基于自媒体信息圈的多元教育引导模型研究
孙彬 王东
摘 要：自媒体网络呈现信息爆发式增长的态势，知识多元化，教育引导机制薄弱，网络新思维蘼乱，急需梳理。文章设计大数据教育导引模型，重点梳理“正能量引导”“激发创新灵感”“梳理典型”“鞭笞落后”和“情感支持”等热点问题，突出“大数据关联分析”和“正能量情感调节”等支撑环节。实践验证结果：大数据引导模型适用性良好，促进作用明显，体现出网络教育的发展趋势。
关键词：教育引导；大数据；自媒体；正能量
DOI：10.15938/j.cnki.iper.2018.01.013
中图分类号：G641文献标识码：A文章编号：1672-9749（2018）01-0155-06
“互联网+多元文化+教育引导”已成为世界各国教育振新计劃的重要组成部分，是现代教育技术的创新点和生长点，也是加快现代多元化文化教育改革的强力引擎。通过对大数据舆情的多元引导，能促进中高端人才教育培养模式与经济社会需求的良性对接，助力互联网教育改革的进程。
一、大数据多元知识教育形势
当前大数据网络的教育引导模式定义为：在自媒体网络下，应用大数据分析工具，研究学习者在知识获取、情感参与、生活支撑、学习动力和学习表现过程中的各种相关性，进行教学方式的适用性改革，实现正向教育引导的机制。近年来，互联网、多元文化和教育引导成为研讨主题，大数据舆情与教育引导技术已经由概念层面发展到应用层面。美国新媒体联盟（NMC）连续多年把“大数据学习分析”作为影响教育行业发展趋势的关键技术，并大力推崇人工智能的大数据模型研究。[1]美国国家教育技术计划（NETP2010）明确强调：发展信息技术模型，进行自媒体环境下的重大教育结构性改革。[2]2016年，第五届学习分析与知识挖掘国际会议，明确将“大数据网络教育”作为会议重要议题，舆情监控与教育引导成为自媒体背景下的网络教育的焦点。[3]以微信等为代表的自媒体网络空前大发展，高密度互动及多元文化融合，促使教育引导形式不断变革，文明健康教育面临诸多新机遇和新挑战。
1.大数据与自媒体
自2012年来，大规模在线开放课程（MOOC）流行，当代教育变革进程发生了重大改变，网络教育理论全方位融合大数据技术，生活、习性和娱乐等多种因素被融入教学决策环节中。按照教育嵌入理论，教育活动应深嵌于各种社会生活细节之中，成为知识创新的基础构件，产生更多的知识创新灵感。[4]自媒体网络开拓了虚拟网络世界，相关大数据知识架构是大众参与和高效认知的必然结果。[5]自媒体学习空间极大程度地符合建构主义理论所提倡的自我实现场景，广域知识关联和动态情境互动，促使大众创新灵感越来越活跃。[6]在网络技术急剧变迁的大数据背景下，生活领域中全方位知识关联，成为当代教育引导的支撑要素。当前大数据环境下的教育引导模型，主要集中在支持框架、引导机制、辅导方法和可视化工具等技术领域，强调创造性地构建个性化认知环境、在广阔的实践场景中完成创新灵感的激发。由此可见，大数据教育引导顺应了现代复合性知识教育的需求，能构建更贴近生活的教学情景，建立正向健康的知识学习途径和灵感启发途径。
2.深度学习
深度学习属于教育引导的核心内容之一，目标是克服局域性分析容易产生的信息孤岛现象。大数据深度学习结合学习者生活情景和基础条件，调查掌握原始材料之间的关联关系，把大规模知识样本中的关联价值提炼出来，实现跨越认知障碍的、激发创新灵感的学习过程。大数据分析模型力图提供更加精准化的主题资源，明晰多个参照对象之间的联系，实现适用的深度学习方案。[7]从互联网教育的变迁历程来看，大数据借助于网络媒体知识圈，探究知识对象的关联性，能实现密集性参照的深度学习过程。[8]从认知传播的角度看，大数据深度学习是一种复杂计算结合模糊判断的理性引导过程，对学习参与者所触及的各种隐性知识，进行深度剖析和稀疏价值集聚，是科技创新灵感的源泉。从情感维系的角度看，大数据深度学习基于生活状态、环境条件、心智条件、目标内驱力和毅力保持等关联因素，能避免情绪对抗和情绪抵触的过程，构建高效率创新支持过程。
3.大数据教育技术
互联网知识的大数据特征，结构纷繁复杂、体量巨大和价值稀疏，困扰着学习者的学习过程。如何保障创新性灵感、避开冗余干扰和正能量品德引导，成为大数据教育技术的重点。正能量吸引、情感关怀和真实有效性辨别，成为大数据教育引导技术的难点。由此，大数据教育技术必须基于分布式网络架构，结合人工智能、知识熵估计、模糊匹配和先验性匹配等算法，提升知识关联的深度和广度。例如：使用MapReduce逻辑，监管自媒体圈知识。大数据教育引导技术可以被概括为四个重要组成部分：信息状态分析、目标宣传、途径引导和学习流程控制。[9]从大数据教育技术的角度看，进行学习者情感数据的聚类分析，是一个巨大的技术性挑战，需要解决人工智能、情感属性检索、情感熵距离测算和现实仿真等核心技术。从学习过程看，大数据依托建构主义认知特征，注重实践场景的全方位联系，注重认知途径简化和知识效用提升，更有利于自媒体下的技术创新。
4.正能量引导
在思辨性道德教育板块下，自媒体圈教育引导更强调文化道德的先导性，强调知识进步的规范性导引。网络教育应当善于把握网络媒体，牢牢占领道德至高点，引领舆论方向，为学习者树立良好的人生观、价值观和世界观。“互联网+”环境下，更多信息被纳入学习资源数据集，呈现瞬息万变的爆发式增长态势，增加了更多的随机性和不确定性。如果放任学习者的思想不确定性，学习者很容易陷入道德、世俗和利益的迷途。规范性教育哲学流派（布列钦卡）说：教育必须进行道德、审美和健康价值的判断，才能确定正确的演变途径。[10]随着自媒体环境的不断复杂和碎片化，传统教育引导机制面临着反应迟缓、决策成本高、应对措施乏力和社会诉求埋怨多的困境。[11]自媒体环境下的舆情引导过程，不仅需要执意追求信息分布的准确性，更关注知识间的关联关系、关注正能量品德引导。[12]网络教学过程是一个智能引导系统，以正向品德引导为核心。[13]将规范性教育哲学理论应用于网络教育的具体实践，让学习参与者在健康积极的自媒体环境中，才能保障学业进步和环境品质。由此可见，在当今高度协作化学习形态下，网络教育必须以先进的思想道德为基础，才能保障知识传播的导引正确性。
大数据教育引导，是贯穿网络时空的情境引导全过程，能显著提高学习的智能化水平，并与规范性品德教育结合起来，创造出一种品德教育优先、信息实时参照、激发创新灵感的新型教育模式。
二、大数据教育引导的技术困难
自媒体信息已经演变成为大数据格局，具有“体量巨大、单体价值稀疏、格式复杂、语义含糊和结构化低”等特征，需要认清大数据教育引导的困难，才能保障自媒体舆情环境下大数据教育引导系统的适用性和可靠性。大数据教育引导面临的主要困难如下：
1.信息采集与检索困难
自媒体圈信息形式多样，信息维度巨大，网络语言不规范、不严格，口语化、派生词及诙谐语等特殊情况多发，信息辨别与采集工作受到严重的威胁。相对于传统教育系统，自媒体信息圈存在更多的逻辑不一致、品德缺失和流程冲突等障碍，直接影响着网络教育的效果。以微信圈为例，信息采集成本居高不下，巨量、异质和稀疏性不断增长。从网络中获取有效信息的难度越来越大，许多信息采集方案陷入到进退维谷的困难境界，严重影响了网络教学活动的适用性和声誉。
2.大数据分析技术适用度不足
自媒体网络交互方式具有开放性、不规范和多源性，不同地域和不同行业中的知识需求参差不齐，严重加剧了大数据分析的难度。线性扩展网络处理器、扩展存储设备，均不能解决“海量爆发”所带来的急剧增长难题。数据维度非常高、体量非常大，在有限资源条件和有效时间内，知识检索往往陷进“NP完全”的困境。现有技术不能对海量文档进行全域性遍历检索，造成信息监督检测、情趣引导驱动和信息聚类等算法不能满足实际的需要。鉴于大数据分析的困难，必须建立分布式流处理结构，科学地实现“原子效能提炼”“降维约简”和“覆盖子集”等功能，提高大数据分析的适用度，最终实现大数据教育引导目标。
3.不文明行为频发
在当前自媒体信息爆发式扩张的形势下，负能量纠正机制，不足以解决自媒体传播中的“不文明行为频发”问题。不文明行为经常被恶意炒作，加之教育监督措施乏力，主流教育形态呈现出老化、弥散和碎片化的危机。当下网络舆情形势不容乐观，网络消息真假难辨，别有用心的造谣者层出不穷，教育管理行动失据常态化。科学教育过程要求培养学习者较高的道德素养和思想思辨能力，网络教育也不例外。必须用道德至上的战略眼光，严判学习参与者的活动轨迹，实现文明健康教育。
4.正能量导引力度薄弱
由于网络教学管理机制不健全，正能量导引力度薄弱，学习参与者容易被负能量所诱惑，陷入方向迷失的困惑中。传统的教学管理机制不能应对自媒体环境下的事件繁多、数量巨大和头绪杂乱等困难。网络新行为趋向和新思想动态，往往难以进行及时的褒贬和规范。由于技术视角的限制，“过于追求新科技，价值观引导弱化”现象普遍。教育活动中所主张的“崇高理想”“个性化发展”“严谨治学”和“以德树人”等教育目标，面临着边缘化的危機。由此，必须建立适用的正能量引导机制，杜绝“只要价值利益，忽略道德伦理”的现象蔓延，并研究不文明行为的适用性纠正办法，满足网络文明健康学习环境的需要。
5.没有成熟案例可循
面对自媒体网络的大数据特征，教育引导模型没有成熟案例可供参照。自媒体环境下，经常出现学习效用评价不当、优劣混淆、教学效果难测的教学难题。由于自媒体知识和教学数据的维度非常大，学与管的多方关系不能及时准确地分析，典型过程、成绩褒贬、督查反省、深度学习和提高修养等主要教学环节，缺乏成功案例和规范章程可循。
三、大数据多元文化教育引导模型
大数据多元文化教育引导模型，以自媒体信息检索、正能量品德引导、情感调节为基本手段，实现适用的教育过程，包括信息收集、知识整理、优劣评价、情感调度和树立权威等教学环节，力求实现自媒体信息圈的高效能教育导引目标。建构大数据教育引导模型的指导思想是：归纳信息圈知识的逻辑传承关系，给学习者正能量引导支持，开展网络化深度学习活动。大数据教育引导模型的技术路线是：将教学相关信息描述为原子数据，展开大数据关联性分析和正能量分析；依托知识点重要度估计，进行适用性数据集约简；建立情感融合的正能量品德干预机制，发掘创新灵感；宣传优秀、批驳落后；总结出典型优秀的学习认知途径，供学习者借鉴。多元文化教育引导模型主要模块包括：目标宣传模块、情感调度器、进程检测器、虚拟教学机和学习看板等，如图1所示。
大数据教育引导模型采用MapReduce架构，实施分布式信息索引和聚类等信息服务，把握教学对象的多元化状态，实现技术先进性与适用性的辩证统一。重点针对知识繁杂、来源混乱、裂变式传播、情感调节和正能量引导等环节，实现自媒体圈信息服务的规范化引导机制。核心功能如下：
1.进程检测模块
进程检测模块：借助人工智能、原子语法分析、信息聚类、目标匹配和约简冗余逻辑等功能，完成学习状态属性与学习目标的匹配任务。通过信息采集设备，将各种信息流进行有效性、适用度和文明度检验。将原始数据中的平凡噪声剥离，将知识材料与典型案例进行匹配，忽略一些次要层次上的关联关系，在主要层面上凝聚鉴别力，实现学习状态与学习目标的快速匹配。自媒体信息来自真实的社会生活环境，对知识创新的效能影响（创新适用度）不可忽视。由此，有关知识的原始数据，包括文本、图片、视频和历程等，必须采用NoSQL数据库存贮，以满足及时检索和稀疏价值聚合的时效性要求。
2.目标宣传模块
目标宣传模块：结合自媒体信息圈特征，应用先进教育技术，弘扬正能量价值观，使学习者在心目中确立崇高的人生理想和学习目标。目标宣传模块采用褒奖批判并用的策略，弘扬科学先进价值观。一方面，全方位接受自媒体信息，适用分类算法，及时捕捉到不文明行为和消极思潮，鞭笞不文明行为，并积极预警负能量舆情，防止网络暴力泛滥和聚集爆发。另一方面，培养正能量舆论场，弘扬科学先进观念，崇仰道德品质和正能量典范，确保牢牢占领道德制高点，让学习者拥有正确的人生价值观环境。
3.情感调度模块
情感调度器：构建教师、教管部门与学习参与者的情感协同氛围，拉近学习者与教师之间的情感距离。情感调度模块力求实现较好情感体验，维系正能量引导与教学秩序的良性互动，包括“情绪舒张”“情感关注”和“伴随守护”等情感支持。在情感调度器构建中，基于已有的学习情景经验，实施情感干预过程，对学习者心态进行适应性调剂和协调服务。当前，大数据情感分析主要包括情绪关怀和资源吸引力两种情况：应用情感信息熵算法，测量出情绪状态与学者群体的心理距离，为情感关怀建立数量依据；应用混沌调节算法，构建情绪数据的奇异吸引子，准确定位资源吸引力特征。大数据情感分析的主要检测参数有：第一，贴合度，体现学习效果与真实情绪意愿（生理需求、安全需求、社交需求、尊重需求和自我实现等）的匹配程度。第二，资源吸引度，体现教育资源与精神文明（自律自觉性、品德修养、自然快乐和事业进取等）之间的匹配度。第三，情感重要度，有效地诠释出情感引导行为对知识创新的重要性。
4.虚拟教学机
虚拟教学机的作用是：实现自媒体控制，布局学习途径，履行教育干预职能。虚拟教学机接受进程检测模块、目标宣传模块和情感调度模块的指令，规范认知途径引领、发掘新知识、产生创新顿悟和激活学习热情等管理环节，具体地监督教学交互过程、认知展示过程、情感维系过程、自律自觉过程和修养养成过程等。虚拟教学机干预措施包括：限制学习内容、授权教学资源、举荐协作伙伴、评聘导师、推荐资源和调整纠错等。虚拟教学机是一种支持深度学习的高密度终端设施，将异步地检测各个教学点状态，并反馈状态信息。
5.学习看板
学习看板的作用是：利用移动终端，履行宣告职责，助力正能量共识养成。在自媒体信息圈中，大众媒体很容易遭受扭曲化传播。由于虚假信息和负能量噪声较多地干扰了学习者的情绪，所以用“看板”来表征“公平和正义”，满足学习者对自媒体圈中公平和正义的渴望。学习看板是“正能量信息”的依据，用以消除各方面的质疑，真切展示出正能量场，体现出文化健康和自觉自律的正能量张力。
四、实践结果分析
大数据多元文化教育引导模型，结合分布式数据流管理和人工智能等技术，管控信息圈的相关教学信息，取得较多成绩。本例通过24台虚拟机（z1，z2，…，z24）进行了为期1年3月的实践验证。结果概括为：自媒体圈的真实信息，巨量而稀疏，通过大数据关联性分析，能有效梳理效用价值，使学习者在学习目标、崇高正义和情感互助等方面达到高度一致。大数据多元文化教育引导的优势体现在正能量引导、提升创造力、情感关怀和精准化教学管理等方面，有效地诠释了正能量引导和情感调节的支撑作用。
1.正能量引导
大数据教育引导模型强调认知过程与道德至高点永久性对接，为高品质网络学习奠定了坚实的基础架构。借助于大数据关联验证，正能量正统性得以强化，品德树立、鞭笞负能量和知识广度都被广泛支持，如图2所示。正能量调节力度与负能量行为的数量成反比，正能量调节在信息圈中的积极作用明显。
自媒体信息圈的知识传播具有强烈扩散效应。未进行正能量干预调节的信息圈，负能量话题常常能淹没正常的交互信息。网络话题充斥在形形色色的信息圈子中，只有用正能量导引信息圈，才能保障正确人生观、价值观和科学认知途径。
2.提升创造力
从个性化优势培养的角度看，大数据教育引导模型充分整合知识成果数据集，全面采集学习者的思维倾向、学术成果、阶跃格局与知识进展等状况，把握了不同来源、不同类型、不同结构的知识信息，认知效用明确提升。微博、贴吧和微信（QQ）是比较普及的三种自媒体形式，实验中每小时向预定信息圈对象输送新知识信息。实验结果是：增加输送适用信息的数量，能够带动创新灵感的增加、显著提高创新适用度；仅仅是增加信息输送量，不能保障持续较高的创新适用度，如图3所示。信息输送工作，需要深入分析出学习者的核心优势与弱点所在，提供与认知目标一致的正能量内容，才能保障创新适用度。
基于大数据分析的强力支持，学习者的波动状态、学习进度、评测记录、协作状态和学习动机等多源信息，都可以进入正能量规划的范畴，充分排除信息稀疏障碍，产生创新灵感。
3.情感关怀
自媒体网络环境下，学习目标越来越具体，情感过程与个性化培养越来越密不可分。情感关怀有利地把握学习状态与碎片化情感的关联关系，从细微环节推动学习者的认知成就感。实验显示：每天向目标学习者输送情绪信息在50-100条之间时，学习者精神比较愉快，且创新潜力有较大提升；每天输送情绪信息量超过100条时，情绪即转向失落和厌烦，情绪激励适用度全面下降；科学创新过程不完全是一种精神能始终保持愉快的过程；在维持愉悦信息大量输送的状态下，情感适用度反而降低，但创新适用度并非同步地降低，如图4所示。
大数据分析使得“情绪促学”更加精准化、更加对号入座。情感关怀使得学习者的知识创新情趣得以迅速培养。哈贝马斯说过：处于社会公共关系网络中，成员间的情感关怀是维系诚信、互相帮助的主流推送力。[14]在情感關怀的规范化管理下，形成关系紧密、互相监督和有效帮扶的诚信认知环境，能建立一种高效创新的知识空间。
4.精准化教学管理
大数据教育引导模型有效地提高自媒体网络的知识供给准确度，防止了学不对路、迷失方向和效用缺失等笃学现象，能及时辨识出最原始的、真实的、积极参与的情趣结构，展开深度学习过程。通过大数据教育引导过程，网络教学的主题执行率（C1）、教务纠错度（C2）、目标准确率（C3）、知识覆盖度（C4）、创意增加度（C5）、正向普及率（C6）和协作度（C7）等评价指标，均得到提升，教学管理过程获得更广泛的适用性，如图5所示。
精准化管理是现代教育引导的主要内涵，是激发求知欲望、激活创新灵感的必由之路。大数据教育引导机制必然成为未来教育的主流方式，能减少网络教育环节的疏漏，提高科学认知的精准性、适用性和可靠性水平。
五、总结
自媒体多元文化下的大数据教育引导模型，启用正能量品德引领、学习目标与学习途径匹配、学习效能检验与情感调节匹配等技术手段，强调占据道德至高点、密切情感支撑和激发创新灵感等多个维度，能实现文明健康的教育引导过程，为网络教育理论提供了新的视角，推动了精准化教学管理和高效率认识的进程。
参考文献
[1] 曹帅，王以宁，徐鹏.学习分析技术的研究现状与未来趋势[J]. 中国电化教育，2016（5）：78-84.
[2] 王良周，于卫红.大数据视角下的学习分析综述[J].中国远程教育，2015（3）：31-37.
[3] 张宏宝.数据源流高等教育治理体系建构与发展[J].教育发展研究，2016（3）：15-20.
[4] 苏知奥. 探讨信息技术与当代教育之融合[J]. 信息系统工程，2017（3）：170-172.
[5] 谢晓娟，王颖. 网络科技异化及其治理[J]. 思想政治教育研究，2017（3）：145-149.
[6] 周玲. 多维视角下MOOC学习分析发展机制与分析框架建构[J]. 电化教育研究，2017（4）：41-46.
[7] 王卫国. “互联网+”时代大学生思想政治教育发展的新趋势[J]. 思想政治教育研究，2017（2）：88-91.
[8] 杨杨，冯荣.基于社交网络的大学生网络素养分析及培育路径研究[J].理论观察，2016（4）：148-149.
[9] 吴康宁.社会对教育改革的制约[J].教育研究，2016（3）：34-38.
[10] 孙丽杰，李春华. 大数据环境下网络舆情管理方法研究[J]. 思想政治教育研究，2017（1）：124-129.
[11] 张晓东. “互联网+”教育的哲学反思[J]. 江苏高教，2017（1）：37-39.
[12] 罗俊，罗教讲. 互联网舆情偏态传播与引导[J].人民论坛，2015（36）：25-27.
[13] 唐平秋，耿卓. 微文化背景下高校輿情管理的机遇与挑战[J]. 思想政治教育研究，2017（2）：99-104.
[14] 朱建飞.基于胜任力模型视角的大学生创业研究[J].教育与职业，2015（17）：87-89.
[责任编辑：张学玲]
摘 要：自媒体网络呈现信息爆发式增长的态势，知识多元化，教育引导机制薄弱，网络新思维蘼乱，急需梳理。文章设计大数据教育导引模型，重点梳理“正能量引导”“激发创新灵感”“梳理典型”“鞭笞落后”和“情感支持”等热点问题，突出“大数据关联分析”和“正能量情感调节”等支撑环节。实践验证结果：大数据引导模型适用性良好，促进作用明显，体现出网络教育的发展趋势。
关键词：教育引导；大数据；自媒体；正能量
DOI：10.15938/j.cnki.iper.2018.01.013
中图分类号：G641文献标识码：A文章编号：1672-9749（2018）01-0155-06
“互联网+多元文化+教育引导”已成为世界各国教育振新计劃的重要组成部分，是现代教育技术的创新点和生长点，也是加快现代多元化文化教育改革的强力引擎。通过对大数据舆情的多元引导，能促进中高端人才教育培养模式与经济社会需求的良性对接，助力互联网教育改革的进程。
一、大数据多元知识教育形势
当前大数据网络的教育引导模式定义为：在自媒体网络下，应用大数据分析工具，研究学习者在知识获取、情感参与、生活支撑、学习动力和学习表现过程中的各种相关性，进行教学方式的适用性改革，实现正向教育引导的机制。近年来，互联网、多元文化和教育引导成为研讨主题，大数据舆情与教育引导技术已经由概念层面发展到应用层面。美国新媒体联盟（NMC）连续多年把“大数据学习分析”作为影响教育行业发展趋势的关键技术，并大力推崇人工智能的大数据模型研究。[1]美国国家教育技术计划（NETP2010）明确强调：发展信息技术模型，进行自媒体环境下的重大教育结构性改革。[2]2016年，第五届学习分析与知识挖掘国际会议，明确将“大数据网络教育”作为会议重要议题，舆情监控与教育引导成为自媒体背景下的网络教育的焦点。[3]以微信等为代表的自媒体网络空前大发展，高密度互动及多元文化融合，促使教育引导形式不断变革，文明健康教育面临诸多新机遇和新挑战。
1.大数据与自媒体
自2012年来，大规模在线开放课程（MOOC）流行，当代教育变革进程发生了重大改变，网络教育理论全方位融合大数据技术，生活、习性和娱乐等多种因素被融入教学决策环节中。按照教育嵌入理论，教育活动应深嵌于各种社会生活细节之中，成为知识创新的基础构件，产生更多的知识创新灵感。[4]自媒体网络开拓了虚拟网络世界，相关大数据知识架构是大众参与和高效认知的必然结果。[5]自媒体学习空间极大程度地符合建构主义理论所提倡的自我实现场景，广域知识关联和动态情境互动，促使大众创新灵感越来越活跃。[6]在网络技术急剧变迁的大数据背景下，生活领域中全方位知识关联，成为当代教育引导的支撑要素。当前大数据环境下的教育引导模型，主要集中在支持框架、引导机制、辅导方法和可视化工具等技术领域，强调创造性地构建个性化认知环境、在广阔的实践场景中完成创新灵感的激发。由此可见，大数据教育引导顺应了现代复合性知识教育的需求，能构建更贴近生活的教学情景，建立正向健康的知识学习途径和灵感启发途径。
2.深度学习
深度学习属于教育引导的核心内容之一，目标是克服局域性分析容易产生的信息孤岛现象。大数据深度学习结合学习者生活情景和基础条件，调查掌握原始材料之间的关联关系，把大规模知识样本中的关联价值提炼出来，实现跨越认知障碍的、激发创新灵感的学习过程。大数据分析模型力图提供更加精准化的主题资源，明晰多个参照对象之间的联系，实现适用的深度学习方案。[7]从互联网教育的变迁历程来看，大数据借助于网络媒体知识圈，探究知识对象的关联性，能实现密集性参照的深度学习过程。[8]从认知传播的角度看，大数据深度学习是一种复杂计算结合模糊判断的理性引导过程，对学习参与者所触及的各种隐性知识，进行深度剖析和稀疏价值集聚，是科技创新灵感的源泉。从情感维系的角度看，大数据深度学习基于生活状态、环境条件、心智条件、目标内驱力和毅力保持等关联因素，能避免情绪对抗和情绪抵触的过程，构建高效率创新支持过程。
3.大数据教育技术
互联网知识的大数据特征，结构纷繁复杂、体量巨大和价值稀疏，困扰着学习者的学习过程。如何保障创新性灵感、避开冗余干扰和正能量品德引导，成为大数据教育技术的重点。正能量吸引、情感关怀和真实有效性辨别，成为大数据教育引导技术的难点。由此，大数据教育技术必须基于分布式网络架构，结合人工智能、知识熵估计、模糊匹配和先验性匹配等算法，提升知识关联的深度和广度。例如：使用MapReduce逻辑，监管自媒体圈知识。大数据教育引导技术可以被概括为四个重要组成部分：信息状态分析、目标宣传、途径引导和学习流程控制。[9]从大数据教育技术的角度看，进行学习者情感数据的聚类分析，是一个巨大的技术性挑战，需要解决人工智能、情感属性检索、情感熵距离测算和现实仿真等核心技术。从学习过程看，大数据依托建构主义认知特征，注重实践场景的全方位联系，注重认知途径简化和知识效用提升，更有利于自媒体下的技术创新。
4.正能量引导
在思辨性道德教育板块下，自媒体圈教育引导更强调文化道德的先导性，强调知识进步的规范性导引。网络教育应当善于把握网络媒体，牢牢占领道德至高点，引领舆论方向，为学习者树立良好的人生观、价值观和世界观。“互联网+”环境下，更多信息被纳入学习资源数据集，呈现瞬息万变的爆发式增长态势，增加了更多的随机性和不确定性。如果放任学习者的思想不确定性，学习者很容易陷入道德、世俗和利益的迷途。规范性教育哲学流派（布列钦卡）说：教育必须进行道德、审美和健康价值的判断，才能确定正确的演变途径。[10]随着自媒体环境的不断复杂和碎片化，传统教育引导机制面临着反应迟缓、决策成本高、应对措施乏力和社会诉求埋怨多的困境。[11]自媒体环境下的舆情引导过程，不仅需要执意追求信息分布的准确性，更关注知识间的关联关系、关注正能量品德引导。[12]网络教学过程是一个智能引导系统，以正向品德引导为核心。[13]将规范性教育哲学理论应用于网络教育的具体实践，让学习参与者在健康积极的自媒体环境中，才能保障学业进步和环境品质。由此可见，在当今高度协作化学习形态下，网络教育必须以先进的思想道德为基础，才能保障知识传播的导引正确性。
大数据教育引导，是贯穿网络时空的情境引导全过程，能显著提高学习的智能化水平，并与规范性品德教育结合起来，创造出一种品德教育优先、信息实时参照、激发创新灵感的新型教育模式。
二、大数据教育引导的技术困难
自媒体信息已经演变成为大数据格局，具有“体量巨大、单体价值稀疏、格式复杂、语义含糊和结构化低”等特征，需要认清大数据教育引导的困难，才能保障自媒体舆情环境下大数据教育引导系统的适用性和可靠性。大数据教育引导面临的主要困难如下：
1.信息采集与检索困难
自媒体圈信息形式多样，信息维度巨大，网络语言不规范、不严格，口语化、派生词及诙谐语等特殊情况多发，信息辨别与采集工作受到严重的威胁。相对于传统教育系统，自媒体信息圈存在更多的逻辑不一致、品德缺失和流程冲突等障碍，直接影响着网络教育的效果。以微信圈为例，信息采集成本居高不下，巨量、异质和稀疏性不断增长。从网络中获取有效信息的难度越来越大，许多信息采集方案陷入到进退维谷的困难境界，严重影响了网络教学活动的适用性和声誉。
2.大数据分析技术适用度不足
自媒体网络交互方式具有开放性、不规范和多源性，不同地域和不同行业中的知识需求参差不齐，严重加剧了大数据分析的难度。线性扩展网络处理器、扩展存储设备，均不能解决“海量爆发”所带来的急剧增长难题。数据维度非常高、体量非常大，在有限资源条件和有效时间内，知识检索往往陷进“NP完全”的困境。现有技术不能对海量文档进行全域性遍历检索，造成信息监督检测、情趣引导驱动和信息聚类等算法不能满足实际的需要。鉴于大数据分析的困难，必须建立分布式流处理结构，科学地实现“原子效能提炼”“降维约简”和“覆盖子集”等功能，提高大数据分析的适用度，最终实现大数据教育引导目标。
3.不文明行为频发
在当前自媒体信息爆发式扩张的形势下，负能量纠正机制，不足以解决自媒体传播中的“不文明行为频发”问题。不文明行为经常被恶意炒作，加之教育监督措施乏力，主流教育形态呈现出老化、弥散和碎片化的危机。当下网络舆情形势不容乐观，网络消息真假难辨，别有用心的造谣者层出不穷，教育管理行动失据常态化。科学教育过程要求培养学习者较高的道德素养和思想思辨能力，网络教育也不例外。必须用道德至上的战略眼光，严判学习参与者的活动轨迹，实现文明健康教育。
4.正能量导引力度薄弱
由于网络教学管理机制不健全，正能量导引力度薄弱，学习参与者容易被负能量所诱惑，陷入方向迷失的困惑中。传统的教学管理机制不能应对自媒体环境下的事件繁多、数量巨大和头绪杂乱等困难。网络新行为趋向和新思想动态，往往难以进行及时的褒贬和规范。由于技术视角的限制，“过于追求新科技，价值观引导弱化”现象普遍。教育活动中所主张的“崇高理想”“个性化发展”“严谨治学”和“以德树人”等教育目标，面临着边缘化的危機。由此，必须建立适用的正能量引导机制，杜绝“只要价值利益，忽略道德伦理”的现象蔓延，并研究不文明行为的适用性纠正办法，满足网络文明健康学习环境的需要。
5.没有成熟案例可循
面对自媒体网络的大数据特征，教育引导模型没有成熟案例可供参照。自媒体环境下，经常出现学习效用评价不当、优劣混淆、教学效果难测的教学难题。由于自媒体知识和教学数据的维度非常大，学与管的多方关系不能及时准确地分析，典型过程、成绩褒贬、督查反省、深度学习和提高修养等主要教学环节，缺乏成功案例和规范章程可循。
三、大数据多元文化教育引导模型
大数据多元文化教育引导模型，以自媒体信息检索、正能量品德引导、情感调节为基本手段，实现适用的教育过程，包括信息收集、知识整理、优劣评价、情感调度和树立权威等教学环节，力求实现自媒体信息圈的高效能教育导引目标。建构大数据教育引导模型的指导思想是：归纳信息圈知识的逻辑传承关系，给学习者正能量引导支持，开展网络化深度学习活动。大数据教育引导模型的技术路线是：将教学相关信息描述为原子数据，展开大数据关联性分析和正能量分析；依托知识点重要度估计，进行适用性数据集约简；建立情感融合的正能量品德干预机制，发掘创新灵感；宣传优秀、批驳落后；总结出典型优秀的学习认知途径，供学习者借鉴。多元文化教育引导模型主要模块包括：目标宣传模块、情感调度器、进程检测器、虚拟教学机和学习看板等，如图1所示。
大数据教育引导模型采用MapReduce架构，实施分布式信息索引和聚类等信息服务，把握教学对象的多元化状态，实现技术先进性与适用性的辩证统一。重点针对知识繁杂、来源混乱、裂变式传播、情感调节和正能量引导等环节，实现自媒体圈信息服务的规范化引导机制。核心功能如下：
1.进程检测模块
进程检测模块：借助人工智能、原子语法分析、信息聚类、目标匹配和约简冗余逻辑等功能，完成学习状态属性与学习目标的匹配任务。通过信息采集设备，将各种信息流进行有效性、适用度和文明度检验。将原始数据中的平凡噪声剥离，将知识材料与典型案例进行匹配，忽略一些次要层次上的关联关系，在主要层面上凝聚鉴别力，实现学习状态与学习目标的快速匹配。自媒体信息来自真实的社会生活环境，对知识创新的效能影响（创新适用度）不可忽视。由此，有关知识的原始数据，包括文本、图片、视频和历程等，必须采用NoSQL数据库存贮，以满足及时检索和稀疏价值聚合的时效性要求。
2.目标宣传模块
目标宣传模块：结合自媒体信息圈特征，应用先进教育技术，弘扬正能量价值观，使学习者在心目中确立崇高的人生理想和学习目标。目标宣传模块采用褒奖批判并用的策略，弘扬科学先进价值观。一方面，全方位接受自媒体信息，适用分类算法，及时捕捉到不文明行为和消极思潮，鞭笞不文明行为，并积极预警负能量舆情，防止网络暴力泛滥和聚集爆发。另一方面，培养正能量舆论场，弘扬科学先进观念，崇仰道德品质和正能量典范，确保牢牢占领道德制高点，让学习者拥有正确的人生价值观环境。
3.情感调度模块
情感调度器：构建教师、教管部门与学习参与者的情感协同氛围，拉近学习者与教师之间的情感距离。情感调度模块力求实现较好情感体验，维系正能量引导与教学秩序的良性互动，包括“情绪舒张”“情感关注”和“伴随守护”等情感支持。在情感调度器构建中，基于已有的学习情景经验，实施情感干预过程，对学习者心态进行适应性调剂和协调服务。当前，大数据情感分析主要包括情绪关怀和资源吸引力两种情况：应用情感信息熵算法，测量出情绪状态与学者群体的心理距离，为情感关怀建立数量依据；应用混沌调节算法，构建情绪数据的奇异吸引子，准确定位资源吸引力特征。大数据情感分析的主要检测参数有：第一，贴合度，体现学习效果与真实情绪意愿（生理需求、安全需求、社交需求、尊重需求和自我实现等）的匹配程度。第二，资源吸引度，体现教育资源与精神文明（自律自觉性、品德修养、自然快乐和事业进取等）之间的匹配度。第三，情感重要度，有效地诠释出情感引导行为对知识创新的重要性。
4.虚拟教学机
虚拟教学机的作用是：实现自媒体控制，布局学习途径，履行教育干预职能。虚拟教学机接受进程检测模块、目标宣传模块和情感调度模块的指令，规范认知途径引领、发掘新知识、产生创新顿悟和激活学习热情等管理环节，具体地监督教学交互过程、认知展示过程、情感维系过程、自律自觉过程和修养养成过程等。虚拟教学机干预措施包括：限制学习内容、授权教学资源、举荐协作伙伴、评聘导师、推荐资源和调整纠错等。虚拟教学机是一种支持深度学习的高密度终端设施，将异步地检测各个教学点状态，并反馈状态信息。
5.学习看板
学习看板的作用是：利用移动终端，履行宣告职责，助力正能量共识养成。在自媒体信息圈中，大众媒体很容易遭受扭曲化传播。由于虚假信息和负能量噪声较多地干扰了学习者的情绪，所以用“看板”来表征“公平和正义”，满足学习者对自媒体圈中公平和正义的渴望。学习看板是“正能量信息”的依据，用以消除各方面的质疑，真切展示出正能量场，体现出文化健康和自觉自律的正能量张力。
四、实践结果分析
大数据多元文化教育引导模型，结合分布式数据流管理和人工智能等技术，管控信息圈的相关教学信息，取得较多成绩。本例通过24台虚拟机（z1，z2，…，z24）进行了为期1年3月的实践验证。结果概括为：自媒体圈的真实信息，巨量而稀疏，通过大数据关联性分析，能有效梳理效用价值，使学习者在学习目标、崇高正义和情感互助等方面达到高度一致。大数据多元文化教育引导的优势体现在正能量引导、提升创造力、情感关怀和精准化教学管理等方面，有效地诠释了正能量引导和情感调节的支撑作用。
1.正能量引导
大数据教育引导模型强调认知过程与道德至高点永久性对接，为高品质网络学习奠定了坚实的基础架构。借助于大数据关联验证，正能量正统性得以强化，品德树立、鞭笞负能量和知识广度都被广泛支持，如图2所示。正能量调节力度与负能量行为的数量成反比，正能量调节在信息圈中的积极作用明显。
自媒体信息圈的知识传播具有强烈扩散效应。未进行正能量干预调节的信息圈，负能量话题常常能淹没正常的交互信息。网络话题充斥在形形色色的信息圈子中，只有用正能量导引信息圈，才能保障正确人生观、价值观和科学认知途径。
2.提升创造力
从个性化优势培养的角度看，大数据教育引导模型充分整合知识成果数据集，全面采集学习者的思维倾向、学术成果、阶跃格局与知识进展等状况，把握了不同来源、不同类型、不同结构的知识信息，认知效用明确提升。微博、贴吧和微信（QQ）是比较普及的三种自媒体形式，实验中每小时向预定信息圈对象输送新知识信息。实验结果是：增加输送适用信息的数量，能够带动创新灵感的增加、显著提高创新适用度；仅仅是增加信息输送量，不能保障持续较高的创新适用度，如图3所示。信息输送工作，需要深入分析出学习者的核心优势与弱点所在，提供与认知目标一致的正能量内容，才能保障创新适用度。
基于大数据分析的强力支持，学习者的波动状态、学习进度、评测记录、协作状态和学习动机等多源信息，都可以进入正能量规划的范畴，充分排除信息稀疏障碍，产生创新灵感。
3.情感关怀
自媒体网络环境下，学习目标越来越具体，情感过程与个性化培养越来越密不可分。情感关怀有利地把握学习状态与碎片化情感的关联关系，从细微环节推动学习者的认知成就感。实验显示：每天向目标学习者输送情绪信息在50-100条之间时，学习者精神比较愉快，且创新潜力有较大提升；每天输送情绪信息量超过100条时，情绪即转向失落和厌烦，情绪激励适用度全面下降；科学创新过程不完全是一种精神能始终保持愉快的过程；在维持愉悦信息大量输送的状态下，情感适用度反而降低，但创新适用度并非同步地降低，如图4所示。
大数据分析使得“情绪促学”更加精准化、更加对号入座。情感关怀使得学习者的知识创新情趣得以迅速培养。哈贝马斯说过：处于社会公共关系网络中，成员间的情感关怀是维系诚信、互相帮助的主流推送力。[14]在情感關怀的规范化管理下，形成关系紧密、互相监督和有效帮扶的诚信认知环境，能建立一种高效创新的知识空间。
4.精准化教学管理
大数据教育引导模型有效地提高自媒体网络的知识供给准确度，防止了学不对路、迷失方向和效用缺失等笃学现象，能及时辨识出最原始的、真实的、积极参与的情趣结构，展开深度学习过程。通过大数据教育引导过程，网络教学的主题执行率（C1）、教务纠错度（C2）、目标准确率（C3）、知识覆盖度（C4）、创意增加度（C5）、正向普及率（C6）和协作度（C7）等评价指标，均得到提升，教学管理过程获得更广泛的适用性，如图5所示。
精准化管理是现代教育引导的主要内涵，是激发求知欲望、激活创新灵感的必由之路。大数据教育引导机制必然成为未来教育的主流方式，能减少网络教育环节的疏漏，提高科学认知的精准性、适用性和可靠性水平。
五、总结
自媒体多元文化下的大数据教育引导模型，启用正能量品德引领、学习目标与学习途径匹配、学习效能检验与情感调节匹配等技术手段，强调占据道德至高点、密切情感支撑和激发创新灵感等多个维度，能实现文明健康的教育引导过程，为网络教育理论提供了新的视角，推动了精准化教学管理和高效率认识的进程。
参考文献
[1] 曹帅，王以宁，徐鹏.学习分析技术的研究现状与未来趋势[J]. 中国电化教育，2016（5）：78-84.
[2] 王良周，于卫红.大数据视角下的学习分析综述[J].中国远程教育，2015（3）：31-37.
[3] 张宏宝.数据源流高等教育治理体系建构与发展[J].教育发展研究，2016（3）：15-20.
[4] 苏知奥. 探讨信息技术与当代教育之融合[J]. 信息系统工程，2017（3）：170-172.
[5] 谢晓娟，王颖. 网络科技异化及其治理[J]. 思想政治教育研究，2017（3）：145-149.
[6] 周玲. 多维视角下MOOC学习分析发展机制与分析框架建构[J]. 电化教育研究，2017（4）：41-46.
[7] 王卫国. “互联网+”时代大学生思想政治教育发展的新趋势[J]. 思想政治教育研究，2017（2）：88-91.
[8] 杨杨，冯荣.基于社交网络的大学生网络素养分析及培育路径研究[J].理论观察，2016（4）：148-149.
[9] 吴康宁.社会对教育改革的制约[J].教育研究，2016（3）：34-38.
[10] 孙丽杰，李春华. 大数据环境下网络舆情管理方法研究[J]. 思想政治教育研究，2017（1）：124-129.
[11] 张晓东. “互联网+”教育的哲学反思[J]. 江苏高教，2017（1）：37-39.
[12] 罗俊，罗教讲. 互联网舆情偏态传播与引导[J].人民论坛，2015（36）：25-27.
[13] 唐平秋，耿卓. 微文化背景下高校輿情管理的机遇与挑战[J]. 思想政治教育研究，2017（2）：99-104.
[14] 朱建飞.基于胜任力模型视角的大学生创业研究[J].教育与职业，2015（17）：87-89.
[责任编辑：张学玲]
