数据驱动的大数据思想政治教育方法论

　　一、引言：一个开放的复杂巨系统

　　从系统科学的观点来看，思想政治教育就是一个开放的复杂巨系统。在这个系统中，教育者以马克思主义和中国特色社会主义的思想观念、政治观念和伦理道德等为系统输入的内容，通过思政载体对教育对象施加有效影响，以培养合格的社会主义建设者和接班人所需要的思想品德，即立德树人为系统输出的最终目标，并通过评估反馈来更加快速、精准地实现这个目标

　　思想政治教育系统不同于各类工程系统之类的简单系统，它是一类开放的复杂巨系统。从系统的重要构成要素来说，教育者和受教育者都是由人构成的，而人不同于机器，人类具有主体性，具有自己独立的思想、情感和行为，更为重要的是人们的思想行为不遵循简单的因果规律，因此具有主动、复杂、多变的特征。思政教育系统中，教育者和受教育者都有思想、行为的自由，都能够自由地接受各种信息，并受外界的影响，因此它是一个与外界高度互动的开放系统。人类社会，哪怕是一向比较单纯的学校，都由众多的人群构成，相互作用，相互影响，具有复杂的人、财、物和信息的流动，因此是一个特别复杂的巨系统。

　　面对这样一个开放的复杂巨系统，在大数据来临之前，我们却没有很好的技术和工具来采集足够的数据去描述、分析，从中归纳总结出系统运行规律，并通过规律对系统的未来行为进行精准的预测和把握。由于思政教育者、教育对象、思政载体、思政目标、思政内容都难于数据化，因此我们也很难获得思政效果的评估信息和反馈信息，以便更好地达到思政教育的目标。传统的思想政治教育停留在经验、猜测、思辨的层次，利用少量的数据信息进行简单的因果推测，因此思想政治教育学科一直更多地停留在政治性层面，很难实现科学性的提升，由此也难以通过改进我们的思政教育系统效果来更快、更好地实现我们立德树人的思政目标。

　　大数据时代的来临，为思想政治教育的数据化、精准化和科学化提供了先进的技术手段和科学的认知方式，带来了思想政治教育思维方式的重大变革，为思想政治教育走上科学化道路，为更加高效、精准的科学化思想政治教育奠定了重要的方法论基础。在大数据的支持下，思想政治教育将从数据化开始，实现思政要素、功能、机制、内容、目标的数据化描述，通过数据挖掘发现系统的运行机制和规律，并利用历史数据和数据规律来预测思政教育对象的未来思想和行为，最后通过效果的数据评估反馈来调整思政内容和手段以便更加精准、有效地实现立德树人的思政目标。

　　二、数化万物：大数据思政科学的信息基础

　　英国哲学家贝克莱曾说，月亮在我们看不见的时候是不存在的，这话当然不能被大多数人所接受。但是，这个月亮在我们看不见的时候虽然存在着，但我们却无法精准地去认识它。自然科学和其他学科特别是人文社会科学的最大区别是能否用数据说话，数据化和用数据说话是区别科学与非科学的划界标准。自然科学虽然在古代也曾经用经验和思辨的方法来探究，但是自文艺复兴开始，观察和实验成了科学研究的标准化手段，一切科学都要建立在可靠数据的基础上，“让数据说话”是科学界的共识。没有数据，我们对事物只能达到感性认识层次，而无法实现真正的理性认识。只有获得了足够的可靠数据，才能在数据的基础上发现规律，并根据规律来认知机制和预测未来，进而实现对事物的理性把握。由此可见，数据成了一切科学的基础。

　　自然科学之所以可以获得可靠的数据，是因为自然科学的研究对象是没有思想行为和主动学习的自然之物，我们对这类事物可以进行长时间的观察记录甚至将其控制在一定的条件下进行所谓的受控实验。观察和实验是自然科学获取数据的重要手段。但是，面对人文社会科学，特别是像思想政治教育这样直接面对人们思想、情感和行为的学科，是不可能像自然科学一样实现对研究对象的客观观察，更不要说将对象控制起来以便获得实验数据。像思想政治教育这类人文社会科学，在大数据时代来临之前，要获得客观、可靠、足量的数据是基本上不可能的。

　　大数据技术带来了数据采集的革命性变化，带来了新的数据生产方式。在大数据时代，数据可以通过智能技术实现自动采集，并通过互联网和云存储技术实现数据的自动存储、传输并聚集为大数据。大数据提出了“量化万物”的主张，在计算机、互联网、云存储、云计算、物联网、社交网络、人工智能、虚拟现实等一系列先进技术的支持下，通过新的计量手段和量化技术，将原本无法计量和量化的世界万物实现数据化。我们人的思想、情感和行为，这些在过去都无法像电压、电流之类的物理量一样用数量的形式表现出来，我们只能用不精准的语言来进行大致的描述。但是，大数据技术却可以将我们的一切以数据的形式记录下来并存储于云端。例如，我们曾经去过哪里，走了多少步数，跟谁交流过，交流了什么，上网登录了什么网站，阅读过什么文章，在社交网站跟谁聊过天，聊了什么话题，在商店或网上浏览或购买过什么物品，等等，事无巨细地全部被智能的大数据技术记录下来，成了我们每个人的数据轨迹。

　　通过智能技术留下的我们每个时空的历史记录，完整地描述了我们过去的一切思想、情感和行为，是我们自己的真实历史和真实数据。这些数据有完整、客观、多样的特征。所谓完整，就是记录了我们每时每刻、每个地方的一切思想行为，没有遗漏、没有空白，过去的一切能够用完整的数据链来全面再现出来，而在小数据时代，我们的大数据时候都成了历史数据的空白，自己都很难再现自己的历史。所谓客观，就是这些数据真实地反映了我们的思想、情感和行为，没有被自己或他人污染，因为这些数据是通过智能技术在我们不知不觉的情况下被自动记录下来，而访谈、抽样调查之类的传统方法所收集数据的真实性却难于保证，因为收集者和被收集者都有了思想的准备，因而数据很容易被人污染。所谓多样，就是大数据技术所留下的数据是各种各样的数据，我们的一切，包括文字、音频、视频、图像、路径轨迹、心理活动等，都以数据的形式留在了数据空间中，而我们传统方法所收集的数据往往只是某一种或某一类数据，数据类型比较单一。

　　在大数据时代，世界的一切都以数据的形式存储于数据空间，这样在物质空间之外就有了一个与物质空间具有映射关系的数据空间。人类思想、情感和行为的大数据蕴含了我们历史轨迹的丰富细节，我们过去的一切都可以在数据轨迹中找到，几乎没有空白点。这就像现在的高像素数码照片精准地刻画了我们的每一个细节一样。我们可以对高像素数码照片不断放大，照片仍然不会变形，因为足够高像素、足够多的数据足以描述我们的一切细节。大数据技术将物理世界，其中包括思想政治教育系统转变为数据的世界，在物理世界与数据世界之间通过映射建立相互的关系，这样思想政治教育中的要素、功能、结构、内容、目标等一切要素和状态都反映在数据世界之中。我们通过研究数据空间就可以认识、把握真实的思想政治教育系统。思想政治教育系统的大数据化成了认识和把握思想政治教育的信息基础，因为有了丰富的真实数据，我们就可以用这些数据来科学地全面刻画整个思政教育系统的整体行为，也可以精准刻画我们每个人的思想、情感和行为。

　　根据系统论和控制论的理论，一个系统要真正被认识和掌控，就必须能够获取系统要素、功能、状态等数据，这就是所谓的系统可观测性，即系统可以被我们用某种技术进行数据化。通过数据的分类、聚集、分析和建模，找出蕴藏其中的规律，并根据规律来对系统进行输入、输出的行为控制，这就是所谓的系统可控制性，即系统可以被我们通过数据输入的调节来控制我们的系统目标。由于客观数据的缺乏，传统的思想政治教育系统缺少必要的可观性和可控性，因而难以全面刻画思政教育系统，难以找到蕴藏其中的规律，更难以精准地实现我们的立德树人的伟大目标。大数据技术解决了思想政治教育系统的数据采集和数据化问题，思想政治教育系统在大数据时代成了一个可观测系统。有了丰富的客观数据，我们就可以发现思想政治教育系统的运行机制和相关规律，就能够找到思想政治教育的金钥匙，从而促进立德树人思政目标的实现，这样，思想政治教育系统在大数据时代就成了一个可观测、可控制的系统。大数据时代思想政治教育系统的可观测性和可控制性的实现，也就意味着思想政治教育也进入了科学研究的行列。

　　三、数据挖掘：大数据思政规律的发现模式

　　科学的规律从哪里而来?科学知识是如何发现的?这是科学哲学的一个基本问题。科学早期完全靠经验和猜想，文艺复兴之后，随着观察和实验的兴起，这些逐渐通过观察、实验来发现。逻辑实证主义则认为科学知识来自于经验归纳，并用逻辑作为工具进行加工处理而形成理论知识。科学哲学家波普尔则认为，归纳法是不可靠的，科学知识来自于人们的大胆猜想并通过观察实验来推翻或证实猜想。虽然波普尔认为经验归纳方法因不可靠应该被排除出科学方法之中，但是从科学史来看，科学家们依然是通过归纳和建模来找到科学现象各种变量之间的逻辑关系。

　　自然科学的经验归纳方法依赖于科学观察和实验的数据。自然世界是一个客体世界，各种现象之间又大多呈现为线性关系，因此，只要采集少量数据，就能够从数据中找到变量之间的逻辑和数量关系，从而发现科学规律。由于思想政治教育是一个开放的复杂巨系统，研究对象主动、多变，教育者和受教育者相互作用，因此呈现为非线性关系，这样少量的数据很难完整描述真实的思想政治教育系统，更难发现蕴藏其中的相互关系和规律。大数据的出现为思想政治教育规律的发现奠定了数据的基础。大数据从各个层面、各个角度刻画了思政教育系统各要素的状态，将这些数据关联之后就可能发现其中的关系，从而找出思政教育规律。

　　大数据智能采集的思政教育系统数据基本上都存储于网络云端，大部分数据都是作为其他各种活动，例如上网浏览、网上购物、网络社交所留下的所谓“数据尾气”或“数据垃圾”，学校或单位有意收集并存储的数据比起网络云端来说反而少很多。因此，数据挖掘是采集思政教育系统，特别是受教育者有关数据的重要渠道。在大数据时代，思想政治教育研究虽然可以直接面对学生或其他受教育者，但可能更多地要求助于网络云端，求助于与社会生活相映射的数据世界，通过数据轨迹或数据世界来寻找反映学生或其他受教育者思想、情感和行为的相关数据，因为海量的大数据全面、真实地刻画了每个人的真实思想、行为和生活状态。

　　思政大数据的挖掘就是试图从中发现其中的规律，并利用这些规律对思政教育系统进行有效调控，以便更加精准、快速地实现思政目标，可见规律在思政教育系统中具有举足轻重的作用。从传统的意义来说，所谓规律就是现象之间所呈现出来的因果关系，通过调节“因”就可以控制“果”。自然系统由于其简单性，变量之间往往也的确可以找到这种简单的因果关系，例如万物之间相互吸引和排斥现象仅用一个简单的牛顿万有引力定律就得到了全面的揭示。但是，在思政教育系统中，只有海量的数据才能刻画出这个复杂巨系统，而要发现海量数据之间因果关系就像大海捞针一样艰难。大数据技术认为，在海量的数据中只要找到数据之间的相关关系，就可以对现象进行调控，因此在思政大数据的处理中不一定要找到传统意义上的因果关系，只要通过分类、关联、聚集和聚类分析等发现其中的相关关系就具有重要意义。

　　思政教育大数据之间的关联关系算不算是规律呢?我们的传统思政教育因为缺少相关数据，大部分也是通过经验和思辨来寻找其中的关联关系，但是这种猜测性的关联往往普适性差，更为重要的是难以进行数据计算和预测，难以表述为某种算法。大数据时代思政教育系统变量之间的相关关系通过数据分析可以表述为某种算法，这种算法就可以通过计算机等设备来完成，通过先进的智能技术来实现数据的挖掘和计算，对数据做各种处理，并用智能技术发现隐藏其中的相关关系，最后表述为算法。思政教育系统这种基于海量数据的挖掘、计算的科学规律发现模式就是大数据时代数据密集型科学发现模式。此外，大数据的可视化技术还可以将思政教育数据和规律以图像的形式显示出来，实现思政教育系统可视化。

　　在大数据时代，因果规律当然是重要的科学规律，但更重要的是基于数据相关性的算法规律。对思政教育这一开放的复杂巨系统来说，不太可能找到类似于牛顿三定律这样的简单因果规律，更多地应该把精力用于数据挖掘和计算处理，发现其中的相关性算法规律和算法模型，从而获得思政教育系统的调控规律，实现精准的思政工作理论与实践，甚至实现思政教育系统工作的智能化辅助和智能自动化。

　　四、数据预测：大数据思政规律的科学检验

　　科学的形象在过去被认为是真理的化身，它应该正确无比、不可怀疑，利用科学规律就能得到正确的结论。但是，科学哲学告诉我们，科学之所以是科学，就是它的可错性，科学并不代表永远正确，相反地，它恰恰是随时可能被推翻。科学的可靠性从何而来?为什么可以相信?这就是科学规律的检验问题。通过大数据所得到的思政教育大数据规律是一种相关性的算法规律，只是基于大数据归纳所得到的数据规律，归纳法的不可靠性并没有因为数据的海量而被彻底排除，因此也需要得到检验和确证。

　　科学哲学家提出了多种科学检验的方法，例如逻辑实证主义认为通过证实的方法就可以得到检验，即科学命题只要得到科学事实的支持就认为是得到了检验，该科学命题就上升为科学。波普尔的证伪主义则认为科学永远得不到完全的证实，但是科学事实可以推翻科学命题，因此他认为科学的证伪性才是科学的保证。不过无论是证实还是证伪，操作起来都比较复杂，现在一般认为一个理论要得到承认，成为科学，一方面要能够解释过去的各种现象，另一方面还要能够预测未来的各种现象。对思政教育理论来说，这种检验更具有可操作性，特别是大数据时代的来临为思政教育理论的这种检验提供了方便的数据基础。

　　大数据技术通过网络云端存储了人们思想、行为的海量数据，这些数据是我们每个人的数据轨迹和历史记录。思政教育系统的大数据相关性算法规律本身就是从这些海量数据轨迹中发现和生成的相关关系，数据挖掘技术只是将这种相关关系表述为计算机能够处理的算法模型。换句话来说，思政教育系统的数据规律本身就是来自于过去的历史归纳和总结，因此用这样的规律来解释过去的已有现象并非难事。只不过数据规律是一般性的大数规律，不可能包容和解释每一个数据，只能用概率理论对过去的现象进行概率性解释。

　　英国大数据专家舍恩伯格认为，大数据的精髓在于预测。在过去，简单性的因果系统的预测问题容易解决，由于其线性因果关系，只要知道“因”，利用线性因果关系很快就能推导出其“果”。但是，面对思政教育这一开放的复杂巨系统，由于缺少简单的因果规律，其预测问题往往就显得无能为力。在没有大数据之前，我们对人类思想、行为的预测往往依靠经验猜测或理论推导，经验猜测因缺少数据的支持而带来了准确度不高的问题，而理论推导则更是没有经验数据的支持而流于形式，难以做出真正的事实预测。大数据时代的来临为这一问题的解决提供了强有力的方法工具。

　　大数据是如何解决精准预测问题的呢?所谓预测无非就是根据过去的历史与经验来推测未来走向。小数据时代，人们的历史要么大部分空白，要么就是完全的文字格式而难于被处理，而且模糊不准，因此思政教育所需要的人们的思想行为就难以精准预测。但是大数据预测有如下特点：数据多、处理快、算法准。首先，从数据量来说，大数据的最大优点就是通过智能化手段自动采集和积累海量的数据，这些数据就是历史和经验的记录。历史的经验数据越多，对未来的预测就越准确。由于人类的思想行为具有路径依赖性，大数据所存储的海量思想行为数据为人类思想行为的预测奠定了坚实的基础。其次，大数据对历史数据的处理主要是靠计算机自动处理，完全是智能自动化的工作，大部分都无需人的参与，处理速度以毫秒之类的瞬间来计算，因此特别快捷。最后，通过机器学习和模式识别，大数据能够利用历史数据自学习和自优化，利用数据算法可以精准地推测某个或某类人未来的思想和行为，精准到比我们自己都更了解自己的未来思想行为。通过大数据预测及其检验，思政教育系统的数据规律可以得到严格的检验，这也就是波普尔所说的假设检验或证伪性检验。

　　经过未来预测的证伪性检验，思政教育系统的数据规律就可以得到证实或被推翻，思政教育由此变成了数据归纳假设和预测检验的一门科学，我们可以将其称为计算思政教育科学。思政教育数据规律对未来的预测除了检验思政教育规律的科学性之外，大致还有两大意义：个性思政和主动思政。

　　在小数据时代，由于数据采集、存储和处理的不易，我们的思政教育研究和实践只能抓典型，或用抽样调研或典型访谈的方式来获取少量的数据，再用这少量的数据来代表大多数人的思政素养。由于个性数据的缺乏，我们对未来思想行为的预测也只能获得平均数，而无法对某个具体人物未来思政行为的预测。这样在进行思政教育理论或思政实践的过程中，我们就很难有针对性对个别学生或对象进行历史的分析和未来的把握，思政教育由此缺乏了针对性和精准性。大数据采集、存储了海量的个人思想行为数据，由过去历史数据的分析能够精准预测出某个人未来的思想和行为，这样思政工作就有了个性化和针对性，就可以制定更合适、精准的思政教育方案。

　　由于缺乏精准预测能力，传统的思政工作很难对未来进行精准预测，也就很难提前做好思政工作预案，因此传统思政教育大部分都属于被动思政。被动思政就是打无准备之仗，只有事情已经发生了，才被动应对，就像没有天气预报时期，我们只有下雨了才后悔没有带雨伞。大数据思政教育预测让我们提前知道了思政教育系统未来的总体状态和每个人的思想行为走向，这样我们就可以提前做好准备工作，防患于未然，提前把隐患消灭在萌芽之中。即使无法防范，一旦提前预测到结果，思政工作者也可以提前做好准备工作，把事情的影响减少到最小。大数据思政教育预测为我们思政工作的主动性打下了坚实的科学基础，由此思政工作也可以像天气预报一样提前预报并做好应对准备，实现主动思政。

　　五、数据反馈：大数据思政目标的精准实现

　　学习、改进、优化是人类甚至包括大自然许多生物皆有的基本能力，这种能力其实就是一种自适应能力，能够根据目标或环境的变化来改变自己，以便能够更加高效地达到目标或适应环境。达尔文将这种能力称为适应进化能力，并用“适者生存”来做了最好的概括。其实，从本质上来说，这种能力无非就是一种试错能力，植物和动物都是通过试错来实现学习、进化，而人类更是使用试错法来让自己越来越聪明，例如神农尝百草就是这种试错法的典型应用。用科学的术语和理论来说，这种试错法其实就是控制论所说的负反馈控制，系统通过负反馈可以不断逼近目标，从而最终实现系统预先设定的目标或环境目标。

　　作为开放的复杂巨系统的思政教育系统，也有自己的伟大目标，即立德树人，为社会主义培养合格的建设者和接班人。为了实现这个目标，我们对受教育者进行马克思主义理论、中国特色社会主义思想、思想道德修养和法律法规的教育。为了更好地实现目标，我们要建立起从立德树人这一目标状态到思政教育内容这一系统输入之间的负反馈机制。没有负反馈机制就像我们开车没有前车窗和仪表板，根本不知道自己车开到了哪里，是否朝目标越来越近。这种负反馈机制是建立在思政教育系统的数据化基础上，这种数据就像车辆的仪表板，可以全面反映出思政教育系统的各种状态。不过，传统思政教育由于难以获得客观、可靠的足量数据，因此这种负反馈机制就很难建立起来。其在负反馈问题上有三大局限：一是负反馈数据量太少，很难精准反映状态信息；二是数据不一定真实可靠，采集的数据往往是失真数据；三是没有在线数据的采集和处理机制，因此状态数据得不到及时的更新而造成系统的不稳定或不精准。有时候，由于数据的缺乏，传统思政教育系统甚至变成了没有负反馈机制的开环控制系统，难以知道思政教育系统的具体信息。由于存在这三大局限，传统思政教育系统改进速度慢，难于快速实现立德树人的思政目标。

　　大数据时代的来临，为思政教育系统负反馈机制的建立提供了坚实的技术基础，带来了量大、真实、在线的负反馈数据信息。首先，系统状态数据量大。大数据用智能、自动化的技术手段能够及时采集到足够量的思政教育系统，特别是受教育者思想行为的状态数据，这源源不断自动采集或生成的数据全面、精准地刻画了思政教育系统的状态信息。其次，状态数据真实、客观。由于大数据时代的思政教育系统数据是智能技术自动采集的数据，没有受到数据采集者与被采集者的影响，能够客观地反映了思政教育系统的真实状态，系统调控不会被错误信息所误导。最后，大数据时代所使用的数据采集技术是先进的智能自动采集技术，采集速度快，处理速度快，基本上都处于在线状态，思政教育系统的任何变化都能够通过负反馈系统及时反映出来，并及时进行调控，例如发现某人情绪低落，马上就采取心理安抚和激励工作，以防止发生更大的意外。

　　系统的反馈分为正反馈和负反馈两种。正反馈会将目标和实际的偏差放大，通过反复迭代，系统将离预设目标越来越远，而且最终导致系统的不稳定甚至崩溃。负反馈则能够将目标和实际的偏差缩小，通过反复的迭代过程，系统将离预设目标越来越近，最终逼近预设目标，而且系统也将走向稳定。大数据思政教育系统由于有在线的负反馈机制，就可以在负反馈信息的引导下不断改进输入的思政教育内容，改善系统结构、功能和调节机制，特别是思政载体的变革，让思政教育系统变成一个能够不断学习、进化的自适应系统，这有利于实现立德树人的伟大目标。

　　大数据思政教育系统在线负反馈机制的建立等于给思政教育系统安装了感知思政教育状态的显微镜和望远镜，便于感知到思政教育系统的微观细节，也能观察到思政教育系统的未来走向。有了大数据及其负反馈数据，我们做思政工作就更了解思政教育系统的实时状态。这样，在大数据的帮助下，开放的复杂思政巨系统就变成了一个目标导向的复杂适应系统，最终能够更好地实现立德树人的思政目标，从而彻底克服思政工作的盲目性。

　　六、结语：走向计算思政科学

　　在大数据时代，大数据带来了新的看世界的方式，思政教育系统数据采集和处理可以实现智能化和自动化，因此解决了思政数据采集的困难及其客观性问题。有了思政大数据，思政教育研究就可以像其他自然科学一样用数据来描述和分析研究对象，整个思政教育系统就变成了一个可分析、可计算的数据信息系统。数据挖掘与计算可以发掘出蕴藏在海量思政教育数据中的相关性规律，并可能变成思政算法，由此思政教育规律有了自己的表达方式。基于思政教育大数据及其数据规律，我们就可以科学解释思政教育系统的过去现象，更可以精准预测其未来走向，这样思政工作就摆脱了打无准备之仗的尴尬。思政教育大数据带来更大的变革是思政教育在线负反馈系统的建立，思政教育系统就可以更好地朝着立德树人的思政目标逐渐逼近，最终达到我们的理想状态。由此，思政教育也将“用数据说话”，思政学科将从过去的基于经验的规范科学走向基于数据的实证科学，思政学科将走向计算思政科学时代。