基于数据挖掘的大学生思想政治评价模型研究

李晞

摘  要：思想政治教育是中国教育体系中的一个重要组成部分，其涵盖的内容也极其丰富。随着时代的变迁与发展，多种多样的新型信息技术研究方法也被活跃地运用于思想政治的实际教学中。当今时代的大学生们可以说是与网络发展一同成长起来的。这一批“95后”的“网络原住民”见证了思想教育评价体系的种种重大变化。思想政治教育的传统价值取向已逐渐解构，一个能够全方位评价所有思想政治行为的多价值取向评价模型需要被建立，并且其必须符合当下评价体系的时代主题特点。这一全新的评价模型应是易操作的，脚踏实地的，而非一种纯粹的形式。基于这一实际情况，文章分析了数据挖掘技术与大学生思想政治教育的密切关系，并且重点探讨了基于数据挖掘的大学生思想政治评价模型的相关问题。

关键词：大学生;思想政治;评价;数据挖掘技术;模型

中图分类号：G641         文献标志码：A         文章编号：2096-000X（2020）05-0189-03

Abstract： In the whole educational system of our country， ideological and political education is an important component， and contains very rich content. With the development of the times， a variety of new information technology methods have been actively applied to the ideological and political practical teaching. At present， the group of college students is growing up with the rapid development of Internet. These "post-95s" "Internet aborigines" have witnessed major changes in the evaluation system of ideological education. Evaluation of ideological and political education of the traditional value orientation gradually deconstructed， a new multi value orientation to penetrate into the body of all aspects of the behavior， must be established in accordance with the characteristics of the times subject evaluation system， the evaluation of "down to earth" and easy to be operated， rather than a mere formality. Based on the actual situation， this paper analyzes the close relationship between data mining technology and the evaluation of college students'ideological and political education， and then focuses on the related problems of college students' ideological and political evaluation model based on data mining.

Keywords： college students; ideological and political; evaluation; data mining technology; model

一、数据挖掘技术及大学生思想政治教育评价

数据挖掘即从资料中发掘资讯或知识。一般来说，数据挖掘可以看做是在数据库中挖掘知识，同时也可以被看做是知识整个挖掘过程中的一个步骤。数据挖掘的过程需要使用计算机系统，结合各种人工技能，遵循信息挖掘规则及方法从大量的数据中挖掘出有用的信息，这些规则和方法的转换使得人们能够更轻易地获取自己所需的各种数据及信息。然而，实际的数据挖掘过程并不包含信息发现过程的所有步骤[1]。例如，在数据库中搜索档案或通过搜索引擎搜索某一特定的网页并不是数据挖掘的过程，而是信息检索的过程。但是数据挖掘技术却能有效的增强信息检索功能的作用。完整的知识发现过程包含三个步骤，即数据准备、数据挖掘以及对结果的表述和分析。

具体来说，数据挖掘技术的实际操作过程包含以下几步：1. 确定挖掘目标。确定挖掘目标是数据挖掘的基本环节。首先，有必要根据挖掘任务的目的来确定此次挖掘所要完成的目标。事实上，我们无法控制以及预测此次挖掘的最终结果，但是我们仍可以对挖掘目标提出一个合理的预测。确定挖掘目标之后，整个挖掘工作就会变得清晰明确，避免出现无目的挖掘的情况。2. 在开始数据挖掘之前，需要做好前期的准备工作。首先，我们需要对数据进行筛选并且搜索所有与挖掘目标相关的数据。搜索内容包括两部分：内部信息以及外部信息还有从搜索数据中选取出来的内容。这些被选取的数据可以被认定为挖掘目标数据，可以被应用于实际的数据挖掘过程。其次，我们需要对从第一步中提取出的数据进行更深层的分析来对数据进行预加工，以保证数据挖掘最终的成果质量。第三是数据转换。在转换的过程中，我们需要将被挖掘的数据转换成一个合理的数据模型。数据模型应该包括多种不同的计算规则和方法，并且为了确保数据挖掘的成功，数据模型的建立以及数据挖掘的过程必须是科学的、严格的。3. 数据挖掘。利用上一步中提出的数据模型对数据进行深层挖掘。在挖掘过程中应仔细选择算法以確保其科学性。不需要额外考虑剩下的工作，系统会自动将其完成。4. 分析数据挖掘结果。在数据挖掘这一过程结束之后，需要对挖掘结果进行分析。一般来说，具体的分析方法应该根据数据挖掘的操作构成来决定。就实际情况而言，大部分使用的分析方法都是可视化技术。5. 知识的同化。在数据挖掘及分析之后，我们可以充分利用最终所获得的数据以及数据挖掘在实际应用中的作用。对思想政治教育的评价是新形势下高校开展思想政治教育的起点和基础。不仅如此，它还是测评思想政治教育的有效性的重要途径。对思想政治教育的评价包括对教育主体的评价、对教育环境的评价（政策、制度等）、对教育介体的评价、对教育方法的评价以及对教育的意识形态和地位的评价。通过大数据挖掘以及人工智能算法，大数据可以用来建立思想政治教育评价体系从而对思想政治教育的实际效果进行动态监测和评价。还可以结合信息技术来提高思想政治教育工作质量。此外，还可以推进社会主义建设的发展，培养全面发展的社会主义建设者和接班人，为中国社会主义教育保驾护航。

二、基于数据挖掘的大学生思想政治评价模型

评级系统是通过数据挖掘技术构建的。思想政治教育的大数据评价体系是一个动态的复杂系统工程，它需要心理学、社会学、行为科学、思想政治教育以及其他多学科理论依据的支撑，需要专业的技术支持以及对主体广泛参与度的评价。大数据及思想政治教育的评价体系不是一个仅进行一次的封闭式系统，而是一个开放的、有着持续发展的动态循环系统。算法的构建和模型的变化发展可以适应当下的科技时代发展，不断地更新改善最终评价所得的科学计算结果，通过实时的过程使得对教育的评价更加有效，因此能真正的增加思想政治教育的针对性及有效性。随着大数据技术在搞笑的普及和应用，我们可以建立连接国家、社会和学校的数据网络，从数据互动和隐私保护的佳偶，完善和保障思想政治教育大数据评价体系的科学发展。高校学生思想政治素质的评价是高校思想政治工作的重要组成部分，不仅需要严格的组织，也要有适当的方法来保证评价体系的全面、客观、合理。

（一）“传统”思想政治素质评价中的笼统方法

传统评价的特点以及不足之处。传统的评价是以定量评价为基础的。根据某一种规则，这一定量被分配给一个事件或对象，但是人类的思维是复杂、不确定的，通常很难做到量化。因此，对思想政治素质的传统定量评价一般被称为“评价”，这在传统意义上有着明显的局限性。对思想政治素质的评价，一般会用感情色彩较强的词来进行主观评价，如“既有社会主义精神，又有專业能力，对祖国的衷心永不变”这些词句代表比较积极的思想状态，而“被动”、“懈怠”等词则代表思想状态比较消极。随着研究的深入，人们正试图根据数字尺度更清晰地把握特定对象的思想倾向以及评估其思想政治状态。例如，我们使用“五点”数字量表来评估意识形态认知，然而这些方法的使用并没有摆脱传统评价中模糊性的特点。例如，在点尺度法中，一个语义量词只对应一个数字，而一组语义词对应一组等距数。一方面，对于一个词的词性的界定不是某一个一个点，而是一个范围，并且还要根据不同的评价者，不同的评价对象，不同的情况来进行界定。在各种不同的情况下，词性的界定范围都会有差异。另一方面，该方法所假设的语义量词之间的等距也需要仔细把握。

（二）现代评价模型中的模糊数学方法

模糊数学是由美国控制论专家查德教授于1965年提出的一门通过应用数学方法研究模糊性的新学科。进一步的研究表明，人的心理和行为可以被模糊集理论所刻画，因此模糊数学的理论和方法可用于思想政治素质评价的研究。我国从20世纪70年代中期开始研究模糊数学，且其发展迅速，被广泛应用于政治工作领域。一般而言，在政治工作领域中，很难建立一个准确的数学模型。传统的数学模型难以定量评价模糊评价因素中所涉及的评价对象，而模糊评价可以将模糊定性评价转化为定量评价。模糊数学以其广泛的适用性和自身优势，现已被广泛应用于研究方法、案例分析、语言研究、决策研究、新装备论证和部队管理等诸多方面。结合计算机科学与运筹学研究，在对模糊数学的研究与应用过程中产生了多种决策支持和专家系统。实践证明，模糊数学为处理不确定和不精确的问题提供了一种新的方法，同时也为模式化政治工作开创了新途径。

（三）学生思想政治评价模型的构建思路

对思想政治教育的评价是对人民的评价，因此必须慎之又慎。必须遵守既定的原则，运用先进的分析方法，从而有效地建立大学生思想政治素质评价模型。应当把握建立指标体系的原则：第一，应当准确把握概念。我们必须在比较国内外思想政治素质研究成果的基础上，结合新时期大学生的特点，准确把握思想政治素质的定义，并根据准确的定义确定两个层次和三个层次的指标，以便进行相应的分析和应用。第二，明确各指标之间的联系。系统中所有的指标都必须依据计算基础、计算模型和时空范围来准确相互联系，这样才能全面了解指标体系的规律和指标之间的关系。第三，确定相对统一的标准。一方面，同一指标体系在计算方法、计算模型和时空范围上应统一;另一方面，指标权重的确定以及指标的规划要统一。第四，方法应具有可行性。我们必须多加注重建立指标体系和指标可行性的数据建设。要防止建立过多的指标，找到关键问题的导向。而权系数指标与工作性能相关。某一指数过多或过少都会产生不利后果。因此，权重设计是思想政治素质测评水平与其真实水平之间的关键联系。确定权系数的方法有专家咨询法、熵法、模糊聚类分析法和层次分析法。AHP全称为层次分析法是在20世纪80年代由美国运筹学家提出的一种定性和定量的多目标决策分析方法。该方法是决策经验判断的核心。为了给定量形式决策提供定量，层次分析法已给出了权重。引入专家咨询法、熵值法以及模糊聚类分析法可以消除主观片面性。而社会科学研究中广泛使用的权重分配方法使用起来没有层次分析法方便。

三、结束语

总之，高校在评价大学生思想政治素质时必须高度重视，保持克制的态度，不走过场，也不夸大其词。在具体实施过程中，必须明确指导思想，运用先进的评价方法，走民主开放的道路，使思想素质优秀的人才脱颖而出。鼓励先进，促进落后，提高人才培养质量。

参考文献：

[1]戚坚军，张新娟.依托大数据挖掘提升思想政治教育质量的思考与实践[J].北京教育（德育），2017（04）：42-45.

[2]王莎，徐建军.运用大数据增强大学生思想政治教育实效性研究[J].思想理论教育，2016（09）：89-92.

[3]Lee， S.，Mortara， L.，Kerr， C. et al.Analysis of document-mining techniques and tools for technology intelligence：Discovering knowledge from technical documents[J].International Journal of Technology Management： The Journal of the Technology Management of Technology， Engineering Management， Technology Policy and Strategy，2012，60（1/2）：130-156.

[4]Hsu-Hao Tsai.Global data mining： An empirical study of current trends， future forecasts and technology diffusions[J].Expert Systems with Application，2012，39（9）：8172-8181.

[5]邱柏生.试论大学生研究中的数据挖掘[J].思想理论教育，2011（01）：20-24.