席衛(wèi)華

摘 要： 針對目前高職院校思政教育工作存在的信息反饋滯后、預(yù)警干預(yù)機制不完善、風(fēng)險管控能力較弱等問題，開發(fā)了一款基于改進SVM算法的思政教育動態(tài)預(yù)警系統(tǒng)。通過構(gòu)建體量較大的基于用戶行為的日志數(shù)據(jù)庫，引入改進過的支持向量機（SVM）算法并融入預(yù)警分類器建立面向思政教育動態(tài)預(yù)警模型，在Matlab2016b環(huán)境下進行模型效能仿真驗證，較好解決了多維應(yīng)用背景下的高校思政教育動態(tài)預(yù)警過程中人力耗費與實際效能失衡、信息反饋滯后等問題，具有動態(tài)預(yù)警精準(zhǔn)、泛化預(yù)警能力強、風(fēng)險管控變化趨勢預(yù)估效率高等優(yōu)勢。以我國東部某高職院校為效能評價載體，利用VS2012平臺開發(fā)了驗證環(huán)境并對模型進行了實證分析，分析結(jié)果表明所提模型可以實現(xiàn)全方位的高校思政教育動態(tài)預(yù)警，在預(yù)警適應(yīng)性、模型擬合度、信息過載處理效率等方面具有明顯優(yōu)勢。

關(guān)鍵詞： 思政教育; 動態(tài)預(yù)警模型; 改進支持向量機算法; 預(yù)警分類器; 系統(tǒng)開發(fā)

中圖分類號： TP 315 ? ? ?文獻標(biāo)志碼： A

Abstract： Aiming at the problems of lag in information feedback， imperfect early warning intervention mechanism and weak risk management and control ability in the ideological and political education work of higher vocational colleges， a dynamic early warning system based on improved SVM algorithm was developed. By constructing a large user database based on user behavior， an improved support vector machine （SVM） algorithm is introduced and an early warning classifier is built to establish a dynamic early warning model for ideological and political education. The model performance simulation is validated in Matlab 2016b environment. It solves the problems of imbalance between manpower consumption and actual efficiency and lag of information feedback in the dynamic early warning process of ideological and political education in colleges and universities under the background of multi-dimensional application. It has the advantages of dynamic early warning accuracy， strong generalized early warning ability， and high risk estimation performance. Taking a higher vocational college in eastern China as the effectiveness evaluation carrier， the verification environment is developed by using VS2012 platform， and the model is empirically analyzed. The analysis results show that the model proposed in this paper can realize the dynamic early warning of ideological and political education in colleges and universities. Model fit， information overload processing efficiency and other aspects have obvious advantages.

Key words： ideological and political education; dynamic early warning model; improved support vector machine algorithm; early warning classifier; system development

0 引言

思政教育是高等教育的重要組成部分，貫穿高等教育教學(xué)全過程，是高職院校培養(yǎng)社會主義建設(shè)者和接班人的重要制度載體，在強化高職院校在校生的價值引領(lǐng)、加強愛國奉獻主旋律宣傳教育，建立全員全過程全方位育人機制等領(lǐng)域發(fā)揮著基礎(chǔ)性作用。高職院校思政教育涉及面廣、受眾層次多樣、未形成統(tǒng)一的標(biāo)準(zhǔn)模式[1]，屬于復(fù)雜的系統(tǒng)工程，必須采用系統(tǒng)化的方法加以分析，借鑒協(xié)同理論，搭建協(xié)同平臺、完善協(xié)同機制、營造協(xié)同文化、建立動態(tài)預(yù)警模型是實現(xiàn)高職院校思政教育全局協(xié)同管控的必經(jīng)之路。高職院校在校生群體思維活躍，是非分辨能力不強，法律意識淡薄，容易受到境外間諜機構(gòu)的策反，對我國的國家安全造成了一定危害。如何采取積極有效的措施教育和引導(dǎo)在校大學(xué)生自覺樹立國家安全觀，構(gòu)建在校大學(xué)生思政教育動態(tài)預(yù)警機制，筑牢高職院校思想政治防線，是開展高職院校思政教育工作面臨的新挑戰(zhàn)[2]。

目前，高職院校思政教育大多采用各級負(fù)責(zé)人統(tǒng)計傳達的方式管控高職院校在校生思政風(fēng)險，存在信息反饋滯后，預(yù)警干預(yù)機制不完善、風(fēng)險管控能力較弱等問題，結(jié)合新形勢下的高職院校思政教育信息化需求[3]，開發(fā)了一款基于改進SVM算法的思政教育動態(tài)預(yù)警系統(tǒng)。通過構(gòu)建體量較大的基于用戶行為的日志數(shù)據(jù)庫，引入改進過的支持向量機（SVM）算法并融入預(yù)警分類器建立面向思政教育動態(tài)預(yù)警模型，在Matlab2016b環(huán)境下進行模型效能仿真驗證[4]，較好解決了多維應(yīng)用背景下的高校思政教育動態(tài)預(yù)警過程中人力耗費與實際效能失衡、信息反饋滯后等問題，具有動態(tài)預(yù)警精準(zhǔn)、泛化預(yù)警能力強、風(fēng)險管控變化趨勢預(yù)估效率高等優(yōu)勢?；赩S2012環(huán)境開發(fā)了應(yīng)用軟件，為高職院校思政教育的工作開展提供定量依據(jù)，符合新形勢下的國家整體安全觀，對提高我國高職院校思政教育全局協(xié)同管控能力具有積極意義[5]。

1 系統(tǒng)總體邏輯設(shè)計

基于改進SVM算法的思政教育動態(tài)預(yù)警系統(tǒng)主要實現(xiàn)面向存在明顯潛在思想動態(tài)差異的高職院校在校生開展思政教育工作的課程開設(shè)、效果評估、思想動態(tài)管控、預(yù)警反饋等環(huán)節(jié)的數(shù)據(jù)收集與潛在規(guī)律挖掘[6]，實現(xiàn)高職院校思政教育工作的完整生命周期信息化管控。如圖1所示。

基于改進SVM算法的思政教育動態(tài)預(yù)警系統(tǒng)總體邏輯上主要包括思政教育實施子模塊、思政教育效果分析子模塊、思政教育動態(tài)預(yù)警子模塊，基于預(yù)警分類器的高職院校思政教育動態(tài)預(yù)警系統(tǒng)主要實現(xiàn)高職院校思政教育從業(yè)者、高職院校在校生、高職院校思政教育職能部門三者之間的協(xié)調(diào)交互，明確高職院校思政教育目標(biāo)，設(shè)定高職院校思政教育核心任務(wù)，確保高職院校思想政治防線穩(wěn)固牢靠[7]。

思政教育實施子模塊主要依據(jù)高職院校思政教育相關(guān)政策規(guī)定和高職院校自身特色等制定個性化的思政教育方案，包括教材選取、實踐課程設(shè)計、高職院校在校生思想動態(tài)調(diào)研等;思政教育效果分析子模塊主要針對思政教育實施子模塊制定的個性化思政教育方案進行多維度效果評價[8]，包括思政教育目標(biāo)與新形勢下國家相關(guān)政策規(guī)定是否契合、思政教育任務(wù)的制定是否與思政教育目標(biāo)相適應(yīng)、思政教育方案深度是否滿足需求、高職院校在校生思想動態(tài)管控是否滿足預(yù)期目標(biāo)、高職院校在校生對思政教育方案的接受度如何等;思政教育動態(tài)預(yù)警子模塊主要實現(xiàn)提前發(fā)現(xiàn)有危險思想動態(tài)傾向的在校生并發(fā)出預(yù)警提示，及時采取積極地干預(yù)措施，通過關(guān)注學(xué)生心理特質(zhì)，為其健康發(fā)展奠定良好基礎(chǔ)，為我國整體國家安全觀的順利開展提供保障。通過上述三個功能子模塊，構(gòu)建高職院校思政教育閉環(huán)動態(tài)預(yù)警機制，形成良性循環(huán)，為高職院校思政教育工作的開展提供基礎(chǔ)性保障。

與基于改進SVM算法的思政教育動態(tài)預(yù)警系統(tǒng)總體邏輯設(shè)計示意圖相對應(yīng)，其內(nèi)部工作流流向順序如下：S1：錄入新形勢下習(xí)近平總書記在全國高職院校思想政治工作會議上的重要講話以及國家相關(guān)政策規(guī)定，作為高職院校制定個性化的思政教育方案的總體依據(jù);S2：對高職院校制定個性化的思政教育方案進行規(guī)范化檢查并進行小規(guī)模實驗;S3：根據(jù)實驗結(jié)果決定是否進行全校推廣應(yīng)用[9]，如果實驗結(jié)果支持推廣，則啟動思政教育效果分析子模塊，從多維度效果評價對高職院校制定的個性化思政教育方案進行評價，否則返回第一步;S4： 啟動思政教育動態(tài)預(yù)警子模塊，提前發(fā)現(xiàn)有危險思想動態(tài)傾向的在校生并發(fā)出預(yù)警提示，及時采取積極地干預(yù)措施，確保高職院校思政教育發(fā)揮實效。

2 基于改進SVM算法的高職院校思政教育動態(tài)預(yù)警模型設(shè)計

2.3 融入決策分析體系機制

為了進一步對用戶隱形預(yù)警定量數(shù)據(jù)進行綜合模糊評價，融入決策分析體系機制，如圖2所示。

引入模糊神經(jīng)網(wǎng)絡(luò)進行決策評價并對模糊規(guī)則進行自適應(yīng)性訓(xùn)練，在結(jié)構(gòu)上形成用戶隱形興趣輸入層、隸屬函數(shù)模糊化層[13]、模糊規(guī)則自適應(yīng)訓(xùn)練層、輸出變量模糊度劃分層、用戶隱形興趣決策分析層，在功能上利用BP神經(jīng)網(wǎng)絡(luò)作為模式存儲器，利用自主學(xué)習(xí)能力不斷更新優(yōu)化權(quán)系數(shù)，使模糊系統(tǒng)具備了泛化能力，實現(xiàn)個性化服務(wù)的全方位評價并把結(jié)果反饋到改進支持向量機算法，實現(xiàn)良性閉環(huán)循環(huán)[14]。

模糊神經(jīng)網(wǎng)絡(luò)算法是決策分析體系機制的核心算法，針對思政教育動態(tài)預(yù)警模型轉(zhuǎn)化為附帶懲罰因子的無限制經(jīng)驗損失最小化問題[15]，利用改進支持向量機算法進行目標(biāo)核函數(shù)的構(gòu)建與求解，對獲取的用戶隱形興趣決策數(shù)據(jù)集進行決策分析處理。利用BP神經(jīng)網(wǎng)絡(luò)的隱含節(jié)點表征隸屬函數(shù)和模糊規(guī)則，把BP神經(jīng)網(wǎng)絡(luò)的輸入輸出節(jié)點映射為模糊系統(tǒng)的輸入輸出信號流，利用Matlab中模糊神經(jīng)網(wǎng)絡(luò)工具箱提供的模擬數(shù)據(jù)集進行仿真驗證，則訓(xùn)練結(jié)果與目標(biāo)值對比圖，如圖3所示。

3 系統(tǒng)設(shè)計

3.1 系統(tǒng)的功能模塊設(shè)計

與系統(tǒng)的功能性需求分析相契合，遵循軟件工程設(shè)計的一般流程，對系統(tǒng)的整體功能框架進行設(shè)計，如圖4所示。

系統(tǒng)的功能模塊設(shè)計遵循實用性、模塊化、可擴展的原則，系統(tǒng)的核心模塊主要包括思政教育實施子模塊、思政教育效果分析子模塊、思政教育動態(tài)預(yù)警子模塊、系統(tǒng)維護與更新子模塊等組成，各個子模塊在系統(tǒng)工作流的控制下協(xié)同工作，構(gòu)建高效實用的高職院校思政教育閉環(huán)動態(tài)預(yù)警機制，形成良性循環(huán)，為高職院校思政教育工作的開展提供基礎(chǔ)性保障。

3.2 系統(tǒng)總體業(yè)務(wù)流程設(shè)計

一方面，高職院校思政教育工作關(guān)乎黨和國家的前途和命運，需要實現(xiàn)高職院校思政教育從業(yè)者、高職院校在校生、高職院校思政教育職能部門三者之間的協(xié)調(diào)交互，因此，高職院校思政教育的動態(tài)預(yù)警機制屬于復(fù)雜的系統(tǒng)工程，必須采用系統(tǒng)工程理論進行邏輯梳理與信息化系統(tǒng)建設(shè)。另一方面，由于我國高職院校層次多樣，高職院校在校生整體思想覺悟存在較大差異，其思政教育工作的開展受諸多因素的影響，不同應(yīng)用地域、不同層次的高職院校在指定個性化思政教育方案上存在一定差異，本文選取我國東部某高職院校為例進行分析說明系統(tǒng)的總體業(yè)務(wù)流程。如圖5所示。

在確定好應(yīng)用高職院校之后，進行系統(tǒng)初始化操作，主要完成國家關(guān)于高職院校思政教育的相關(guān)法律法規(guī)信息的錄入并對系統(tǒng)數(shù)據(jù)倉庫寫入初始值，進行高職院校個性化思政教育方案的制定;啟動思政教育效果分析機制，從多維度效果評價對高職院校制定的個性化思政教育方案進行評價;啟動思政教育動態(tài)預(yù)警子模塊，提前發(fā)現(xiàn)有危險思想動態(tài)傾向的在校生并發(fā)出預(yù)警提示，及時采取積極地干預(yù)措施，確保高職院校思政教育發(fā)揮實效。

3.3 系統(tǒng)安全機制設(shè)計

為了提高系統(tǒng)的安全性，確保系統(tǒng)用戶的信息安全，系統(tǒng)引入了安全機制，基于經(jīng)濟實用性的考慮，采用軟件工程領(lǐng)域常用的訪問控制模型，對系統(tǒng)的登錄認(rèn)證、用戶管理、角色分配、權(quán)限管理、信息查詢等進行全流程跟蹤監(jiān)控。如圖6所示。

采用基于LDAP的統(tǒng)一用戶驗證方式，合理設(shè)置授權(quán)表的訪問權(quán)限，很大程度上減少了對數(shù)據(jù)庫的訪問次數(shù)，保護了系統(tǒng)用戶的信息安全。

4 實驗分析與測試

4.1 優(yōu)化模型仿真驗證

為了驗證引入冷熱數(shù)據(jù)分離因子和引入隨機梯度下降因子、融入決策分析體系機制后的思政教育動態(tài)預(yù)警模型的實際工作效果，分析利用模糊神經(jīng)網(wǎng)絡(luò)進行決策評價并對模糊規(guī)則進行自適應(yīng)性訓(xùn)練的實際效能。為了具有一般性和客觀性，采用GitHub開源平臺提供的基于Python 3.5.2內(nèi)核的Sklearn庫，設(shè)定初始目標(biāo)函數(shù)，設(shè)定模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練次數(shù)epochs為1000，訓(xùn)練目標(biāo)goal為0.01，學(xué)習(xí)速率lr為0.1。從原目標(biāo)函數(shù)的收斂曲線對比分析、Log回歸約束后的目標(biāo)函數(shù)收斂曲線對比分析、目標(biāo)函數(shù)分類誤差率對比分析等多維度對算法進行了仿真驗證，基于Python 3.5.2內(nèi)核，在PyCharm 3.5環(huán)境下進行圖形化示意仿真，采用顯著差異標(biāo)識在仿真圖中給出對比曲線，最終仿真結(jié)果如圖7—圖10所示。

為了使Sklearn庫提供的測試數(shù)據(jù)集更貼切思政教育動態(tài)預(yù)警模型，對用戶行為數(shù)據(jù)集和用戶隱形興趣點數(shù)據(jù)集進行了回歸映射處理，提高了數(shù)據(jù)集的純凈度，降低了數(shù)據(jù)集的冗余度，提高了仿真效率。

從圖7—圖10可以從定性和定量兩方面進行分析可知，首先，改進后SVM算法目標(biāo)函數(shù)的收斂速度和細(xì)粒度、Log回歸約束后的目標(biāo)函數(shù)收斂效率、目標(biāo)函數(shù)分類誤差率等有較大幅度改善;其次，引入冷熱數(shù)據(jù)分離因子和引入隨機梯度下降因子、融入決策分析體系機制后的思政教育動態(tài)預(yù)警模型的實際工作效果有較大幅度提升，利用模糊神經(jīng)網(wǎng)絡(luò)進行決策評價并對模糊規(guī)則進行自適應(yīng)性訓(xùn)練的實際效能良好，初步實現(xiàn)了線性核和非線性核的協(xié)同適應(yīng)與空間和時間效率的兼顧;最后，實現(xiàn)根據(jù)不同的數(shù)據(jù)集自適應(yīng)調(diào)整核函數(shù)，大幅度降低了內(nèi)存的耗費，提高了數(shù)據(jù)集迭代效率，較好解決了傳統(tǒng)支持向量機算法可解釋性能力較差、內(nèi)核函數(shù)缺乏自適應(yīng)性、泛化能力與學(xué)習(xí)能力失衡、內(nèi)存耗費隨時間呈顯著變化等固有弊端，理論上適用于任何復(fù)雜因素約束下的高維耦合思政教育動態(tài)預(yù)警問題，特別是針對用戶人群單一、內(nèi)部約束無耦合性、用戶興趣點數(shù)據(jù)集體量較大的思政教育動態(tài)預(yù)警問題具有較好的效果。

4.2 系統(tǒng)工程化實現(xiàn)

基于系統(tǒng)的設(shè)計思路，在VS2012環(huán)境下對系統(tǒng)進行編程實現(xiàn)，系統(tǒng)運行在微軟經(jīng)典穩(wěn)定的Windows 7操作系統(tǒng)平臺，服務(wù)器采用的硬件設(shè)備 CPU為英特爾酷睿i7，主頻3.2GHz，系統(tǒng)運行內(nèi)存為18GB，存儲空間8TB，網(wǎng)絡(luò)帶寬100M獨享，系統(tǒng)數(shù)據(jù)存儲軟件是微軟的MS-SQLServer2016。為了提高系統(tǒng)的可移植性，采用模塊化設(shè)計思路，通過調(diào)用動態(tài)鏈接庫文件（.dll文件）的形式開發(fā)了一款基于改進SVM算法的思政教育動態(tài)預(yù)警系統(tǒng)，該系統(tǒng)可以實現(xiàn)高職院校個性化思政教育方案的設(shè)計與優(yōu)化、對個性化思政教育方案進行多維度效果評價、提前發(fā)現(xiàn)有危險思想動態(tài)傾向的在校生并發(fā)出預(yù)警提示等功能?；谏鲜龇治?，對系統(tǒng)人機交互界面進行編程實現(xiàn)，則系統(tǒng)實際運行界面如圖11、圖12所示。

4.3 系統(tǒng)性能測試

為了提高用戶的使用體驗，及早發(fā)現(xiàn)平臺隱含的系統(tǒng)漏洞，開展平臺的性能測試具有很重要的現(xiàn)實意義。軟件測試涉及范圍廣泛，測試手段多樣，基于實用性和經(jīng)濟性考慮，本文側(cè)重于平臺用戶不規(guī)律遞增時的并發(fā)測試[16]。在MI公司的winload軟件環(huán)境下，采用邊界值分析法對系統(tǒng)進行黑盒測試（主要進行服務(wù)器端壓力性能測試），測試方法如下：按照同時在線用戶為50的初始值進行不規(guī)律隨機遞增，用戶在同一時間段內(nèi)反復(fù)進行系統(tǒng)頁面的訪問，直到平臺性能出現(xiàn)明顯變化停止遞增，技術(shù)數(shù)據(jù)，生成平臺性能變化曲線圖，如圖13所示。

從圖中可以得出，檢測的結(jié)果中可以看出當(dāng)并發(fā)用戶小于200時，平臺訪問的響應(yīng)速度、時間延遲等處于可接受狀態(tài)，并且也滿足并發(fā)用戶的心理預(yù)期。

5 總結(jié)

為了更好的滿足新形勢下高職院校思政教育工作的需求，克服目前高職院校思政教育工作存在的信息反饋滯后、預(yù)警干預(yù)機制不完善、風(fēng)險管控能力較弱等問題，開發(fā)了一款基于改進SVM算法的思政教育動態(tài)預(yù)警系統(tǒng)。通過構(gòu)建體量較大的基于用戶行為的日志數(shù)據(jù)庫，引入改進過的支持向量機（SVM）算法并融入預(yù)警分類器建立面向思政教育動態(tài)預(yù)警模型，可以實現(xiàn)高職院校個性化思政教育方案的設(shè)計與優(yōu)化、對個性化思政教育方案進行多維度效果評價、提前發(fā)現(xiàn)有危險思想動態(tài)傾向的在校生并發(fā)出預(yù)警提示等功能。測試結(jié)果表明，動態(tài)預(yù)警模型理論上適用于任何復(fù)雜因素約束下的高維耦合思政教育動態(tài)預(yù)警問題，特別是針對用戶人群單一、內(nèi)部約束無耦合性、用戶興趣點數(shù)據(jù)集體量較大的思政教育動態(tài)預(yù)警問題具有較好的效果。動態(tài)預(yù)警模型擬合度較高，具有較強的魯棒性，系統(tǒng)性能穩(wěn)定，功能模塊之間劃分合理，較好地完成了預(yù)期設(shè)計目的，具有一定的實際推廣價值。

參考文獻

[1] 周芳琳.新媒體環(huán)境下高職院校思政工作隱性教育探析[J].教育與職業(yè)，2017（14）：101-104.