基于情境的高职院校意识形态风险识别化解机制

魏姣姣　孔建华　苏江

一、智媒体时代高职院校意识形态风险

智媒体是基于移动互联网，以大数据、虚拟现实、人工智能等数字技术为支撑，发挥个体认知盈余，形成具有自强化特点的智能系统，即“智能”+“智慧”的总称。随着智媒体时代的到来，高职院校去中心化的管理模式，算法推荐下的圈子形成，已是家常便饭。但智媒体时代下的高职院校依然具有人才培养、科学研究、社会服务、国际交流与合作、文化传承与创新五大任务。在这五大任务中，高职院校三大主体——学生、专任教师、行政教辅所从事的具体活动各不相同，如表1所示。

高职院校三大主体在五大任务的驱动下有目的地完成类多量大的各项活动。但由于个人特点及关注点不同，对五大任务的理解不同，在完成任务的过程中就会存在不同程度的风险问题。研究表明，高职院校三大主流群体对意识形态风险认知普遍偏低；在这种情况下，无处不在的风险逐渐被放大，使高职院校意识形态风险更为密集，识别难度更大，防范化解更为困难。

为精准识别高职院校意识形态风险，做到事前防控、事中可控、事后可借鉴，基于情境感知技术构建高职院校意识形态活动情境，提出一种基于高职院校意识形态活动情境的风险识别化解框架，保障高职院校意识形态安全可管可控。

二、高职院校意识形态活动情境构建

情境是可以用来描述实体（人、物、地点、程序等）当前状态的任何信息。基于高职院校三大主体在五大任务中的表现，为精准识别其情境信息，将情境要素划分为：用户情境、环境情境、任务情境。

用户情境：基于用户身份、特点、民族、宗教信仰、心理健康情况等信息区分当前情境下用户可能存在的意识形态风险。

环境情境：物理和社交环境。基于时间、地点等物理环境及圈子、社会影响力等社交环境，综合判定目前活动中可能存在的意识形态风险。

任务情境：描述用户当前所从事的活动及完成这个活动所用到的工具和方法。

高职院校意识形态活动情境（Polytechnic College Ideology Activity Context，PCIAC）由当前活动情境[PCIAC（C）]和历史活动情境[PCIAC（H）]两部分构成，包括3个维度下的14个情境要素，可表示为：PCIAC=PCIAC（C）+PCIAC（H）=<PCIACID，UC，EC，TC>=<PCIACID，User，Hobby，Intership，Mentalhealth; location，Time，Role，Social contact; Task，Target，Object，Method，Tool，Networkstatus>，如图1所示。

三、高职院校意识形态风险识别与化解方法

1.基于高职院校意识形态活动情境的风险识别及化解框架

以高职院校意识形态活动情境为出发点，提出一种基于高职院校意识形态活动情境的风险识别及化解框架，如图2所示：确定高职院校意识形态活动类别——确定高职院校意识形态风险类别——获取相关意识形态风险条目——锁定目前所存在的意识形态风险明细——基于高职院校风险明细推荐风险化解方案。

2.确定高职院校意识形态活动类别

以当前情境信息为输入，经任务模型、用户偏好模型、流行度匹配模型及历史模型的逐层过滤预测当前用户所处的意识形态活动类别。

（1）任务模型

细分高职院校五大任务，每个任务再分为子任务，子子任务，以此类推，直到不可再分。

定义1：任务模型（TaskM）=<Weight，PCIAC（C），Category，Score>，其中Weight是權重，PCIAC（C）是当前高职院校意识形态活动情境信息，Category是基于五大任务进行划分的高职院校意识形态活动类别；Score是当前情境信息属于哪类意识形态活动的分值，分值表示从属程度。

（2）用户偏好模型

根据用户的历史习惯、偏好等信息，结合当下情境信息，判断当前条件下用户的行为。

定义2：用户偏好模型（PreferenceM）=<Weight，User，PCIAC（C），Category，Score>，其中User表示当前活动的执行者。

（3）流行度匹配模型

通过学习高职院校三大主体在五大任务中的情境信息，得出当某些情境信息出现时，某类意识形态活动出现的概率。通过不断自主学习，用户反馈及调整，预测情境信息和意识形态活动出现的相关程度。

定义3：流行度模型（PopularityM）=<Weight，PCIAC（C），Category，Score>。

（4）历史模型

统计用户的历史情境信息与意识形态活动之间的关联度，并为用户建立个性化数据库，当相似或相同情境出现时，根据历史模型判断当前情境所从属的意识形态活动类别。

定义4：历史模型（HistoryM）=<Weight，User，PCIAC（C），Category，Score>。

（5）均值聚合

对所有模型中的分值进行标准化处理，如公式A，后加权平均，如公式B。

根据S的数值确定当前情境下最可能所属的意识形态活动类别。权重的赋值可以采用静态或动态赋值法，静态赋值由意识形态一线工作者评分确定；动态赋值由用户自行确定或授权给智媒体，通过不断学习获得。

3.确定高职院校意识形态风险类别

（1）高职院校意識形态活动数据结构

定义5：高职院校意识形态活动（PCIAA）采用9元组进行表示，PCIAA=<PCIAAID，PCIAAN，PCIAAO，PCIAAU，PCIAAT，PCIAAL，PCIAAR，PCIAAG，PCIAAD>；其中：PCIAAID是活动唯一标识，PCIAAN是活动名称，PCIAAO是活动作用对象，PCIAAU是执行者，PCIAAT是活动时间，PCIAAL是活动地点，PCIAAR为占用资源，PCIAAG是活动目标，PCIAAD为活动描述。

（2）高职院校意识形态风险数据结构

定义6：高职院校意识形态风险（PCIAR）采用9元组进行表示，PCIAR=<PCIARID，PCIARN，PCIARO，PCIARER，PCIART，PCIARL，PCIARTP，PCIARRM，PCIARD>；其中PCIARID是风险唯一标识，PCIARN是风险名称，PCIARO是风险作用对象，PCIARER是风险历史经历者，PCIART是风险发生时间，PCIARLT是风险发生地点，PCIARTP是风险类型，PCIARRM是风险化解机制库，PCIARD是风险描述。

（3）高职院校意识形态活动及风险的相似度匹配

构建高职院校意识形态活动向量iaa如公式C，m表示属性j在高职院校意识形态活动iaa中所占权重。那么高职院校意识形态活动库IAA可表示为公式D。

同理构建高职院校意识形态风险向量iar（如公式E）和风险库IAR（如公式F），w表示属性j在高职院校意识形态风险iar中所占权重。那么高职院校意识形态风险库IAR可表示为公式

计算IAA与IAR的相似度，采用余弦相似度对结果进行表示，如公式G所示。当相似度阈值大于某一预定值时即可预测当前情境下所面临的意识形态风险类别。相似度阈值的确定根据实际情况的不同进行灵活赋值。

4.获取相关意识形态风险条目

以得分值较高的意识形态风险类别为输入，获取与该风险类别相关的，可能存在的风险项。意识形态风险类别及风险项是在对五大任务进行细分的基础上，根据历史情境信息识别而来，进而形成丰富完善的高职院校意识形态风险条目库。

5.确定高职院校意识形态风险明细

（1）协同过滤模型

采用标准的基于高职院校用户身份特性的协同过滤算法为该用户可能面临的意识形态风险项进行赋分，将最高的分值赋给该用户最可能面临的意识形态风险。同时，采用协同过滤算法计算用户之间的相似度，进而根据相似用户出现过的意识形态风险进行预警。

定义7：协同过滤模型CFM=<Weight，User，Riskitem，Score>，其中Weight是权重；Riskitem是意识形态风险项或其属性，Score是当前情境下CFM对Riskitem的打分值。

（2）当前情境模型

基于高职院校三大主体目前所处的活动状态，给可能存在的意识形态风险项进行赋分，分值越高，那么该用户在当前面临该项意识形态风险的可能性越大。

定义8：当前情境模型CCM=<Weight，PCIAC（C），Riskitem，Score>，Weight是权重；Score表示CCM对Riskitem的打分值。

（3）历史情境模型

收集并记录高职院校意识形态活动及风险情境，存储相关人员的系列相关信息并形成知识图谱。

定义9：历史情境模型HCM=<Weight，PCIAC（H），Riskitem，Score>，Weight是权重；Score表示HCM对Riskitem的打分值。

（4）采用项目聚合器进行赋分

对模型打分进行标准化处理，如公式H所示；对标准化后的分值进行加权计算，如公式I所示。S为采用项目聚合器计算后的每条可能存在的意识形态风险条目分值。

6.基于高职院校风险明细推荐风险化解方案

以预测得到的意识形态风险明细为输入，采用深度相关性匹配算法得到目前所需要的风险化解方案。

根据定义6，高职院校意识形态风险（PCIAR）采用9元组进行表示，PCIAR=<PCIARID，PCIARN，PCIARO，PCIARER，PCIART，PCIARL，PCIARTP，PCIARRM，PCIARD>，为便于计算，将其用词向量进行表示，如公式J。而高职院校意识形态风险化解数据库则为描述性文本表示模式，为增强二者匹配之间的精度，将高职院校意识形态风险化解数据库同样采用词向量的形式进行表示，后利用深度相关性匹配算法进行匹配，得出最后计算分值S，如公式K所示，S为分值越高的条目，越容易被推送给当前意识形态情境信息的执行者。

U表示PCIAR和PCIARRD的交互计算符号;函数h表示从局部交互矩阵示射到匹配直方图到匹配函数;Z表示第I层内部隐层对于第i个单单词的输出结果;g表示聚合权重。

四、结语

智媒时代如何快速识别并化解意识形态风险是高职院校意识形态工作者争夺阵地的关键。基于高职院校三大主体在五大任务中活动密集及三大主体意识形态风险认知普遍偏低的现实，结合情境感知技术，分析并构建了高职院校意识形态活动情境交互模型，在此基础上，提出基于高职院校意识形态活动情境的风险识别及化解框架，该框架的提出具有三大优势：一是利用情境感知技术快速识别三大主体在当前情境下可能存在的意识形态风险，做到防患于未然或及时阻断疏通；二是基于多模型打分的分层过滤框架，个性化需求满足度高，适用面广；三是快速搭建高职院校意识形态风险知识图谱，为后期精准推荐意识形态风险解决方案打下基础。

参考文献：

[1]牛玉，林海玲.提升智媒时代高校意识形态安全风险防范能力[J].中学政治教学参考，2022（28）：10-13.

[2]教育部.中共中央国务院印发《关于加强和改进新形势下高校思想政治工作的意见》[J].社会主义论坛，2017，000（003）：4-5.

[3]张燕.互联网背景下“00后”高职学生意识形态现状调查及对策分析[J].中国校外教育，2020（27）：3.

[4][5]Dey A，Boleng J .An Introduction to Context-Aware Computing.2015.

[基金项目：本文系广东省2021年度教育科学规划课题（德育专项）“党史教育赋能高校立德树人长效机制研究——基于大学生接受视角”（2021JKD Y054）、广东省高校双带头人教师党支部书记工作室“广东科学技术职业学院机器人学院教工第二党支部苏江工作室”（粤教工委组函〔2020〕13号）、广东省党建工作样板党支部“广东科学技术职业学院机器人学院教工第二党支部”资助项目的阶段性研究成果。]

责任编辑 陈春阳