曹栩?qū)? 鐘元生

摘? 要? 不同學(xué)習(xí)者的興趣和基礎(chǔ)差異較大，“雙創(chuàng)”課程案例較多，思政案例個(gè)性化推薦有利于增強(qiáng)學(xué)習(xí)者的學(xué)習(xí)效果。針對(duì)教學(xué)目標(biāo)，確立思政元素，收集思政案例，審核評(píng)估案例，提取學(xué)習(xí)者特征數(shù)據(jù)與案例特征進(jìn)行標(biāo)簽化，構(gòu)建“雙創(chuàng)”教育課程思政案例庫(kù)。提出使用基于內(nèi)容的個(gè)性化推薦過(guò)程，將案例推薦給學(xué)習(xí)者，將思政元素融入教學(xué)過(guò)程，幫助學(xué)習(xí)者進(jìn)行個(gè)性化學(xué)習(xí)。

關(guān)鍵詞? “雙創(chuàng)”教育；課程思政；思政案例庫(kù)；個(gè)性化推薦；互聯(lián)網(wǎng)+創(chuàng)新創(chuàng)業(yè)方法；思政元素

中圖分類號(hào)：G641? ? 文獻(xiàn)標(biāo)識(shí)碼：B

文章編號(hào)：1671-489X（2022）18-0053-04

0? 引言

2019年3月在北京召開(kāi)的全國(guó)高校思想政治工作會(huì)議上，習(xí)近平總書(shū)記強(qiáng)調(diào)：各類課程要與思政課相互配合，將課程思政融入專業(yè)課之中，二者相輔相成[1]。2020年5月，教育部印發(fā)《高等學(xué)校課程思政建設(shè)指導(dǎo)綱要》，特別說(shuō)明要在構(gòu)建人才培養(yǎng)體系時(shí)，將思想政治教育貫穿全過(guò)程，發(fā)揮各門(mén)課程的育人作用，提升高校人才的培養(yǎng)質(zhì)量[2]。

“雙創(chuàng)”（創(chuàng)新創(chuàng)業(yè)）教育是國(guó)家的戰(zhàn)略舉措，是緩解就業(yè)困難的路徑，是提振經(jīng)濟(jì)增長(zhǎng)內(nèi)在活力的需求。高校的“雙創(chuàng)”教育長(zhǎng)期存在重能力重技術(shù)、輕職業(yè)精神輕責(zé)任意識(shí)的情況，這將導(dǎo)致學(xué)習(xí)者的長(zhǎng)遠(yuǎn)發(fā)展缺少必要的基礎(chǔ)支撐。而將課程思政融入“雙創(chuàng)”教育，有助于培養(yǎng)既有“雙創(chuàng)”能力又有思政素養(yǎng)的復(fù)合型人才[3]。目前，不少學(xué)者和教師在進(jìn)行課程思政融入“雙創(chuàng)”教育的研究，但少有針對(duì)個(gè)性化推薦視角的研究。個(gè)性化推薦可以有效減輕學(xué)習(xí)者的學(xué)習(xí)負(fù)擔(dān)，解決信息過(guò)載、信息迷航問(wèn)題，提升學(xué)習(xí)者的興趣和績(jī)效。

本研究基于江西A大學(xué)國(guó)家級(jí)社會(huì)實(shí)踐一流本科課程“互聯(lián)網(wǎng)+創(chuàng)新創(chuàng)業(yè)方法”的課程目標(biāo)，于2021年6月開(kāi)始，對(duì)思政案例進(jìn)行系統(tǒng)整理，與課程各章節(jié)結(jié)合形成教學(xué)案例庫(kù)，構(gòu)建個(gè)性化推薦五層模型，使用基于內(nèi)容推薦算法，將適合的學(xué)習(xí)資源推薦給學(xué)習(xí)者，培養(yǎng)學(xué)習(xí)者精益求精的大國(guó)工匠精神，激發(fā)學(xué)習(xí)者科創(chuàng)報(bào)國(guó)的使命擔(dān)當(dāng)和家國(guó)情懷，實(shí)現(xiàn)教書(shū)與育人的內(nèi)在統(tǒng)一。

1? 課程思政案例庫(kù)建設(shè)

1.1? 思政元素的確立

以往教學(xué)大綱中的教學(xué)目標(biāo)分為知識(shí)與技能、過(guò)程與方法、情感態(tài)度與價(jià)值觀三部分。根據(jù)“互聯(lián)網(wǎng)+創(chuàng)新創(chuàng)業(yè)方法”中的情感態(tài)度與價(jià)值觀目標(biāo)，修訂和增加思政目標(biāo)，將情感態(tài)度目標(biāo)與思政元素相結(jié)合，各章節(jié)設(shè)置更加具體化的思政目標(biāo)，培養(yǎng)有責(zé)任感、有使命感、有家國(guó)情懷、有工匠精神、有創(chuàng)新精神和實(shí)踐能力的德才兼?zhèn)涞男聲r(shí)代復(fù)合型“雙創(chuàng)”人才[4]。以修訂后的教學(xué)大綱為主體，結(jié)合《高等學(xué)校課程思政建設(shè)指導(dǎo)綱要》中對(duì)實(shí)踐類課程中的“雙創(chuàng)”教育課程與工學(xué)和管理學(xué)等學(xué)科對(duì)“雙創(chuàng)”教育的指導(dǎo)意見(jiàn)，提煉出符合“互聯(lián)網(wǎng)+創(chuàng)新創(chuàng)業(yè)方法”的四大核心思政元素：科創(chuàng)志向、科創(chuàng)意識(shí)、科創(chuàng)信心與科創(chuàng)能力。以此為基點(diǎn)，通過(guò)案例將思政元素具體化。

1.2? 課程思政案例的收集

以四大思政元素為核心，通過(guò)文獻(xiàn)書(shū)籍查閱、登錄“學(xué)習(xí)強(qiáng)國(guó)”等移動(dòng)學(xué)習(xí)平臺(tái)、現(xiàn)場(chǎng)采訪、互聯(lián)網(wǎng)檢索等方式，收集與四大思政元素相關(guān)的科技公司或互聯(lián)網(wǎng)公司創(chuàng)始人事跡、互聯(lián)網(wǎng)“雙創(chuàng)”故事、初創(chuàng)公司發(fā)展過(guò)程中遇到的挑戰(zhàn)、相似模式下創(chuàng)業(yè)成功與創(chuàng)業(yè)失敗的案例比對(duì)、程序員創(chuàng)業(yè)與管理者創(chuàng)業(yè)的相似與不同之處等素材，篩選與“互聯(lián)網(wǎng)+創(chuàng)新創(chuàng)業(yè)方法”課程教學(xué)內(nèi)容相關(guān)的案例，適合教學(xué)的重新編輯后歸入案例庫(kù)中，同時(shí)將案例根據(jù)章節(jié)、呈現(xiàn)方式等維度進(jìn)行分類，最終選擇適合的案例。

1.3? 思政案例的審核與修改

邀請(qǐng)一線教師、教學(xué)專家、學(xué)習(xí)者代表等不同群體，對(duì)目前概括出的四大思政元素和對(duì)應(yīng)的思政案例與標(biāo)簽進(jìn)行審核，確保思政案例庫(kù)中的案例是科學(xué)的、嚴(yán)謹(jǐn)?shù)?、合理的、系統(tǒng)的。保證案例既能與課程內(nèi)的關(guān)鍵知識(shí)點(diǎn)緊密結(jié)合，又能激發(fā)學(xué)習(xí)者的興趣，做到潤(rùn)物無(wú)聲。最后，根據(jù)得到的反饋意見(jiàn)，對(duì)思政案例庫(kù)進(jìn)行完善和修訂。

1.4? 思政案例的更新

思政案例庫(kù)的建設(shè)要不斷地進(jìn)行動(dòng)態(tài)更新與維護(hù)。定期關(guān)注“學(xué)習(xí)強(qiáng)國(guó)”中的“雙創(chuàng)”故事、互聯(lián)網(wǎng)熱搜和相關(guān)報(bào)道中的“雙創(chuàng)”名人事跡、互聯(lián)網(wǎng)公司的重大事件等相關(guān)案例，在案例庫(kù)中查重篩選，經(jīng)編輯核對(duì)修改后形成新的案例，定期與教學(xué)團(tuán)隊(duì)、教學(xué)專家和學(xué)習(xí)者代表進(jìn)行討論，不斷完善和更新案例庫(kù)。

2? 推薦方法

本研究將推薦系統(tǒng)分為三層，三層結(jié)構(gòu)圖如圖1所示，由下至上分別是數(shù)據(jù)層、算法層和應(yīng)用層。數(shù)據(jù)層內(nèi)部分為三部分：數(shù)據(jù)收集、數(shù)據(jù)整理和數(shù)據(jù)存儲(chǔ)。算法層選用基于內(nèi)容的推薦算法，A/B?Test系統(tǒng)用于調(diào)整參數(shù)。應(yīng)用層是系統(tǒng)的用戶界面部分，做到跨平臺(tái)運(yùn)行，方便學(xué)習(xí)者隨時(shí)使用。

2.1? 數(shù)據(jù)層

構(gòu)建個(gè)性化推薦的數(shù)據(jù)基礎(chǔ)部分，包括數(shù)據(jù)收集、數(shù)據(jù)整理與數(shù)據(jù)存儲(chǔ)三部分。

2.1.1? 數(shù)據(jù)收集

收集學(xué)習(xí)者的靜態(tài)學(xué)習(xí)風(fēng)格數(shù)據(jù)與動(dòng)態(tài)學(xué)習(xí)行為數(shù)據(jù)。學(xué)習(xí)風(fēng)格數(shù)據(jù)用于完成初始推薦，采用問(wèn)卷的方式進(jìn)行收集，防止數(shù)據(jù)稀疏和冷啟動(dòng)問(wèn)題。學(xué)習(xí)行為數(shù)據(jù)用于優(yōu)化推薦參數(shù)，采用系統(tǒng)日志的方式進(jìn)行收集。思政案例數(shù)據(jù)來(lái)自本研究構(gòu)建的課程思政案例庫(kù)。

2.1.2? 數(shù)據(jù)整理

將非格結(jié)構(gòu)化的數(shù)據(jù)整理為結(jié)構(gòu)化數(shù)據(jù)。學(xué)習(xí)者數(shù)據(jù)的結(jié)構(gòu)劃分為學(xué)習(xí)風(fēng)格數(shù)據(jù)的結(jié)構(gòu)化與學(xué)習(xí)行為數(shù)據(jù)的結(jié)構(gòu)化。按照經(jīng)典學(xué)習(xí)風(fēng)格理論，將學(xué)習(xí)風(fēng)格記為一級(jí)標(biāo)簽A，將學(xué)習(xí)風(fēng)格的感知維度、輸入維度、處理維度、理解維度記為二級(jí)標(biāo)簽A1、A2、A3、A4，每種二級(jí)標(biāo)簽又分為兩個(gè)三級(jí)標(biāo)簽；將學(xué)習(xí)行為數(shù)據(jù)記為一級(jí)標(biāo)簽B，學(xué)習(xí)歷史紀(jì)錄和學(xué)習(xí)目標(biāo)分別記為二級(jí)標(biāo)簽B1、B2，B2標(biāo)簽下的具體學(xué)習(xí)目標(biāo)記為三級(jí)標(biāo)簽。結(jié)構(gòu)化的數(shù)據(jù)包括一級(jí)標(biāo)簽兩個(gè)、二級(jí)標(biāo)簽六個(gè)、三級(jí)標(biāo)簽13個(gè)。將之前收集整理的思政案例以人工標(biāo)記的方式，分別打上標(biāo)簽，完成案例庫(kù)的結(jié)構(gòu)化。數(shù)據(jù)結(jié)構(gòu)化如圖2所示。

2.1.3? 數(shù)據(jù)存儲(chǔ)

整理好的以標(biāo)簽為基礎(chǔ)的結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)在關(guān)系型數(shù)據(jù)庫(kù)中。一個(gè)學(xué)習(xí)者在一段時(shí)間內(nèi)的學(xué)習(xí)風(fēng)格相對(duì)穩(wěn)定，因此，一個(gè)學(xué)習(xí)者對(duì)應(yīng)一組學(xué)習(xí)風(fēng)格數(shù)據(jù)。一個(gè)學(xué)習(xí)者的學(xué)習(xí)目標(biāo)和學(xué)習(xí)進(jìn)度是多樣化的，因此，一個(gè)學(xué)習(xí)者對(duì)應(yīng)多個(gè)學(xué)習(xí)目標(biāo)和歷史記錄。一個(gè)案例對(duì)應(yīng)一組學(xué)習(xí)風(fēng)格，對(duì)應(yīng)一個(gè)學(xué)習(xí)目標(biāo)，對(duì)應(yīng)一個(gè)章節(jié)。一個(gè)學(xué)習(xí)者可以學(xué)習(xí)多個(gè)案例。數(shù)據(jù)庫(kù)E-R圖如圖3所示。

2.2? 算法層

2.2.1? 基于內(nèi)容的推薦算法

應(yīng)用在教育領(lǐng)域的推薦方法主要有協(xié)同過(guò)濾推薦和基于內(nèi)容的推薦。協(xié)同過(guò)濾推薦主要是根據(jù)“用戶—用戶”相似矩陣或者“資源—資源”相似性矩陣，比較找到最相似的資源或者用戶。基于內(nèi)容的推薦主要是通過(guò)比較學(xué)習(xí)資源的特征與學(xué)習(xí)者的偏好，找到符合學(xué)習(xí)者學(xué)習(xí)習(xí)慣或者學(xué)習(xí)偏好的學(xué)習(xí)資源[5]。在本研究中，由于學(xué)習(xí)者數(shù)量有限，學(xué)習(xí)資源庫(kù)較為封閉，協(xié)同過(guò)濾推薦在本研究的使用場(chǎng)景中的應(yīng)用較為不合適?；趦?nèi)容的推薦主要依靠用戶和資源的特征匹配，在基礎(chǔ)數(shù)據(jù)層和數(shù)據(jù)挖掘?qū)?，分別對(duì)學(xué)習(xí)者和思政案例進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化標(biāo)簽，所以選擇基于內(nèi)容的推薦算法。

研究者已經(jīng)對(duì)數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理，得到一級(jí)標(biāo)簽兩個(gè)、二級(jí)標(biāo)簽六個(gè)、三級(jí)標(biāo)簽13個(gè)，這些標(biāo)簽即為資源的特征。根據(jù)學(xué)習(xí)者的學(xué)習(xí)行為數(shù)據(jù)，聚合計(jì)算用戶的標(biāo)簽偏好，采用加權(quán)平均的初始方式進(jìn)行計(jì)算[6]。學(xué)習(xí)目標(biāo)（B2）的權(quán)重為4，學(xué)習(xí)歷史記錄（B1）的權(quán)重為2，學(xué)習(xí)風(fēng)格（A）的總權(quán)重為4，其中感知維度、輸入維度、處理維度、理解維度的權(quán)重都是1。得到用戶帶有權(quán)重的二維矩陣[（B2，4），（B19，2），（A1，1），（A2，1），（A3，1），（A4，1）]。例如：學(xué)習(xí)者A在進(jìn)行完靜態(tài)數(shù)據(jù)采集后，得到的二維矩陣為[（B22，4），（B19，2），（A11，1），（A22，1），（A32，1），（A41，1）]。案例001的二維矩陣為[（B22，4），（B18，2），（A12，1），（A21，1），（A32，1），（A42，1）]。計(jì)算學(xué)習(xí)者A和案例001的余弦相似度，公式為：

計(jì)算結(jié)果為0.708。若此時(shí)案例002的二維矩陣為[（B21，4），（B19，2），（A11，1），（A22，1），（A32，1），（A41，1）]，計(jì)算結(jié)果為0.333，顯然案例001更符合學(xué)習(xí)者A的學(xué)習(xí)需要，系統(tǒng)會(huì)將案例001推薦給學(xué)習(xí)者進(jìn)行學(xué)習(xí)。

2.2.2? A/B Test系統(tǒng)

由于標(biāo)簽的權(quán)重為研究者定義，并不能保證這樣的權(quán)重設(shè)置對(duì)于使用者來(lái)說(shuō)是最佳參數(shù)，因此，在推薦系統(tǒng)中引入A/B Test系統(tǒng)。在當(dāng)前的系統(tǒng)中，有兩類參數(shù)是需要在系統(tǒng)上線后根據(jù)使用者的行為數(shù)據(jù)進(jìn)行修正的，一類是標(biāo)簽系統(tǒng)，一類是標(biāo)簽權(quán)重。如果初始參數(shù)的設(shè)置不能很好地滿足推薦要求，A/B Test系統(tǒng)可以在不影響用戶體驗(yàn)的情況下，更改B系統(tǒng)的部分參數(shù)，將A系統(tǒng)與B系統(tǒng)的推薦結(jié)果進(jìn)行比較。

例如，學(xué)習(xí)者A在學(xué)習(xí)案例001時(shí)，A系統(tǒng)中計(jì)算出的余弦相似度為0.875。但是經(jīng)過(guò)調(diào)查，A學(xué)習(xí)者認(rèn)為001案例并不能很好地滿足他的學(xué)習(xí)需求，則此時(shí)根據(jù)學(xué)習(xí)者A的反饋，將學(xué)習(xí)目標(biāo)（B2）的權(quán)重設(shè)為2，將學(xué)習(xí)歷史記錄（B1）的權(quán)重設(shè)為3，此時(shí)計(jì)算的余弦相似度結(jié)果為0.294，002號(hào)案例的余弦相似度結(jié)果為0.764。根據(jù)學(xué)習(xí)者A的反饋，002號(hào)案例更符合他的學(xué)習(xí)需要，則可以將A系統(tǒng)的參數(shù)進(jìn)行調(diào)整，待更多學(xué)習(xí)者驗(yàn)證。

2.3? 應(yīng)用層

為了方便使用，推薦系統(tǒng)應(yīng)該具有跨平臺(tái)應(yīng)用的能力。傳統(tǒng)的跨平臺(tái)開(kāi)發(fā)語(yǔ)言（如Java等）不能很好地適應(yīng)如今移動(dòng)互聯(lián)網(wǎng)的發(fā)展，因此，應(yīng)選擇如HTML5這樣具有跨平臺(tái)能力且界面美觀易用的語(yǔ)言進(jìn)行開(kāi)發(fā)，一次編寫(xiě)就可以運(yùn)行在PC、手機(jī)APP、微信小程序等平臺(tái)，方便用戶隨時(shí)進(jìn)行學(xué)習(xí)。

2.4? 推薦流程

詳細(xì)的推薦流程如圖4所示。在學(xué)習(xí)者登錄系統(tǒng)后，根據(jù)學(xué)習(xí)者行為數(shù)據(jù)與靜態(tài)特征數(shù)據(jù)，得到此次學(xué)習(xí)者的二維特征矩陣。計(jì)算學(xué)習(xí)者與案例庫(kù)中全部資源的余弦相似度后進(jìn)行排序，將排序前五的案例推薦給學(xué)習(xí)者，完成推薦。

3? 展望

當(dāng)前論文構(gòu)建“雙創(chuàng)”教育個(gè)性化推薦的過(guò)程，接下來(lái)的研究將聚焦于推薦過(guò)程的代碼實(shí)現(xiàn)。利用數(shù)據(jù)抓取技術(shù)，從網(wǎng)絡(luò)平臺(tái)收集相關(guān)思政案例，進(jìn)行人工篩選，不斷擴(kuò)充案例庫(kù)；利用前端技術(shù)，設(shè)計(jì)并實(shí)現(xiàn)跨平臺(tái)的推薦系統(tǒng)，以方便學(xué)習(xí)者使用，同時(shí)可以作為科研平臺(tái)進(jìn)行數(shù)據(jù)收集，用于后續(xù)研究?；趦?nèi)容的推薦算法依賴大量的資源特征與學(xué)習(xí)者特征，利用已有的課程思政案例庫(kù)，結(jié)合學(xué)習(xí)者在學(xué)習(xí)時(shí)收集的數(shù)據(jù)，對(duì)已經(jīng)提取的特征進(jìn)行修正，以實(shí)現(xiàn)更加精準(zhǔn)的推薦?，F(xiàn)有研究未引入人工智能、神經(jīng)網(wǎng)絡(luò)等技術(shù)，后續(xù)研究可以將傳統(tǒng)的基于內(nèi)容的推薦算法與人工智能相結(jié)合，利用神經(jīng)網(wǎng)絡(luò)找出依靠人工篩選無(wú)法提取出的特征，將特征應(yīng)用于推薦，將推薦結(jié)果與傳統(tǒng)推薦算法進(jìn)行比較，以改進(jìn)現(xiàn)有的推薦過(guò)程。

4? 結(jié)束語(yǔ)

本文構(gòu)建“雙創(chuàng)”教育課程思政案例庫(kù)，為“雙創(chuàng)”教育的教學(xué)工作提供素材和結(jié)合點(diǎn)。論文設(shè)計(jì)一套思政案例個(gè)性化推薦方法，為“雙創(chuàng)”教育與課程思政提供新的方法。“互聯(lián)網(wǎng)+創(chuàng)新創(chuàng)業(yè)方法”這門(mén)課程的社會(huì)實(shí)踐屬性，要求教師在完成教學(xué)目標(biāo)的過(guò)程中，要緊跟時(shí)代發(fā)展方向，隨時(shí)更新最新的行業(yè)發(fā)展方向與行業(yè)故事，并使用生動(dòng)的案例與課程內(nèi)容結(jié)合，指導(dǎo)學(xué)習(xí)者在完成知識(shí)與技能、過(guò)程與方法、情感態(tài)度與價(jià)值觀這三大目標(biāo)之外，傳遞正確的價(jià)值觀，教書(shū)與育人相統(tǒng)一，實(shí)現(xiàn)立德樹(shù)人的總目標(biāo)。本研究將繼續(xù)跟進(jìn)學(xué)習(xí)者使用推薦系統(tǒng)前后思政素養(yǎng)的變化情況。

參考文獻(xiàn)

[1] 習(xí)近平.思政課是落實(shí)立德樹(shù)人根本任務(wù)的關(guān)鍵課程[J].求是，2020（17）：4-16.

[2] 教育部關(guān)于印發(fā)《高等學(xué)校課程思政建設(shè)指導(dǎo)綱要》的通知[EB/OL].（2020-06-01）[2022-10-01].http：//www.moe.gov.cn/srcsite/A08/s7056/202006/t20200603_462437.html.

[3] 張秋菊.課程思政視域的創(chuàng)新創(chuàng)業(yè)教育[J].中學(xué)政治教學(xué)參考，2022（31）：103.

[4] 段凱旋，李睿明，金曉鋒，等.內(nèi)科護(hù)理學(xué)課程思政案例庫(kù)的建設(shè)[J].護(hù)理學(xué)雜志，2022，37（1）：10-12.

[5] 吳正洋，湯庸，劉海.個(gè)性化學(xué)習(xí)推薦研究綜述[J].計(jì)算機(jī)科學(xué)與探索，2022，16（1）：21-40.

[6] 易明，鄧衛(wèi)華.基于標(biāo)簽的個(gè)性化信息推薦研究綜述[J].情報(bào)理論與實(shí)踐，2011，34（3）：126-128.

*基金項(xiàng)目：本文受2020年江西省高等學(xué)校教學(xué)改革研究課題“科創(chuàng)導(dǎo)向的《互聯(lián)網(wǎng)+創(chuàng)新創(chuàng)業(yè)方法》金課建設(shè)與實(shí)踐”（編號(hào)：JXJG-20-4-8）資助。

作者：曹栩?qū)帲鬓r(nóng)業(yè)大學(xué)職業(yè)師范學(xué)院碩士研究生，研究方向?yàn)閿?shù)字化教育資源的開(kāi)發(fā)與利用（330045）；鐘元生，通信作者，江西財(cái)經(jīng)大學(xué)軟件與物聯(lián)網(wǎng)工程學(xué)院、江西農(nóng)業(yè)大學(xué)職業(yè)師范學(xué)院，教授，博士生導(dǎo)師，研究方向?yàn)殡娮由虅?wù)信譽(yù)管理（330013）。