[中图分类号]G641 [文献标识码]A [文章编号]1002-5707(2022)9-0045-07 当前，以人工智能、大数据为代表的智能化技术正以前所未有的发展态势，深刻影响着社会转型。作为治国理政的重要方式，思想政治教育所需的信息处理也深受智能化浪潮影响，其学科范式在传统思辨的基础上，人机协同、跨界融合、共创分享的智能化色彩越发浓厚。所谓思想政治教育的智能化发展，即“着眼思想政治教育领域数据密集、知识密集、脑力劳动密集等特点，充分发挥人工智能的技术优势，‘积数成池’以厚植思想政治教育科学化基础，‘聚能成流’以提升思想政治教育科学化效能，‘合智成势’以推动思想政治教育科学化发展”[1]。这一过程，“既表现为现实虚拟化与虚拟现实化展现的育人新模式，又呈现为基于现实变革而产生的新范式”[2]。但需要看到，由于智能技术本身的“双刃剑”属性，思想政治教育的智能化发展仍面临着亟待破解的现实难题。 从算法视角探讨思想政治教育的智能化可谓破局的关键一环。以算法为核心的“技术群”在一定程度上被赋予数据采集、筛选推送等重要权力，其运行中包含的技术逻辑与价值逻辑，将从根本上决定智能化发展的成功与否。以算法为切入点，将有助于透过智能化“迷雾”抓住问题实质。但“算法绝非价值中立的技术，它由社会性的因素构成，必然也产生相应的社会影响”[3]。有鉴于此，在思想政治教育的智能化发展中，须客观研判算法带来的机遇与挑战，探寻突破算法局限的发展路径。 一、思想政治教育智能化发展的算法机遇 本质上算法是为完成任务而设计的、抽象程度较高的运算流程，意在通过运算推演得出相应结果。随着对算法蕴含的价值伦理等研究不断深入，算法也被表征为具有一定的思维特性和权利意识。在此基础上，算法赋予思想政治教育智能化发展的机遇便体现在数字模型、计算思维及技术权威之中。 (一)高效率、精准化、全流程的数字模型 究其实质，算法之所以具有令人信服的力量，关键在于其背后的数学模型能赋予规范。“当数学模型被导出时，数学模式或者公式突然间就给那个它从未打算介入和想到的领域带来了秩序。”[4]30正因如此，算法赋予思想政治教育智能化发展的首要机遇便是构建了一整套数字化模型。与传统模型不同，经过算法的赋能，思想政治教育的数字化模型实现了高效、精准和全面。其一，大数据技术对信息的有效挖掘，形成了海量数据库。但如何抽丝剥茧，进行可视化规整？这是智能化发展的第一步。“如果数字化模型沉耽于复杂的教育情境及其潜在的结果，这样的模型要么在数学上无法成立，要么在教育中失去价值。”[5]借助算法，模型可迅速剔除诸多不必要的细节，抓住关键数据进行快速匹配，并以更为直观的图表展现青年的思想动态。其二，受技术条件限制，传统思想政治教育中教师对青年的把握往往来自感性的经验认知，这就不可避免地带有主观意味，导致在内容传播和方法研判上有明显的强制色彩。“殊不知，思想政治教育过程本应该是在教育者与受教育者的思想熏陶、情感迁移、信念激发、意志砥砺和行为影响中相互促进、相互激荡的过程。”[6]借助算法，模型可准确判断教育现状，当精准定位后，算法可将青年需要的内容以恰当的方式投递，既有效避免了“大水漫灌”，使思想政治教育的内容供给更为精准直接，还可借助数据分析有针对性地进行情感层面的教化，实现动之以情、晓之以理。 在实现高效率和精准化之后，数字化模型便可借助算法对数据流进行全方位整合，助推思想政治教育形成闭环式的模型建构。研究者可在此闭环中进行问题推理和模拟假设。换言之，数字化模型之所以能摆脱现实中的主观偏见，创造更为客观的逻辑思考结构，是因为模型更加注重用数据说话。借助算法，将思想政治教育中的非结构化教育问题转为结构化的教育概念，并将这一概念表述为可实施数据处理且能作多维比较的数学参数，在此基础上经多轮论证，打造出可观察、易操作的模型架构，使得最终数据呈现更为具体，也推动相关研究从抽象的理论思辨向具体的实证检验转变。这种基于算法绘制的数字化模型，使整个思想政治教育过程形成了“沿数循规—依数定策—以数育人—循数评价”的完整闭环，不仅帮助教师超越传统观念中的主观偏见，重视数据中蕴含的育人规律，而且提升了思想政治教育过程的时代感和吸引力。 (二)全样本、深层次、协同性的计算思维 算法除被理解为数模建构等算力之外，也可以看作从信息化视角来解决问题的思维方式。二者都有合理的一面，但对思想政治教育而言，后者的意义更为重要。原因在于，从创立之初思想政治教育就立足于经典理论构筑的学科框架，并通过持续的总结实现理论创新，这就导致其学科范式中经验思辨的色彩浓厚。算法的产生，使得思想政治教育也由过去的难以测量逐步转变为可以观测，这一转变意味着计算思维在思想政治教育范式中的比重得到提升。今后以计算思维对教育资源重组加工，形成场景化的数字产品，借助算法进行针对性传导，有望成为常态。 考虑到算法当前取得的革命性成就，计算思维在思想政治教育领域的广度、深度、宽度也将得到大幅提升。其一，基于算法实现了思维的空间延展。虽然以社会访谈、田野调查为特色的实践研究有力推动了传统思想政治教育的数字化，但受技术条件限制，这些方法大都基于局部数据，当推广到社会全体中，就不可避免地造成偏差，所以计算思维最初在思想政治教育中的应用空间有限。算法使教师获得了全样本的教育信息，强调从全局视野来解读思想政治教育的根本问题，这就改变了传统小样本的局限性，呈现出不同于以往依靠经验和小数据的思维特点，计算思维的应用场景得到了极大拓展。其二，基于算法实现了思维的深度挖掘。算法极大拓展了计算思维在思想政治教育知识领域的应用深度。因为从算法的创立初衷来看，数据本身也是知识的体现。计算思维主张，无论何种类型的知识，都有可能通过某类算法从数据中加以获得。所以在思想政治教育智能化发展中，将产生大量基于测验数据形成的数字化知识，它能准确判断出思想政治教育质量的优劣，“实现思政要素、功能、机制、内容、目标的数据化描述，通过数据挖掘发现系统的运行机制和规律，利用历史数据和数据规律预测思政对象的未来思想和行为，通过效果的数据评估反馈调整思政内容和手段以便更加精准、有效地实现立德树人的思政目标”[7]。其三，基于算法实现了思维的协同跨域。面向未来，算法有望成为所有研究者的互通语言，并努力搭建起跨学科的学术交流平台。在此趋势下，智能化思想政治教育的学科边界将得到前所未有的拓展。一方面，思想政治教育会产生更多交叉性的前沿议题，并以此吸引更多跨领域人才投入其中，真正实现“大思政”格局；另一方面，借助算法，跨学科的思想政治教育将对现有思想理论知识进行多维交叉认证，从而打造出观念更为融合、解释力度更强的理论教育体系。
