宜梦楠

伴随着数字技术的迭代创新与广泛应用，教育数字化转型为思想政治教育精准化带来机遇。大数据时代催生的海量数据资源蕴藏着大量有价值信息，既可用于挖掘教育规律与学生身心发展规律，也可通过分析学生日常学习、生活行为、舆情、心理测评等各维度数据开展学生精准画像，为精准思政的多维应用提供数据支撑。

精准思政视域下的学生画像。对于高校思想政治教育而言，学生成长经历、学习风格、兴趣偏好等个体差异较大。精准发现和预测不同学生的特征、需求与行为，是精准思政的现实需求。其一，要实时客观表征学生基本特征。例如，思想政治教育对象具备哪些群体特征、有哪些学习行为习惯等。客观表征能够为教育评价和决策提供依据，是精准思政的首要需求。其二，要精准发现学生的思想需求和偏好。当前高校学生呈现个性化、多元化特征，对成长发展有不同诉求。高校思想政治教育的育人目标并非“一成不变”，而是要精准对接国家、社会和学生的发展需求。其三，还要动态预测学生的思想行为变化。

数据驱动实现学生画像。构建学生画像需要有效运用全过程多模态教育大数据，表征学习情况、发现隐性信息、预测学生思想行为变化，为教育决策提供智慧支撑。与思政教育数据采集相关的智能技术分为网络技术、富媒体技术和感知技术。网络技术支持抓取用于描摹学生行为轨迹的网络数据。如学习通等学习平台公开数据、今日校园管理平台用户日志。富媒体技术支持抓取图文声像和超链接等多种媒体形式的交互式学生数据。如今日校园管理平台中海量的学习资源和学生数字化实践成果多以富媒体形式呈现。感知技术支持抓取学生在课堂学习过程中产生的听觉、视觉、触觉等感知交互数据。如学生的语言、行为、面部情绪、眼神等，可辅助发现学生学习生活的内隐信息。结合精准思想政治教育实践需求与数据采集可行性，从认知发展、行为轨迹、心理状态三个维度切入，梳理学生学习全过程的六类核心数据：基础属性数据、学业类数据、认知类数据、情感类数据、社会实践类数据、消费类数据等。通过结构化与非结构化数据融合，实现从静态能力到动态发展的立体化描摹。

面向思政教育的学生画像逻辑框架与实现流程。第一步，数据处理。由于数据来源于多个异构的原始数据库，存在格式不统一、噪声干扰、数值缺失或不规范等情况，因此，有必要在数据分析前进行预处理，关键的技术思路和步骤包括数据清理、数据集成、数据归约和数据变换。第二步，建立学生标签体系。基于前述六类思政教育数据，最终生成事实标签、模型标签和预测标签。事实类标签主要用于精准定位学生特点、分析学生情况，模型类标签主要用于精准揭示学生思想中存在的显性或隐性问题，预测类标签主要用于预测学生的思想需求与问题动向。第三步，构建学生画像模型。学生画像构建是至关重要的一步，通过将学生的问题画像和需求画像叠加，生成立体化学生画像。学生问题画像包括个体思想问题和群体思想问题，依托分析模型对学生原始数据进行分析，生成模型类标签，精准揭示学生思想中存在的显性或隐性问题。学生需求画像包括个体需求和群体需求，依托深度数据挖掘生成的预测类标签，预判学生思想问题动向、预测学生思想发展需求、预估学生思想提升效果。第四步，评估学生画像质量。质量评估旨在衡量已生成画像对精准思政要求的契合度，常用评估指标包括精准性、全面性和时效性。

学生画像支持的精准思政应用场景。精准定制教育内容，回应个体需求。基于分类算法生成的学生个体画像，不仅能够呈现学生思想特征，还可以反映学生思想问题、透视学生思想需求。根据学生个体的多元化问题标签和需求标签，可为学生量身定制教育内容。遵循认知特点，精准匹配教育方法。学生画像可以呈现学生的认知习惯、特点与喜好。教育者可结合学生画像探索适配的教育方法，提升精准性。精准应用教育载体，促进学生主体作用发挥。丰富、特色、兼具时代性的教育载体，能够满足高校精准思政教育实践发展需要，精准承载定制化教育内容与适配性教育方法。围绕既定教育目标，实现教育内容、教育方法、教育载体的三重精准，可有效激发学生主体作用，引导学生在教育实践中充分发挥主动性、能动性和创造性，推动精准育人目标高质量达成。

作者单位：西安医学院

本文系陕西省社会科学基金项目“数字赋能高校精准思想政治教育研究”（编号：2024A042）；西安医学院辅导员专项课题“大数据时代高校精准思想政治教育研究”（编号：2024FDY01）阶段性成果。