（刘宏达：华中师范大学教授）

2012年7月，联合国发布《大数据促发展：机遇与挑战》白皮书，指出人类社会进入大数据时代以来，大数据正在成为全球发展战略和创新动力。党的十八大以来，以习近平同志为核心的党中央高度重视大数据在我国“四个全面”建设和网络强国战略中的重要作用，先后制订出台《关于积极推进“互联网＋”行动的指导意见》、《促进大数据发展行动纲要》、《新一代人工智能发展规划》等政策文件。2017年10月18日，党的十九大对新时代党的建设提出新要求，其中强调增强改革创新本领，“要善于运用互联网技术和信息化手段开展工作”。[1]P67 2017年12月8日，中共中央政治局就实施国家大数据战略进行第二次集体学习，习近平强调指出：“大数据是信息化发展的新阶段”，“各级领导干部要加强学习，懂得大数据，用好大数据，增强利用数据推进各项工作的本领，不断提高对大数据发展规律的把握能力，使大数据在各项工作中发挥更大作用”。[2] 新时代加强党的建设必须要加强思想政治教育，而思想政治教育的实践性决定着其必然要适应大数据时代的发展。因而，如何树立思想政治教育的大数据观、分析思想政治教育大数据的生成规律、把握思想政治教育大数据的运用逻辑等，成为大数据时代思想政治教育创新所必须首先解决的现实问题。

一、从数字到大数据：思想政治教育大数据观形成的理论基础

思想政治教育以人的思想和行为为起点范畴，人的思想往往通过行为来表现，而一定的行为常常又可以通过数字或数据来反映。特别是当人类进入大数据时代，人的思想和行为通过网络工具可以被表现为具有Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）等特点的大数据，从而使思想政治教育进入了大数据时代，其大数据观也就应运而生。从广义上讲，思想政治教育大数据观是指思想政治教育适应大数据时代发展所应具备的全部思想理论体系；从狭义上讲，思想政治教育大数据观是指思想政治教育针对大数据时代的变化特征，针对性地运用大数据思维、大数据技术和大数据资源等所形成的创新观点。思想政治教育大数据观在实践中形成，不仅是大数据及其技术运用的外在催化，而且具有自身的内在的理论基础。

首先，马克思主义技术哲学是其形成的理论指导。马克思主义技术哲学是关于科学技术与人类社会发展之间辩证关系的理论体系，其首先对数字以及由数字发展而来的数学和数学方法进行了研究。马克思主义认为，思维是人异于动物的本质属性，思维的发展使人类掌握了语言和学会了制造利用工具，从而推动了科学技术的发展。从人类发展史看，数字是人类最早的语言形式之一，数字促进了人类思维的进一步发展，就出现了数学和数学方法。恩格斯对数学的定义是，“纯数学是以现实世界的空间形式和数量关系”为研究对象的科学，[3]P41 并且认为“要确立辩证的同时又是唯物主义的自然观，需要具备数学和自然科学的知识”。[3]P13 而据拉法格回忆称，“马克思曾经强调说：一门科学只有当它达到了能够成功地运用数学时，才算真正发展了”。[4]P8 正是因为高度重视数学和数学方法，马克思主义在分析科学技术决定社会发展、而社会发展又对科学技术起着能动作用这一辩证关系时，一方面，认为数学方法等科学技术可以揭示事物发展的规律，“为了分析危机，我不止一次地想计算出这些作为不规则曲线的升和降，并曾想用数学方式从中得出危机的主要规律（而且现在我还认为，如有足够的经过整理的材料，这是可能的）”。[5]P390 另一方面，认为数学方法等科学技术可以揭示事物发展的本质，正如马克思在考察了微分学的具体历史发展过程以后，曾做出这样的论断：“新事物和旧事物之间的真实的从而是最简单的联系，总是在新事物自身取得完善的形式后才被发现”。[6]P144 因此，在马克思主义技术哲学看来，从数字到作为数学方法运用对象和结果的数据，反映着事物发展的规律和本质；而从数据到大数据，同样也应如此。

其次，思想政治教育技术资源论是其形成的理论来源。思想政治教育的资源是指在思想政治教育活动中，能够被教育者开发利用的、有利于实现思想政治教育目的的各种要素的总和。[7]P35 其中已有的理论及对教育对象的思想行为认知等构成其知识信息资源，已有的物质条件、技术条件等构成其技术能力资源；知识信息资源只有通过一定的技术能力资源的利用才能得到利用，而一定技术能力资源的利用又会提高其理论认识和提高对教育对象思想行为的认知等，即会产生新的知识信息资源。从这层意义上看，一方面，思想政治教育的过程本身就是一个不断产生信息数据的过程，既包括已有的反映主客体思想行为的基础数据和反映思想政治教育过程开户启前的状态数据，也包括思想政治教育过程中不断产生的新数据；另一方面，思想政治教育的过程也是一个不断利用技术的过程，既包括对已有数据的分析和利用技术，也包括对新数据的催生和获取技术。随着大数据及其技术在思想政治教育过程中的不断扩大运用，思想政治教育知识信息资源和技术能力资源也将不断地扩充和延展，一方面，大数据不断丰富思想政治教育的知识信息资源，既包括对自身系统内部知识信息资源的认识深化和不断激活，也包括对思想政治教育系统之外知识信息资源的信息融合与数据转化；另一方面，大数据技术不断提升思想政治教育的技术能力资源，既包括对原有知识信息资源利用的技术升级改造，也包括将原有知识信息资源与新生知识信息资源进行综合利用的技术创新再造。因此，从思想政治教育资源及其利用的角度看，重视数据及其利用、重视数据利用技术及其提高，是思想政治教育不断发展的内在要求和不竭动力；而从数据到大数据、从数据的一般技术利用到大数据技术越来越广泛地利用，思想政治教育的要求将不断提高、动力也将不断提升。

再次，社会数字化与网络化治理理论等是其形成的理论借鉴。伴随着20世纪90年代以来现代信息科学技术的日益广泛运用，西方学者针对政府治理中出现的“碎片化”等问题，提出了基于整体性社会治理的一些现代化治理理论，其中引起我国学者广泛关注和深入研究的主要是社会数字化治理理论和社会网络化治理理论。社会数字化治理理论主要强调政府要加大对现代信息科学技术的利用，以数字化治理模式来重新整合管理体制和构建“无缝隙政府”等；社会网络化治理理论主要强调政府要充分重视和利用社会力量来参与社会治理，以政府部门与社会其他多元主体共同构建网络状的社会共管共治机制来建设“整体性政府”等。在这两种理论的影响下，我国一些地方政府进行了基层社区治理的网格化管理改革试点，主要是将现有的基层社区进行网格划分，在此基础上充分依托大数据平台和技术实现政府与社区的合作共治，既提升了政府的管理效率，也提高了基层社区思想政治工作和服务居民的能力。与此同时，网格化管理模式也逐步被推广和运用到一些高校的学生教育管理上，从而促进了高校思想政治教育的大数据平台建设和技术利用。现代化社会治理理论对思想政治教育大数据观的形成具有重要的借鉴作用。一方面，从数据到大数据是以高度的现代信息科学技术运用为基础的。思想政治教育大数据信息既来自于思想政治教育系统内部的不同部门或主体，又来自于思想政治教育系统之外与客体思想行为有关的不同部门或主体，而这两个层面不同部门或主体不仅需要实现各自的信息化管理，而且还要实现彼此之间的平台互联互通、信息共享共建。另一方面，从大数据到更大的大数据是一个不断递增、倍增的过程。思想政治教育对大数据的有效利用既需要思想政治教育系统内不同部门或主体增强主动性和创造性，又需要思想政治教育系统之外与客体思想行为有关的不同部门或主体也要增加积极性和创新性，而这不仅需要两个层面不同部门或主体增强利用大数据的责任意识和合作意识，而且需要切实发挥思想政治教育统筹系统内外大数据建设的催化剂和黏合剂作用。

二、从数字化到智能化：思想政治教育大数据的生成规律

习近平总书记强调，要“推动思想政治工作传统优势同信息技术高度融合，增强时代感和吸引力”。[8] 思想政治教育与大数据的融合创新既是一个客观过程，体现着现代信息技术对思想政治教育过程的决定性作用。也就是说，只要思想政治教育运用现代信息科学技术，就必然会不断产生海量的大数据，从不同的视角、不同的程度上反映着思想政治教育主客体思想行为的轨迹与变化；同时，思想政治教育与大数据的融合创新也是一个主观能动过程，体现着思想政治教育对大数据的有效利用，能被利用的大数据，就是“活”的大数据，反之就是“死”的大数据；而“活”的大数据必然会带动更多、更大的大数据产生。根据大数据在思想政治教育过程中不同的价值利用，可将其生成分成四个阶段，即原始形态生成、初级形态生成、中级形态生成和高级形态生成。

一是在数字化生活中生成原始形态大数据。思想政治教育的原始形态大数据是指在思想政治教育过程中源于主客体自发形成的数据，其特点是在数据特征上具有大数据的雏形，但由于没有进入思想政治教育过程，其价值有待进一步开发利用，或者这些数据只是从理论上说具有一定的价值，即主客体一定的思想和行为特征可以用大量的、动态的、多样的数据得到反映，一定程度上可以反映思想政治教育的状态特征。思想政治教育原始形态大数据的生成源于人们的数字化生活。随着现代信息科学技术的普及运用，人类正在步入或者已经步入数字化生活。据统计，截至2017年12月，我国网民规模达7.72亿，普及率达到55.8%，超过全球平均水平4.1个百分点，超过亚洲平均水平9.1个百分点。手机网民规模达7.53亿，网民中使用手机上网人群的占比由2016年的95.1%提升至97.5%。[9] 思想政治教育主客体一方面各自在利用网络工具特别是手机等移动终端进行学习、生活和工作，另一方面相互之间网络空间的交流方式、内容等也日益增多，由此产生了大量的数字化信息，既包括可进行数据库管理的结构化数据，如主客体的基本信息、行为动态数据等；也包括不可进行数据库管理的非结构化数据，如图片、文件、音视频等。思想政治教育原始形态大数据的生成，一方面，使主客体思想和行为由抽象性变为具体化，使思想政治教育研究范式可以由质量研究走向量化研究，特别是针对具体的个体的具体行为研究可以更加个性化和更具精准性；另一方面，不同主客体之间、同一个主客体在不同网络空间等的大数据呈现出明显的“碎片化”现象，不利于思想政治教育的关联性分析和整体性分析。

二是在网络化共享中生成初级形态大数据。思想政治教育初级形态的大数据是指思想政治教育通过实现不同网络主体、网络系统的互联互通而产生的数据信息，其特点是这些数据开始进入思想政治教育过程，并得到初步的运用，如不同部门的数据信息实现共享查询等；同时，在数据特征上表现为数量更大、变化更快、类型更加多样，对思想政治教育主客体思想和行为的反映更加全面，因而对思想政治教育的价值性更大。思想政治教育初级形态大数据的生成，源于大数据平台的建设及其网络化共享的实现。从思想政治教育系统外部因素看，社会网络化共享的实现和提升有两个方面的趋势，一方面，是区域内的数字化、智慧化基本条件建设水平逐渐提高，不仅促进区域内统一大数据平台建设，而且各类大数据平台的数据标准趋于统一，使得不同网络系统的大数据可以实现互联互通和共享共建，如一些城市“一卡通”建设就是依托大数据平台所进行的数据共建，其在为市民提供便捷化服务的同时，也为大数据收集提供了支撑等。另一方面，是社会网络管理制度日趋完善和技术逐步提高，如网络实名制、域名注册实名化、网络平台管理规范化等，为从技术上实现大数据的收集和共享提供了可能。从思想政治教育系统内部看，建设大数据平台和实现网络化共享有三点基本要求：其一，加大大数据平台专业化标准建设，即建设数据收集、储存、分析以及利用全过程的专业化标准，用统一的标准来准确量化一切信息，如时间数据、文字数据、方位数据以及沟通社交数据等，使不同平台、不同主体的大数据可以得到更快速、更便捷地集成。其二，提高大数据网络共享的技术能力，一方面，做到多平台数据的共享，如主客体既可以共享思想政治教育网络平台的大数据，也可以共享思想政治教育系统之外一些网络平台的大数据；另一方面，做到多类型数据的共享，如既可以共享通过“考试”、“抽样调查”等产生的结构化数据，也可以共享视频、图片、声音等非结构化数据等。其三，构建规范有序的大数据联动机制，一方面，整合资源，如从平台整合入手，将与客体相关的各个系统进行对接，将相关的技术人才、技术平台合理地整合起来；另一方面，强化责任，如合理界定数据挖掘、利用的权限及范围，明确数据管理和使用人员的责任追究，防止数据违规泄密、侵权伤害、恶意利用等现象的发生。思想政治教育初级形态大数据的生成，实现主客体“碎片化”数据实现无缝对接，从而使思想政治教育对主客体思想和行为的评价判断在数据上更加全面，使原先“碎片化”的数据信息更具有价值性。但同时，初级形态的大数据也存在明显的局限性，如可能会出现由于数据管理不科学、不规范带来的“数据虚假”、“数据伤害”问题等。

三是在资源化再造中生成中级形态大数据。思想政治教育中级形态大数据是指思想政治教育根据自身需求对共享大数据进行基本运用中产生的动态数据，其特征是思想政治教育主导的大数据功能可以得到基本发挥，如以客体为中心建立一体化的管理信息系统，以需求为导向实现跨部门“一站式”、“一键式”服务，对某个时间段客体的行为轨迹进行数据分析等；同时，在数据特征上对主客体的需求及对客体的思想和行为反映更集中。从这个角度说，这种中级形态的大数据就是思想政治教育基本形态的大数据，对思想政治教育的分析判断、预测决策等发挥重要作用。思想政治教育中级形态大数据的生成，源于思想政治教育对共享大数据的资源化再造，即将大数据资源转化为思想政治教育资源，主要包括三个环节：其一，明确大数据利用与思想政治教育高度融合的切入点，既不片面地为了获取大数据而破坏现有思想政治教育的科学体系，也不狭隘地为思想政治教育的某些需要而刻意地去生成大数据，而是准确分析当前存在哪些问题可以通过大数据来解决，从而确立正确的利用目标、内容和方式方法等。其二，正确处理对数据的合理利用问题，一方面，对于“混杂性”数据质量问题，不一味地“去粗取精”、“去伪存真”，进行数据筛选，这就直接损坏了数据的真实性。舍恩伯格指出：“混杂性，不是竭力避免，而是标准途径”。[10]P58 另一方面，对数据的“合法性”问题，在规避风险的前提下，对一些可能对主客体造成人身伤害的信息预测要大胆地进行预警、干预和救济等。其三，通过创造性利用大数据来生成新的大数据。通过建立数据分析模型等对客体的思想和行为进行整体性、差异性、动态性、关联性等量化分析，从而不断产生新的有价值的数据信息，如通过足够大的数据、足够小的指标，分析和把握客体的相关性特征，特别是针对特殊群体或个体的具体问题来制定和设计个性化的解决方案，如一些高校利用大数据对有需要的学生进行“个性化画像”、精准性经济资助、特色化培养方案设计等。思想政治教育中级形态大数据的生成，一方面，体现了思想政治教育对大数据的主导性运用，使不断产生的大数据更具思想政治教育的价值；另一方面，这种运用容易受到主客观条件的制约，如一些运用过程具有不稳定性，导致新数据的产生呈现断续、波动状态，从而降低了大数据的实际运用价值。

四是在智能化运用中生成高级形态大数据。思想政治教育高级形态大数据是指思想政治教育经过对相关大数据模型化应用后产生的具有更大适用价值的数据，其特征是在思想政治教育过程中自动性、智能性形成，不再容易受到主客观条件变化的限制，可以持续地进行和不断产生具有及时性、动态性和有效性等特点的新数据。思想政治教育高级形态大数据的生成，源于思想政治教育在大数据模型化运用基础上建立智能化的运用体系。从当前实践情况看，这种智能化运用体系主要包括：一是全程化的信息动态管理系统，既自动覆盖思想政治教育的全过程，又在过程中自动完成信息的动态性调整和及时性预警。二是立体化的思想政治教育活动信息管理平台，既对网络空间思想政治教育活动进行自动化的信息管理，又使其与现实空间思想政治教育活动进行智能化的信息互动。三是数字化的新媒体管理监测平台，24小时不间断地对公共网络与自媒体进行舆情分析和监测，并适时高智能地过滤不良网络信息和预报危险舆情等。四是全样本的大数据分析决策系统，根据思想政治教育需要对特定问题、特定人群等进行自动化的分析、判断和预警等。五是专业化的大数据研究平台，由不同学科、专业，包括借助市场化手段建立专业化的大数据分析工具，对不同数据之间的关联性、概率及价值等进行智能化评估等。思想政治教育高级形态大数据的生成，是一个持续、不断提高的过程，充分体现着思想政治教育与大数据应用之间高水平的融合创新，如“人—机—网”拓展全新的交互方式、“平台—资源—技术”突破传统的时空场域、“数据—算法—经验”提升人工智能服务水平、跨学科交叉转变传统的研究范式等。此外，思想政治教育大数据的生成，是一个不断从数字化到智能化的大数据运用过程，体现着以“用”促“活”、以“活”促“大”，实现“人人都是大数据的生产者”和“人人都是大数据的使用者”的辩证互动，使思想政治教育大数据资源不断地在内容上得到丰富、在价值上得到提升。

三、从因果性到相关性：思想政治教育大数据的运用逻辑

大数据的实质是“对数据深入分析挖掘，并由此获得凭直觉难以发现的有用信息，揭示数据背后隐藏的规律，科学、有效预见未来发展趋势，从而为决策提供参考”。[11] 在已有的思想政治教育大数据运用实践中，常见的运用形式主要有：一是基于特定个体在特定时间段的行为轨迹大数据分析，揭示该个体的思想和行为变化规律；二是基于若干个体在特定时间段相同或相近行为大数据统计，分析群体性现象或事件的形成规律；三是基于特定的需要基于某项长期开展的活动或长期存在的现象进行参与人员的行为特征及其变化大数据分析，评估该活动或现象对参与人员成长的影响和作用等。这些具体的运用形式也反映了当前思想政治教育运用大数据的四种逻辑：

一是在矛盾变化中寻找因果性。马克思主义认为，矛盾是事物发展的根本动力，既有不同事物之间的矛盾，也有事物内部不同要素之间的矛盾；同时，矛盾具有同一性和斗争性两个方面，二者既相互对立，又相互统一。思想政治教育作为一种人的认识活动和实践活动，既要解决主体要求与客体实践之间的矛盾，又要解决客体自身思想认知与行为实践之间的矛盾。思想政治教育运用大数据来分析和解决主客体之间以及客体自身的矛盾问题，必须坚持具体问题具体分析，从矛盾的具体变化中去寻找问题的因果关系，一方面从问题出发来寻找出现问题的原因，另一方面从问题的具体表现形式中来分析问题结果的本质。思想政治教育的大数据中记录着客体的行为轨迹，而这些行为轨迹的变化就会反映着矛盾的形式和过程的变化，因而思想政治教育在实现对客体行为轨迹全方位、全过程记录和收集的基础上，进一步加强对同一个群体或个体行为轨迹的变化分析，就可以掌握着矛盾的变化。国内外一些高校依托校园网、“一卡通”、校园监控等建设了学生校园生活的全天候行为轨迹记录大数据平台，既可以对每一个学生一天或一个时间段的行为轨迹进行描述，也可以利用大数据对每一个学生的个性化特征进行“画像”。在这样一种大数据平台下，既可以针对已经发生的问题进行轨迹复查和还原，以利于客观地分析问题的原因，也可以实时地针对刚刚发生的行为变化进行问题的预测和预警，以增加解决问题的主动性和及时性。

二是在偶然现象中寻找必然性。从统计学的角度看，在各种各样的宏观系统中，存在着大量的随机事件，在相同条件下它们可能发生，也可能不发生；但是，如果长期统计这类现象，就会发现其中还是具有一定确定的概念的。正如马克思主义认为的那样，事物的发展是必然性与偶然性的对立统一，必然性通过偶然性表现出来，偶然性背后总隐藏着必然性。思想政治教育以人为对象，而每一个人的社会生活都具有一定的复杂性，一方面，人的目的性和理性决定着每一个人每一天应该干什么，如上班或休息、去图书馆还是去上课等，这些目的性活动可以以行程表、活动预订、信息预报等方式形成应然状态的目标大数据；另一方面，人的活动经常会受到现实条件的制约，从而在一定条件下也发生改变预设目标的偶然性行为或事件，形成实然状态的行为大数据。将同一个群体或个体应然状态的目标大数据与其实然状态的行为大数据进行关联比较，既可以对这些偶然行为或事件做到及时发现，又可以对这些偶然行为或事件进行原因的大数据分析，从而揭示这些偶然现象发生的必然性或规律性。某些商场通过手机雷达自动收集不同客户进入不同品牌区域的情况，从短时间看同一个个体进入同一个品牌区域无疑具有偶然性，但在较长时间段内这名客户如果总是进入这个品牌区域，则必然说明其对这个品牌的喜爱，这样一来商场就可以对喜爱这个品牌的客户群的特征进行分析。这一做法在一些高校思想政治教育中也有体现，如这些高校对进出图书馆的学生数据进行长期跟踪分析，得出哪些学生喜欢上图书馆、哪些学生不喜欢上图书馆，从而进一步分析上不上图书馆对学生的成长成才影响有多大等。

三是在可能空间中寻找现实性。在马克思主义看来，生产力与生产关系的对立统一是人类社会发展的决定力量。随着现代自然科学的发展，人们对这一决定力量的认识在不断深化，其中就出现了或然决定论，其认为，任何事物的发展都存在着多种可能状态，并集合构成了一个“可能性空间”，一方面，事物的发展只能在这个可能空间范围内，即具有确定性；另一方面，在这个可能空间内，哪种可能状态会转化为现实，这是或然的，具有不确定性。从这层意义上讲，思想政治教育对客体思想和行为的发展也提供了一个“可能性空间”，一方面，客体思想和行为只能在这个可能空间里发展，如做社会主义事业建设者和接班人的内在规定性等；另一方面，客体在具体的发展方向和行为选择上具有多种可能性，如在职业规划上可选择当教师、去企业、从事科研等。思想政治教育对大数据的运用，一个很重要的任务就是要根据大数据的分析来帮助客体由可能性准确地走向现实性，包括找准定位、明确方向和进行正确的行为选择等。在这方面，西方一些发达国家借助社会化大数据手段来对学生进行个性化帮助有着很好的案例，如美国玛丽斯特学院利用大数据预测学生是否能够顺利完成学业，伊萨卡学院利用大数据来对学生进行个性化判断从而决定是否录取，美国Knewton大数据公司利用大数据帮助学生设计个性化的学习课程等。我国目前也有一些高校通过对就业市场的大数据分析，来帮助学生正确选择就业的方向，也有一些高校通过对大学生的大数据分析来提供个性的职业生涯规划等。

四是在系统数据中寻找相关性。马克思主义在坚持事物的普遍联系的基础上，强调联系的系统性，“关于自然界所有过程都处在一种系统联系中的认识，推动科学到处从个别部分和整体上去证明这种系统联系”。[3]P40 现代系统科学进一步深化了这种认识，认为系统的演化是一个立体交叉的动态的因果网络，系统内不同要素之间、系统内部要素与系统外部要素之间、系统与外部环境之间等相互作用不是一次完成的，第一次反应的结果必然成为第二次反应的原因，如此不断递进。思想政治教育对大数据的运用，就要始终立足于大数据这个开放性的大系统，不断跳出现有的平面式的因果性思维框架，在对现有系统数据的分析中，不断提高对不同数据之间的相关性分析，一方面，对传统的因果关系分析进行结构的拓展和层次的深化，如当传统因果性分析产生问题A的主要原因是B时，相关性分析就可以拓展为还会不会有B1、B2、B3……同时，还可以延伸到产生B或B1、B2、B3……等的原因又是什么等等，如此不断深化。另一方面，要跳出现实性问题本身，对两组或多组原以为不相关的数据进行大胆的猜想和预测，然后分析其有没有内在的关联性。大数据应用中有一个经典案例：一般超市都会将面包和牛奶摆在一起，是因为吃面包与喝牛奶有明显的关联性，但国外一个卖场将尿布和啤酒这两个原本不相关的货品摆在一起，却是因为猜想到有婴儿家庭的女主人通常会吩咐男主人下班时买尿布回家，而男主人在买尿布时看到啤酒自然很容易地就顺手买几瓶，正是这种大胆的关联性猜想促进了尿布和啤酒的销售。这种相关性分析在国内一些高校思想政治教育中也开始出现，如有的高校通过分析校园快递的数量、种类等的变化情况来预测学生的思想和行为的变化等。可以说，从因果性到相关性，不仅是因为“大数据的相关关系分析法更准确、更快，而且不易受偏见的影响”，[9]而且体现着思想政治教育对大数据应用更加富有创造性、创意性和创新性。