□ 朱晓鹂

大数据驱动的高校思政教育，意味着不再是“一刀切”的教育模式，而是能够根据学生个体差异，量身定制教育方案，提供个性化的教育内容和指导。通过精准了解教育对象、精准供给教育内容、精准评价教育效果，不仅能够提高思政教育的针对性和实效性，还能够更好满足学生成长发展需求，激发学生进行自我教育的主动性与积极性。

基于大数据采集，精准了解教育对象

广泛收集多源数据。深入整合校内各类系统的数据资源，勾勒出学生在校园内学习和生活的基本轮廓；借助校园网络管理系统，监测学生上网时长、访问的网站类别、在线学习的活跃程度等，以此洞察学生兴趣偏好与信息获取习惯；在合法合规且充分保障学生隐私的前提下，采集学生在社交媒体平台上的相关数据，深入了解学生思想动态与价值取向。

构建多维度个性化标签。精心挑选适合的算法和模型，如运用聚类分析将具有相似特征的学生归为一类，以便发现群体共性；利用分类算法对学生进行分类，区分出不同思政水平层次的群体；借助关联规则挖掘技术，探寻学生行为特征与思政表现之间的潜在关联，完成对学生个体与群体的精准画像。

利用大数据挖掘，精准供给教育内容

完善思政教育内容。利用大数据技术，从权威学术网站、政府部门发布的政策文件，到知名学者的博客、专业的思政教育论坛等平台中，获取有价值的理论文章、研究报告、实践案例等；结合学校自身特色和学生实际情况，挖掘本校历史文化、校友奋斗故事、校园内发生的感人事件等，将其转化为生动的思政教育素材。

优化教育内容结构。突出重点内容，根据大数据反映的社会热点和学生关注的焦点问题，确定思政教育核心要点。强化逻辑联系，运用大数据分析学生对不同知识点的理解和掌握程度，合理调整内容编排顺序，将相互关联的知识点有机串联起来，形成逻辑清晰、层次分明的知识体系；注重衔接过渡，基于大数据了解不同年级、不同专业学生的特点和需求，精心安排思政教育内容梯度。

依托大数据分析，精准评价教育效果

注重实时动态监测。利用爬虫技术从网络平台抓取学生的最新动态信息，运用文本挖掘技术对文本数据进行快速分析和处理，及时发现学生思想观念的变化；借助物联感知技术，收集学生在思政教育过程中的行为数据，实时了解其参与状态。

实施个性化评价与反馈。根据学生的个体数据和学习轨迹，运用大数据算法为其生成专属的评价报告，精准评价学生在思政教育中的优点和不足，结合其兴趣爱好、性格特点等因素，提供个性化的改进建议和学习资源推荐。构建长效教育评价机制。对比不同学期、不同年级学生的数据，了解思政教育在学生成长过程中的作用和变化趋势，分析不同阶段的教育措施对其产生的影响，为制定长期的思政教育规划提供科学依据。（作者单位：南京工程学院）