《大数据时代思维方式对高校思想政治教育工作的启示》由会员分享，可在线阅读，更多相关《大数据时代思维方式对高校思想政治教育工作的启示（8页珍藏版）》请在金锄头文库上搜索。
1、大数据时代思维方式对高校思想政治教育工作的启示 何为 云南大学马克思主义学院 摘 要： 大数据时代带来了三种思维变革, 即全体数据取代随机抽样、混杂性取代精确、相关关系取代因果关系。这三种思维的变革冲击了传统的高校思想政治工作。面对大数据思维变革的机遇与挑战, 高校应引进具有信息技术开发的人才加入到思想政治教育队伍之中, 开发针对思想政治教育研究的软件, 改变旧的科研模式, 运用云计算建立数据化评估机制以及指导思想政治教育的决策制订。关键词： 大数据; 思维方式; 思想政治教育; 信息技术; 作者简介：何为 (1987) , 男, 博士研究生, 主要从事思想政治教育研究。收稿日期：2017-0
2、4-19基金：国家社会科学基金项目“意识形态安全视阈下的西南边疆地区社会主义核心价值观建设研究” (16BKS130) The Enlightenment of Thinking Modes in the Big Data Era for the Ideological and Political Education at Colleges and UniversitiesHE Wei School of Marxism, Yunnan University; Abstract： Big data era has brought about big changes in thinking mo
3、des in the following three aspects: all data processing takes the place of random sampling; the data are messed up instead of being accurate; and the relationships between the data tend to be correlated rather than be causal. These have impacted the traditional ideological and political education at
4、 colleges and universities. Facing the opportunities and challenges of the big data thinking modes, Colleges and universities in China should take measures of recruiting talents of information technology and offer them the position in the team of ideological and political education, who can help dev
5、elop software for the study of ideological and political education to change the old scientific research methodology, build data evaluation system, and guid the ideology and politics education decision-making through cloud computing.Keyword： big data; thinking modes; ideological and political educat
6、ion; information technology; Received： 2017-04-19随着信息技术的高速发展, 信息成为了空气, 在人机交互中如一呼一吸般稀松平常。信息所承载的“数据”爆炸式地生产, 这些“数据”代表着对某件事务的描述, 可以被记录、分析和重组的虚拟资源, 进而被社会各领域所争夺、收集、分析和利用。从数据本身的发展来看, 它突破了传统的定义, 由量变产生了质变, 成为“大数据”, 即“人们能在大规模数据的基础之上做到的事情, 并且这些事情在小规模数据的基础上无法完成, 就叫大数据。人们能够通过大数据获得更新认知、创造更新的价值观念;大数据还可以改变组织机构和市场,
7、以及政府与公民的关系”19;从历史的发展来看, 社会告别“小数据时代”迈向“大数据时代”, 在这时代气息的催化下, 人们的思维与时俱进地发生着深刻改变。在这时代浪潮的冲击下, 各行业“对原有规范的修修补补已经满足不了需要, 也不足以抑制大数据带来的风险我们需要全新的制度规范, 而不是修改原有规范的适用范围”1219。2013 年, 中国工程院院士邬贺铨提出“大数据是下一个创新、竞争、生产力提高的前沿”2, 大数据迅速成为国内学界讨论的热点和各学科进行应用性研究的前沿问题。教育部 2016 年颁发的教育信息化“十三五”规划中明确指出:“落实中央网络安全和信息化领导小组和国务院有关互联网+、大数据
8、、云计算、智慧城市等重大战略对人才培养等工作的部署”3, 也为高校思想政治教育信息化建设指明了方向。基于此, 高校思想教育工作也必须适应这个时代的思维变革, 有针对性地创新工作模式, 利用好现代科学技术弄潮大数据时代。一、大数据时代的三种思维变革(一) 全体数据取代随机抽样随机抽样方式, 也称概率抽样, 即“依据概率论的基本原理, 按照等概率原则进行抽样”454, 从而为实证研究提供描述现状、解释原因和预测未来的数据支撑。随机抽样的研究方法本身是历史的产物, 在信息匮乏和流通受限的模拟数据时代发挥了突出的作用, 由于技术的限制, 研究人员缺少用以收集和分析数据的工具, 所以才采用随机抽样的方法
9、, 其目的是为了以最少的数据得到尽可能多的信息。但随着时代的发展, 这种相对粗糙的方法也必然会成为历史的弃儿。计算机便是扬弃随机抽样方法的中介, 随着计算机内存越来越大和云终端存储方式的出现, 为数据的大量存储提供了条件。再则, 高速发展的信息处理技术加快了随机抽样被淘汰的速度, 分析数据的算法为处理分析这些庞大繁杂的数据注入了灵魂。“在大数据时代进行抽样分析就像是在汽车时代骑马一样”138, 在有条件尽可能收集存储到更多、更全的数据得到最大化信息的时代, “样本=总体”的全体数据模式将取代“总体=样本”的采样模式是大势所趋。(二) 混杂性取代精确性当前, “使用所有可获取的数据变得更为可能,
10、 但为此也要付出一定的代价”146。这个代价便是数据量的增加会造成许多错误的数据混进数据团, 从而稀释了精确性。但是“大数据通常用概率说话, 而不是板着确凿无疑的面孔”149, 数据的量变一旦发生质变, 错误会被淹没在海量数据的汪洋大海之中, 甚至错误都变成了有价值的信息, 而且在高速发展的当今社会, 追求高精度需要付出大量的时间成本, 而得到“精准”后的那一刻“精准”也许已经过时。追求价值才是目的, 而价值体现在通过分析繁杂的数据来预测未来发生某事件发生的概率上。因此, 一定的容错性是“大数据”的要求, 在观察事物发展趋势时就需要在精确性上做出有价值的让步。(三) 相关关系取代因果关系预测是
11、“大数据”的核心。在大数据时代, “知道是什么就够了, 没必要知道为什么”167。在小数据时代, 人们执着于“因果关系”分析法来预测未来, 反而得不出相对准确的预测结果:因为“两变量之间的因果关系, 指的是当其中一个变量变化时 (取不同的值时) 会引起或导致另一个变量也随之发生变化 (取值也不同) ;但反过来, 当后一变量变化时, 却不会引起前一变量的变化”4187。这种分析法所体现的局限一方面是在技术层面上, 人们对“因”的收集数量和处理能力所限;另一方面, 人们的主观性影响了对“因”的收集, 从形式逻辑中拼凑已经在主观上预设的“果”。而“大数据”以“相关关系”分析法计算事件发生的概率, “
12、两变量之间的相关关系指的是当其中一个变量发生变化时 (或取值不同时) , 另一个变量也随之发生变化 (取值也不同) 。反过来也一样”4184。所以, 不必探索事件背后的原因, 因为原因是复杂的, 绝对的肯定只会造成众说纷纭的否定, 因而, 让客观的海量数据“说话”能更为直接地衔接既定现实。沃尔玛公司在 2004 年对自己庞大的交易记录进行了观察和分析, 发现“每当在季节性飓风来临之前, 不仅手电筒销售量增加了, 而且平 POP-Tarts 蛋挞的销售量也增加了”173, 于是沃尔玛公司每当季节性风暴来临时, 便把这种蛋挞和飓风用品摆放在临近位置, 从而增加销量。如果用因果关系分析法来寻找蛋挞和
13、飓风用品的关系也是可行的, 但是也必然是具有强烈主观性的寻找偶然的“因”去佐证必然的“果”, 而建立在相关关系分析法基础上的“大数据”预测, 是直接让数据给出“果”, 指导制定出一个优化的应对方案。二、传统高校思想政治教育工作在科研、评估和决策三方面的局限性(一) 随机抽样作为理论研究的基本方法和思维当前, 在高校思想政治教育的实证研究的范式是定量研究, 即先进行理论假设、数据模型, 然后进行抽样调查、数据统计、模型分析, 最后验证假设。主要的采样方式是问卷调查法, 进行统计分析的主要是社会科学统计软件 SPSS (statistical package for social sciences
14、) , 进行研究的基本流程如图 1所示:图 1 实证研究的基本流程 下载原图再则, 研究者在做文献研究中也沿用着定量研究范式中随机抽象的思维模式。研究者在研究文献之前, 就先入为主地有了结论, 结论就被当成了研究的方向;然后进行资料的收集、整理, 以人脑为载体进行资料的记忆和分析, 并在卷帖浩繁中摘取只言片语为结论拼装因果关系, 易产生“信息茧房”效应, 即研究者带着强烈的主观意识, 根据个人的需求对文献进行片面择取和碎片化的处理, 从而降低了研究结论的科学性。此外, 一篇学术论文的撰写过程, 大部分时间是耗费在文献的查找中, 人机的交互只体现在编写文档上, 电脑大部分用途只是代替了笔的作用,
15、 而没有成为人脑记忆和分析的外延。(二) 教育者和被教育者评估标准的数字化当前, 固定的数字将教育者和被教育者评估“数字化”是一种普遍现象。在此, 有必要先对“数字化”和“数据化”做出区分:“在计算机语系中, 数字化指的是把模拟数据转换成用 0 和 1 表示的二进制码的过程, 使电脑立即可以识别和处理这些数据, 主要是对文本进行计算机可识别编译。而数据化指的是一种把现象转变成可制表分析的量化形成过程, 量化一切是数据化的核心, 不仅包括对文本的编译, 还包括对图像、视频和声频等进行编译”1104-105。从技术史来看, 数字化引发了数据化, 但数据化是数字化的更高发展程度;从关系来看, 数据化
16、包含了数字化, 数据化对象是一切可量化的数据, 数字化的对象是文本并产生的数据也作为数据化的一种分析指标;从作用来看, 数字化强调的是产生出有价值的可供分析的数据资料, 而数据化强调的是挖掘数据的价值;从价值取向来看, 数字化强调精确性, 数据化强调全面性。而在高校的思想政治教育者通常指的是思想政治教师, 对思想政治教师的评估标准一般参照两种指标:一是课时的数量;二是学术论文和专著等的数量。这两种指标往往也构成了高校思政教师职称的评选标准;被教育者通常指的是在校本科生, 他们的评估指标更加单一, 往往以期末笔试成绩上的数字作为评估受教育者的思想政治素质标准。这套数字化评估模式实际上是沿用小数据时代的“精确性”思维逻辑, 特点是要求数据精确和操作简单直观。但是, “思想政治教育评估的本质是一种价值判断过程, 它必须对思想政治教育的社会效果作出价值判断”5。因此, 具体数字在思想政治教育评估中只是凸显计量的作用, 并不具有对社会效果的价值作出描述和判
