论思想政治教育大数据系统之构建

摘要：构建思想政治教育大数据系统，是思想政治教育工作创新发展的必然要求。着眼于可量化、个性化和精细化的价值定位，在构建的技术框架上可将思想政治教育大数据分为数据采集层、数据分析层、数据管理层三大层面。构建思想政治教育大数据的现实路径为：转换思维方式，充分认识大数据的本质特征及其系统之构建对教育实践的创造性力量；探索思想政治教育规律，提升大数据系统价值密度；通过智能性挖掘，建立分析模型，丰富大数据系统的文本热荩慌嘤一专多能的复合型人才，使之成为系统的重要保障。

关键词：思想政治教育；大数据；数据粒度；价值密度

中图分类号：D64文献标识码：A文章编号：1003-0751（2017）07-0169-04

2015年，中国正式启动了“互联网+”行动计划和“促进大数据发展行动纲要”两大国家战略，从而为思想政治教育的创新发展提供了新的契机。其中，“互联网+思想政治教育”是运用互联网技术和思维改造传统思想政治教育模式、通过系统的结构性变革、提升思想政治教育针对性和实效性的重要举措。这种结构性变革要想成功，迫切需要思想政治教育大数据系统作为强有力的科学支撑。大数据以一种前所未有的信息文本占有方式，通过对海量数据进行分析，从而获得有巨大价值的产品和服务，或深刻的洞见①。确立大数据的价值理念，构建思想政治教育大数据系统，是信息时代思想政治教育全方位变革与创新发展的必然要求。

一、构建思想政治教育大数据系统的价值取向

1.大数据的整体思维：实现可量化

所谓思想政治教育大数据系统，是指在整个思想政治教育活动过程中所产生，根据教育需要所收集与分析，一切运用于教育实践并能创造巨大潜在价值的数据集合。数据系统最初是被用于观测自然界的各种现象，并广泛应用于自然科学领域的定量研究上。而在反映人类社会、精神现象的社会科学领域，其作用于人的思想意识大多是隐形的，难以搜集、汇集和分析，加之人的思想具有不确定性、动态性和私密性等特点，信息很难被客观化并实现数据化。然而，大数据的全息模式却可以改变这种状况。作为一种可以具体刻画、描述和计算的科学整体观，这种全息模式以一种数据化的整体思维使一切事物都变得可量化，包括人们的思想、心理和情感。思想政治教育大数据系统正是依托于信息化基础设施的不断完善以及云计算、物联网、可穿戴设备等现代信息技术的广泛应用，可以使思想政治教育实现从“非量化”到“可量化”的历史性飞跃。“大数据是将社会生活数字化、数据化、变量化，再通过测量这些变量，提取量化信息，得到关于这个变量的描述以及多变量关系的分析。”②实现可量化，把握变量描述及其多变量关系，必将为思想政治教育具备针对性并取得实效性拓展新的视域。

2.兼容性的多样思维：促进个性化

思想政治教育大数据系统的价值定位是思想政治教育总体性与多样性的辩证统一。在宏观层面，通过分析现实生活产生的各种数据，从总体上揭示并把握一定群体的思想状况及其特点，有效提升思想政治教育的覆盖面和系统性。在微观层面，教育对象个体的信息数据化并积累到一定程度，同样可以通过数据分析掌握其思想脉络，为思想政治教育开展富有个性化、定制化的活动提供有力支撑。这种宏观层面的群体思想政治教育与微观层面的个体思想政治教育相结合，体现了大数据系统兼容性的多样思维。传统思想政治教育把教育对象视作教育客体，施教者习惯于将教育对象纳入预设好的某种认知模式，并以此对不同个体进行宽泛化和公式化设计，在实践中也往往要求教育对象千人一面、步调一致。大数据以其种类丰富、质量高端、免费共享的资源优势，开启了个性化思想政治教育的新时代。一方面，通过多种数据的分析、判断、过滤、提纯，对特定群体或个体进行思想行为的可视化“描述”，并为其提供针对思想需求、富有个性化教育的公共产品。另一方面，根据数据分析获得的结论，可以开通多样性、共享性和互动性的网络教育资源，激发教育对象的自主意识和主动接受教育的热情，有的放矢地解决不同层次、不同类型教育对象的各种思想矛盾与问题，使思想政治教育从宽泛化走向个性化。

3.现象性的关联思维：实现精细化

大数据系统改变了传统的思维惯例，使思想政治教育从因果关系的串联思维发展为相关关系的关联思维。思想政治教育大数据系统成为可以进行精细化操作的有效工具。从一定意义上来说，这一工具的核心功能是建立在某一领域、某一层面相关关系基础上的科学预测。这主要表现为：从其智能系统记录并形成的数据轨迹中发现教育对象的思想、情感、偏好、倾向等，根据这些真实、客观的数据挖掘整理，探寻其中的关联变量及其规律性。在此基础上对应有效性模型进行计算机梳理，自动地从既往案例中推测出未来有效的思想政治教育的方式、方法和手段，从“已知”推演出“未知”，实现“针对过去，揭示规律”，“面对未来，预测趋势”③。由此，通过海量数据挖掘的整体理念达到传统还原论与系统整体论的融会贯通，通过承认教育对象复杂的多变性突出了科学理论的语境性和教育的精细化，通过强调事物的相关性来凸显事实的存在性，这些远比因果性的串联思维更为重要。因此，大数据使思想政治教育学科走向定性与定量研究的综合集成，开辟了用数据化手段测度人类思想和行为的新途径。

二、构建思想政治教育大数据系统的技术框架

1.数据采集层：保证所采集的文本处于合适的数据粒度

依据数据的来源、采集方式和应用场所的不同，可将思想政治教育数据其分为基础数据、资源数据、状态数据和行为数据。思想政治教育大数据系统的数据采集需要综合运用多种现代技术，其中主要有物联网感知技术、智能录播技术、点阵数码笔技术、情感识别技术、日志搜索分析技术、网络爬虫技术等④。从数据的类别及其采集技术不难看出，所谓大数据都是数据的集合体，拥有丰富的思想内涵。 数据采集是构建思想政治教育大数据系统的基础性和先导性工作。在采集过程中应注意以下四个方面：一是坚持数据采集的针对性，深度聚焦关键数据。这就要求采集人把握数据采集的重点，优先采集与教育对象工作、学习、生活紧密相关的翔实的数据信息，并注意采集教育对象个体网络生活的“碎片化”痕迹，提高数据搜集的真实性。二是坚持数据采集的广泛性，拓宽数据获取渠道。即准确把握数据的关联性与规模度，搭建数据共享平台，丰富数据的来源，加强各级组织机构的通力合作，畅通数据整合与利用的渠道。三是保持数据采集的连续性和规范性，提升数据采集的应用价值。制定采集规划，定期、实时、有序地采集，通过长期积累，集腋成裘，使小数据生成思想政治教育大数据，小数据的有机整合产生大能量、大作为。四是注重数据采集的精细化，使之处于一个合适的数据粒度。所谓数据粒度，是指数据库中数据的细化与综合程度。依据数据粒度原理，其粒度越小，则细化程度越高，其精确度也就越高；反之粒度越大，则细化程度越低，其精确度也就越低。因此，在数据采集过程中，应该针对数据粒度划分标准，选择合适的层级，既要做到恰到好处、不偏不倚，又要保证数据文本的适用与耐用。

2.数据分析层：力求成果的精确、适用与耐用

数据分析层是整个思想政治教育大数据系统技术框架最核心的部分。大数据的“4V”特征决定了其分析技术的复杂多样性。谷歌公司运用的分析技术为思想政治教育工作者提供了处理与分析大数据的有效工具，如新型网络内容索引系统（Caffeine）、分布式存储平台（GFS）、图算法引擎（Pregel）以及异步大数据分析、深度神经网络分析等。数据分析部门应分门别类、针对不同的数据文本，熟练运用不同的分析方法，使数据挖掘和数据阐释成果具有充分的含金量，从而彰显系统适用、耐用的价值。

由于思想政治教育工作的性质，系统中各种数据的相互联系是一种不同于其他学科的特殊联系，在分析过程中应注意以下四个方面：一是遵循思想政治教育作用于人的思想意识的内在逻辑性，寻求“对症下药”、取得成效的契合点。在系统的分析层面，必须将把握思想政治教育的方法论逻辑、遵循思想政治教育基本规律摆在首位，这是全部分析的理念与路标。二是注重思想内容的内在联系性，善于透过现象认识事物的本质。作为思想政治教育大数据系统的视频、音频、图片、图像、文档等，只是数据系统的外在表现形式，而数 ☻据所蕴含的思想内容才是其本质。因此，数据分析要着眼不同文本所表达的内容信息，着眼不同时期、不同群体思想意识的共性อ与个性，揭示人的思想活动的本质特征。三是关注人的思想意识的能动性，善于从变化的、动态的角度切入。只有从全面的、发展的而非孤立的、静止的观点透视、分析所占有的全部数据，才能把握人们的思想发展脉络，为思想政治教育的方式方法做出最佳选择。四是正视资料文本的相对性，善于依托数据而非完全依赖数据。大数据低密度价值的特点，决定了要去粗取精、去伪存真，必须依靠思想政治教育工作者的考察和甄别。唯有通过对所占有数据的过滤、提纯和挖掘，才能有效融合异构数据，剔除虚假数据，提升数据分析结果的精确性。

3.数据管理层：构建功能齐全、反应灵敏的决策支持系统与应用服务体系

数据管理层是构建整个思想政治教育大数据系统技术框架的关键环节，在采集、加工、应用一体化的运行中，肩负着枢纽的职能。依据大数据系统运行的一般流程，全部技术框架发展的次序是：数据采集、数据处理、数据分析和数据应用。在整个系统运行过程中，管理与监控自始至终贯穿于整个流程，形成了系统采集、加工、运用一体化和ม数据持续、动态、标准化的管理机制，以保证思想政治教育大数据的融通、可控和共享，并服务于思想政治教育的政策制定、发展规划和具体实施。

在数据管理过程中，为保证思想政治教育大数据系统的良好运行，应注意以下三个方面：一是建立并联通国家、区域和基层的各级各类立体化的思想政治教育数据系统，同时规范大数据从采集使用到环节的管理细则，实现整个系统的纵向贯通、横向互联和统筹协调。二是打造全面覆盖、功能齐全、适用高效、反应灵敏的管理信息系统和决策支持系统，提升全国各级各类思想政治教育部门的决策能力、管控水平和服务水平。三是加强组织领导，将系统纳入国家统一规划和管理范畴，并成立数据管理工作领导小组，组建大数据专家委员会，逐步建立健全思想政治教育大数据系统的管理、应用与服务体系。

三、构建思想政治教育大数据系统的现实路径

1.转换思维方式，充分认识大数据系统之构建对思想政治教育实践的创造力

“数据化代表着人类认识的一个根本性转变”，“一旦世界被数据化，就只有你想不到，而没有信息做不到的事情了”。⑤大稻菔贝呼唤着人们思维方式的现代转换。所谓确立思想政治教育大数据理念，表现为从程序化思维向创新性思维转变，善于从海量数据中为思想政治教育亟待解决的问题提供有力的证据或答案。基于此，应全面理解并把握思想政治教育大数据系统的含义及其内容体系，充分认识它带来的创造性力量，特别是通过对典型案例的透视与解析，获取数据背后隐藏的潜在价值，实现其效应最大化。同时，也要正视大数据自身的缺憾。为了获取数据信息的生动细节，总会有大量芜杂的、无价值乃至错误的数据混淆其间，即其价值具有低密度的特点。只有充分认识这一☣点，才能扬长避短、扬长补短、扬长克短，不断增强大数据的预测性、开放性、协同性和创新性，使其所蕴含的潜在价值得到深入开掘，并转化为思想政治教育的资源优势。

2.探索教育规律，提升思想政治教育大数据系统的价值密度

大数据的原始性、原生态，决定了其使用价值的低密度，而构建思想政治教育大数据系统的主旨，就在于提升其使用价值的密度，进而构成价值“系统”。“从某种意义上说，大数据已经成为一种新的认识和改造世界的方法，世界的本质就是数据的集合、数据的分析与处理。”⑥其中，从一般性数据到认识和改造世界的方法，其根本路径只能通过数据的集合、分析与处理，探索思想政治教育规律。这就要求我们从浩如烟海的大数据中，以提高现实思想政治教育的信度与效度为标志，善于发现对思想政治教育有所助益的滋养。概而言之，以思想政治教育需求为导向，凡是能够反映人的高尚思想品德形成与发展的数据文本，都要给予归纳总结，从特定的时空情境中探索其规律性。沿着探索规律这条路径持之以恒、不断前行，才能构成思想政治教育大数据的“系统”，保证其价值密度的提升。也唯有如此，才能使系统内部的资源与功能不断增大增强，进而促进思想政治教育层次与水平的提升。 3.利用智能技g，建立思想政治教育大数据分析模型

思想政治教育大数据系统价值挖掘的关键在于，通过数据分析从海量数据中发现规律以提取新的认知。对多元Σ异构的大数据系统进行分析，需要利用智能性的多种数据挖掘技术建立分析模型。如果说，从大数据中探索思想政治教育规律，作为一种定性分析、一种对新的认知的提取，还处于掌握“世界观”的层面，那么，利用智能技术，将结构化、半结构化和非结构化即多元异构的大数据进行智能性挖掘，建立分析模型，则是对教育规律的具体化与视觉化。如此赋予新的认知以形象性，则无疑进入了“方法论”的范畴。通过立体的、全息的、实时的多维度数据分析和数据建模，将分析结果呈现给用户，并服务于思想政治教育的研究与实践，提升大数据的价值密度，进一步丰富大数据系统的文本内容，通过具体化、视觉化的描述与阐释为思想政治教育不同领域的实践提供路径选择。

4.培育一专多能人才，加快思想政治教育大数据系统队伍建设的步伐

思想政治教育大数据系统的建构，必须培育一专多能的人才。所谓一专，即在不断积累思想政治教育实践经验的基础上，以马克思主义人学理论为指导，以社会主义核心价值观为引领，善于通过对多渠道、多来源的大数据的采集、分析与挖掘，创造性地归纳整合出适应思想政治教育现实需要的大数据产品。所谓多能，即需要具备以下四种能力：一是深邃的洞察力。即善于发现现实生活中思想政治教育中的薄弱环节，有针对性地为理论研究与实践应用开发出“适销对路”的大数据产品。二是脱俗的创造力。即善于从芜杂的大数据中捕捉思想政治教育的闪光元素，经过富有创造性的搭配与组合，所形成的产品新颖独到，为受教育者欣然接受、乐于接受。三是生动的产品表现力。即根据所开发的选题，善于从包括文字、图表、模型、视频、音频、图片、动漫等丰富多彩的文本表现形式中，做出有助于数据表现力的最佳选择或最佳配置。四是娴熟的网络驾驭力。特别是在当下的多媒体时代，网络传播效果成为大数据产品拥有广泛用户的重要因素。总之，致力于培育一专多能的复合型人才，加快队伍建设，是构建思想政治教育大数据系统的重要保障。

注释

①⑤[英]维克托・迈尔-舍恩伯格、肯尼思・库克耶：《大数据时代》，盛杨燕、周涛译，浙江人民出版社，2013年，第4、125页。②鲍雨：《社会学视角下的大数据方法论及其困境》，《新视野》2016年第3期。③郑淑蓉：《零售业大数据：形成、应用及启示》，《理论探索》2014年第2期。④杨现民、田雪松：《互联网+教育中国基础教育大数据》，电子工业出版社，2016年，第58页。⑥付安玲、张耀灿：《大数据助力网络意识形态治理及提升路径》，《马克思主义研究》2016年第5期。