工作方法，顾名思义，指的是采用一定的思维方式，运用一定的工具，来完成某一项具体的工作。所处的环境不同，工作方法固然不同。在大数据背景下，传统的工作方法已不能适应时代的发展要求，亟待转型。

（一）从获取学生碎片化信息向洞察学生真实状况的转型

小数据时代，学生工作者对学生的了解是片面和局限的，我们获取的往往是学生在某一方面的碎片化信息，无法对学生形成完整和系统性的认识。但大数据时代，学生工作者再也不用担心仅通过这些碎片化的信息而对学生的了解不够真实全面，我们将比以往任何时候都更加走进学生。毫不夸张地说，凭借先进的技术和足够大的存储空间，对所有学生产生的所有数据进行实时采集将不再是梦想，学生工作者能够更加全面科学地读懂学生，使学生工作从获取碎片化信息向洞察学生真实状况转型。

首先，数据的收集是由机器自动完成的，学生完全是在不知情的情况下表现出最真实和自然的一面，这其中不掺杂第三方的干预。大数据通过这种方式采集的信息与传统的问卷调查、交流谈心、团体辅导等方式相比，能够将外界干扰降到最低，大大减轻了学生的心理压力，让其在轻松自然的环境中还原事情的本来面目，所以，大数据的数据源是纯净而准确的。其次，大数据的数据采集要求做到“样本—总体”，这就要求学生工作者在采集数据信息时要开阔思维，多角度、全方位、立体化地把握事物全貌，除了采集结构化数据，更要注重非结构化数据，数据来源也要兼具广泛性、多元性和全面性的特点，不遗漏任何一个信息点。最重要的是，大数据时代，信息的增长和传播速度远远超过人们的想象，在这种新形势下，学生的思维敏捷性和跳跃性不断提高，思想、感情、对事物的认知也处于不断的变化中。当学生工作者注意到这些变化时，其收集的数据早已成了过去时，数据价值大打折扣。大数据技术则能够很好地克服学生工作者在面对变化和改变时所产生的反应时间，采集到珍贵的过程性、即时性数据，掌握事物动态和发展趋势。

从获取碎片化信息向洞察学生真实状况的转型克服了以往高校学生工作中无法全面准确地认识了解学生的不足，同时也为实现对学生进行精准的思想政治教育和个性的发展指导奠定了坚实的基础。

（二）从被动接受学生行为向主动预测学生行为的转型

大数据时代，学生工作者面对突发事件束手无策的局面将很少出现，因为我们将不再被动地接受学生行为，转而主动预测学生行为。在大数据背景下，根据收集的海量数据，通过设置科学的数据观测点，将观测点上的行为进行相关分析，在问题萌发的初始阶段便能发现异常，学生工作者能够实时感受和预知所有学生的心理、学习、习惯等个人和群体状态，而传统方式下，大约只有20%的学生情况可以被把握，学生工作在大数据时代有了更高的主动性。

但数据收集仅仅是预测学生行为的第一步。在这些杂乱无章的海量数据中，学生工作者要进行数据挖掘分析，探寻不同现象之间的相关关系。电子科技大学的教育大数据研究所开发了一套基于大数据的“学生画像”系统，覆盖了全校两万余名本科生，利用学生在校期间的活动轨迹，在学习成绩、心理健康等方面进行积极预测。

在学生的学习成绩方面，“画像系统”可以描绘出所有学生的学习状态，预测学习成绩，并已经成功实现了挂科预警。挂科预警主要从两个方面进行分析：一是学生过去的学习基础，众所周知，先导课程的掌握程度对后续课程有很大的影响，通过分析学生已考科目成绩、已考科目与将考科目之间的相关性进行预测；二是学生的学习生活规律和努力程度，如学生在一定时期的作息规律，以及进出图书馆的次数、相关课程的图书借阅量、教学楼打水率等。通过对这些数据的计算，便可预测出学生挂科的可能性，如果有学生正处于可能挂科的边缘，系统会将类似于“某同学电工学有86%的可能性挂科”的信息推送给该生辅导员，辅导员可以提前介入，对学生进行帮扶。若在小数据时代，除非学生已经挂科，否则辅导员无法提前得知，即使学生出现挂科情况，挂科原因也很难准确分析。

在心理健康方面，高校学生从高压的高中环境进入大学这种完全依靠自我教育、自我管理、自我服务的宽松氛围中，无法完全适应，再加上抗压能力和抗挫折能力较弱，很容易产生心理波动，出现心理问题。近年来，高校学生跳楼、伤害同学、虐待动物等事件频繁发生。通过对高校中产生的数据进行分析，如果跟踪发现学生的近期行为与平时掌握到的习惯不同，则需要引起学生工作者的高度重视。如在对学生的网络行为监测过程中，发现该生近期搜索的关键词中消极词汇居多，在论坛、贴吧等平台中也总是留有负面评论，则说明该生近期生活状态比较灰暗，学生工作者要关注该生的心理健康状况，及时进行心理干预和疏导。除此之外，抑郁是高校学生中比较容易出现的一类心理问题。抑郁易感人群中有一些共同的特性，如性格孤僻、有强烈的孤独感等。电子科技大学的教育大数据研究团队发现，在高校中孤独的人更容易出现心理问题，且概率要比一般人高出一个数量级。因此，研究团队试图设计算法，依据“三十天内，两个素不相识的人，有两次或两次以上前后脚打水、打饭、进公寓、进出图书馆或坐公交车经历的概率，不超过十二万分之一”的结论，计算出学生的在校朋友圈并将其孤独感进行量化。透过高校学生的行为动态预知其隐含的心理问题，为及时关注和疏导争取时间，这对于开展心理健康教育工作有很大的益处。

除此之外，通过挖掘学生工作中的相关关系，监测学生行为习惯中的异常举动，也可以实现成功预测。例如，宿舍门禁刷卡记录与学生学习成绩之间的关系：如果某个学生平时回宿舍的时间是晚上10点，近期回宿舍的时间长期维持在晚上8点，则在回宿舍时间这个数据观测点上出现了异常，这时就要引起学生工作者的重视。该生突然改变了作息时间，可能生活中出现了变故，导致的直接问题是晚上自习时间减少，学习成绩很有可能会出现下滑，此时学生工作者就要提前做好了解和帮扶工作，预防事件发生。校园卡就餐信息与学生思想动态变化之间的关系：在监测的学生校园卡就餐消费数据中，发现某个学生的就餐消费额出现了大幅度降低，说明该生近期出现了财务危机，这必然会引发该生的情绪变化，此时就要高度重视该生的思想动态，如果没有对消费数据的监测，很难在学生表露出任何异常之前预测学生未来的行为动态。同学之间通信数据与人际交往之间的关系：同一个班级或宿舍的同学之间一定会产生一些通信数据，如果发现某位同学与班内或宿舍内其他同学很少产生或几乎不产生任何通信数据，则说明该生在人际交往方面出现了问题，这种问题如果没有数据发声，仅靠日常观察很难发现。若在校期间连续三天没有监测到某位学生进出宿舍的刷卡记录，则要进行异常行为预警，该生有可能失联。

事实上，这几个相关关系仅是学生工作中的冰山一角，而有价值的相关关系存在于学生工作的方方面面。对大数据的挖掘和分析给了学生工作者很多惊喜，发现了很多如若不然将会在大量数据中被淹没的苗头和迹象。通过对观测点上数据的收集、与日常数据的对比、与平均数据的比较、与其他数据相关关系的挖掘从而构建分析模型，预测学生未来的行为，对学生进行有针对性的指导和干预。(www.daowen.com)

（三）从传统的集体教育管理向个性化服务的转型

随着时代对人才培养质量的要求越来越高，社会呼吁高校培养出更富有个性和创新精神的人才以适应未来社会的不断变化。国际个性化教育协会（International Personalization Education Association，IPEA）将个性化教育定义为：“为受教育者量身定制教育目标、教育计划、教育培训方法、辅导方案并加以执行，组织相关专业人员为受教育者提供学习管理策略和知识管理技术以及整合有效的教育资源，帮助受教育者突破生存限制，实现自我成长、自我实现和自我超越。”^[15]在技术短缺和存储能力不足的小数据时代，个性化教育使学生工作者备受困扰，但在大数据时代，能够让因材施教成为可能。而这一切通过传统的集体教育是绝不可能实现的。

在商业领域，大数据的个性化服务早已有了很多成功案例。通过在网络上收集用户的行为轨迹和购物喜好，从中挖掘出用户可能感兴趣的产品和服务，从而向顾客提供个性化的推荐。当我们在网络上搜索想买的书籍时，系统会根据该书的主题自动推荐内容相似的书籍以供选择；当我们登录微博时，系统会自动推荐你可能认识或可能关注的人群，这就是大数据个性化服务的良好应用。

个性化服务在教育领域的应用是一个发展趋势。我国政府在2010年颁布的《国家中长期教育改革和发展规划纲要（2010—2020年）》中提出“关注学生不同特点和个性差异，发展每一个学生的优势潜能。”纲要中还提出要为学生构建个性化的教育环境。^[16]面对如此高的要求和挑战，大数据技术和理念可以很好地解决这个问题。例如，学生在互联网上的点击记录、浏览痕迹、发表的博文评论等可以很好地反映出学生的生活状况、认知倾向、兴趣爱好等私人信息，甚至学生的体验、感受等心理数据。这些数据都具有高度个性化的特征，对其他个体没有任何意义，但对特定个体举足轻重。通过捕捉不同学生对不同事物的需求，有针对性地推送学生感兴趣的内容，如相关主题的书籍、文章、影音资料等，潜移默化地对其进行感染和引导。亚利桑那州立大学就通过挖掘“Facebook”页面数据为学生提供个性化的学习指导。

又如，一种智能自适应教学系统在学生的个性化教学中已得到充分应用和展示。这一系统会根据所收集的学生背景、行为和评估等数据即时决定和随时调整个人每一步的学习内容，以及提供相应的反馈和指导。^[17]如果学生在某一知识点上得分率很高，系统自动屏蔽与此知识点相关的题目，反之，则会增加与此相关的题目进行强化训练。通过这种个性化的服务，让学生将精力更多地投入自己的薄弱环节中，达到事半功倍的效果。在这个信息爆炸的时代，大数据技术同样可以将“信息过载”的难题转化为对学生的个性化指导。例如，同样是“计算机科学与技术”这门很多学院都会开设的基础课程，针对不同学院学生的学科背景推送不同的学习内容。在计算机学院、信息学院等工科学院，重点推送一些理论性的、难度稍大的附加内容开阔学生的思维。但对管理学院、经济学院等文科学院则重点推送一些如何将所学知识在日常生活中进行应用的实践内容。即使在同一个学院，根据自适应教学系统所反映出的不同学生的学习行为习惯和特点，也要推送不同的内容，让学生通过大数据应用得到个性化的指导和更多的配套资源。

综合而言，高校学生工作从传统的集体教育管理向个性化服务的转型克服了以往高校学生工作中无法提供具体有针对性的个性指导的不足，有利于为每个学生提供私人定制的发展方案，实现个性发展。

（四）从控制舆论走向向运用数据掌握话语权的转型

中共中央国务院颁发的16号文件《关于进一步加强和改进高校学生思想政治教育的意见》中指出，在新形势下要努力拓展高校学生思想政治教育的有效途径，主动占领网络思想政治教育新阵地。但在小数据时代，这种占领是不彻底的，是盲目而没有针对性的。因为思想领域本来就具有不确定、私密和动态变化等特性，很难直接测量，我们无法确切地知道当代高校学生真正喜欢什么，关注什么，只能根据国家的重大政策和时事热点对思想政治教育进行部署，虽然能较好地控制高校的舆论走向，但也始终无法摘掉思想政治教育说教、乏味的帽子，具有很强的无力感。

大数据让高校对学生的思想引领从被动变为主动，主动出击，不断提升话语分量。充分运用数据挖掘发现既有时代特色，又有中国情怀，同时能被广大高校学生所关注的情况和话题，在此基础上设置主题进行思想政治教育和一系列研究讨论活动。还要根据当代高校学生的成长环境和背景，选择其乐于接受的话语体系、活动方式和传播途径，如专家访谈、线上交流、时事评论等，积极主动地引领高校学生把握时代脉搏，树立符合时代要求的新思想和新观念。

除此之外，高校应该与各大媒体建立良好的合作关系，依托新华网、新浪网等网络媒体，以及百度、谷歌等搜索引擎和微信、微博等社交软件建立以大数据挖掘分析为基础的网络舆情监控平台，通过对数据信息的动态监控和内容分析，及时掌握广大高校学生对重大公共事件的观点和看法以及事件的发展趋势，第一时间发现苗头性和倾向性问题。对于正面积极的信息，通过舆论宣传放大其音量；对于负面消极信息，则要及时查明情况、疏导控制、降低其话语音量。因此，通过大数据不但能掌握话语主动权，还能随时掌握事态的发展动向和趋势，形成预警机制，避免突发事件的发生。高校学生工作真正从控制舆论走向向掌握话语主动权大步迈进，这也是后续开展精准的思想政治教育的前提。