Page 95 - 高校思政教育模式与实践创新

Innovative Models and Practices of Ideological and Political Education in Higher Education Institutions
高校思政教育模式与实践创新

第三节 高校思政教育中数据驱动的决策支持

一、高校思政教育数据的来源与类型

在大数据时代，高校思政教育数据来源广泛且类型多样。学生基本信息是基
础数据来源，涵盖学生的年龄、性别、籍贯、专业、民族等结构化数据。这些数
据可直观呈现学生群体的基本特征，为思政教育的个性化与针对性提供依据，其

结构规整，易于存储与分析，能助力教育者初步了解学生背景差异，为因材施教
奠定基础。
学习行为数据丰富且具动态性。在线学习平台记录学生登录时长、课程视频
观看进度、参与讨论的频次与质量、作业提交时间及完成情况等。此类数据部分
为结构化，如登录时长、作业提交时间；部分为半结构化，像讨论区发言内容虽

有一定格式但相对灵活。这些数据反映学生学习过程中的参与度、兴趣点与学习
习惯，有助于洞察学生学习状态的变化，为调整教学策略提供实时依据。
课程成绩数据是衡量学生学习成果的重要指标，包括平时成绩、考试成绩、

课程论文得分等结构化数据。通过对成绩数据的分析，可评估教学效果，发现学
生知识掌握的薄弱环节，进而优化教学内容与方法。
校园活动数据包含学生参与社团活动、志愿服务、文体竞赛等记录。活动参
与次数、担任角色、活动评价等数据类型兼具结构化与半结构化特征。校园活动
数据能展现学生的综合素质、团队协作能力与社会责任感，对全面评价学生思政

素养及指导校园文化活动的开展意义重大。
网络言论数据，如学生在校园论坛、社交媒体群组等平台发布的与思政相关
言论，属于非结构化数据。其蕴含学生对社会热点、思政话题的真实看法与情感

倾向，虽分析难度较大，但能捕捉学生思想动态的细微变化，为思政教育的引导
方向提供参考。丰富多样的数据来源与类型，为深入开展高校思政教育数据分析
与应用构建了坚实的数据基础，不同类型数据相互补充，全方位反映学生思政学
习与思想发展状况。

二、数据驱动决策支持在高校思政教育中的应用现状

当前，高校思政教育领域正逐步引入数据驱动决策支持理念与实践，但应用
水平参差不齐。从应用范围看，部分高校已在教学质量评估、学生思想动态监测

88