京公网安备 11010802034615号
经营许可证编号:京B2-20210330
评价学生思想品德应引入大数据
习近平总书记在视察中国科学院时指出:“大数据是工业社会的‘自由’资源,谁掌握了数据,谁就掌握了主动权。”思想政治教育在大数据时代背景下面临全新格局,新的历史时期,引入大数据技术,进行大学生思想品德的科学评价,是创新高校学生思想品德教育的重要基石。
一、高校学生思想品德评价指标较为传统
一是多属于“强相关”指标。评价一个学生思想品德优劣,当前的主要做法是看这个学生“是否积极加入党组织”、“是否积极参加学校组织的各项实践活动”等指标。教育实践经验证明,这些“强相关”指标对于评价学生思想品德有着重要价值,教育评价者也习惯用这些指标评价学生思想品德状况。然而,随着网络信息技术的日新月异的发展,评价主体特征发生很大变化,完全依赖这些传统指标评价学生有时候不那么“灵光”了。
二是多属于宏观层面的指标。当前大多数学者在调研、评价学生思想品德状况时,多从国家、社会层面选取较为“宏观”的指标,虽然能够抓住学生大的政治倾向,但往往忽略了学生丰富的内心世界和人格化的品行表现。这些评价指标从信息量、表达方式、具体操作的角度来说,对于评价对象思想动态与日常行为的考察有不小的差距。
三是多属于静态的指标。学生思想品德评价指标体系自20世纪80年代形成以来,发挥了巨大的积极作用,但是其后多年相对固化,缺乏与时俱进。一方面,长时间内固化的“强相关”指标,很容易让被评价对象有“针对性”地在这些指标上下功夫,可以通过舞弊、伪装等行为进行作假。被评价对象不用付出长期艰辛的努力,只要在这些指标上获得认可,就可以获得“好评”。另一方面,伴随着互联网出生、成长的“95后”学生群体不断呈现出网络时代的新特点,也产生了许多新问题,传统的评价指标是否能够体现当代学生的个体价值特征、是否能反映当代学生的社会化的价值诉求,在新的时期需要重新理解与再度审视。
二、现行的思想品德评价指标需要与时俱进
我国长期以来在实践中形成的思想品德评价指标体系,具有时代特征:
一是评价经常依靠“听其言”,注重评价对象“怎么说”及“怎么想”。现行思想品德评价的方法,评价者受主客观条件的局限,主要是通过在规定时间内用集中的方式、有针对性地对“人的思想”展开询问,更多地关注被评价者“怎么想”、“如何说”。然而,人的思想品德及形成非常复杂,其中有认知、情感、意志、信念,有理性、感性、甚至潜意识成份:对于认知、情感等显现的要素我们较易得出工具论的判断,而对于意志、信念等隐性的价值观念层面的指标却很难评定。这种评价方式与标准,容易导致评价者与被评价对象更多地在“怎么说”、“怎么想”之间获得肯定与被肯定,较难获取思想表面与言语之下更深层次、更真实的内容,评价结果的信度可能要打些折扣。
二是客观条件制约了“观其行”,记录与考察评价对象“怎么做”不充分。“欲知其人先观其行”,思想与行为存在相关性,内在的思想认识和情感信念总会通过一定的行为表现出来。只要对于个体行为有长期、动态的地跟踪和记录,是能够真正掌握其思想品德的状况的。在传统社会里,要做到这点非常困难。品德外显行为表现的全时空性,致使我们的观察非常有限,无论从人力还是物力上都无法做到对个体行为长期、动态地跟踪与监测。即使我们在某个集中的特殊时期,会对被调查对象有行为的监测与监督,但只要不能做到随时随地、长期的记录,就无法排除个体行为所表现出来的不是表面的、为了达到某一“目的”刻意暂时伪装的行为,不能排除有时候目的达成便松懈下来呈现出相反的情况。
三是评价对象的时代更替与网络发展,放大了思想品德评价存在的隐性缺陷。以人为本,是思想政治教育的本质要求,也是思想品德评价的立足点和不可偏离的重要主题,更是时代赋予我们的任务与要求。在网络高度发达的今天,以“95后”群体为主的高校学生代际更替越来越快,呈现出日新月异的新特点,并且已经开始从科学文化与网络技术等方面“反哺”教育者,教育的“双主体”特征已经严重挑战原有的思想品德评价。一方面,单向评价已经远远不能满足评价对象的需求,有必要充分尊重学生的主体地位,并调动学生参与思想品德评价的积极性、主动性与创造性,使评价过程更“接地气”;另一方面,互联网与大数据技术的迅速发展与普遍应用,传统的评价体系指向的领域,已经难以与学生们的现实生活紧密结合,评价的实效性逐步下降。
三、引入大数据能够优化学生思想品德评价结果
一是马克思主义实践观与“网络化生存”,是引入大数据优化思想品德评价的理论基础。马克思把自己建立的新哲学叫做“实践的唯物主义”,特别强调实践的本质地位和前提意义,认为只有实践才能改变世界,“如何做”是马克思主义实践观的核心。正所谓“听其言,观其行”,真正值得信赖的是人的“行动”,而不是人的“言辞”。人的外显行为、言语,总的说来,是内部品德与外部环境相互作用的结果。要客观、公正地评价个体的思想品德状况,就必须全面了解和准确把握学生的行为表现。“从行动中来,到行动中去”是大数据时代研究学生思想品德评价指标的全新视角。在大数据时代到来之前,要随时随地获得学生们的行为记录数据,几乎不可能,而这一切在大数据时代却成为现实。“95后”高校学生“每日必网”已经成为高校学生的一种主要生活方式,“网络化生存”模式留下了群体与个体海量日常行为与思想外显痕迹的数据,为研究与评价高校学生思想品德提供了巨量数据样本。
二是“观其行”以及挖掘的日常行为数据,是运用大数据优化思想品德评价的工作抓手。思想品德作为观念与意识层面的东西,存在于人的精神与情感中,想要获得相对准确的评价结果,一方面需要“听其言”通过询问、观察、问卷调查等传统方式进行评价;另一方面,必须要“观其行”,尤其是观察评价对象长期的行为举止,才能有效弥补主要依靠“听其言”或者观察其短期表现进行评价可能出现的偏差。基于高校学生“网络化生存”的客观条件,研究者可以通过多种途径合法收集被评价对象日常学习、生活及娱乐行为形成的多种信息数据,建立起学生个人与集体的海量数据库。数据库一旦建立,通过数据挖掘技术可以挖掘出长期“潜伏”的“弱相关”指标。这些基于大数据的所谓“弱相关”指标,并不是真的弱、对标的没影响,而是与标的“远相关”或者“间接相关”,在传统评价过程中尚未被发现、被关注。通过对数据的挖掘,一方面可以检验传统“强相关”评价指标的科学性与有效性,另一方面可以提炼出“弱相关”指标,从而可以丰富评价指标体系,进而弥补传统评价存在的不足。
三是依托行为数据库建立“强弱结合”的评价指标体系,是运用大数据优化思想品德评价的努力方向。构建“强弱结合”评价指标体系,使基于大数据的“弱相关”指标与基于重要表现的“强相关”指标形成互补,能够产生合力,大大促进新的时期思想品德评价工作的改进与优化。
首先,构建“强弱结合”的评价指标体系,应坚持“从实践中来、到实践中去”的指导思想。与现行的面谈、问卷、汇报材料等传统形式相补充,“弱相关”评价指标偏重细微的、无意识的、生活化的行为表现,是被大数据分析评价对象在自然状态下的日常真实表现。由于是对标的长期、客观、多角度的观察与监测,“弱相关”指标可以反映真实行为与思想情况,使评价更加全面。“弱相关”指标的构建要充分体现“落细落小落实”的特征,既是评价也是教育引导学生从细处着眼、从点滴做起。
其次,构建“强弱结合”的评价指标体系,应体现互联网时代与时俱进的时代精神。 构建“强弱结合”指标的过程,是对大数据技术的一种具体应用,就是从学生的多重社会身份与角色表现、不同时期的成长与行为轨迹和多元评价主体的考核意见等大量的信息中,通过大数据量化实证的方法,检验、提炼出符合时代特征、符合“95后”大学生特点、能够客观反映真实情况的“新”指标。
第三,利用大数据构建“强弱结合”的评价指标体系是一项复杂、动态、开放的内外双循环系统。一方面需要大数据应用的专业技术支撑,需要评价主客体的广泛参与,另一方面,需要对高校学生学习、生活、工作等日常行为数据的长期动态跟踪,并且对其算法与模型的构建要不断调整,从而不断进行“强弱相关”指标及参数的修改完善,提高评价指标的信度与效度。运用大数据优化大学生思想品德的评价指标体系不是万能的,也不是“灵丹妙药”,很有可能因为数据的缺失与数据化的困难而难以实现最终目标。但是,有效利用大数据技术实时对学生思想品德状况做出有效评价与及时引导,从而真正提升德育的针对性与有效性,这一趋势不可避免。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据技术飞速迭代、数字营销竞争日趋激烈的今天,“精准触达、高效转化、成本可控”已成为企业营销的核心诉求。传统广告投放 ...
2026-04-24在游戏行业竞争白热化的当下,用户流失已成为制约游戏生命周期、影响营收增长的核心痛点。据行业报告显示,2024年移动游戏平均次 ...
2026-04-24 很多业务负责人开会常说“我们要数据驱动”,最后却变成“看哪张报表数据多就用哪个”,往往因为缺乏一套结构性的方法去搭建 ...
2026-04-24在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16