基于第二課堂行為數據分析的高校精準思政研究與實踐

隨著大數據技術的發展與應用，精準化地開展思想政治教育活動成為一種新型工作模式，其核心在于通過數據驅動提升教育實效性。高校第二課堂涵蓋學生參與各類活動的頻率、類型及偏好等行為數據。這些多維度行為數據可有效表征學生個體發展差異，為構建精準思政體系提供數據基底。2022年，教育部等十部門聯合印發的《全面推進“大思政課”建設的工作方案》明確指出，高校第二課堂普遍存在“重活動輕引領”現象，反映出其在促進理論實踐化、培育社會主義核心價值觀方面的載體功能尚未充分激活。本研究基于北京工業大學第二課堂管理系統，運用分類和聚類算法分析學生行為特征，識別教育需求的潛在規律，構建包含動態挖掘、精準畫像和靶向干預的數據驅動三維實施框架，旨在實現高校精準思政從數據采集到育人成效的閉環轉化。

第二課堂行為數據動態挖掘

1.數據挖掘

為全面揭示學生在第二課堂中的行為特征，基于北京工業大學第二課堂管理系統（2021年一2023年）數據，通過多源采集方式獲取學生活動參與的全周期記錄，包含學生的活動類型、參與時間、學分累積、活動頻率等基本信息，共采集110，765條行為原始數據。數據獲取采用三類互補機制：系統自動記錄常規活動信息（ 45% ），人工補充錄入校外實踐類活動（ 10% ）以及移動端應用的實時驗證采集（ 45% ）。

2.數據預處理

在數據預處理階段，采用分層質量控制策略保障數據質量。首先，進行無效記錄的數據清洗，通過清洗剔除重復簽到、時長異常值、學分異常值等無效記錄，確保行為軌跡的可靠性；其次，進行數據校驗，通過輔導員、班主任等人工核驗方式，補全缺失的簽到信息，保障行為數據的完整性；最后，進行數據集成，將多學期活動分類標準進行語義統一（如合并“學術講座”與“科技報告”），并對數據格式進行標準化整理（如日期字段統一為“YYYY-MM-DD”格式），保障行為數據的穩定性。經過系統化處理后，共獲得有效樣本102，096條，數據留存率為 92.17% ，形成覆蓋行為頻次、類型分布及時間序列的結構化數據集。

第二課堂行為數據精準畫像

1.分類分析：五育導向的群體特征識別

將預處理后的102.096條有效數據，導入學生行為的協同解析模型，通過Apriori算法[2]獲取學生人均五育參與情況，識別學生在課程選擇上的共性特征。以五育活動類型人均參與時長為例，學生第二課堂參與時長呈現顯著差異性特征：德育和智育的整體參與時長較高，學生選擇具有較為明顯的傾向性；而體育活動的時長分布集中且離散性較小，說明大多數學生對體育活動的時間投入相對一致；美育和勞育的時長分布跨度較大，該活動類型可能存在因活動性質或內容差異導致的時間投入不均。在參與頻次和學分等統計數據分析中，五育活動類型分布與人均參與時長分析結果呈現正向關聯。結果驗證了分類標簽的有效性，反映了學生傾向于選擇與自身發展需求高度相關活動類型的特征。根據五育活動的行為數據所呈現的學生畫像，將學生劃分至五個類型：德育突出型、智育突出型、體育突出型、美育突出型、勞育突出型。

2.聚類分析：參與密度的層級化解析

在五育分類研究基礎上，為揭示學生的學習行為模式，本研究進一步采用無監督學習方法挖掘學生行為的內在規律。數據分析表明，學生第二課堂參與呈現三類典型行為范式：

第一，高參與群體。積極參與多種活動，呈現跨領域、持續性特征，特別是在德育和智育維度表現突出，學分累積快，常規時長超過28小時/月。但美育活動參與率顯著低于群體均值 31% ，暴露五育協同的結構性矛盾。

第二，中參與群體。其行為呈現顯著選擇性特征，主要關注社團活動和志愿服務，活動頻次適中，德育和體育課程的參與比例相對較高，作為主體群體反映出學生“重形式參與、輕價值內化”的普遍傾向。

第三，低參與群體?；顒訁⑴c度有限，活動選擇高度同質化，偏向于特定活動類型，學分積累較慢。DBSCAN檢測出 7.7% 的異常群體，其行為離散度（ CV?0.8 ）與學分異常值（單次 ?2 學分）提示需要關注數據質量或特殊育人需求。

3.決策樹協同驗證：復合畫像生成

基于五育分類標簽與參與密度聚類結果的雙維度驗證框架，其規則體系嚴格遵循“五育質量一參與密度”的交叉驗證邏輯，實現群體特征的深度耦合分析。共生成三類具有顯著區分度的復合學生畫像。

第一，高頻深度參與型。該類學生由五育分類中的德育和智育突出型與高參與密度群體交叉形成，其行為呈現“雙峰驅動”特征：在德育與勞育維度表現顯著。此類學生中德育與勞育的正向協同，印證價值引領與綜合素質提升的互促關系，但存在明顯的體育短板。

第二，中頻選擇參與型。該類學生由德育、體育和美育突出型或中參與群體演化而來，其核心特征體現為“選擇性投入”與“階段性活躍”。五育方差分析表明：其單維度突出特征與參與持續性不足形成結構性矛盾，反映美育與勞育資源供給的結構性缺失。

第三，低頻單一參與型。該類學生行為呈現顯著惰性與同質化傾向，折射出資源可達性不足與激勵失效問題，是“偽均衡型”群體，五育標簽均衡但參與總量低表明單一優勢強化可能抑制學生的全面發展。

4.學生行為的協同解析模型

基于上一階段預處理的數據集，本研究提出綜合運用分類與聚類技術，構建“政策錨定一數據溯源\"雙驅動協同的行為解析框架。在理論層運用分類技術，為落實“五育并舉”育人要求，基于德智體美勞發展目標構建第二課堂行為標簽體系，預設德育、智育、體育、美育、勞育五維評價標準，形成具有教育解釋力的分類標簽體系，識別出五維分別突出的學生類型；在技術層應用聚類技術，通過 k^- means ⁺⁺ 算法[3]識別學生群體的自然分布模式，利用DBSCAN[4識別異常值，將學生群體劃分為“高參與群體”“中等參與群體”和“低參與群體”，聚類分析結果提供了每一聚類學生的學習行為特征。最終構建“五育質量一參與密度”二維決策的協同解析模型，實現政策導向與數據規律的雙向校準。

兩類技術的協同應用形成雙重驗證機制：一方面，五育分類標簽為聚類結果提供教育意義注解，有效識別五育發展不均衡問題；另一方面，聚類發現的隱性模式反哺分類標準優化，揭示行為模式的隱蔽規律。

通過分類和聚類技術的應用，發現傳統分類體系未能涵蓋的特殊群體。這種“理論驅動分類”與“數據驅動聚類”的融合，既保障了政策導向的落地，又突破了經驗判斷的局限，為精準思政實施路徑提供可操作的目標錨點。

「第二課堂精準思政靶向干預的實踐路徑

基于對北京工業大學（2021年一2023年）第二課堂行為數據的深度分析，結合“五育質量一參與密度\"雙維畫像特征，2024年北京工業大學逐步構建起“數據驅動、精準適配、協同聯動”三位一體的第二課堂精準思政靶向干預體系。

1.建立數據驅動的動態監測機制

基于微服務框架升級第二課堂平臺管理系統，內置數據預處理工作流程，建立五育行為標簽體系，實現活動分類標準化。通過可視化的數據呈現方式精準描繪學生五育畫像，將第二課堂學分以五育雷達圖的形式呈現，幫助高頻深度參與型學生實時追蹤學習進度；提示中頻選擇參與型學生識別能力短板；促使低頻單一參與型學生產生學習自驅力。

2.構建精準適配的育人場景體系

針對不同學生群體特征設計差異化育人場景，在第二課堂開展一系列品牌活動，充分發揮校級優質課程的示范引領作用。

第一，高頻深度參與型提質行動。針對該類學生體育教育較為薄弱的情況，重點設置“強身健體，活力青春”板塊，引導學生在假期走向戶外，用科學鍛煉的方式提升身體素質，將思想政治教育融入“五育”。

第二，中頻選擇參與型補短行動。針對該類學生在美育和勞育教育上的短板，利用假期開展“自然之旅，人文尋跡”和“投身勞作，樂享生活”的主題活動，精準匹配需求群體的同時，保障思想政治教育不斷線。

第三，低頻單一參與型激活行動。針對該類學生整體參與度低的現狀，在國慶期間開展“我和祖國共成長”國慶系列主題活動，設置“探訪紅色地標，傳承愛國精神\"“閱讀文化書籍，汲取歷史智慧\"“暢游中國風景，健步壯麗山河”等5個主題項目，2024年累計覆蓋超過8.000人次，以“多維浸潤”的方式全方位開展思想政治教育。

3.建設協同聯動的長效機制

依托線上管理系統建立“學分預警一動態追蹤一資格審查”的三級動態監測機制，使用協同解析方法進行階段性分析，形成《第二課堂學分數據統計報告單》。2024年，共面向二級學院發布兩期，包含各學院課程平均分對比、五育平均分對比、學分情況對比以及學院學生學分獲取詳情。其中，要求輔導員對詳情中的預警學生完成訪談并制定個性化成長方案。智能預警反饋的系統機制為作為思想政治教育主體的輔導員群體提供精準施策的數據支撐。

本文系北京市高等教育學會2023年課題“基于第二課堂學生畫像分析的高校精準思政研究”（課題編號：MS2023029）；2024年度北京市輔導員培訓研修基地（北京工業大學）重點課題“基于學生群體畫像分析的高校精準思政研究”（課題編號：JD2024001003）；北京工業大學2024年教育教學研究課題“高校第二課堂學生學習行為數據分析研究”（課題編號：ER2024XTB07）階段性研究成果

參考文獻：

[1]王江濤，李心記.新時代高校思政課實踐教學的經驗探索與創新路徑[J].中國高等教育，2022（24）：32-34.

[2]王珊，薩師煊.數據倉庫與數據挖掘[M].北京：高等教育出版社，2016：158-162.

[3]周志華.機器學習[M].北京：清華大學出版社，2016：202-204.

[4]李航.統計學習方法：第3版[M].北京：清華大學出版社，2019：325-328.

（作者單位：北京工業大學，郝蕊系本文通訊作者）[責任編輯：苑聰雯]