数智并举:大数据时代的思想政治教育结构重塑
2020年09月02日 10:16 来源:《中国社会科学报》2020年9月2日第2002期 作者:景星维 唐登蕓

  在大数据和人工智能技术从介入到融合的背景下,思想政治教育活动呈现出思想政治教育的数据化与数据的思想政治教育化的发展趋势。技术和教育活动相互影响、协同发展,极大地重塑着思想政治教育的元素、要素、因素,进而推动思想政治教育发生着深刻变化。在教育活动中,教育元素(Element)是决定思想政治教育性质的最基本单元;教育要素(Feature)是思想政治教育内部结构的组成部分;教育因素(Factor)是影响思想政治教育变化发展的原因条件。

  以立德树人统合思想政治教育的基本元素。教育的数据化与数据的教育化,是大数据时代思想政治教育要把握的核心命题。思想政治教育融合传统优势与新兴技术,需要以铸魂育人、培养时代新人为基石,进而建构全新的思想政治教育数据生态。数据既在科技发展中发挥基础性作用,也是思想政治教育的重要元素。在适应和更新“大数据思维”的同时,我们同样需要坚守社会主义核心价值理念。既要顺应新技术带来的教育个性化转变,也要兼顾和观照思想政治教育的平等化与民主性需求。因此,大数据时代思想政治教育的内容指向,需要围绕政治认同、理论认同、价值认同和情感认同等诸多内容的数智化供给而系统展开,以推进习近平新时代中国特色社会主义思想入脑入心为根本指导。

  以数为基组合思想政治教育的基本要素。在技术与思想政治教育深度融合的背景下,数据反映着教育参与者的实践活动;数据构成的文本空间起到了中介和环境的作用;数据本身则融进了教育的目标制定、内容呈现、方法实施和教育反馈过程。总之,数据已经成为思想政治教育不可缺少的基本构成。寻找新环境下思想政治教育产生的新规律,正视数据扮演的基础性角色,需要以数据作为基本要素开展理论研究和教育实践活动。实际上,在大数据技术的支撑下,已有基础数据、资源数据、行为数据、思想数据等类型已经融入思想政治教育活动。其中,包括诸如教育参与者的年龄、性别、民族、教育背景等包括教育参与者客观信息的基础数据;硬件设施指标、文本形态等属于教育中介和环境的客观信息的资源数据;网页浏览、App使用、网络消费等实践活动中产生的行为数据,以及在掌握前三类数据的基础上通过大数据技术关联分析得到的思想数据。四种数据贯穿于思想政治教育的认识环节、实践环节和反馈环节之中,共同构成了思想政治教育数据要素。

  以智取胜整合思想政治教育要素序列。处理好数据与其他思想政治教育要素之间的关系,围绕教育目标构成协同的要素序列,是大数据时代思想政治教育创新制胜的关键点。人工智能的介入,使全时、全域地协同起思想政治教育要素成为可能。人类智能和人工智能协作是要素协同的关键。在人类智能层面,主要涉及思维方式和宏观理念的转变。从样本思维转向整体思维,借大数据技术全面掌握教育过程中各要素的情况,能够作出综合性、立体化的教育决策。从因果思维转向相关思维,在教育过程中超越事物表象,通过数据挖掘深入探查教育对象思想政治观念的状态,能够预测未来发展趋势。在人工智能层面,基于挖掘出的教育对象个体数据,人工神经网络技术能够有针对性地分析个体的思想观念状态,制定和配送相应的教育内容,以满足不同学生的主观需要。通过对数据的智能分析,可以动态把握教育对象个体需求和思想观念的变化,帮助教育者适当介入教育过程,调整教育的要素配置。在具体操作中,隐马可夫模型、贝叶斯知识追踪模型等成熟的人工智能算法,能够运用到思想政治教育中,以预测学生思想道德观念的演化趋势,给出针对每个教育对象特点的教育要素配置序列。显然,人类智能主导,人工智能辅助,在两种智能的共同推动下,思想政治教育各要素能够动态地、实时地、全面地协同起来,以应对不同教育对象的个性化需要。

  以数智协同融合思想政治教育的基本因素。数智化是思想政治教育创新发展的时代引擎。大数据时代,思想政治教育通过系统性互联,全面增强内生与外在动力,实现提质增效的创新发展。一是以数据映照思想,数智化发展可以及时、真实地反映人们美好生活的精神需要,为思想政治教育及时、真实、准确地了解思想世界铺垫了基础。二是让“数据发声”“数据可视”,让大数据深度应用于回应社会舆情、解答思想困惑。三是用数据架起过程治理与效果评估互相融通的桥梁,促进思想政治教育活动向全程、全域、全时、全景、全效的新形态转向。众所周知,影响思想政治教育过程和教育效果的因素纷繁复杂,既有教育参与者的素质和情感、教育内容的呈现形态、教育方法的契合度等“内因”,也有文化环境、舆论导向、社会关系、经济状况等“外因”。碍于时间、空间、人力等限制,传统思想政治教育很难做到动态地、全方位地掌握影响因素,也几乎不可能将泛在的因素整合分析,给出相应的教育方案。实际上,思想政治教育泛在的因素具备自组织、自相似、无标度、高集群的特点,其本质就是一种复杂网络。思想政治教育过程中产生的每一个影响因素,都是复杂网络中的一个节点。在大数据和人工智能技术的支持下,以复杂网络为切入点,整合泛在的思想政治教育因素已成为可能。因而,复杂网络的分析逻辑能够帮助我们把握泛在的思想政治教育因素。借助于大数据技术,我们可以记录下每一个留有数据痕迹的因素作为“节点I”,节点和节点之间的“路径长度L”,以及节点和节点之间的连接数“度Ki”。基于对“节点、路径长度、度”三者的同时掌握,我们即可绘制出复杂网络图形,并围绕以下逻辑展开分析:复杂网络中的节点越多,影响思想政治教育的因素越多;路径长度越长,因素的影响效果越低;单一节点的度值越高,该因素的重要性越大。借助于记录节点之间的聚类系数,以及节点和节点之间的交流频率,以此作为判断因素影响力强弱的动态指标。更进一步,我们能够在复杂网络中,将影响因素节点与教育对象特点结合,借助人工智能技术进行计算,找到二者关联,得到教育对象思想观念的偏好指标,并动态调整,为教育对象提供有针对性的教育内容,以达到整合教育因素,干预教育活动过程,提升教育效果的目的。

  在大数据和智能化蓬勃发展的今天,思想政治教育正逐步通过打造系统互联、多方融合的全新平台,以多维成长需要引导思政资源供给,实现系统性优化与重塑,构建思想政治教育数智化生态系统,为民族复兴和国家崛起持续培养全面发展的社会主义建设者和接班人。

  (本文系国家社科基金重大项目“大数据时代思想政治教育理论、方法与实践的创新研究”(19ZDA007)阶段性成果)

  (作者单位:西南交通大学马克思主义学院;电子科技大学马克思主义学院)

责任编辑:崔岑
二维码图标2.jpg
重点推荐
最新文章
图  片
视  频

友情链接: 中国社会科学院官方网站 | 中国社会科学网

网站备案号:京公网安备11010502030146号 工信部:京ICP备11013869号

中国社会科学杂志社版权所有 未经允许不得转载使用

总编辑邮箱:zzszbj@126.com 本网联系方式:010-85886809 地址:北京市朝阳区光华路15号院1号楼11-12层 邮编:100026