)需求有關(guān),應(yīng)根據(jù)具體算法需求來作具體分析。例如,張頡等根據(jù)學(xué)生工作經(jīng)驗以及學(xué)生行為BP算法需求,將數(shù)據(jù)采集范圍羅列為10個類目,再經(jīng)分段量化處理后作為BP算法的入口數(shù)據(jù)[6]。

在大數(shù)據(jù)分析模式下,可以找出隱藏在學(xué)生畫像數(shù)據(jù)資源庫中的數(shù)據(jù)關(guān)系,并提取學(xué)生行為的內(nèi)在聯(lián)系和外在特征,還可以描述學(xué)生行為規(guī)律,預(yù)測學(xué)生行為偏好,以及精細判別學(xué)生群體思想狀況共性,精準定位個體學(xué)生思想狀況差異,從而可以為學(xué)生提供精細化的思政教育服務(wù)和精準化的思政工作援助[4]。

2. 畫像功能與標簽體系

用戶畫像即用戶信息標簽化,是通過分析用戶社會屬性、消費習(xí)慣、偏好特征等各個維度數(shù)據(jù)來對用戶特征進行標簽化刻畫,從而挖掘潛在的用戶信息,它在公安刑偵、情報分析、市場營銷等方面有突出的應(yīng)用。學(xué)生畫像是用反映學(xué)生特征描述、行為診斷、需求預(yù)測屬性的三類標簽體系來刻畫并進行可視化呈現(xiàn)的用戶畫像方法。

建立畫像標簽是學(xué)生畫像的關(guān)鍵工作,擬定畫像標簽要從分析思政工作場景開始,提出描述場景中的思政對象的畫像需求,分析畫像需求屬性并用相應(yīng)的功能標簽響應(yīng)該需求。標簽名稱是語義化的短文本,用以概括標簽的功能或含義。標簽往往是多維的,例如,表征基本信息功能的標簽分解為姓名、性別、年齡、院系、專業(yè)這五個維度的分支標簽。標簽還往往是分級的,分級標簽體系是一棵標簽樹,它是對樹根標簽的逐級分解和細化分類,每個標簽都有層級,一級標簽即是樹根標簽,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,等等。標簽層級越高,屬性功能越專門,其中最高級別的標簽,也稱為葉子標簽,葉子標簽要能夠直接映射到經(jīng)過數(shù)據(jù)預(yù)處理后的畫像數(shù)據(jù)資源表(見圖1)。

圖1 學(xué)生畫像需求分析及分級標簽體系

如果運用加權(quán)算法來作畫像分析,則標簽還是賦權(quán)的,各級標簽值通過加權(quán)算法匯總到樹根標簽,得到畫像標簽值,這就是最簡單的學(xué)生畫像技術(shù),也是最常見的高校思政工作量化方法。

畫像標簽往往承擔(dān)某項思政工作功能,所以標簽選擇是否準確和全面直接影響到學(xué)生畫像的質(zhì)量和思政工作的效果。一般來說,標簽樹的組織和設(shè)計還受到思政工作經(jīng)驗、歷史統(tǒng)計結(jié)論、思政數(shù)據(jù)積累、畫像算法選擇等因素的影響,所以,標簽樹并不唯一,例如,針對圖1中具有行為診斷功能的學(xué)習(xí)態(tài)度二級標簽,可以建立一個“學(xué)習(xí)態(tài)度”四級標簽樹(見表2)。在選擇和審定各級標簽時,畫像技術(shù)人員應(yīng)針對各個畫像功能,精準選擇標簽,合理安排權(quán)重,響應(yīng)畫像算法,科學(xué)組織標簽樹分級體系。

建立好分級標簽體系后,最底層的葉子標簽值可以從學(xué)生畫像數(shù)據(jù)資源庫中通過映射方法直接采集到,其他各級標簽值直至最頂層的樹根標簽值可以按畫像算法逐級計算得到。學(xué)生畫像的優(yōu)點是可以利用專門算法獲得的各類畫像標簽值來給學(xué)生作特征描述和行為診斷,這為學(xué)生思政狀況的精細化分析提供了較為精準的途徑。例如,在表2中,采集學(xué)生的各課程“總評成績平均值排名進步程度”和“平時成績平均值排名進步程度”量化值(葉子標簽值),經(jīng)統(tǒng)計分析算法逐級得到課程成績進步標簽值、成績進步程度標簽值、學(xué)習(xí)態(tài)度標簽值,這顯然是描述學(xué)生的學(xué)習(xí)態(tài)度的一種更精細化的量化方法,也為學(xué)習(xí)態(tài)度矯正類的思政工作提供了精準對象,班主任和輔導(dǎo)員不僅可以利用本班學(xué)生的學(xué)習(xí)態(tài)度畫像標簽值來分析本班學(xué)生的整體學(xué)習(xí)面貌,而且可以提取學(xué)習(xí)態(tài)度離群學(xué)生并對他們提出誡勉和幫扶。

表2 精準思政學(xué)生畫像“學(xué)習(xí)態(tài)度”標簽樹

3. 精準思政學(xué)生畫像模型

基于學(xué)生畫像的高校精準思政工作,是一種全新的思政工作模式,其中學(xué)生畫像是核心和紐帶,它包含三個主要的功能模塊:思政需求模塊、數(shù)據(jù)倉庫模塊、畫像可視化模塊,它們在學(xué)生畫像工作中都承擔(dān)專門的功能。精準思政工作中的學(xué)生畫像系統(tǒng)的實現(xiàn),正是從思政需求模塊的學(xué)生畫像需求開始,通過數(shù)據(jù)倉庫模塊的入口數(shù)據(jù)采集、畫像算法運行來獲得畫像算法出口數(shù)據(jù),最后通過畫像可視化模塊的界面友好型設(shè)計呈現(xiàn)出來,各個模塊內(nèi)容和實現(xiàn)方法如表3所示。

表3 精準思政學(xué)生畫像功能模塊表

學(xué)生畫像系統(tǒng)的計算機實現(xiàn),通常基于一個三層數(shù)據(jù)倉庫的設(shè)計,第一層是從高校各個數(shù)據(jù)平臺上采集與精準思政相關(guān)的數(shù)據(jù)源,并進行索引匯總;第二層是對第一層數(shù)據(jù)源作抽取、過濾、清洗、轉(zhuǎn)換、裝載處理后,再映射生成學(xué)生畫像標簽樹中的葉子標簽值,也即葉子表單值;第三層是對第二層的數(shù)據(jù)再作詞頻統(tǒng)計、數(shù)據(jù)建模等數(shù)據(jù)分析處理,生成畫像分級標簽值,并再經(jīng)可視化處理得到學(xué)生畫像標簽值[2-3],其主要工作流程如圖2所示。工作實踐中,可以利用Hadoop平臺和MapReduce模型,按所示工作流程,搭建各類學(xué)生行為畫像分析在線系統(tǒng)。

圖2 學(xué)生畫像數(shù)據(jù)分析工作流程

近年來,思政工作研究專家一直在探索對大學(xué)生行為進行分類、量化、評價和管理的高校思政工作量化方法。例如,王家祥將學(xué)生行為劃分為21個扣分項目和12個加分項目,采用學(xué)期積分制對學(xué)生行為進行量化積分評價,達到引導(dǎo)學(xué)生思想進步、深化行為習(xí)慣意識、促進養(yǎng)成教育實踐的思政工作效果[7]。顯然,本文中的學(xué)生畫像方法大大深化和升華了這些量化方法,它不僅能通過樹形標簽體系對大學(xué)生行為進行分類,還能依托豐富的學(xué)生行為大數(shù)據(jù)資源通過智慧算法對學(xué)生行為進行量化,并還能通過畫像可視化技術(shù)將量化評價結(jié)果以界面友好形式呈現(xiàn)出來。

需要指出的是,隨著心理測量技術(shù)的發(fā)展和心理大數(shù)據(jù)的豐富,利用學(xué)生畫像技術(shù),不僅可以建立大學(xué)生心理檔案數(shù)字畫像[8-9],而且心理檔案數(shù)字畫像標簽還可作為其他綜合性學(xué)生畫像標簽的子標簽,用于構(gòu)建更加精準的智慧化學(xué)生畫像。總之,學(xué)生畫像模型的構(gòu)建是一個以需求為導(dǎo)向的升級迭代過程,它應(yīng)隨著教育大數(shù)據(jù)的更新、人文實證量化技術(shù)的發(fā)展、畫像算法的升級、思政效果的反饋、新的思政需求等不斷地優(yōu)化,從而實現(xiàn)對學(xué)生更加精準的畫像描述。

二、 基于學(xué)生畫像的精準思政工作

思政導(dǎo)師、學(xué)工教師、班主任、輔導(dǎo)員等高校思政工作者是高校精準思政工作的主體,學(xué)生畫像技術(shù)是紐帶。在大數(shù)據(jù)視野下,借助學(xué)生畫像技術(shù),學(xué)生工作管理部門和思想政治教育部門可以通過梳理思政工作思路和分析思政工作場景來構(gòu)筑基于大數(shù)據(jù)學(xué)生畫像的精準思政工作路徑(見圖3)。在該思政工作新路徑下,高校思政工作者可以設(shè)計學(xué)生畫像標簽對思政對象進行精準定位,建立基于學(xué)生畫像的精準思政工作策略,對精準定位的學(xué)生或群體進行精準施策,實現(xiàn)由大水漫灌轉(zhuǎn)變?yōu)榫珳实喂嗟母咝Ｓ四Ｊ睫D(zhuǎn)變。

圖3 基于學(xué)生畫像的精準思政模式

與傳統(tǒng)思政工作路徑相比較,無痕化是這種新工作路徑的重要特征之一。學(xué)生畫像技術(shù)往往能讓思政工作者和思政對象精準對接,從而將對思政對象的心理干擾的社會效應(yīng)降到最低,從心理上保護思政對象。例如,西安交通大學(xué)利用餐飲數(shù)據(jù)、獎貸數(shù)據(jù)、勤工助學(xué)數(shù)據(jù)、家庭情況數(shù)據(jù)等大數(shù)據(jù)統(tǒng)計分析,得到學(xué)生的貧困指數(shù)標簽值,學(xué)工部門迅速鎖定標簽閾值外的貧困生群體,并對該群體全體貧困生精準識別、應(yīng)助盡助、隱形資助,從而有效改變了原來通過輔導(dǎo)員主動談話、班委側(cè)面了解、班級民主評議等形式來判斷誰應(yīng)得到資助和得到多少資助這種容易讓貧困生難為情的思政工作局面[10]。

聚類分析、離群分析和關(guān)聯(lián)分析既是關(guān)鍵的大數(shù)據(jù)分析技術(shù),也是社會工作中重要的量化分析方法,利用這三種專門的大數(shù)據(jù)分析技術(shù)構(gòu)建學(xué)生深度畫像,可構(gòu)建專門場景下的深度精準思政工作方案。

1. 基于聚類分析的精準思政工作

聚類分析通常又被稱為無監(jiān)督學(xué)習(xí),它是根據(jù)研究對象在性質(zhì)上的親疏程度進行歸類的數(shù)學(xué)方法。由于聚類中那些表示數(shù)據(jù)類別的分類信息是沒有的,所以運用聚類分析方法,可以在不事先預(yù)設(shè)分類的情況下對數(shù)據(jù)進行群體劃分,從而有效避免分類的主觀性和隨意性。

典型的聚類分析算法有K-means聚類算法、層次聚類算法、SOM算法、FCM算法,這些聚類分析算法各有優(yōu)缺點。例如,K-means聚類算法在低維數(shù)據(jù)集上有良好的效果,但由于該算法的初始聚類中心隨機選擇,并且還需要預(yù)先設(shè)定聚類數(shù),當(dāng)處理多數(shù)量的簇時,通常需要進行幾個聚類算法的聯(lián)合處理才能獲得滿意的結(jié)果[11],所以,應(yīng)該結(jié)合標簽數(shù)據(jù)特性和具體思政場景,有針對性地選擇學(xué)生畫像的聚類算法,甚至運用多種或多次聚類算法的綜合分析來獲得畫像標簽值[12-13]。

在高校思政工作中,利用聚類分析算法,能夠?qū)ㄌ貭柸烁褚蛩亓勘碇笜说茸兞孔鞣诸?獲得各種聚類變量指標值下的各個細分學(xué)生群體,再將這些細分學(xué)生群體楔入到具體的思政工作場景中去,就為各個細分群體開展精準化的思政援助和精細化的思政教育提供了實施路徑[13]?；诰垲惙治龇椒?提出兩種典型的思政場景學(xué)生畫像及精準思政工作路徑(見表4)。

表4 基于聚類分析的精準思政工作模式

2. 基于離群分析的精準思政工作

離群分析又稱為離群點檢測,離群點是偏離大部分數(shù)據(jù)的離群數(shù)據(jù),由于它偏離群體數(shù)據(jù)太多,使人懷疑這些數(shù)據(jù)離群現(xiàn)象并非隨機因素,而是源于完全不同的機制,離群分析就是從數(shù)據(jù)集中發(fā)現(xiàn)與其他數(shù)據(jù)顯著不同的離散對象并分析其離群因素的數(shù)據(jù)分析方法,目前它已經(jīng)廣泛地應(yīng)用到欺詐檢測、視頻監(jiān)視、醫(yī)療處理、工業(yè)損毀檢測以及網(wǎng)絡(luò)入侵檢測等方面。

離群分析分為基于分布的離群分析、基于距離的離群分析、基于密度的離群分析、基于聚類的離群分析、基于深度的離群分析,各類離群分析方法又各有其優(yōu)缺點,所以在精準思政學(xué)生畫像中應(yīng)該依據(jù)具體的應(yīng)用場景和數(shù)據(jù)特征,選擇合適的離群分析方法[14]。

在高校思政工作中,通過選用合適的離群分析算法,可以精準地捕獲孤僻行為離群點、學(xué)習(xí)預(yù)警離群點等特殊離群學(xué)生,再通過分析離群因素,可以構(gòu)建孤僻行為地圖畫像、大學(xué)生學(xué)業(yè)預(yù)警畫像,并對離群學(xué)生展開精準化的思政援助工作[15],它們的畫像思路和工作路徑如表5所示。

表5 基于離群分析的精準思政工作模式

3. 基于關(guān)聯(lián)分析的精準思政工作

關(guān)聯(lián)分析是以關(guān)聯(lián)規(guī)則挖掘算法為基礎(chǔ),分析標簽之間的關(guān)聯(lián)程度,形成關(guān)聯(lián)度列表,列表中越靠前的標簽表明其關(guān)聯(lián)度越高。借助關(guān)聯(lián)分析技術(shù),變量的狀態(tài)往往能通過與之高度關(guān)聯(lián)的其他變量進行預(yù)測,例如,通過大數(shù)據(jù)關(guān)聯(lián)分析得知,某高校C語言課程獲評優(yōu)秀的同學(xué),在學(xué)習(xí)數(shù)據(jù)結(jié)構(gòu)課程時也獲評優(yōu)秀的比例高達80%,那么就可以通過提升C語言課程的教學(xué)目標來提高數(shù)據(jù)結(jié)構(gòu)課程的教學(xué)效果。

常用的關(guān)聯(lián)分析算法有Apriori算法和FP-growth算法。Apriori算法通過利用連接運算與剪枝運算逐層搜索和迭代找出數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系并建立關(guān)聯(lián)規(guī)則?；陬l繁模式樹的FP-growth算法通過遞歸調(diào)用FP-growth的方式直接產(chǎn)生頻繁模式,在整個搜索發(fā)現(xiàn)過程中不需產(chǎn)生候選模式,因此在執(zhí)行效率上明顯好于Apriori算法。

在高校思政工作中,可以運用關(guān)聯(lián)規(guī)則來分析學(xué)生日常行為,挖掘?qū)W生行為特征標簽之間的關(guān)聯(lián)性,并利用關(guān)聯(lián)分析結(jié)論來指導(dǎo)思政教育工作。例如,利用灰色系統(tǒng)關(guān)聯(lián)分析方法探索大學(xué)生綜合素質(zhì)評價的關(guān)聯(lián)因素,用總關(guān)聯(lián)度作為學(xué)生綜合素質(zhì)評價標簽的標簽值,建立更加多維立體的大學(xué)生綜合素質(zhì)評價畫像并用于指導(dǎo)大學(xué)生健康成長和全面發(fā)展,具有重要的現(xiàn)實意義?；谏鲜鲫P(guān)聯(lián)分析方法,結(jié)合思政工作需求,提出下面兩種典型場景化學(xué)生畫像及其精準思政工作模式(見表6)。

表6 基于關(guān)聯(lián)分析的精準思政工作模式

三、基于學(xué)生畫像的精準思政工作建議

在大數(shù)據(jù)視野下,以學(xué)生畫像技術(shù)為紐帶的高校思政工作新路徑是傳統(tǒng)思政向精準思政轉(zhuǎn)型升級的必由之路,從前文可知,數(shù)據(jù)資源、畫像技術(shù)、實踐路徑是該新路徑的三個關(guān)鍵環(huán)節(jié),由此提出促進大數(shù)據(jù)與高校精準思政融合發(fā)展的三個建議。同時,學(xué)生畫像技術(shù)是思政育人利器,而不應(yīng)該是思政管人武器,最后,還針對精準思政學(xué)生畫像技術(shù)倫理提出了建議。

1. 關(guān)于精準思政畫像數(shù)據(jù)資源建設(shè)的建議

教育大數(shù)據(jù)幾乎分布在高校各個業(yè)務(wù)部門,重復(fù)雜亂、分布不均、信息壁壘等現(xiàn)象比較突出,這遏制了學(xué)生畫像的廣度和深度,也扼殺了精準思政工作的智慧程度。高校思政工作部門要加速推進制定思政教育大數(shù)據(jù)的數(shù)據(jù)采集、指標口徑、分類目錄、交換接口、數(shù)據(jù)質(zhì)量等關(guān)鍵標準;要通過搭建思政工作“一站式”服務(wù)平臺,推動思政教育數(shù)據(jù)協(xié)同聯(lián)動;要打造“一張表”信息工程,逐漸整合學(xué)生思政工作信息;要按照“統(tǒng)一接入、單點登錄、開放接口、資源共享”的原則,統(tǒng)一思政信息采集方式,提高思政教育大數(shù)據(jù)的信息集成程度。

2. 關(guān)于精準思政學(xué)生深度畫像開發(fā)的建議

學(xué)生畫像是精準思政工作的核心,基于學(xué)生畫像,原本無法企及的思政工作內(nèi)容逐漸被開發(fā)出來,許多有深度的思政工作案例也會不斷涌現(xiàn)出來,高校思政工作部門應(yīng)該依托這些精準思政創(chuàng)新案例,進一步深入結(jié)合教育大數(shù)據(jù)資源,深刻分析思政教育需求,深化思政工作場景開發(fā),對思政場景開展深度畫像分析。技術(shù)開發(fā)部門要針對深度畫像分析結(jié)果,選擇合適的畫像數(shù)據(jù)庫系統(tǒng),運用先進的數(shù)據(jù)分析工具,為深度畫像分析匹配先進的畫像算法,甚至是能響應(yīng)學(xué)生心理活動或心理素質(zhì)的智慧算法,再利用畫像可視化技術(shù),讓場景化的精準思政工作更加精準化、智慧化。

3. 關(guān)于精準思政工作實踐路徑創(chuàng)新的建議

高校思政工作屬于社會工作范疇,基于學(xué)生工作經(jīng)驗的思政工作模式仍占據(jù)主流地位,目前,高校精準思政工作模式尚處于推廣階段,大多數(shù)思政教育工作者還不擅長使用大數(shù)據(jù)畫像技術(shù),對精準思政的理論、方法、實踐還比較陌生,與精準思政工作模式相配套的工作保障條件和激勵機制也尚未形成。基于這些實際狀況,高校思政工作管理部門要加強對精準思政的理論培訓(xùn)和實踐指導(dǎo),高校思政工作責(zé)任部門要全面優(yōu)化思政工作流程,深入開發(fā)思政工作場景,積極融合大數(shù)據(jù)畫像技術(shù),構(gòu)建精準思政工作路徑,設(shè)計精準思政工作方案并利用學(xué)生畫像對思政對象進行精準定位和精準施策。

4. 關(guān)于精準思政學(xué)生畫像技術(shù)倫理的建議

精準思政是高級量化技術(shù)在學(xué)生思政領(lǐng)域的應(yīng)用,借助學(xué)生畫像,學(xué)生思想可以被精準地分類,學(xué)生行為可以被精準地追蹤,其技術(shù)無比精準和高效,所以,如果精準思政量化技術(shù)過分應(yīng)用于提升思政管理效率,則容易忽視思政工作的過程性、漸進性、人文性[9],從而可能會造成思政對象掉進隱私屏蔽和行為異化等“逆向思政陷阱”。高校思政工作者應(yīng)高度重視精準思政工作中的技術(shù)倫理問題,應(yīng)重視對心理健康類大數(shù)據(jù)的采集,重視心理測量數(shù)據(jù)在畫像模型算法中的應(yīng)用,還應(yīng)重視精準思政工作路徑中人文關(guān)懷要素的配置。同時,高校思政管理部門還應(yīng)打造開放式的精準思政學(xué)生畫像平臺,倡導(dǎo)廣大學(xué)生開展“量化自我”運動[16],促進學(xué)生達到能自我教育、自我管理、自我養(yǎng)成的智慧思政水平。