算法是为解决特定问题而输入计算机的代码，经过特定运算、数据处理和自动推理而输出结果，是计算机科学的基础。在现代信息社会中，算法是一个具有高度战略性的代码，在信息与受众之间具有空前强大的“算法权力”。2018年，教育部印发的《教育信息化2.0行动计划》助推了智能算法融入个性化教学的教育智能化进程。因此，如何充分利用算法技术助推精准思政，实现思想政治教育在理论逻辑和实践进路上与算法的深度互嵌，完成思想政治教育方法的技术升级，以精准的教育模式满足大学生日益增长的个性化需求，无疑是精准思政必须研究的重要课题。

一、算法时代高校思想政治教育面临的挑战

算法并不只是一套程序编码，而是一整套“议程设置”的人工智能系统架构，让用户成为算法架构的价值落点。价值观可塑性极强阶段的青年大学生极易受到算法意识形态的干扰。算法主体分析大学生用户的“剩余数据”，即隐式网络行为痕迹（如点赞、收藏和订阅等社交手势），精准捕捉和识别大学生的个性需求，结合数字人际关系型协同过滤，向其精准推荐“个性化”内容。算法既可以成为精准思政的技术依托，也可以在不同场域成为不同利益主体提高内容传播精准度的手段。

1.技术场域：算法推荐的个性化与传统思想政治教育的笼统化

大数据时代，面对庞大的信息量、众多的数据类型和严重碎片化的信息，大学生不可能付出大量时间和精力去筛选信息，所以最有效的办法是将信息中介权力委托给提供“个性化”推送的算法。算法模型在受众和信息之间建立二元关系的基础上，借助社交媒体等系统架构收集庞大的受众半结构或非结构化的“剩余数据”和数字人际关系，通过“画像”精准捕捉受众的价值取向和偏好，据以对“内容池”进行计算筛选，采用受众喜爱的风格模型为其编辑契合兴趣爱好的内容，实现信息分发与受众偏好的精准匹配。算法似乎是具有机器理性的代码，但实际上由于算法的研发环境具有封闭性，算法主体的价值指向和利益企图可以随意地植入设计过程，形成“黑箱社会”。因此，个性化信息定制的结果必然导致信息获得的不对称性。数据鸿沟的出现使得受众的“剩余数据”被商业化，成为数字消费社会服务的工具。

算法为大学生个性化精准推送令其产生愉悦感信息，同时也隐藏了价值光谱另一端的信息，而且会在社交媒体上无法自我纠偏地迅速蔓延，导致思想和观念的固化和封闭。因此，大学生被包裹在价值趋同的“内容池”里，形成“信息茧房”。有相同价值取向的符码通过社交媒体的内容编码实现了聚合以寻求归属感，并完成自我认同的构建。群体情绪作为输入的原始数据带有某种偏向，从而算法生产和推荐的内容又会加深大学生的偏向，使其更加认同自我意识，并造成社群之间产生相区隔的屏障。思想政治教育将面临“被不同的意见极化群体所分隔，社会共识难以凝聚”[1]的新挑战。

与此同时，当前思想政治教育对大学生的个性化需求并不敏感，尚未在教育方案中精准融入大学生的主体性。同时，也没有针对不同群体的持续、动态的关注，缺乏针对不同年级、爱好、地域等大学生群体的专项调研，未能有效识别不同大学生的差异化需求。思想政治教育的逻辑思辨视域尚未扩展到学生个性化需求视域，无法将灵动个体与严谨理论相融合，尚未在个体向度上实现价值超越。这导致传统思想政治教育的方案制定和实施“一刀切”，更多的是“千人一面”的笼统灌输，欠缺分层分类设计的精准教育。

2.媒介场域：算法媒体的“泛娱乐化”与传统媒体的边缘化

算法媒体借由智能算法技术的盛行而崛起，打破了传统媒体自上而下的传播把控体系，导致算法媒体和传统媒体之间的传播权力再分配。智能驱动、社交导向、精准传播的特点使算法媒体日益成为信息分发的枢纽。与之相对，以正负信息调控为主责的传统媒体在宣传范式上面临传播覆盖率和精准度降低，传播影响力和观念引导有效性弱化等严峻挑战。算法媒体作为商业主体并没有被纳入传统媒体的管制框架中，不需要以舆论引导功能为主责，而以追逐利润为商业本性。算法媒体具有商业主导、运行自主、迅速扩张的特点，可以通过大数据实时监测内容的流量变化，获得流量激增的热点内容，分析对推送内容的反馈数据，缩短内容的响应时间，实现内容分发的精准化。广大受众的数字信息消费结构决定了算法媒体对泛娱乐化信息的推送量超过了时政资讯信息。在商业化争夺注意力经济的驱动下，算法媒体进一步放大了娱乐属性。

为了精准增加对大学生的流量吸引，算法媒体分析大学生“常驻”或相似的网络社群的特征，利用具有相似品位和一定信任度的数字社群向大学生进行口碑推荐。同时，为了抢占大学生的碎片时间，算法媒体精准营造动态、分离的“超现实”空间，精准推荐“重情感轻真相”的“后真相”内容。在非连续性、缺乏具体语境的“后真相”内容中，调侃和戏谑的娱乐手段使得部分大学生把高雅和崇高沦为世俗和消遣的附庸，沉迷于网络直播、偶像应援、“超级话题”等感官盛宴。这让部分大学生在算法媒体所构建的“超现实”中弱化了对人生意义的思考和理想信念的追求，迷失在一种非理性、情感化、“泛娱乐化”的数字景观中。

3.意识形态场域：西方意识形态渗透的隐蔽化与主流意识形态传播的碎片化

算法的碎片化精准过滤迎合了大学生即时性、个性化的浏览习惯，与生活模式快节奏化、追求个性化的时代特点相吻合。但是经过算法碎片化制作、算法过滤化传播的信息容易造成话语结构与语义的离散，颠覆了传统文本式叙事逻辑。这不仅会使内容零乱芜杂，难以呈现意义的完整性，而且带着感性化诉求和情绪化印记。主流意识形态是逻辑演进的科学理论体系，需要严谨的系统学习。面对精准、海量、快速的碎片化信息，青年学生“疲于”接受，需要通过频繁的超文本链接相关性信息并进行整理、分析、鉴别，但碎片化信息间的非线性链接离散了语义表达，难以形成有力的聚合效应。这会弱化主流意识形态逻辑性所需的理性场域，并冲击主流意识形态生成所需要的线性认知图式。由于认知时间短、缺乏系统的分析过程，容易导致大学生以碎片化的信息取代理论的完整性认知，弱化了对主流意识形态的认知和认同。美国学者马克斯韦尔·麦库姆斯认为，在信息传播与意见表达中，大众媒介可以借助特定议程设置影响人们对特定事件的价值判断。经过西方媒体议程设置的文本内容拆解了“他者”的现实情境，不纯粹再现事实，而重构符合特定标准和价值立场的意义。西方凭借算法原发优势和算法媒体的垄断地位，把西方意识形态嵌入算法以增加向中国渗透的精准度和隐蔽性。如果舆情有利于西方进行意识形态宣传攻势，西方会通过议程设置将其价值取向和认知规律在内容中框定，并利用算法碎片化过滤我国主流意识形态内容。同时，西方借助互联网内容供应商生产出符合不同网络集群偏好的议程设置内容，形成内容发布数量的绝对优势，迅速占领社交媒体中兼具“微博话题+兴趣内容社区”特点的话题板块。在西方所构建的单向、封闭的“过滤气泡”中，“先定义后理解”的思维惯性在很大程度上影响到同一网络集群内大学生对事件的看法、态度和价值判断。

二、算法对实现精准思政的技术优势

精准思政是指在算法等人工智能技术与精准理念的高度融合下，实现精准育人。算法是具有精准“助推”效应的快速、高效、隐藏的智能技术，旨在“助推”用户朝着算法主体的价值偏好进行点击行为。算法推荐为要强调的信息设置“突出”模式，当用户点击、浏览了算法推荐的信息就产生“启动”效应。通过“启动”效应进行运作，算法根据受众“画像”精准地、动态地设置场景化语境。借助算法的精准化技术优势，思想政治工作者可在教育内容的“生产-过滤-推荐”环节上精准聚焦、精准施教和精准调适，将思想政治教育内容精准融入大学生的算法消费生活。

1.实现思想政治教育的精准生产

思想政治教育可利用算法分析系统监测流量变化，通过精心策划和设置满足大学生诉求导向的教育议题。在错综复杂的问题中，利用算法分析精准凝练体现主流意识形态的重大议题。同时，借助算法的数据监控发现国际社会热点积聚事件，抓住时机，因势而谋、顺势而为地策划相关议题。借助互动性高、承载量大的算法媒体，使主流意识形态议题上热搜，依靠议题本身的流量来吸引大学生的注意力，成为数字社群讨论、互动的焦点。在主流意识形态议题设置的指引下，利用算法机器人记者精准、大量生产思想政治教育内容。通过引导型、解释型和辩驳型算法内容的生产，精准、有效地凝聚大学生广泛的思想共识，增进政治认同，形成多维度、多层次、多角度的价值引领。

2.实现思想政治教育的精准过滤

借助算法过滤、算法排序技术，可构建阻止西方意识形态侵蚀的算法“防火墙”，拦截错误言论传播，保障算法信息安全，赢得算法信息战的主动权。同时，意识形态网络舆情算法监控技术可以对高校各个舆情载体（社交媒体、论坛、新闻聚合APP等）进行全天候监测，深度分析有价值的校园舆情，精准解构校园舆情事件的核心要素，即时把握大学生意见倾向、校园舆情发展趋势等多维数据，精准捕捉校园舆情事件隐含的风险点，从而实现对意识形态网络舆情的精准调控。通过“人机结合”的主流意识形态算法权力模式，精准过滤错误信息，戳破西方算法媒体所构建的意识形态“过滤气泡”。

3.实现思想政治教育的精准推送

算法媒体强大的交互性为思想政治工作者和大学生的有效互动奠定了基础。通过算法建立个性化的数据分析平台，对大学生的知识结构、学习习惯、价值倾向等发展状况进行“画像”。通过建立大学生群际模型增加个体“画像”的精确度。借助用户标签体系中的预测标签，[2]提前研判大学生对信息的需求量，对信息进行精准分类和排序。通过算法细分大学生群体，并与思想政治工作者之间做好内容的“双向再塑”，改变传统“千人一面”的教育模式。结合学生成长的新规律和新期待，采用定制化的精准传播方式对其推送思想政治教育内容。同时，可以利用算法媒体对传统媒体的价值导向和权威信息进行网络延伸，通过算法的“双向再塑”模型，精准再塑信息的流动性和张力，提高主流意识形态的传播力，使大学生将社会主义核心价值观内化为价值需求，融入其价值图式，成为其评价事物的立场、方法和观点。

三、智能算法助推高校精准思政的实践进路

在精准思维的引导下，借助智能算法在数据分析、模拟决策和建模预测方面的优势，通过精准定位学生、精准制定培养方案、精准施教和精准评价教育效果，实现精准育人的目标。

1.算法助推思想政治教育精准定位

精准定位是精准思政的前提。作为“数字原住民”的当代大学生在身份建构上存在“个性化”的心理需求，因此，思想政治工作者必须树立“需求侧思维”，精准定位大学生对教育内容和形式的诉求。算法在技术层面为精准思政搭建了全景平台，有助于思想政治工作者精准聚焦大学生在知识结构、思维特点、认知习惯等方面的个性差异。[3]首先，思想政治工作者借助算法，能够快速、全面收集大学生的线上“剩余数据”和线下“实践数据”，从大学生的学习情况、时政关注、社会实践、阅读习惯、经济状况等多维度、深层次地为大学生“画像”。通过算法分析系统可以从数据的编码样式中识别情感内置，并从中筛选出体现大学生知识结构、价值倾向、行为呈现模式、兴趣特长等思想行为谱系的“数据印纹”。其次，思想政治工作者借助算法分析数据之间的关联性，动态调控与大学生之间的数据关系联动。从数字互动的数纹中，分析得出隐藏在互动数据背后的思想状态。以此依据算法逻辑在数据再现中型构大学生的数字情势，提前研判大学生对信息的需求，对信息进行精准分类和排序。通过算法驱动下的介体纽带建立不同类型大学生的群际模型，增加大学生“画像”的精确度。再次，在实践活动中，大学生基于诉求的选择来完成自我验证，因此思想政治教育精准定位必须立足学生的个性诉求，借助算法实时监测大学生关注的内容流量变化，及时捕捉大学生的心声和关注点，贴近大学生的现实生活。通过算法分析大学生聚焦的诉求，以此为落脚点精准凝练教育框架，把大学生的个性诉求与思想政治教育的需求相结合，及时回应大学生的成长困惑，使大学生切实感受到关怀，引发情感共鸣，增强认同感。

2.算法助推思想政治教育精准定制

精准定制是精准思政的核心。借助智能算法的深度学习技术，可以以大学生的“个性化”诉求为出发点，通过人机协同制定个性化教育方案，规避方案制定中的人为误差。算法深度学习技术可以对深层次的隐性数据进行编码分析，对多线程信息和多元主体协同信息进行串联。在方案制定的顶层设计中精准定位、优化资源配置，精准制定“个性化”的预期教育方案。首先，通过算法超链接大学生“剩余数据”、教育资源数据、教育环境数据，实现教育方案和大学生的议程互动和议题同构。根据大学生的个体差异实现方案的分层设计与定制，将宏观主议题分解为微观分议题。将数据挖掘分析与大学生的个性化体验相结合，既涵盖思想政治理论课的课程设计、实践调研等教学活动，也包括体验性好、趣味性强的日常思想政治教育活动。推动思想政治教育方案由表入里、从单点扩展到全程。思想政治工作者应借助算法精准识别大学生在数字空间中关注的热点事件和新闻数据，动态调整课程内容和课程计划，及时讲授与热点事件有关的课程内容，将热点事件的解答与理论知识的讲解相融合。其次，通过排序学习算法进行方案优选和学习模块排序优化。一方面，借助数据关联型算法分析教育方案和学生偏好推文的内容关联性，并通过建立大学生群际模型进一步分析方案的适用度。另一方面，借助算法技术对学习模块进行关联模型分析，根据学习模块之间的相关性和连贯性精准推荐下一个学习模块。

3.算法助推思想政治教育精准定法

精准定法是精准思政的中枢。在精准定法的过程中，思想政治工作者应以教学情境为条件设定，结合大学生的方法偏好，选择与其相符的教育方法，以此提升大学生的接受度，从而达到最优的教育效果。首先，需要统筹管理和融合算法与思想政治教育所各自承载的教育任务。为了精准定法，实现教育内容的精准落地，应该充分考虑目标大学生对不同教育方法的接受效果、喜好程度和媒介到达率等因素，优化选择不同方法以达到教育结构与顺序的合理化。要充分发挥算法在资源融合方面的技术优势，对思想政治理论课的文字内容进行“聚变式”数字化，转变为多媒体互动展现形式。同时，在教育方式上进行多向度的“裂变式”发展，如采用慕课、微课等在线、实时、开放的教学方法。促进算法的技术资源和思想政治理论课的内容资源的整合、叠加和创新，从而形成多类型并存、多层次递进、多功能互补的教育方式组合，有效平衡思想政治教育的社会需要与学生个体诉求。其次，以短视频平台为代表的社交平台具有自我表达多样性、空间障碍的突破性与兴趣共享的便利性等特征，逐渐成为大学生维系人际关系、增强社会联系、拓展社会交往的重要方式。可以以此为依托，通过协同过滤算法机制打造各种类型的自组织网络学习共同体，激发学生学习的积极性和互助性。比如，短视频平台抖音建立的“抖友文化”。“抖友”是基于社交平台中相同的“标签”自发形成的，并已经逐渐突破平台内的虚拟交流而向现实人际构建延伸。可以有效借助“抖友文化”开展翻转课堂、混合课堂等网络教学，如理论宣讲小视频、学习笔记分享、红色电影解说等，构建参与式、体验式、个性化的思想政治教育新模式。借助网络学习共同体在虚拟世界和现实世界的二维重合优势，促进大学生在虚实之间和谐发展，实现线上和线下的精准互补，提高学生对知识的迁移能力。

4.算法助推思想政治教育精准评估

精准评估是精准思政的要旨。智能算法使思想政治教育的教与学的效果考量、校准走向精准化。借助算法在辨识和分析数据方面的优势，思想政治工作者可以精准跟踪大学生思想观念变化趋势，并绘制变动轨迹。同时，及时判定和检测大学生接受理论教学、社会实践、日常思想政治教育等教育活动之后的变化与反应，实现过程性、多维性和动态性的精准评估。首先，通过算法深入分析大学生半结构化、非结构化的原始数据，并转化成结构化的关联数据，思想政治工作者可以精准地掌握大学生的整体态势和变化趋势，从而对思想政治教育的全景效果进行把握，实现全方位、多角度的数字化整体性评估。借助算法链接自我量化数据、平台的实时监测数据、数字化评估指标等相关数据链，通过对海量数据的精准归纳、深度整合，思想政治工作者既可以从整体上分析学生各项数据的关联性，又能够透过数据关联性挖掘潜藏在背后的规律性，全面掌握大学生接受教育之后思想观念的演进轨迹，及时跟踪大学生思想意识的状态，实现精准评估与教育优化之间的良性循环。其次，基于算法的即时性和动态性特点，能够实现对教育效果数字化评估的全过程动态监控。通过对大学生全程化、立体式的教育数据记录和跟踪，掌握他们的学习风格、学习需求和学习进度，并通过算法分析出“个性化”的适应性反馈帮助大学生较为客观地自我学习评估。通过对大学生的学习结果与教学方案、学习反馈与教学方法等数据进行相关性建模，对大学生未来的学习趋势进行动态化的数据预测。同时，借助算法数据实时分析的预见性价值，对已然的数据做预测性建模，使数字化评估的发展过程演示动态化，预判思想政治教育数字化评估的结果。由此，可以根据实时反馈的信息，及时纠正、改进教育方案和教育方法，进一步提高思想政治教育的精准性。

参考文献：

[1]陈昌凤.未来的智能传播[J].人民论坛·学术前沿,2017(12).

[2]蒋成贵.算法推荐对网络意识形态建设的挑战及应对[J].思想理论教育,2019(7).

[3]吴满意,王丽鸽.从精准到智慧:思想政治教育创新发展的根本态势分析[J].马克思主义与现实,2019(4).

温旭.智能算法助推高校精准思政的逻辑进路[J].思想理论教育,2020(06):81-85.