Page 217 - 高校党建工作与思想政治教育

第七章 高校思想政治教育评价

2. 全过程实时反馈
教育大数据的跟踪性是指运用教育大数据的采集、挖掘、分析等技术，可采
集学生整个学习过程的数据。一般而言依据教育评价的实施时间来分类：在教育

行为实施之前有诊断性评价，教育行为实施过程中有形成性评价，教育行为结束
后则有终结性评价。针对高校思政教育过程的长期性和动态性，大数据技术和方
法的介入可实现对思政教育全过程的反馈，达到其评价过程性目标性并重的要求。
大数据关注相关关系，不仅仅拘泥于因果关系。在高校思政教育的三个阶段，

大数据可提供关联、聚类分析，对整合的数据进行分析并实时反馈。第一阶段，
育前支撑反馈。通过学生背景基础数据的整合集成，比如个性倾向、个体心理特
征、认知储备与方式等，建构起学生个体数据模型，给予思政教育初始评价支撑

反馈。第二阶段，育中即时反馈。无论是在进行集体主义、爱国主义、社会主义
教育时，还是在思想政治理论课堂上，大数据全过程监测和可视化表达都能即时
且清晰地反馈学生的学习数据，从而随时为评价学生知识技能掌握水平、教师改
进教学策略提供数据保障。第三阶段，育后长效反馈。思想政治教育是一个慢工
程，并非一日之功。学生评价也不能止步于课程结束或者毕业离校，大数据驱动

下的思政教育评价不会仅仅基于片段性记录对学生终身成长作轻易定论。依据学
生个体数据成长模型和过程性评价反馈，与社会齐力共建学生成长档案，将育后
学生的情感态度、思想道德素养等表现也纳入其评价机制，实现长效反馈。

3. 诊断及预警
思政教育评价本身就具有诊断功能。传统条件下，对于学生的评价主要参照
于教师主观感性的经验判断。而如今大数据技术使得这种判断从经验走向科学。
大数据驱动的高校思政教育评价在全样本数据采集的基础上，依据关联聚类分析，
能实时动态监测学生的教育过程，对比常态模型，诊断学生出现的问题和困难并

及时给予预警，为教师干预和引导提供先发条件，预先防范各类危机事件发生。
一是学业预警：通过相应数据挖掘和分析算法对学生思想政治理论课程的学
习态度、学习方法、学习行为、学习效果进行全面分析。使用异常值监测方法识

别，如出现低于平均阈值情况，可同时向相关教师和关联学生发送学业预警信号。
二是品德预警：在大数据实时监测过程中，如学生出现课业长期缺勤、校园
卡交易中钻空逃刷、校园门禁系统异常记录等情况，可向高校思政教育系统如辅
导员、学生工作负责领导发送品德预警信号。

·209·