论文部分内容阅读
【摘 要】智能传播技术的发展深刻影响各个领域，新时代高校思想政治工作围绕立德树人根本任务，充分利用云计算、大数据、物联网等现代信息技术，提高思想政治理论的教学、传播、对学生的学习、思想、生活、心理等状况进行精准分析、有效识别、及时决策、按期追踪、精准预测，深化智能技术对学生开展教育、管理和服务，并对教育实践活动实现精准评估具有重要意义。智能化、移动网络、大数据、云计算等技术是通过学生的价值取向有选择的获取精准数据，从而将高校思想政治工作实现了“大水漫灌”向“精准滴灌”的转变，实现思想政治工作人机环境三个体系的有机融合，增强思想政治工作针对性、科学性、时效性以及协同性。
【关键词】大数据;高校思想政治工作;智能化
一、借助算法优势构建思政评估调节模式
思想政治教育全面开启人工智能时代的工作模式，通过学生基础数据库，整合全周期数据材料，首先筛选链条数据、关联性数据、分析数据结构，研判决策系统、实施动态的评估，通过制度保障系统与管理协同方案实时反馈数据的整体化信息及个性化信息。
1.筑牢算法价值体系 重构信息权重配比
精准思政的实施首要是建立准确的学生基础数据库，采集全链条数据，排列横向与纵向的周期性数据。整合与学生有关的基本情况数据、第二课堂分值、学业发展、家庭情况、实践方向、就业情况、表彰奖励等。数据处理可以利用相关性筛选有效值，完成“清洗”数据层，去伪存真剔除单组数据的分割性与局限性从而提高可靠数据的标准化和利用率。大数据横向纵向相结合将其进行一致性检验，挖掘问题，将社会化思维融入算法加工的思想政治工作传播中。
2.设置网络思政教育优化平台
思政网络教育数据平台要求在分析模型基础上构建严谨决策系统，科学研判学生成长发展实际，为了分析学生心理、接受教育成果、社会价值观提供扎实理论依据从而完成思想政治工作者的目标培养。
程序算法通过蚁群算法最优分析中尝试整体化研判，摸索学生成长规律和认知水平。实践研判体系包括：家庭和谐情况、学生心理状况、学生生活经济情况、兴趣潜能发现、就业智能匹配推荐、社交圈分类、学业状态预警、日常学习生活状态捕捉及识别、判别认定、摸排诊断等。针对特殊数据，即特别关注的学生可以加入复杂性轨迹，加入相关性影响阈值，以提供给供思想政治工作者及时采取有效措施帮助学生纠正或建立良好的生活方式，得到精准思政的工作效率。也可以应用模糊预测方法建立社交关系心理健康、学习指数、生活习惯、异常行为等数学模型，寻找大数据相关性背后的特征、共性、规律，组成学生全面画像，进行精准识别和分析，科学有效地开展思想政治工作。比如现在较为前沿的算法指导分析信息的应用，能够根据学生的行为偏好、习惯、学习环境等有效定制信息并排列出“人工智能+媒体”的信息服务。在智能化的今天，思政工作将聚焦学生的关注热点、喜好、学段，及時传递党中央的决策部署，准确解读中国政策和时事热点问题。“点滴式”也帮助诊疗受网络不良消息诱导的问题。比如沉迷于网络游戏、上课迟到、“翻墙”等学生接收法律法规、校规制度，提供精准的“防沉溺”策略，类似于这样的研判学生最佳引导方案和推送信息能有效鼓励学生积极参与“书香文化”活动，积极参与学校“铁人精神”教育，参加红色文化月、读书月等趣味红色经典活动，从而满足学生不同的兴趣需要和学习需求，达到班委导读和师生共赏的目的。
3.动态评估构建精准反馈系统
打通精准思政的“最后一公里”。[1]一方面，构建动态评估系统，围绕思想政治教育根本任务，建立涵盖历史理论问题的目录清单，组织工作力量开展动态评估信息管理。特别是建立学生资助评估体系、学业评估体系、行为评估体系等。行为评估体系通过对计算机科学与信息技术学院学生寝室门禁、食堂就餐、课堂考勤、意识形态、网络社交等信息采集和关联分析，有助于了解学生的心理波动、生活方式、兴趣偏好。例如基于对学生学习数据的常态化、学业评估体系采用收集读书借阅率、课程通过率、学分绩点等数据的采集和分析，实现对学生专业素养、知识掌握质量等的精准刻画，并得到课堂教学评价的精准反馈。资助评估体系通过分析每月消费水平参数、商场购物情况、恩格尔系数等指标，识别家庭经济困难学生，推荐给思政管理工作者多元化、发展型资助模式，制定资助项目细化资助标准、重点关注个体之间的差异，满足适应学生需求。总体来说对学生数据信息的管理，勾画出兴趣图谱，利用学生群体和个性的“画像”来反馈个体异常信息和整体性有效信息，达到定制式的思政工作方法。特别是对出现行为心理异常、消费异常、厌学逃课的重点关注学生反馈给思政教师，帮助学生找准个人发展着力点，制定育人策略，提升服务管理模式。
4.联合校园办公管理，构建一站式服务体系
精准思政模式不仅仅是思维模式的转变，积极推进思想政治信息高效的传播需要建立全校协同的平台合作。一是要建立校级部门联合办公制度，例如可以将寝室门禁管理、违规用电、卫生程度等测评数据直接传输到学生信息库，将教务、评优情况、实践成绩、就业择业等各部门信息整合进统一的协同机构，建构以学生需求为中心的管理、教育教学一站式服务体系，统一学校不同部门之间的端口与标准，联通整合各部门数据，提升人工智能条件下思想政治教育信息的传播优势，使共治共享共建的精准思政理念融入思想政治工作全过程，达到把握教育对象诉求精准服务学生的目的。[2]
二、PID控制算法理念渗入学生思想政治教育管理工作
精准思维是以习近平同志为核心的党中央治国理政的鲜明特征。总书记多次强调要培养精准开展思维的工作方法。精准是一种把握事物本质规定性的思维方法，提出针对性策略，强调对象差异性，体现了具体问题具体分析的马克思主义科学方法论。[2]精准思维要求我们在认识和改造世界过程中，通过对事物进行深入分析和准确研判，抓住事物的主要矛盾，各类算法精准有效地解决学生思想政治管理问题、推动工作。PID控制算法是自动化学科的经典算法，自发展至今经久不衰，并在各个学科领域中得到广泛的发展和应用，占比实际应用控制算法的70%。PID控制器的输出是微分、积分、偏差的比例三者之和，即微分控制、积分控制、比例控制之和。采用PID算法对思想政治教育理念进行研讨和分析。借助PID算法模式对学生用户体系进行勾勒预测标签，提前研判大学生信息的需求量，并与思想政治工作者之间建立教育传导模式，全面计算“剩余数据”和“实践数据”并从价值倾向模式中筛选思想行为谱系的“数据指纹”，增加大学生数字“画像”的精准度。应用的实施和拓展贴近大学生现实生活，监测学生关注的信息变化、成长困惑，使大学生得到有力的人文关怀，增强学习模块之间的相关性和连贯性借助网络学习共同体促进大学生在线上线下虚与实之间和谐发展。通过PID数字化评估结果掌握学习生活状态，对已有的数据建立预测性模型，使其发展过程演示动态化，有效提升思想政治教育精准性。 PID与理论基础知识的融合，理论知识可以看作包含专业能力、人文素质和思想政治水平。首先PID算法不仅仅是理论推导出的，更是工程师实践工作中不断总结出来的，这符合学生成长的世界观所形成的知识结构，任何学生的知识理论学习都存在实践-认识-再实践-再认识的过程，同时符合马克思基本原理，即认识与实践是辩证统一的。个人与集体的辩证关系，每个大学生生活在学校中都有自己的长处和不足，做一件事情，参加团队竞赛、班级集体活动单凭一己之力难以做好，在高效思想政治工作中注意培养学生的团队合作能力，充分发挥集体力量。PID的比例控制、微分控制、积分控制在实际应用中不会单独被使用，一般是微分控制与比例控制相结合，或者积分控制与比例控制相结合，或者三种共同结合得以实现。[3]辩证唯物主义统一观，大学生的意识形态在四年中可视为动态变化。PID中的微分可以反映参数一瞬间的动态变化，而积分反映了学生某一时间段内的变化，可以是静态与动态变化相结合，这对于思想政治教育工作者对立统一的分析学生心理健康变化较为有利。以PID视角引导学生在“理论学习”中挖掘课程知识体系，培养学生发现问题、勤于思考、分析问题的能力，教会学生正确的思维理念，激发学生接受思政知识、深入了解党史以及参与主动学习的积极性，使其认识到专业知识与人文素养融合的重要性。PID算法完全实现实事求是的精神。PID算法在实践中根据具体参数对象、具体的控制问题不断提出新的改进算法，如微分先行控制算法、积分分离PID控制算法、同时加入神经网络、模糊计算、自适应等方法的融合，不断进行优化。智能算法基于自身的资本力量和技术逻辑给思想政治教育带来了新的启发和挑战。应用算法整合数据或者利用技术理念在规避算法风险的同时形成思政新视角。深入学习把握精准思维的基本原则，科学内涵、自觉将信息化思维具体到大数据的应用中，能够有效推动思想政治工作针对性、时效性、管理模式、决策范式、增强方式方法的科学性。[4]
三、大数据智能优化对新时代高校思想政治工作价值
教育部召开的新时代全国高等学校本科教育工作会议强调，要紧紧抓住信息技术变革带来的历史性机遇，推动实现高等教育质量的“变轨超车”，不断推动高等教育的理念创新、方法技术创新和模式创新。[5]高校存有大量以文本、音频、图像、传感器等数据资源，呈现关于个体和群体在不同空间和时间维度的数据链条，大数据在现代信息技术智能算法优化的介入下将原本未发现价值或者低价值的数据信息转化为高价值数据信息，为高校思想政治工作精准化提供了数据基础。利用云计算、大数据、物联网等现代信息技术，对学生学习生活、思想心理等状况进行精准分析识别和追踪预测，多个观测点的叠加整合，把握学生思想行为变化的规律，对可能出现的问题和趋势进行预测，使工作从被动转为主动、从事后转为事先，掌握教育先机，进行预防教育。
大数据时代，数据已成为研究个体及群体活动规律的重要依据。大数据的重要特征是“样本=总体”，使得思想政治工作者能够发现日常工作中被忽略的细节并无限接近学生真实需求。正如维克托·迈尔·舍恩伯格所说：“与局限在小范围的数据相比，使用一切数据为我们带来了更高的精确性，也让我们看到了一些以前无法发现的细节。” [2]大数据信息处理已从“随机样本”扩展到“全体样本”，通过建构科学数据模型，以及对连贯客观数据的深度挖掘，可以更准确地反映隐匿的细节和特征，从而进一步探寻学生社交关系及不同场域的耦合度，更大程度地发掘学生真实诉求。
大数据时代，通过整合动态的数据链，能够实时分析、研判与预测。传统思想政治工作受制于技术条件，对受教育者的信息往往是一种静态把握，无法进行动态掌控和追踪，脱离了思想政治工作的时效性特征要求。而“大数据将从过去相对固定时间点的静态状况推向其随时随地都在变化的过程和状态”。 [3]在大数据技术中，不再一味地追求事物的因果关系，而是更加注重事物的相关关系，并且“建立在相关关系分析法基础之上的预测是大数据的核心”。 通过大数据进行提前研判和事前防控，能够及时挖掘思想政治工作中的潜在关联和存在的问题，制定出针对个体、群体的预案，一定程度上能够实现源头治理，做到未雨绸缪。所有数据“痕迹”将成为思想政治工作者开展预警和施策的有效资源，促使思想政治工作由事后处理向事前预防转变，特别是对于预防高风险的个体行为和群体事件，大数据技术具有显著的优势。物联网、大数据、云计算等现代信息技术是精准思政的硬件基础，精准识别、精准分析、精准决策、精准预测、精准追踪、精准评估是精准思政的实施过程，精准教育、管理和服务则是精准思政的具体应用。从特征上看，精准思政作为一种新的教育实践活动，凸显场域对象差异化、隐匿特征显性化、供给结构科学化、管理措施前置化、服务支持实时化、反馈机制动态化等六维特征。优化“计算机专业学生通识选修课程+宽口径专业教育”制定人才培养方案，并结合社团活动、心理疏导、创新创业、扶贫助困、社会实践、成长指导、职业规划等育人模块，构建第一课堂与第二课堂相衔接的育人体系，为课程设置、活動设计、计算机专业分流等不同发展阶段提供科学参考，实现第一课堂和第二课堂育人的有效供给。精准思政需重视信息隐私与信息安全规章制度建设。学生数据涉及个人隐私、信息保护等伦理和法律问题。[6]在大数据智能优化的不断渗入和应用中，严格的大数据使用规则条例，合理合法地进行脱敏隐私保护，思想政治工作者数据分析、挖掘、使用，评估、反馈和调节的工作思路和方法才会不断更加有效的提升，从而保证教育效果的长效化。
参考文献：
[1][2][4][6][英]维克托·迈尔·舍恩伯格，肯尼思·库克耶.大数据时代[M].译者：周涛.杭州：浙江人民出版社，2013：15，17，75，21.
[3]陈文，蒲清平，邹放鸣.大数据时代的高校学生教育管理模式转变与应对策略[J].江苏高教，2017（1）.
[5]邹绍清.论大数据嵌入青年社会主义核心价值观培育的战略契合及思维变革[J].马克思主义研究，2015（6）.
作者简介：
张宇，1988年2月出生，黑龙江省大庆市，2011-2014东北石油大学应用数学专业，现任大庆师范学院计算机科学与信息技术学院学生党支部书记，并从事5年思想政治理论教研和学管工作。现就读东北石油大学博士研究生。
（作者单位：大庆师范学院 计算机科学与信息技术学院）
【关键词】大数据;高校思想政治工作;智能化
一、借助算法优势构建思政评估调节模式
思想政治教育全面开启人工智能时代的工作模式，通过学生基础数据库，整合全周期数据材料，首先筛选链条数据、关联性数据、分析数据结构，研判决策系统、实施动态的评估，通过制度保障系统与管理协同方案实时反馈数据的整体化信息及个性化信息。
1.筑牢算法价值体系 重构信息权重配比
精准思政的实施首要是建立准确的学生基础数据库，采集全链条数据，排列横向与纵向的周期性数据。整合与学生有关的基本情况数据、第二课堂分值、学业发展、家庭情况、实践方向、就业情况、表彰奖励等。数据处理可以利用相关性筛选有效值，完成“清洗”数据层，去伪存真剔除单组数据的分割性与局限性从而提高可靠数据的标准化和利用率。大数据横向纵向相结合将其进行一致性检验，挖掘问题，将社会化思维融入算法加工的思想政治工作传播中。
2.设置网络思政教育优化平台
思政网络教育数据平台要求在分析模型基础上构建严谨决策系统，科学研判学生成长发展实际，为了分析学生心理、接受教育成果、社会价值观提供扎实理论依据从而完成思想政治工作者的目标培养。
程序算法通过蚁群算法最优分析中尝试整体化研判，摸索学生成长规律和认知水平。实践研判体系包括：家庭和谐情况、学生心理状况、学生生活经济情况、兴趣潜能发现、就业智能匹配推荐、社交圈分类、学业状态预警、日常学习生活状态捕捉及识别、判别认定、摸排诊断等。针对特殊数据，即特别关注的学生可以加入复杂性轨迹，加入相关性影响阈值，以提供给供思想政治工作者及时采取有效措施帮助学生纠正或建立良好的生活方式，得到精准思政的工作效率。也可以应用模糊预测方法建立社交关系心理健康、学习指数、生活习惯、异常行为等数学模型，寻找大数据相关性背后的特征、共性、规律，组成学生全面画像，进行精准识别和分析，科学有效地开展思想政治工作。比如现在较为前沿的算法指导分析信息的应用，能够根据学生的行为偏好、习惯、学习环境等有效定制信息并排列出“人工智能+媒体”的信息服务。在智能化的今天，思政工作将聚焦学生的关注热点、喜好、学段，及時传递党中央的决策部署，准确解读中国政策和时事热点问题。“点滴式”也帮助诊疗受网络不良消息诱导的问题。比如沉迷于网络游戏、上课迟到、“翻墙”等学生接收法律法规、校规制度，提供精准的“防沉溺”策略，类似于这样的研判学生最佳引导方案和推送信息能有效鼓励学生积极参与“书香文化”活动，积极参与学校“铁人精神”教育，参加红色文化月、读书月等趣味红色经典活动，从而满足学生不同的兴趣需要和学习需求，达到班委导读和师生共赏的目的。
3.动态评估构建精准反馈系统
打通精准思政的“最后一公里”。[1]一方面，构建动态评估系统，围绕思想政治教育根本任务，建立涵盖历史理论问题的目录清单，组织工作力量开展动态评估信息管理。特别是建立学生资助评估体系、学业评估体系、行为评估体系等。行为评估体系通过对计算机科学与信息技术学院学生寝室门禁、食堂就餐、课堂考勤、意识形态、网络社交等信息采集和关联分析，有助于了解学生的心理波动、生活方式、兴趣偏好。例如基于对学生学习数据的常态化、学业评估体系采用收集读书借阅率、课程通过率、学分绩点等数据的采集和分析，实现对学生专业素养、知识掌握质量等的精准刻画，并得到课堂教学评价的精准反馈。资助评估体系通过分析每月消费水平参数、商场购物情况、恩格尔系数等指标，识别家庭经济困难学生，推荐给思政管理工作者多元化、发展型资助模式，制定资助项目细化资助标准、重点关注个体之间的差异，满足适应学生需求。总体来说对学生数据信息的管理，勾画出兴趣图谱，利用学生群体和个性的“画像”来反馈个体异常信息和整体性有效信息，达到定制式的思政工作方法。特别是对出现行为心理异常、消费异常、厌学逃课的重点关注学生反馈给思政教师，帮助学生找准个人发展着力点，制定育人策略，提升服务管理模式。
4.联合校园办公管理，构建一站式服务体系
精准思政模式不仅仅是思维模式的转变，积极推进思想政治信息高效的传播需要建立全校协同的平台合作。一是要建立校级部门联合办公制度，例如可以将寝室门禁管理、违规用电、卫生程度等测评数据直接传输到学生信息库，将教务、评优情况、实践成绩、就业择业等各部门信息整合进统一的协同机构，建构以学生需求为中心的管理、教育教学一站式服务体系，统一学校不同部门之间的端口与标准，联通整合各部门数据，提升人工智能条件下思想政治教育信息的传播优势，使共治共享共建的精准思政理念融入思想政治工作全过程，达到把握教育对象诉求精准服务学生的目的。[2]
二、PID控制算法理念渗入学生思想政治教育管理工作
精准思维是以习近平同志为核心的党中央治国理政的鲜明特征。总书记多次强调要培养精准开展思维的工作方法。精准是一种把握事物本质规定性的思维方法，提出针对性策略，强调对象差异性，体现了具体问题具体分析的马克思主义科学方法论。[2]精准思维要求我们在认识和改造世界过程中，通过对事物进行深入分析和准确研判，抓住事物的主要矛盾，各类算法精准有效地解决学生思想政治管理问题、推动工作。PID控制算法是自动化学科的经典算法，自发展至今经久不衰，并在各个学科领域中得到广泛的发展和应用，占比实际应用控制算法的70%。PID控制器的输出是微分、积分、偏差的比例三者之和，即微分控制、积分控制、比例控制之和。采用PID算法对思想政治教育理念进行研讨和分析。借助PID算法模式对学生用户体系进行勾勒预测标签，提前研判大学生信息的需求量，并与思想政治工作者之间建立教育传导模式，全面计算“剩余数据”和“实践数据”并从价值倾向模式中筛选思想行为谱系的“数据指纹”，增加大学生数字“画像”的精准度。应用的实施和拓展贴近大学生现实生活，监测学生关注的信息变化、成长困惑，使大学生得到有力的人文关怀，增强学习模块之间的相关性和连贯性借助网络学习共同体促进大学生在线上线下虚与实之间和谐发展。通过PID数字化评估结果掌握学习生活状态，对已有的数据建立预测性模型，使其发展过程演示动态化，有效提升思想政治教育精准性。 PID与理论基础知识的融合，理论知识可以看作包含专业能力、人文素质和思想政治水平。首先PID算法不仅仅是理论推导出的，更是工程师实践工作中不断总结出来的，这符合学生成长的世界观所形成的知识结构，任何学生的知识理论学习都存在实践-认识-再实践-再认识的过程，同时符合马克思基本原理，即认识与实践是辩证统一的。个人与集体的辩证关系，每个大学生生活在学校中都有自己的长处和不足，做一件事情，参加团队竞赛、班级集体活动单凭一己之力难以做好，在高效思想政治工作中注意培养学生的团队合作能力，充分发挥集体力量。PID的比例控制、微分控制、积分控制在实际应用中不会单独被使用，一般是微分控制与比例控制相结合，或者积分控制与比例控制相结合，或者三种共同结合得以实现。[3]辩证唯物主义统一观，大学生的意识形态在四年中可视为动态变化。PID中的微分可以反映参数一瞬间的动态变化，而积分反映了学生某一时间段内的变化，可以是静态与动态变化相结合，这对于思想政治教育工作者对立统一的分析学生心理健康变化较为有利。以PID视角引导学生在“理论学习”中挖掘课程知识体系，培养学生发现问题、勤于思考、分析问题的能力，教会学生正确的思维理念，激发学生接受思政知识、深入了解党史以及参与主动学习的积极性，使其认识到专业知识与人文素养融合的重要性。PID算法完全实现实事求是的精神。PID算法在实践中根据具体参数对象、具体的控制问题不断提出新的改进算法，如微分先行控制算法、积分分离PID控制算法、同时加入神经网络、模糊计算、自适应等方法的融合，不断进行优化。智能算法基于自身的资本力量和技术逻辑给思想政治教育带来了新的启发和挑战。应用算法整合数据或者利用技术理念在规避算法风险的同时形成思政新视角。深入学习把握精准思维的基本原则，科学内涵、自觉将信息化思维具体到大数据的应用中，能够有效推动思想政治工作针对性、时效性、管理模式、决策范式、增强方式方法的科学性。[4]
三、大数据智能优化对新时代高校思想政治工作价值
教育部召开的新时代全国高等学校本科教育工作会议强调，要紧紧抓住信息技术变革带来的历史性机遇，推动实现高等教育质量的“变轨超车”，不断推动高等教育的理念创新、方法技术创新和模式创新。[5]高校存有大量以文本、音频、图像、传感器等数据资源，呈现关于个体和群体在不同空间和时间维度的数据链条，大数据在现代信息技术智能算法优化的介入下将原本未发现价值或者低价值的数据信息转化为高价值数据信息，为高校思想政治工作精准化提供了数据基础。利用云计算、大数据、物联网等现代信息技术，对学生学习生活、思想心理等状况进行精准分析识别和追踪预测，多个观测点的叠加整合，把握学生思想行为变化的规律，对可能出现的问题和趋势进行预测，使工作从被动转为主动、从事后转为事先，掌握教育先机，进行预防教育。
大数据时代，数据已成为研究个体及群体活动规律的重要依据。大数据的重要特征是“样本=总体”，使得思想政治工作者能够发现日常工作中被忽略的细节并无限接近学生真实需求。正如维克托·迈尔·舍恩伯格所说：“与局限在小范围的数据相比，使用一切数据为我们带来了更高的精确性，也让我们看到了一些以前无法发现的细节。” [2]大数据信息处理已从“随机样本”扩展到“全体样本”，通过建构科学数据模型，以及对连贯客观数据的深度挖掘，可以更准确地反映隐匿的细节和特征，从而进一步探寻学生社交关系及不同场域的耦合度，更大程度地发掘学生真实诉求。
大数据时代，通过整合动态的数据链，能够实时分析、研判与预测。传统思想政治工作受制于技术条件，对受教育者的信息往往是一种静态把握，无法进行动态掌控和追踪，脱离了思想政治工作的时效性特征要求。而“大数据将从过去相对固定时间点的静态状况推向其随时随地都在变化的过程和状态”。 [3]在大数据技术中，不再一味地追求事物的因果关系，而是更加注重事物的相关关系，并且“建立在相关关系分析法基础之上的预测是大数据的核心”。 通过大数据进行提前研判和事前防控，能够及时挖掘思想政治工作中的潜在关联和存在的问题，制定出针对个体、群体的预案，一定程度上能够实现源头治理，做到未雨绸缪。所有数据“痕迹”将成为思想政治工作者开展预警和施策的有效资源，促使思想政治工作由事后处理向事前预防转变，特别是对于预防高风险的个体行为和群体事件，大数据技术具有显著的优势。物联网、大数据、云计算等现代信息技术是精准思政的硬件基础，精准识别、精准分析、精准决策、精准预测、精准追踪、精准评估是精准思政的实施过程，精准教育、管理和服务则是精准思政的具体应用。从特征上看，精准思政作为一种新的教育实践活动，凸显场域对象差异化、隐匿特征显性化、供给结构科学化、管理措施前置化、服务支持实时化、反馈机制动态化等六维特征。优化“计算机专业学生通识选修课程+宽口径专业教育”制定人才培养方案，并结合社团活动、心理疏导、创新创业、扶贫助困、社会实践、成长指导、职业规划等育人模块，构建第一课堂与第二课堂相衔接的育人体系，为课程设置、活動设计、计算机专业分流等不同发展阶段提供科学参考，实现第一课堂和第二课堂育人的有效供给。精准思政需重视信息隐私与信息安全规章制度建设。学生数据涉及个人隐私、信息保护等伦理和法律问题。[6]在大数据智能优化的不断渗入和应用中，严格的大数据使用规则条例，合理合法地进行脱敏隐私保护，思想政治工作者数据分析、挖掘、使用，评估、反馈和调节的工作思路和方法才会不断更加有效的提升，从而保证教育效果的长效化。
参考文献：
[1][2][4][6][英]维克托·迈尔·舍恩伯格，肯尼思·库克耶.大数据时代[M].译者：周涛.杭州：浙江人民出版社，2013：15，17，75，21.
[3]陈文，蒲清平，邹放鸣.大数据时代的高校学生教育管理模式转变与应对策略[J].江苏高教，2017（1）.
[5]邹绍清.论大数据嵌入青年社会主义核心价值观培育的战略契合及思维变革[J].马克思主义研究，2015（6）.
作者简介：
张宇，1988年2月出生，黑龙江省大庆市，2011-2014东北石油大学应用数学专业，现任大庆师范学院计算机科学与信息技术学院学生党支部书记，并从事5年思想政治理论教研和学管工作。现就读东北石油大学博士研究生。
（作者单位：大庆师范学院 计算机科学与信息技术学院）