大数据画像技术嵌入高校精准思政的生成逻辑与实践图景

摘  要：将大数据画像技术引入高校思想政治教育过程，有助于实现精准育人。通过构建一个由数据采集层、数据处理层、画像构建层和画像分析服务层组成的四层技术平台可实现画像技术在高校精准思政教育中的整体性嵌入。具体实践表明，大数据画像技术能够有效地进行同类群体学生特征的分析、特殊群体学生的识别与分析，以及学生行为标签间关联性的深入分析，从而优化思政大数据的精准分析与再利用。然而，大数据画像技术的不当使用亦可能引发问题，导致精准思政教育的失效。因此，要辩证地看待大数据画像技术在高校精准思政中的应用，预防实施过程中技术滥用现象的产生，提高思想政治教育的针对性、科学性、实效性。

关键词：大数据；画像技术；精准思政；工作机制；风险

中图分类号：G641          文献标志码：A                  文章编号：2096-000X（2024）35-0179-05

Abstract： The introduction of big data portrait technology into the process of ideological and political education is helpful to realize the precise education of ideological and political education. By constructing a four-layer technology platform composed of data acquisition layer， data processing layer， portrait construction layer and portrait analysis service layer， the overall embedding of portrait technology in precise ideological and political education can be realized. The specific practice shows that big data portrait technology can effectively analyze the characteristics of similar groups of students， identify and analyze special groups of students， and deeply analyze the correlation between student behavior labels， so as to optimize the accurate analysis and reuse of ideological and political big data. However， the improper use of big data portrait technology may also cause problems， leading to the failure of precise ideological and political education. Therefore， it is necessary to view the application of big data portrait technology in precise ideological and political education， prevent the occurrence of technology abuse in the process of precise ideological and political education， and improve the pertinenceand effectiveness of ideological and political education.

Keywords： big data; portrait technology; accurate ideological and political education; work mechanism; risk

信息技术的快速发展，尤其是大数据和智能算法的应用，为思想政治教育的创新提供了新的机遇[1]。2017年，中共中央国务院印发的《关于加强和改进新形势下高校思想政治工作的意见》进一步强调了把握师生思想特点和发展需求的重要性，并提出提高工作科学化、精细化水平的要求。2019年教育部工作要点指出，要“着力推进精准思政”，这标志着精准思政成为高校思想政治教育发展的重要方向。精准思政强调将思想政治教育传统优势与信息技术深度融合，形成一种新场景和新应用，其核心在于利用大数据等技术实现对教育要素的量化分析，以及对教育时机、效果、程度的精准把握。同年，教育部办公厅发布的《关于推荐遴选“基于教学改革、融合信息技术的新型教与学模式”实验区的通知》，进一步强调了“数据画像”在促进学生个性化全面发展中的作用，并推动大数据技术在精准教学和评价方面的应用[2]。这一政策的出台，为信息技术与高校精准思政教育的融合发展提供了明确的指导和支持。因此，将大数据技术与思想政治教育相结合，充分挖掘大数据的技术优势，推动大数据技术在高校精准思政工作的有效运用，以提升思想政治教育的精准化水平，是信息时代推动高校思政教育创新发展的必然选择。

一  画像技术嵌入高校精准思政的生成逻辑

用户画像技术，起源于公安情报分析领域，随着电子商务的兴起而得到广泛应用。据普遍观点，交互设计之父A. Cooper是最早提出用户画像概念的人，他将其定义为“基于用户真实数据的虚拟代表”[3]。用户画像涉及对用户多维度信息数据的追踪、收集、统计和分析，通过标签体系呈现分析结果，推测用户兴趣与需求，为推荐合适的产品和服务提供依据。随着大数据时代的到来，画像技术开始进入教育领域，其核心在于通过收集和分析学生的行为、成绩、兴趣等数据，构建学生画像，以实现教育的个性化和精准化[4]。教育画像技术的发展，经历了从简单的数据收集到复杂的数据分析和应用的过程，逐渐形成了一套较为成熟的理论和实践体系。

学生画像技术的理论基础主要来源于教育心理学、学习科学和数据科学。教育心理学提供了对学生个性、动机和行为的理解，学习科学则关注学习过程和学习效果，而数据科学则为画像技术的实现提供了技术支持[5]。学生画像技术通过整合这些理论，旨在更全面地理解学生，为精准思政教育提供理论支撑。高校精准思政教育的实践需求在于如何更有效地满足学生的个性化需求，提高教育的针对性和有效性。学生画像技术通过分析学生的学习行为、成绩变化、兴趣偏好等，帮助教师更好地了解学生，实现教学内容和方法的个性化调整[6-8]。

（一）  高校学生画像的基础数据来源

在高校数字化建设的进程中，智慧教学、智慧餐饮、智慧图书馆以及一站式师生服务中心等教育信息化应用日益普及，带来了大数据资源的丰富积累。这些资源不仅涵盖了教育活动的各个方面，而且为深入理解学生的日常学习生活行为提供了全面的数据支持[9]。学生在学习生活中产生的数据痕迹，作为反映其思想行为动态的科学依据，已成为构建学生画像数据库的关键组成部分。通过系统梳理，归纳了适用于高校精准思政教育中构建学生画像的常见数据资源，并对其类别、内容及来源进行了详细分类，见表１。

画像技术有效嵌入高校精准思政教育的首要前提是构建一个全面且强大的数据资源库。随着高校数字化建设的不断深入，学生画像的构建已具备了丰富的数字资源基础。然而，只有对这些数据资源进行科学整理与分析，方能充分发挥其在精准思政教育中的核心价值。如表1所示，构建学生画像所需的数据资源广泛覆盖了学生的学业成绩、生活习惯、经济状况、健康状况等多个维度，其来源也呈现多元化特点，涉及教务、生活服务、财务、医疗等多个部门，形成了一个跨部门协作的数据资源集合体。

在数据资源库的建立过程中，首先需要高校各部门充分认识到数字时代下数据资源建设的重要性，形成共识，确立“共建共享”的数据管理理念。建议成立由学校信息化办公室牵头，各相关部门负责人参与的信息化建设领导小组，负责统筹规划数据资源库的建设工作，包括政策制定、战略部署及协调推进等关键环节。其次，信息化建设领导小组需加强顶层设计，构建一个“互联互通”的信息系统架构。打破部门间的数据壁垒，实现数据的高效流通与利用，是确保数据资源库发挥最大效用的关键。为此，学校应设计统一的数据接入端口，实现分模块的数据录入，并灵活设置数据访问权限。同时，各部门应指定专职信息员，负责按照既定的时间节点和标准要求完成数据的录入与归档工作，以确保数据资源库在数据采集的时效性以及整理的有序性。

（二）  画像技术嵌入高校精准思政的工作机制

精准思政的数据基础来源于不同数据库的多元数据源[10]。高校各部门基于各自的工作便利性进行数据收集，但因缺乏统一的收集标准和格式，常常导致数据出现冗余、重复、缺失或错误等无效情况。这些问题的存在严重影响了数据的有效性，因此，对数据进行清洗，剔除无效信息，是进行深入画像分析的前提条件[11]。为了实现画像技术在高校精准思政中的有效嵌入，本研究提出构建一个四层工作机制，包括数据采集层、数据处理层、画像构建层和画像分析服务层，如图1所示。其中，数据采集层和数据处理层构成了整个工作机制的基础阶段，负责收集和清洗数据，确保数据的质量与准确性。画像构建层则是整个工作机制的关键核心阶段，涉及如何利用清洗后的数据构建准确的学生画像。最后，画像分析服务层是目的阶段，通过深入分析学生画像，为高校精准思政提供决策支持和服务。

数据采集层是高校精准思政数据资源库建立的基石。该层的数据主要来源于学生日常工作所涉及的多个部门。通过主动统计和问卷调查等方式直接从学生群体中获取，同时也包括学生在日常学习生活中自然形成的数据，这些数据被系统化地分类录入到相应职能部门的信息系统中。例如，教务部门作为学生学习成绩的主管部门，负责将学生的考试成绩、课程选修情况、出勤记录等关键数据准确无误地录入系统，并定期进行归档整理。团委作为校园文化的引领者，负责记录并整理各类团学活动的参与情况、获奖信息等，这些数据在刻画学生综合素质、评估学生社会实践能力方面发挥着重要作用。此外，心理辅导站则成为学生心理健康数据的守护者，通过专业的心理测评、咨询记录等手段，收集并整理学生的心理健康信息，为学生心理画像的构建提供了科学依据。

数据处理层是对广泛来源的数据进行综合统计、清洗和分类，重点是基本属性、现实行为和虚拟社交三个维度的数据标签的提取与重组。基本属性标签体系涵盖了学生的基本信息如姓名、性别、年龄和专业等；现实行为标签则反映了学生的日常活动如学习情况（包括成绩排名、学习态度等）、消费行为（如购物偏好、消费水平等）；虚拟社交标签则捕捉了学生在社交平台上的活动痕迹如社交媒体发布内容、互动情况等。这些标签体系通常以树状结构呈现从一级标签细分至多级子标签直至触及原始数据的叶子标签。这种结构不仅便于数据的存储和检索还能够清晰地展示数据之间的层次关系和内在联系。

画像构建层是画像技术的核心环节。随着数据处理层工作的深入，可以逐渐构建起了一个全面而精细的学生画像。这一画像不仅包含了学生的基本信息和日常行为，还深入剖析了他们的经济条件、心理健康和网络行为等关键维度。在画像构建的过程中，可以充分利用数据处理层提供的标签值运用聚类分析、离散分析和关联分析等方法对每个学生的整体状况进行深入剖析和挖掘。例如，通过聚类分析，可以将学生按照学习成绩、消费行为等特征进行分组以便于学校针对不同群体制定更加精准的教育政策和服务措施；通过离散分析，可以发现学生行为中的异常点和变化趋势从而及时采取干预措施；通过关联分析，可以揭示不同维度数据之间的内在联系和相互影响从而为学校提供更加全面的决策支持。

画像分析服务层致力于对画像结果进行深入分析，并根据分析结果提供定制化的精准思政服务。例如，若学生的学习情况标签值偏低，可将其识别为学业困难学生，并针对性地组建帮扶小组或提供补习班等资源帮助他们提高学习成绩。同样，经济、心理健康或网络行为方面的异常标签也可以触发相应的帮扶教育措施。针对经济困难的学生，可以提供助学金、勤工俭学岗位等支持帮助他们缓解经济压力；针对心理健康问题的学生，可以提供专业的心理咨询和辅导服务帮助他们走出困境；针对网络行为异常的学生，可以加强网络教育和管理引导他们树立正确的网络观念和行为习惯。通过这些个性化的帮扶机制，可以实现一人一档、一人一策的精准思政模式，为每位学生的全面发展提供有力保障。