更全的杂志信息网

大数据在思想政治教育领域的研究热点及趋势——基于共词分析的可视化探究

更新时间:2009-03-28

一、数据来源及研究方法

以中国知网(CNKI)为知识图谱绘制的原始数据来源,采用SU =“大数据”OR TI=“大数据”OR KY=“大数据”检索公式,选择的学科领域为“马克思主义和思想政治教育”,检索时间段为2013年至2017年7月26日,共检索出683篇文献,剔除其中不相干文章(如会议综述、非学术文章、访谈等),最后共得到639篇符合要求的研究文献。

共词分析方法属于内容分析方法的一种,它通过对一组词两两分组,统计这些词在同一篇文献中出现的次数,并以此为基础对这些词进行聚类分析,从而反映出词语之间的亲疏关系,进而分析这些词所代表的学科和主题的结构变化[1]。最早出现于20世纪70年代中后期,其思想来源于引文耦合与共被引分析。目前,已被广泛地用于揭示某一研究领域内的研究主题、探索主题间关系、考察其发展脉络和态势等[2]

本研究运用共词分析方法,对中国知网上关于大数据思想政治教育的文献进行可视化分析,通过现代统计技术中的聚类分析法、社会图谱分析法、战略坐标分析法等,对所采取的文献中的关键词进行提取、归纳分类,从而得出大数据在思想政治教育领域的研究热点、主题、发展趋势等。

  

图1 基于共词分析法的数据处理工具及研究思路

采用图1中的研究工具,首先提出研究问题“大数据在思想政治教育领域的研究热点及趋势”,然后进入中国知网(CNKI)使用高级检索方式获取Endnote格式题录数据,并保存位.txt引文格式。使用SATI文件题录信息统计分析工具,生成高频关键词的共现多值矩阵和共现相似矩阵,并将矩阵保存为.xls格式备用;使用Excel数据分析功能,将共现多值矩阵计算整理成高频关键词列表;使用UCINET6中的聚类分析功能,将共现相似矩阵转换成高频关键词聚类树状图,并运用Net-Draw工具根据共现相似矩阵将上述数据进行数据处理,绘制成社会网络关系图谱。根据共现多值矩阵将聚类结果设置不同的节点大小,以聚类分析的结果为基础,计算共现多值矩阵各个研究主题的密度值,绘制战略坐标图,分析主题的集中度和成熟度,最后对整体数据进行分析,得出结论。

二、数据统计及图谱分析

(一)提取高频关键词

从之前提取的639篇文献样本中检索到1268个关键词,合并其中一些含义相似的词(如将思想政治教育、思政统一为思想政治教育,将概论课、思修课、马克思主义理论课统一为马克思主义理论课等),选取出现频次不低于11次的关键词,共有26个作为高频关键词,它们能够大体上反映思想政治教育领域大数据研究热点(如表1所示)。

 

表1 高频关键词

  

序号 关键词 频次 序号 关键词 频次1 大数据 260 14 教育 23 2 思想政治教育 196 15 马克思主义理论课 23 3 大学生 110 16 思想政治工作 21 4 大数据时代 104 17 发展 17 5 高校 62 18 慕课 15 6 创新 52 19 思想动态 15 7 高校思想政治教育 48 20 传播 15 8 机遇与挑战 46 21 实效性 15 9 对策 37 22 意识形态 15 10 新媒体 37 23 互联网思维 14 11 互联网 36 24 网络思想政治教育 14 12 社会主义核心价值观 33 25 高校辅导员 13 13 路径 23 26 意识形态安全 11

除了“大数据”主题检索词以外,在思想政治教育领域,排在前10位的高频关键词主要有“大学生”“大数据时代”“高校”“高校思想政治教育”“新媒体”“创新”“机遇与挑战”等,反映出大数据在思想政治教育领域更多地集中研究和应用于高校思想政治教育,面对的群体为大学生,新媒体技术带来的创新对学科理论研究和实践发展来说既是机遇又是挑战。

(二)构造高频关键词共现矩阵

在对关键词进行统计的基础上,对高频关键词进行聚类分析,可视化地勾勒出思想政治教育大数据研究的领域结构,以进一步了解本研究的研究主题结构。聚类分析是根据研究对象的特征按照一定标准对研究对象进行分类的一种分析方法,它使组内的数据对象具有最高的相似度,而组间具有较大的差异性[3]。其主要思想是:首先将每一个关键词都看作一类,然后将相近程度最高的两类进行合并,使其组成一个新的大类,再将该新类与相似程度最高的类进行合并。如此不断重复合并,直到将所有的关键词都归为一类[4]。通过将共现相似矩阵导入UCINET进行层级聚类分析,采用离差平方和(Ward)聚类方法,得到高频关键词聚类树状图(见图3)。26个高频关键词同时参与聚类,横轴表示关键词之间的距离,竖轴表示高频关键词。这两个关键词的距离越短,说明其相关度越高,关系越密切。

  

图2 2013-2017年关键词频次年度分布堆积面积图

(三)高频关键词聚类分析

运用文献题录信息统计分析工具SATI软件,导入处理过的Endnote格式题录数据,提取关键词后构建26∗26的高频关键词共现多值矩阵和共现相似矩阵,存以备用。运用SATI软件,还可构建关键词频次年度分布矩阵,在导入处理过的Endnote格式题录数据后,限定根据年份进行筛选,并保留筛选后的数据,将其在Excel中进行分析并创建堆积面积图(如图2)。从图2中可以看出,关键词频次总量呈逐年上升状,2014年到2016年增速很快,相关研究文献呈井喷趋势,表明思想政治教育领域大数据研究得到广泛关注。其中,因为本次数据统计到2017年7月26日,本年度文献尚未能全部收入中国知网,影响该年度高频关键词频次统计值。

如图3所示,关系最密切的关键词为“大数据”和“思想政治教育”。依据聚类结果,可将思想政治教育领域大数据研究分为四个研究主题,为A、B、C、D 等四类(见表 2)。

2.大数据促进网络思想政治教育的创新与发展

继发于抗中性粒细胞胞浆抗体相关系统性血管炎的肥厚性硬脊膜炎1例报告 ……………………………………………………… 陈竹林,黄光,徐斌,等 124

1.大数据给高校思想政治教育带来的机遇和挑战

该主题包含大数据、大数据时代、思想政治教育、大学生、高校、高校思想政治教育、创新、机遇与挑战等高频关键词。在数字化时代,用数据说话成为各行各业不断探索的一种新手段以适应时代的发展,在思想政治教育领域,思想活跃的大学生既是互联网应用的主体,也是大数据时代的主力军,有关青年学生思想的数据较为庞大丰富,大学生群体有着较高的关注度。高校既是应用大数据的主阵地,也是思想政治教育领域数据的聚集地,因此有关思想政治教育大数据的研究,主要针对的主体是高校学生,高校思想政治教育是其中一个重要的研究领域。大数据的迅猛发展,给高校思想政治工作带来新的发展机遇,如何运用大数据的技术优势,创新大学生思想政治教育的模式、方法和路径,使之更为科学化和高效化,也是思想政治工作者关注的主要问题。在现实中,大数据应用于高校思想政治教育领域也面临诸多挑战,一些学者也意识到这个问题,对面临的困境进行多方面研究,如数据的相对匮乏、数据使用与大学生隐私保护问题的处理等,给大数据的普及应用造成不小的阻碍,如何克服这些阻碍,妥善处理各方矛盾,也是思想政治工作者在接受大数据技术和思维的过程中面临的挑战。

在图4中,正方形点代表高频关键词节点,节点大小代表中心度数值,即节点越大,表明所代表的关键词在社会网络中的作用越大,控制其他节点共现的能力越强。节点间的连线的粗细表示其关系的紧密程度,连线越粗,关系越密切,同时也说明它们出现在同一篇文献的次数越多。由此图谱可看出:一是从节点大小来看,除了检索词“大数据”以外,思想政治教育、大学生、高校、新媒体、对策、互联网、大数据时代等构成大数据在我国思想政治教育领域研究的核心关键词。回归文献可看出以互联网为主导的新媒体是大数据来源和传播的“大本营”,而高校思想政治教育是大数据的主要研究领域。二是从节点间连线的粗细来看,大数据、思想政治教育、大学生之间的连线最粗,说明三者间的关系比较紧密,表明在思想政治教育领域,大学生群体是大数据的主要分析对象。三是从整体网络分析,26个节点之间都有连线,没有完全独立的节点存在,大数据和思想政治教育处于网络中心,是研究的核心,慕课、意识形态、马克思主义理论课、思想动态等节点处于边缘位置,节点较小,且与其他节点连线较少较细,说明与其他节点的关系不够密切。

不同运动员有不同的个性,有求稳型的,个性稳重,有进攻型的,个性张扬。因此我们要找到能够发挥自己特长又能够限制住对手的战术。

  

图3 高频关键词聚类树状图

 

表2 研究主题类别结构表

  

序号 类别名 关键词A大数据给高校思想政治教育带来的机遇和挑战大数据、大数据时代、思想政治教育、大学生、高校、高校思想政治教育、创新、机遇与挑战等B大数据促进网络思想政治教育的创新与发展思想动态、网络思想政治教育、互联网思维、发展、创新等C 大数据在马克思主义理论课等具体教学中的应用马克思主义理论课、慕课、路径、实效性D 大数据时代意识形态安全问题及其教育传播问题社会主义核心价值观、教育、新媒体、高校辅导员、互联网、传播、意识形态、意识形态安全

结合高频关键词聚类树状图,对大数据背景下的思想政治教育领域研究的主题进行类别结构分析:

该主题包括网络思想政治教育、互联网思维、思想动态、发展、创新等高频关键词。与高校思想政治教育一样,大数据环境也是网络思想政治教育在发展中必然要面临的一个新环境。对于大数据时代的思想政治教育和网络思想政治教育之间的关系,在目前的相关文献中,可以看出大多数学者认为二者之间有着千丝万缕的关系,大数据嵌入网络思想政治教育这一领域,是十分必要而且行之有效的。在思想政治教育问题因网而生、因网而兴、因网而增的时代,如何准确把控网络阵地中的思想动态,是网络思想政治工作的一项艰巨任务,而利用大数据的功能,把人的思想动态等用数据的形式展现出来,更为科学和精确地说明问题,及时地获悉和洞察思想行为,为思想政治工作的开展做好前提准备。众所周知,大数据是以互联网、计算机为基础的数字数据运算,互联网的海量信息给大数据提供了可行的空间,网络思想政治教育结合大数据分析,能够把握住问题发生发展的趋势,及时有效地发现问题、处理问题、引领方向。因此,要顺应这种大趋势利用网络大数据技术,用大数据的理念、方式、方法创新网络思想政治教育,不断拓展网络思想政治教育的内涵和外延。

3.大数据在马克思主义理论课等具体教学中的应用

一是注重研究分析,强调成果利用。不断优化经济金融形势季度分析,主体框架涵盖宏观经济和银行、证券、保险等主要金融行业,分析指标逐步由速度型向质量型,由需求型向供给型,由规模型向效益型转换。持续监测政府性项目融资、居民部门杠杆率、房地产市场、银行业资产质量等财政金融领域的潜在风险,密切关注与财政相关的金融热点问题,客观评估普惠金融、农业保险奖补政策落实情况,专报材料被财政部采用并报送“两办”。

其次,构造各单层次判断矩阵,采用问卷调查的方式收集判断矩阵的数据。调查对象包括在制造业升级研究领域较为权威的专家、学者和山东省相关产业政策研究部门的工作人员。通过综合考虑相关调查人员的打分情况,构造出层次判断矩阵,对应表1,各个层次判断矩阵分别用A、A1、A2和A3来表示。

此类研究主题包括马克思主义理论课、慕课、实效性和路径等高频关键词,主要探讨的是大数据促进新型教学模式发展的研究。马克思主义是思想政治教育工作的理论基础和指导思想,马克思主义理论课既是进行马克思主义宣传和教育的主阵地,也是进行思想政治教育的重要路径,课堂教学效果关乎思想政治工作的实效性。在大数据时代,变革传统的教学理念,改变单一的教学模式,依托大数据技术开发受学生欢迎的网络课堂,开辟线上教育新阵地,扩大受众范围,使教育传播更加便捷化和快速化,促进马克思主义理论课堂的大众化,提高教学实效性。大数据是“慕课”背后的真正推手,海量教学数据得以存储、提取进而分析研究,反过来对“慕课”的发展也起到积极的引导作用。“过去,在学校的教学活动中开展实证教学受到技术水平的局限,要收集和处理学生在教学活动中的大数据比较困难。现在,随着全社会移动终端的普及、云计算服务的发展、大数据分析技术的突破,基于学生行为大数据分析的教学将逐步变为现实”[5]。通过“慕课”背后的用户数据,对学习者的学习水平和现状进行分析评定,进而可以做到因材施教,满足不同层次的人的不同学习需求。在此基础上进行差异化教学、平台自适应、构建个人成长体系以及构建客观评估系统,从而引导慕课平台的建设与发展。学习者通过慕课平台不断获取营养,同时也成为慕课的建设者,通过不断帮助平台完善和改进,使慕课平台愈加具有吸引力,吸引更多的学习者加入“慕课”的学习和建设中,形成良性循环。这一教学实践反映了大数据给思想政治理论课带来的变革契机。

Active Efforts to Construct the International Discourse of Socialist Eco-civilization:An Overview of“The International Symposium on the Global Vision and International Context of Socialist Eco-civilization” Ren Ling

在关键词分析基础上,运用NetDraw工具根据共现相似矩阵对数据进行可视化处理,绘制成高频关键词社会网络图谱(见图4)。

这一研究主题主要包括高校辅导员、社会主义核心价值观、意识形态、意识形态安全、教育、传播、互联网和新媒体等高频关键词。该主题旨在研究大数据对于主流意识形态教育传播的价值以及将要面临的安全问题。大数据带来的信息风暴正在深刻改变着社会经济结构、生产方式和生活方式,自然也不可避免地席卷了意识形态领域。一方面,大数据的发展可以将意识形态的“无形”化为可以感知、预测和治理的“有形”。大数据以其海量信息的整合与分析的超能力,为主流意识形态的传播创新提供了全新的思维路径和方法手段。“网民在网上产生的海量数据,记录着他们的思想、行为乃至情感,这是信息时代现实社会与网络空间深度融合的产物,蕴含丰富的内涵和很多规律性信息”[6]。各种各样的数据记录了人们的行为足迹,反映出他们的思维方式、价值取向及思想观念的变化发展,可以作为我们进行价值判断的依据。调查研究的工作离不开大数据的支持,对各种关于意识形态问题的数据进行收集、归纳、分析、研判,实时获知人们的思想动态和价值取向。研判快,预警也快,及时化解危机,利用互联网和新媒体,进行网络舆论引导,增强传播的主动性,了解大众需求进行引导教育。新的技术条件支持意识形态工作的开展信息传播的新途径,提升了主流意识形态教育和传播的实效性。另一方面,大数据的发展也给意识形态安全造成威胁。西方国家具有先进的大数据技术,鉴于数据的共享性与开放性,采集数据分析,获悉我国公民的思想动态,再制定相应对策,利用数据载体,进行西方意识形态的渗透。而重要的数据资源的泄露,被不法分子利用,也是安全工作的隐患。因此,大数据时代要重视信息安全,保护好涉及意识形态的敏感数据,以保障意识形态安全。

(四)社会网络图谱分析

4.大数据时代意识形态安全问题及其教育传播问题

同时,既然材料价格上涨了,附属工程或措施项目成本也必然会增加,如供风、供水管路、供电线路、辅助加工厂等,临时办公及生活用房、砂石料系统、混凝土生产系统等更是与此直接相关。

  

图4 高频关键词社会网络图谱

在福柯看来,全景敞视建筑作为一种重要的规训机制,它实现了权力的自动化和非个性化。《1984》被称作是“对全景式监督社会准确真实的再现”,它以其普遍的监控实现了权力的最大化,完整地呈现了一个集权主义国家的残暴和恐怖,并向现代人吹响了追求自由的号角。

(五)战略坐标分析

以A、B、C、D等四个研究主题的向心度和密度为参数,绘制战略坐标图,X轴表示向心度,Y轴表示密度,其中“密度被用于衡量因子之间的内部联系的强度,向心度被用于衡量一个因子和其他因子之间相互联系的程度。向心度越大,即一个因子和其他因子之间联系越紧密,则该因子在此学科中就越趋于中心位置”[7]。图5显示A、B、C、D等四个研究主题在战略坐标图中的分布位置,其中,A位于第一象限,B位于第二象限,C和D都位于第三象限。

  

图5 战略坐标图

分布于第一象限的主题A,即大数据给高校思想政治教育带来的机遇和挑战。这一研究主题的向心度和密度都相对较高,表明A主题内部彼此之间的关联较为密切,而且与其他主题也有联系,这一主题在整个研究中占据重要位置。高校思想政治教育是整个思想政治教育中的一个重要领域,大数据将数据分析和研究的“矛头”指向高校思想政治教育,也受到学界的广泛关注,相关研究成果也比较丰硕。主题B(大数据促进网络思想政治教育的创新与发展)分布于第二象限,其向心度为负值,密度为正值,表明这一主题和其他主题之间有联系,但其内部关键词之间联系松散,说明这一研究主题并不稳定。主题C即大数据在马克思主义理论课等具体教学中的应用以及主题D即大数据时代意识形态安全问题及其教育传播问题,都位于第三象限,其向心度和密度均为负值,说明这两个主题与其他主题的联系不够密切,还未受到学界的广泛关注,其内部关键词之间联系也不够紧密,说明在未来的研究中,这两个主题还需更多关注、更深入研究。

三、研究结论与展望

“数据是产生信息、知识、智慧的基础,是数字化生存时代的新型战略资源”[8]。在大数据背景下,紧跟时代发展的步伐,融合当代新技术,充分挖掘教育资源,通过对数据的分析、归纳,探索其中的规律,给出总体的判断和预设,可以提升思想政治教育工作的实效性。大数据也对思想政治教育工作提出新的要求,树立大数据意识,积极应对大数据,将大数据技术运用于思想政治教育,探究数据与思想政治教育的契合点,及时调整教育者的策略,更好地实现思想政治教育的目标。结合图谱分析可知,大数据在思想政治教育领域的研究与应用正处于发展阶段,因而要坚持运用和管理好大数据资源,挖掘其潜在价值。对于其中发展不足的领域,在未来研究中应加以重视,注重大数据在具体教学和意识形态工作中的实践应用。

(一)运用好大数据资源,克服基于经验和直觉判断的失误

哥伦比亚大学心理学教授邓肯·沃兹(Duncan Watts)认为,有关人们行为和喜好的丰沛数据正改变着社会科学,使社会科学从数据最贫瘠的领域变为数据最丰富的领域。思想政治教育作为社会科学,也有着丰富的数据资源,应转变原有的教育观念和管理观念,建立各种数据集,以数据为判断,尝试依靠数据的准确性和科学化来辅助以往的直觉判断和情感教化。

(二)管理好大数据资源,处理好数据安全和隐私问题

在大数据环境下,个人数据显得尤为重要,在数据的采集、运输、处理、分析过程中面临数据流失和隐私泄露的风险。如何化解大数据技术应用带来的这一风险,也是思想政治教育在大数据研究与应用过程中亟须解决的难题。因此,建立和完善大数据信息安全机制,制定更严密的法律监管体系,加强敏感数据的监督,提高数据安全防范意识都是必不可少的。

(三)加强大数据在思想政治工作微观层面的应用

通过上述数据分析发现,大数据在思想政治教育领域的研究与应用多停留在宏观层面,而微观层面具体的教学应用等仍处于研究的边缘地带。更多地关注高校和互联网两个场域,而很少涉及其他领域,研究对象更多以大学生为主,而忽视了其他群体。因此,在未来研究中,不仅要重视以大数据技术为支撑开发新的在线教学模式,使大数据资源真正地应用于思想政治工作具体实践中,还要不断地拓展研究领域,发挥大数据容量大、范围广的优势,使思想政治教育更多领域、更多受教育者得益于大数据技术,增强思想政治工作的科学性和实效性。

参考文献:

[1]蒋 颖.人文社会科学领域文献计量学研究[M].北京:社会科学文献出版社,2013:287.

[2]唐果媛,张 薇.国内外共词分析法研究的发展与分析[J].图书情报工作,2014(22):138.

[3][4]陈胜可.SPSS统计分析——从入门到精通[M].北京:清华大学出版社,2015.

[5][英]维克托·迈尔-舍恩伯格,肯尼思·库克耶.与数据同行——学习和教育的未来[M].赵中建,张燕南,译.上海:华东师范大学出版社,2015:6.

[6]邬贺铨.大数据时代的机遇与挑战[J].求是,2013(4):47.

[7]马费成,望俊成,张于涛.国内生命周期理论研究知识图谱绘制——基于战略坐标图和概念网络分析法[J].情报科学,2010(4):483.

[8]陈 潭,等.大数据时代的国家治理[M].北京:中国社会科学出版社,2015:4.

 
殷玲玲
《继续教育研究》 2018年第03期
《继续教育研究》2018年第03期文献

服务严谨可靠 7×14小时在线支持 支持宝特邀商家 不满意退款

本站非杂志社官网,上千家国家级期刊、省级期刊、北大核心、南大核心、专业的职称论文发表网站。
职称论文发表、杂志论文发表、期刊征稿、期刊投稿,论文发表指导正规机构。是您首选最可靠,最快速的期刊论文发表网站。
免责声明:本网站部分资源、信息来源于网络,完全免费共享,仅供学习和研究使用,版权和著作权归原作者所有
如有不愿意被转载的情况,请通知我们删除已转载的信息 粤ICP备2023046998号