论文部分内容阅读
摘要：高校在对学生进行教育与管理工作的决策时，需要根据不同环境、针对不同问题进行不同的决策。在大数据时代，不论是思想政治教育还是日常的管理、学生行为判断等工作，都可以使用大数据工具对决策过程进行数据支撑。根据目前高校思想政治教育的现状，对思政教育人员的理论水平、工作效率和覆盖面要求很高，大部分思政教育人员还未能充分使用大数据工具。高校可以通过提升树立大数据理念，学习数据支撑方法，切实提高校园管理和思想政治教学水平。
关键词：数据支撑;思政教育;学生管理
一、研究背景
“移动互联网+大数据”时代的来临，信息技术不断飞速发展，大多数高校在其校园内部对学生个人数据的采集、存储、优化、传递、共享、更新的信息化已经逐步推进，很多校园已经实现了数字化管理，办公也尽量实现了一站式线上化，切实提升了校园管理和教育的效率，方便师生。在这样的背景下，通过数字化校园的一系列工作，许多师生信息与行为数据保存了下来，并且实时更新着。找到一种方法，将大量信息整合，为学校决策提供支持，是一个值得研究的课题。
大数据的的影响力不止在日常校园管理方面，在思想政治教育工作上，既面临了新的机遇，在传播途径、教育内容、工作方法上也有着相应的挑战。不管是教师还是学生，如何利用好大数据工具，调整好心态，使教育教学工作更加具有针对性，提高信息的传输和接受效率，也同样使一个值得研究的课题、
二、意义与目标
2.1思政教育方面
高等学校，因其承担着人才培养和文化传承的重要使命，是思想交融、文化交流的重要场所，已经成为了意识形态工作的前沿阵地。所以，高校在培养人才，制定科研计划，推进教学工作的同时，应当将思想引领上升到国家战略层面，将“课程思政”的思想紧密结合，做好主旋律、正能量的发声和引导，树立文化自信，在自己的阵地上努力维护国家、社会得安全和稳定。
同时，高校的意识形态工作的好坏，也决定着高校能否顺利培养出目标人才。习总书记讲过，高校的教育工作一定要回答好“为谁培养人、培养什么人、怎样培养人”三个问题，一名合格的当代大学生不止要拥有过硬的知识理论水平、较高的综合能力，也应该拥有坚定的思想政治意识。而且无论是教师还是学生，都应该在思想政治意识的前沿阵地上，坚定不移的弘扬社会主义核心价值观，做好本职工作，传播正能量。
利用好大数据工具，可以通过数据挖掘展示目前的教育教学状态、学生接受一些知识的反应，辅助教师调整自己的工作思路，提高学生在教育教学工作中的参与度与积极性，同时，也使得教师的工作过程更加透明，让决策有切实可行的数据支撑。
另外，通过对安全问题的行为分析，找准某些问题发生的根本原因，从问题的源头进行针对性处理，制定切实有效的网络社会管理方案;密切关注舆论及舆论导向工作，真正做到网络社会管理各主体治理的协作化、智能化，提高解决重大网络安全问题的工作效率。
2.2日常管理方面
从高等教育在中国发展开始，高校作为教师和学生思想最活跃的场所，总是最先接触到先进技术、前卫思想的群体，在高校学生的管理方法和理念上，尤其受信息技术的影响。随着大数据时代的到来，信息技术在各个领域爆发式发展，也推动了高校学生管理工作的信息化大变革。新的时期，必须重新构建新的工作体制，结合大数据时代所拥有的各类资源，向目前面临的高效管理挑战，快速、高效、维持稳定的管理要求，必须不断将挑战内化为动力，才能为高校学生管理工作打开新的局面，从而保证高校的教育事业蓬勃发展。
在日常的管理工作中，维稳和预警总是离不开的话题。通过大数据工具，我们可以找到其最擅长的功能——反映集体的属性，以此判断某个群体的某些行为以及该行为带来的后果。我们也可以通过数据支撑，对某些个人或者小群体的异常行为进行预警，以便做好充足的准备应对突发情况。
此外，信息技术带来的信息传播途径广、速度快、反馈及时的特点，也是高校学生信息化管理所必要的一些特点。
三、数据研究
在信息技术发展的历史中，“数据”本身就是一个较为笼统的概念，包含了各种各样的信息，大数据时代也没有一个严格意义上“大”的描述，数据格式和数量上也没有一个明确的界定，整个行业也都是根据自身的情况进行实际操作的，具体问题，有着具体的分析方法。
3.1数据特点
所有人在生活的过程中，总是在不停的产生数据，久而久之，就有海量的数据被信息系统记录，分析以及处理，也会数据分析系统不断挖掘看似没有关系的数据之间的价值，来创造出新的领域。
大数据有如下4个特点：
（1）数量龐大。社交网络（微博、微信、QQ空间）、电商购物、网络服务、信息系统记录等，都可以作为数据的来源。
（2）形式繁杂。数据来源口径广、范围大，直接导致了数据形式的多样性，也增加了数据之间协同分析的难度。
（3）生产速度高。互联网已经扩展到生活的每一个角落，每个人的一举一动都时时刻刻产生着数据，并且总是实时更新、记录的，对于某一个软件来说，如果所有数据都不加以筛选就存储或处理，久而久之，数据会大到难以想想，也会给服务器造成无端的处理压力。另外，因为数据更新速度快，对于某些大数据应用，也需要一个及时的信息处理系统，反应实时变化的情况。
（4）价值。如之前所说，数据总是在不断生产着，但是一些边缘无意义的数据垃圾也同时生产着，真正有价值的数据是需要使用者通过某些算法挖掘出来，并且加以模型和计算才能提现。回归数据本身，人们通过统计分析、机器学习等方法，从先有的海量数据中挖掘出有用的信息，发现新的规律和知识，推动各个领域向更智能更先进的方向发展，就是数据价值的体现了。
2.2 学生数据分类
从研究方向上看，数据可以分为两类。一类是面向集体行为进行判断的，此类数据多来源于不记名的调查、大量群体公开的行为数据、通过统计分析的来的统计数据等，该类数据挖掘出的信息可以研究群体的属性，比如学生此时的舆论情况，成绩分布情况，食堂整体消费情况等。另一类是能精确到个人的数据，此类数据多来源于实名的调查、日常行为产生的被动记录数据、个人消费等特殊数据，此类数据挖掘出的信息可以用于判断单个学生与集体的关系，是否有一些特殊情况需要特别对待，及时进行危机干预工作。 四、模型的建立
1.数据处理技术分析
学生行为分析系统需要有各类数据源提供的海量数据作为基础。其中有规则的数据，例如学校信息系统中的个人信息，学生上课的考勤数据、学生一卡通的消费情况、校园信息系统记录的数据等;不规则数据则多产生于学生自发产生的，学生微信朋友圈表达的、学生QQ空间表达的、睿思校园bbs上表达的各类数据等。这些数据的处理就为学生行为分析提供了强有力的数据支撑，数据预处理主要目的将各类数据转换成系统可以处理的数据，各类数据转化为文本数据，以文件的格式分布式存储下来。在存储不规则的数据时，使用Hadoop的HDFS文件系统。即HBASE非关系数据库中。再利用Hive工具对不规则的文本化数据进行数据挖掘，以MapReduce 编程模型为基础进行数据分析，使用k-means聚类算法、主成分分析法等算法进行数据的处理，已完成学生行为分析的功能。
2.统计分析
利用数学统计的方法，对学生当前产生的数据与已经产生的历史数据进行整合分析，可以使用3D数据可视化工具将统计结果和变化过程直观的展示出来，作为辅助我们判断形势、选取阈值的工具。例如针对学生在图书馆借书的信息，可以看出普通学生课外读书的数量，以此为判断划分出不爱去图书馆的同学，以及学有余力的同学，作为分析学业水平的辅助指标。
3.建立模型
在数据处理之后，建立模型进行分析并且获得结果，才是大数据技术的价值体现。海量数据、数据之间的独立性，都需要靠我们通过建立数据处理模型的方法进行计算，进而挖掘的数据之间的关系，再获得对我们有价值的结果，为我们的决策提供数据支撑。
①学生基本信息模块：该模块主要依赖于学校现有的信息库，重点展示学生群体的基本信息。通过数学统计的方法展示学生群体的地域分布、年龄分布、民族构成等。
②图书馆分析模块：该模块主要依赖于图书馆门禁和借书系统的数据统计，是对学生进出图书馆的时间和次数、图书借阅信息如学生借阅书籍的类别和名称等，可以作为分析学生学习情况、课外活动情况、学生心理情况等的参考。
③餐厅消费模块：该模块主要依赖于餐厅消费记录，不论学生使用何种支付手段，都需要绑定校园一卡通，进而可以获得群体的数据，如消费金额、集中就餐的时间分布、消费品种等信息对具体学生情况进行判断。如早饭消费時间和消费种类可以用来做学生健康调查分析，消费次数及消费金额协同判断可以作为该生是否是贫困生的一个参考。
④舆论分析模块：该模块主要依赖于学生自主发言的信息采集，利用采集到的学生发言数据，如朋友圈和QQ空间中的各类发言和评论，通过词频分析，可以看到学生目前最关注的一些信息是什么，以此判断某些事件的舆论影响力，以提供给校方决策的数据支持。
⑤预警模块：该模块主要依赖于单一学生的数据与集体数据的关系判断，从海量数据中可以获取学生平均的数据水平，再从某些个例学生的情况里汲取特殊数据作为预警阈值，并且辅助以突破平均水平的某些数据，以此判断学生在该情况下是否需要危机预警，如行为轨迹，消费异常，学业情况异常等情况。
五、探索与思考
在现代信息化校园里，有着大数据工具支撑的工作环境，作为一名高校思想政治教育人员，应该充分发挥学科优势，将思政教育的细枝末节落到实处，切实发现并解决小而细的问题，不能一味依靠传统的教育教学方法。在当下的技术实现过程中，可能有很多技术手段需要依靠外界专业公司，他们掌握着技术积累，掌握着海量的数据信息，我们应该保持着开放的心态，将技术引进来，将思政教育与信息技术充分结合。
利用大数据技术，我们也可以更加了解工作对象的群体特点，深入学生、了解学生，从学生真正的需求出发，去进行思想政治教育工作。同时，要求每一名思政工作者积极主动的收集数据，尽量保留教学和学习过程中产生的数据，再利用大数据工具做好分析工作，找到某些具体的问题和面对的对象，改良我们的教育教学过程。
另外，数据的来源、数据的存储、数据的保护，都需要考虑到法律法规的相关规定，保证学生的隐私不受到威胁，特别是牵扯到个人的具体数据，更是直接影响到学生个人利益。在我们的工作中，也必须对隐私问题予以重视，制定相应的法律法规，保证数据的获取、管理、使用都合法合规。
参考文献：
[1]杨阳.大数据下的学生校园行为分析预警管理平台建构初探[J].当代教研论丛，2018（08）：93.
[2]蔡成军.消费大数据下的学生行为分析[J].中国多媒体与网络教学学报（中旬刊），2019（06）：188-189.
[3]李铁波.基于校园大数据的学生行为特征分析与预测方法[J].重庆理工大学学报（自然科学），2019，33（07）：201-206.
[4]王利祥.大数据背景下高校学生行为分析系统的研究[J].网络安全技术与应用，2019（07）：72-73.
[5]王若成.大数据环境下学生行为分析系统中关键技术的研究[J].信息技术与信息化，2019（07）：196-198.
[6]李健文.大数据背景下高校意识形态工作探析[J].现代商贸工业，2019，40（28）：127-128.
[7]毛浩生.大数据时代高校学生管理工作的挑战与对策分析[J].智库时代，2019（40）：82-83.
[8]黄欣荣.数据驱动的大数据思想政治教育方法论[J].长沙理工大学学报（社会科学版），2019（05）：1-7+128.
[9]余靖.高校思政课堂的习近平新时代中国特色社会主义思想传播[J].才智，2019（27）：40-42.
[10]何晓艺.浅析大数据对思想政治教育的影响及对策研究[J].黑河学刊，2019（05）：127-128.
作者简介：
张宁祥（1991—），男，汉族，陕西西安，辅导员/讲师，硕士，西安电子科技大学，大学生思想政治教育。
杨曾欣（1991—），女，汉族，陕西富平，辅导员/助教，硕士，西安电子科技大学，大学生思想政治教育。
王丹 （1991—），女，汉族，陕西铜川，辅导员/助教，硕士，西安电子科技大学，大学生思想政治教育。
关键词：数据支撑;思政教育;学生管理
一、研究背景
“移动互联网+大数据”时代的来临，信息技术不断飞速发展，大多数高校在其校园内部对学生个人数据的采集、存储、优化、传递、共享、更新的信息化已经逐步推进，很多校园已经实现了数字化管理，办公也尽量实现了一站式线上化，切实提升了校园管理和教育的效率，方便师生。在这样的背景下，通过数字化校园的一系列工作，许多师生信息与行为数据保存了下来，并且实时更新着。找到一种方法，将大量信息整合，为学校决策提供支持，是一个值得研究的课题。
大数据的的影响力不止在日常校园管理方面，在思想政治教育工作上，既面临了新的机遇，在传播途径、教育内容、工作方法上也有着相应的挑战。不管是教师还是学生，如何利用好大数据工具，调整好心态，使教育教学工作更加具有针对性，提高信息的传输和接受效率，也同样使一个值得研究的课题、
二、意义与目标
2.1思政教育方面
高等学校，因其承担着人才培养和文化传承的重要使命，是思想交融、文化交流的重要场所，已经成为了意识形态工作的前沿阵地。所以，高校在培养人才，制定科研计划，推进教学工作的同时，应当将思想引领上升到国家战略层面，将“课程思政”的思想紧密结合，做好主旋律、正能量的发声和引导，树立文化自信，在自己的阵地上努力维护国家、社会得安全和稳定。
同时，高校的意识形态工作的好坏，也决定着高校能否顺利培养出目标人才。习总书记讲过，高校的教育工作一定要回答好“为谁培养人、培养什么人、怎样培养人”三个问题，一名合格的当代大学生不止要拥有过硬的知识理论水平、较高的综合能力，也应该拥有坚定的思想政治意识。而且无论是教师还是学生，都应该在思想政治意识的前沿阵地上，坚定不移的弘扬社会主义核心价值观，做好本职工作，传播正能量。
利用好大数据工具，可以通过数据挖掘展示目前的教育教学状态、学生接受一些知识的反应，辅助教师调整自己的工作思路，提高学生在教育教学工作中的参与度与积极性，同时，也使得教师的工作过程更加透明，让决策有切实可行的数据支撑。
另外，通过对安全问题的行为分析，找准某些问题发生的根本原因，从问题的源头进行针对性处理，制定切实有效的网络社会管理方案;密切关注舆论及舆论导向工作，真正做到网络社会管理各主体治理的协作化、智能化，提高解决重大网络安全问题的工作效率。
2.2日常管理方面
从高等教育在中国发展开始，高校作为教师和学生思想最活跃的场所，总是最先接触到先进技术、前卫思想的群体，在高校学生的管理方法和理念上，尤其受信息技术的影响。随着大数据时代的到来，信息技术在各个领域爆发式发展，也推动了高校学生管理工作的信息化大变革。新的时期，必须重新构建新的工作体制，结合大数据时代所拥有的各类资源，向目前面临的高效管理挑战，快速、高效、维持稳定的管理要求，必须不断将挑战内化为动力，才能为高校学生管理工作打开新的局面，从而保证高校的教育事业蓬勃发展。
在日常的管理工作中，维稳和预警总是离不开的话题。通过大数据工具，我们可以找到其最擅长的功能——反映集体的属性，以此判断某个群体的某些行为以及该行为带来的后果。我们也可以通过数据支撑，对某些个人或者小群体的异常行为进行预警，以便做好充足的准备应对突发情况。
此外，信息技术带来的信息传播途径广、速度快、反馈及时的特点，也是高校学生信息化管理所必要的一些特点。
三、数据研究
在信息技术发展的历史中，“数据”本身就是一个较为笼统的概念，包含了各种各样的信息，大数据时代也没有一个严格意义上“大”的描述，数据格式和数量上也没有一个明确的界定，整个行业也都是根据自身的情况进行实际操作的，具体问题，有着具体的分析方法。
3.1数据特点
所有人在生活的过程中，总是在不停的产生数据，久而久之，就有海量的数据被信息系统记录，分析以及处理，也会数据分析系统不断挖掘看似没有关系的数据之间的价值，来创造出新的领域。
大数据有如下4个特点：
（1）数量龐大。社交网络（微博、微信、QQ空间）、电商购物、网络服务、信息系统记录等，都可以作为数据的来源。
（2）形式繁杂。数据来源口径广、范围大，直接导致了数据形式的多样性，也增加了数据之间协同分析的难度。
（3）生产速度高。互联网已经扩展到生活的每一个角落，每个人的一举一动都时时刻刻产生着数据，并且总是实时更新、记录的，对于某一个软件来说，如果所有数据都不加以筛选就存储或处理，久而久之，数据会大到难以想想，也会给服务器造成无端的处理压力。另外，因为数据更新速度快，对于某些大数据应用，也需要一个及时的信息处理系统，反应实时变化的情况。
（4）价值。如之前所说，数据总是在不断生产着，但是一些边缘无意义的数据垃圾也同时生产着，真正有价值的数据是需要使用者通过某些算法挖掘出来，并且加以模型和计算才能提现。回归数据本身，人们通过统计分析、机器学习等方法，从先有的海量数据中挖掘出有用的信息，发现新的规律和知识，推动各个领域向更智能更先进的方向发展，就是数据价值的体现了。
2.2 学生数据分类
从研究方向上看，数据可以分为两类。一类是面向集体行为进行判断的，此类数据多来源于不记名的调查、大量群体公开的行为数据、通过统计分析的来的统计数据等，该类数据挖掘出的信息可以研究群体的属性，比如学生此时的舆论情况，成绩分布情况，食堂整体消费情况等。另一类是能精确到个人的数据，此类数据多来源于实名的调查、日常行为产生的被动记录数据、个人消费等特殊数据，此类数据挖掘出的信息可以用于判断单个学生与集体的关系，是否有一些特殊情况需要特别对待，及时进行危机干预工作。 四、模型的建立
1.数据处理技术分析
学生行为分析系统需要有各类数据源提供的海量数据作为基础。其中有规则的数据，例如学校信息系统中的个人信息，学生上课的考勤数据、学生一卡通的消费情况、校园信息系统记录的数据等;不规则数据则多产生于学生自发产生的，学生微信朋友圈表达的、学生QQ空间表达的、睿思校园bbs上表达的各类数据等。这些数据的处理就为学生行为分析提供了强有力的数据支撑，数据预处理主要目的将各类数据转换成系统可以处理的数据，各类数据转化为文本数据，以文件的格式分布式存储下来。在存储不规则的数据时，使用Hadoop的HDFS文件系统。即HBASE非关系数据库中。再利用Hive工具对不规则的文本化数据进行数据挖掘，以MapReduce 编程模型为基础进行数据分析，使用k-means聚类算法、主成分分析法等算法进行数据的处理，已完成学生行为分析的功能。
2.统计分析
利用数学统计的方法，对学生当前产生的数据与已经产生的历史数据进行整合分析，可以使用3D数据可视化工具将统计结果和变化过程直观的展示出来，作为辅助我们判断形势、选取阈值的工具。例如针对学生在图书馆借书的信息，可以看出普通学生课外读书的数量，以此为判断划分出不爱去图书馆的同学，以及学有余力的同学，作为分析学业水平的辅助指标。
3.建立模型
在数据处理之后，建立模型进行分析并且获得结果，才是大数据技术的价值体现。海量数据、数据之间的独立性，都需要靠我们通过建立数据处理模型的方法进行计算，进而挖掘的数据之间的关系，再获得对我们有价值的结果，为我们的决策提供数据支撑。
①学生基本信息模块：该模块主要依赖于学校现有的信息库，重点展示学生群体的基本信息。通过数学统计的方法展示学生群体的地域分布、年龄分布、民族构成等。
②图书馆分析模块：该模块主要依赖于图书馆门禁和借书系统的数据统计，是对学生进出图书馆的时间和次数、图书借阅信息如学生借阅书籍的类别和名称等，可以作为分析学生学习情况、课外活动情况、学生心理情况等的参考。
③餐厅消费模块：该模块主要依赖于餐厅消费记录，不论学生使用何种支付手段，都需要绑定校园一卡通，进而可以获得群体的数据，如消费金额、集中就餐的时间分布、消费品种等信息对具体学生情况进行判断。如早饭消费時间和消费种类可以用来做学生健康调查分析，消费次数及消费金额协同判断可以作为该生是否是贫困生的一个参考。
④舆论分析模块：该模块主要依赖于学生自主发言的信息采集，利用采集到的学生发言数据，如朋友圈和QQ空间中的各类发言和评论，通过词频分析，可以看到学生目前最关注的一些信息是什么，以此判断某些事件的舆论影响力，以提供给校方决策的数据支持。
⑤预警模块：该模块主要依赖于单一学生的数据与集体数据的关系判断，从海量数据中可以获取学生平均的数据水平，再从某些个例学生的情况里汲取特殊数据作为预警阈值，并且辅助以突破平均水平的某些数据，以此判断学生在该情况下是否需要危机预警，如行为轨迹，消费异常，学业情况异常等情况。
五、探索与思考
在现代信息化校园里，有着大数据工具支撑的工作环境，作为一名高校思想政治教育人员，应该充分发挥学科优势，将思政教育的细枝末节落到实处，切实发现并解决小而细的问题，不能一味依靠传统的教育教学方法。在当下的技术实现过程中，可能有很多技术手段需要依靠外界专业公司，他们掌握着技术积累，掌握着海量的数据信息，我们应该保持着开放的心态，将技术引进来，将思政教育与信息技术充分结合。
利用大数据技术，我们也可以更加了解工作对象的群体特点，深入学生、了解学生，从学生真正的需求出发，去进行思想政治教育工作。同时，要求每一名思政工作者积极主动的收集数据，尽量保留教学和学习过程中产生的数据，再利用大数据工具做好分析工作，找到某些具体的问题和面对的对象，改良我们的教育教学过程。
另外，数据的来源、数据的存储、数据的保护，都需要考虑到法律法规的相关规定，保证学生的隐私不受到威胁，特别是牵扯到个人的具体数据，更是直接影响到学生个人利益。在我们的工作中，也必须对隐私问题予以重视，制定相应的法律法规，保证数据的获取、管理、使用都合法合规。
参考文献：
[1]杨阳.大数据下的学生校园行为分析预警管理平台建构初探[J].当代教研论丛，2018（08）：93.
[2]蔡成军.消费大数据下的学生行为分析[J].中国多媒体与网络教学学报（中旬刊），2019（06）：188-189.
[3]李铁波.基于校园大数据的学生行为特征分析与预测方法[J].重庆理工大学学报（自然科学），2019，33（07）：201-206.
[4]王利祥.大数据背景下高校学生行为分析系统的研究[J].网络安全技术与应用，2019（07）：72-73.
[5]王若成.大数据环境下学生行为分析系统中关键技术的研究[J].信息技术与信息化，2019（07）：196-198.
[6]李健文.大数据背景下高校意识形态工作探析[J].现代商贸工业，2019，40（28）：127-128.
[7]毛浩生.大数据时代高校学生管理工作的挑战与对策分析[J].智库时代，2019（40）：82-83.
[8]黄欣荣.数据驱动的大数据思想政治教育方法论[J].长沙理工大学学报（社会科学版），2019（05）：1-7+128.
[9]余靖.高校思政课堂的习近平新时代中国特色社会主义思想传播[J].才智，2019（27）：40-42.
[10]何晓艺.浅析大数据对思想政治教育的影响及对策研究[J].黑河学刊，2019（05）：127-128.
作者简介：
张宁祥（1991—），男，汉族，陕西西安，辅导员/讲师，硕士，西安电子科技大学，大学生思想政治教育。
杨曾欣（1991—），女，汉族，陕西富平，辅导员/助教，硕士，西安电子科技大学，大学生思想政治教育。
王丹 （1991—），女，汉族，陕西铜川，辅导员/助教，硕士，西安电子科技大学，大学生思想政治教育。