融入信息数据,发掘应用价值
传统的定性分析和定量分析在当今信息爆炸的时代显露出明显的局限性。在分析思想政治状况时如能引入大数据技术,思想信息全样本数据的整合和分析以及数字化呈现就会成为可能。利用好大数据技术,挖掘和探索思想政治状况各要素之间的关联,并在把握因素、规律的前提下,对数据呈现的价值进行精练和整合,就可以在全面坚实的经验基础之上还原学生的思想政治状况全貌。这个过程显然需要更多的认识和接纳,最基本的前提就是树立大数据思维,肯定大数据的应用价值,将以往对大数据的认识从资源层面上升到价值层面。一方面要提高思想信息大数据的质量,建立统一的大数据质量标准,规避对信息的盲目吸收与应用,强调思想行为数据的粒度要求,强化信息伦理的规范性,最大限度地规避数据侵权和数据风险,做到前端数据“多且精”;另一方面要促进思想信息大数据的共享,消除以往数据独立的局面,多维度的数据会使思想政治状况的分析结果还原出多角度、多层次的全貌。只有把控数据质量、坚持数据共享、充分肯定大数据的使用价值,才能不断地提高大数据在分析思想政治状况中的融合度,发掘更有价值的分析结果。
结合定量分析,提高收集效率
定量分析是利用数学分析等计算科学来解释现象、揭示事物发展规律的研究手段。以往的定量分析只能对收集到的信息进行有限的数据级分析,难以全面客观地反映出思维的演变特点。将大数据技术与定量分析相结合,可以优化信息的获取与整合,进行科学量化的实用分析。
建立健全思政状况大数据工作平台。要确保将收集到的源数据可以有效地转化为可利用的数据集合,一是数据收集的平台,要实现对思想信息的覆盖,并对散乱参差的繁复数据进行筛选与整合,使信息成为具有分析价值的资源信息库;二是数据分析的平台,要利用大数据的相关性分析方法,总结并掌握思想政治状况发展和变化的基本规律;三是保证安全体系,不仅要保护数据的安全和隐私,还要针对可能出现的信息泄露、使用不当等问题提前制定预案,更要完善大数据的风险处置制度,在思想认识和机制设计上对数据的使用和处理进行维护和引导。通过对平台的建设,合理汇聚、处理、约束思想政治状况的大数据资源。
努力打造思政状况大数据分析模型。一个是特征描述模型,可以实现对客体的全天候日常资料等的搜集和分析,描述现状的同时还能精准还原客体的思想特征和行为特性。既要注重数据的综合采集,获取属性数据和动作数据,在获取对象的客观数据时还要注意对象所属群体的客观状态;也要强调数据的科学分析,灵活运用和充分结合不同状态的分析方法,如应然和实然、静态与动态、目标和现实等;还要实现数据的可视化,分别从时间、空间的不同向度对分析结果进行数字化、立体化的处理,让分析结果兼具对比性、变化性和关联性。另一个是分析预测模型,通过设定分析变量,寻找数据的内在逻辑,构筑一个能够推理思想政治状况未来发展走向的预测模型。既要设计敏感性话题监测的模板,通过关键词、模糊搜索等技术,对网络环境中的不良言论和潜在的舆论变化进行监控,进而设计一种特殊的行为预警模型,以达到对某些与平均值偏差的数据和潜在的不确定因素进行智能监测的目的;又要通过已经设定的预设数值构筑网络舆情的分析监控系统,利用网络技术对具体事件进行分析,准确把握舆情活动的起始、发散、高峰、回落、结束等各个阶段的动向,以强化指导和控制。
加入定性分析,丰富分析结果
定性分析是对研究客体给出定性判断、探索外显行为与内隐思维之间内在联系的研究手段,在分析思想政治状况时可以发掘其形成和变化的规律。大数据与定性分析相结合,可以克服主观性、片面性等缺陷,通过对海量信息进行动态的相关性分析,清晰地展现其中的数据痕迹,以期掌握客体的思想现状并判断未来预期,提高思想政治状况分析结果的实用性和多样性。
切实提高思政状况关联分析的充分性。传统的方法注重挖掘客体的思想与行为之间的因果关系,由于侧重的是思维和行动的外因,因而对超出现有信息范围或表面上毫无意义却有内在关系的信息缺乏重视,使思考和分析无形中陷入被动。而大数据可以突破因果关系的束缚,通过算法对围绕在现实性问题周围看似无关的因素和数据进行关联,借助以相关性分析见长的数据库系统多角度、多方面地呈现思想政治状况的全貌。
不断完善思政状况问题诊断的全面性。以往的研究侧重于从局部的背景中搜集一些静态、零星的资料,再从综合的角度来判断其动机。但是,局部的角度并不能完全地反映出一个人的问题。而大数据本身在问题辨识方面就具有较强的优越性,一是利用问题辨识的模型进行关键性数值预置,精准地诊断思想行为背后的共同特征和个体性差异,实现高效的预判和对聚焦性问题的精准发力。这样,只要客体的思想和行为有所偏差,主体就能做出及时的回应;二是借助大数据聚类分析方法,将看起来无从整理的资料转换为模型化的数据,不仅做到随时识别和辨析不断增长更新的思想行为数据,而且也让结果的表现更为立体形象,从而对偏差于常数的人和事进行及时预警。
充分发挥思政状况趋势预测的有效性。过去通常的定性研究建立在对主观进行严密的逻辑思维推理和经验的归纳概括上,对未来的预判能力较差。借助大数据对某类特征事物或问题自动归类和分析的敏感性,可以帮助我们深化对事件走向和问题发展的理解,提高对某些事件的规律性预知。在分析模型中进行精密的智能计算,可以准确及时地把握客体的思想行为变化,进而突破传统的限制因素,比如空间的碎片化、时间的断续性、思维的局限性,从而实现对思想政治状况全要素的整体把握、全过程的动态监控、全范围的关联分析,这样就能做到对客体行为轨迹的描述和对其未来趋势的预测。一方面,通过总体性分析方法,结合具体的教育目的,从总体上进行综合剖析,得出基本前提和平均水平,以此为基础再通过比较差异性行为分析,得出个体的思想政治状况趋势以及未来走向;另一方面,通过比较现实状况和理想目标,发现两者的差别之后归纳出不同的代表性问题,又可以实现对其思想行为变化趋势的合理预测。