基于校園數(shù)據(jù)的大學(xué)生黨員關(guān)聯(lián)因素分析及預(yù)測

摘" 要：智慧校園建設(shè)采集了完備的校園學(xué)生數(shù)據(jù)，為客觀分析大學(xué)生黨員特性，建立科學(xué)化的大學(xué)生黨員監(jiān)督評價(jià)和培養(yǎng)教育體系提供了重要機(jī)遇。文章開展了大學(xué)生黨員特點(diǎn)數(shù)據(jù)分析，以及基于特點(diǎn)數(shù)據(jù)的大學(xué)生預(yù)測。首先，根據(jù)以往的研究結(jié)果和大學(xué)生黨員培養(yǎng)要求，對重點(diǎn)大學(xué)生數(shù)據(jù)進(jìn)行搜集和預(yù)處理；其次，采用卡方檢驗(yàn)對大學(xué)生數(shù)據(jù)進(jìn)行分析，找出主要特征；再次，以主要特征為輸入，通過樸素貝葉斯模型建立了黨員及優(yōu)秀黨員分類預(yù)測模型。此外，文章還發(fā)現(xiàn)了大學(xué)生黨員的新特點(diǎn)，有助于學(xué)生輔導(dǎo)員和黨務(wù)工作者采取有針對性的措施。

關(guān)鍵詞：高校黨建；大學(xué)生黨員；數(shù)據(jù)挖掘

中圖分類號(hào)：G641" " 文獻(xiàn)標(biāo)識(shí)碼：A" " 文章編號(hào)：1673-7164（2025）04-0071-04

大學(xué)生黨員是大學(xué)生中的優(yōu)秀群體和中國共產(chǎn)黨隊(duì)伍中重要組成部分，提高大學(xué)生黨員培養(yǎng)和發(fā)展質(zhì)量是我國新時(shí)代黨建的重要工作之一。全面高效地獲取大學(xué)生黨員數(shù)據(jù)，科學(xué)客觀地分析大學(xué)生黨員特性，對建立科學(xué)化標(biāo)準(zhǔn)化的大學(xué)生黨員監(jiān)督評價(jià)體系，制訂針對性、個(gè)性化的大學(xué)生黨員培養(yǎng)教育方案，提高大學(xué)生黨員發(fā)展質(zhì)量具有非常重要的意義。

傳統(tǒng)的大學(xué)生黨員特性數(shù)據(jù)主要是通過組織動(dòng)員、民主生活會(huì)、紙質(zhì)問卷調(diào)查等方式采集得到，［1-4］以上方式潛在的偏差和誤差會(huì)降低數(shù)據(jù)可信度。［5］

得益于高?！半p一流”建設(shè)和“教育信息化2.0”等文件的指導(dǎo)和校園互聯(lián)網(wǎng)的完善，智慧校園建設(shè)得到全國各高校的廣泛重視。各級黨組織可獲取的大學(xué)生黨員數(shù)據(jù)有了質(zhì)的提升，從線下黨員數(shù)據(jù)、線上黨員數(shù)據(jù)直到校園大數(shù)據(jù)，大量學(xué)生數(shù)據(jù)為科學(xué)客觀分析大學(xué)生黨員特性，全面準(zhǔn)確構(gòu)建大學(xué)生黨員畫像提供了新思路。［6-7］智慧校園提供了便于計(jì)算機(jī)快速處理的數(shù)據(jù)，解決了新時(shí)期黨建下數(shù)據(jù)分析和評估的效率提升需求。［8-9］借助互聯(lián)網(wǎng)黨建擴(kuò)展的大學(xué)生黨員數(shù)據(jù)，部分高校和黨務(wù)工作者開展了大學(xué)生黨員屬性分析和評估，取得了良好實(shí)踐效果和有益結(jié)論。［10-13］

本研究以西北工業(yè)大學(xué)計(jì)算機(jī)學(xué)院大學(xué)生學(xué)業(yè)測評數(shù)據(jù)為實(shí)踐案例，從具體數(shù)據(jù)的采集目標(biāo)和統(tǒng)計(jì)結(jié)果角度，得出利用校園大數(shù)據(jù)分析大學(xué)生黨員特性的可行性論證，并給出簡單數(shù)值分析結(jié)論。

一、數(shù)據(jù)收集及預(yù)處理

（一）數(shù)據(jù)收集

大學(xué)生學(xué)業(yè)測評數(shù)據(jù)是某大學(xué)智慧校園數(shù)據(jù)中代表性數(shù)據(jù)之一，借助校園互聯(lián)網(wǎng)，大學(xué)生對學(xué)年表現(xiàn)進(jìn)行申報(bào)、匯總、計(jì)算和公示，形成大學(xué)生學(xué)業(yè)測評數(shù)據(jù)。

本研究提取了計(jì)算機(jī)學(xué)院2019 — 2020學(xué)年2017級本科生學(xué)業(yè)測評數(shù)據(jù)、宿舍數(shù)據(jù)、黨員名單和民主評議黨員數(shù)據(jù)，以及2020 — 2021學(xué)年2018級本科生的同類型數(shù)據(jù)。數(shù)據(jù)清洗后，共取得2017級本科生數(shù)據(jù)232條，其中非黨員168人，黨員64人，普通黨員48人，優(yōu)秀黨員16人，2018級本科生數(shù)據(jù)254條，其中非黨員198人，黨員56人，普通黨員43人，優(yōu)秀黨員13人。分為非黨員、黨員、普通黨員和優(yōu)秀黨員四類群體進(jìn)行對比分析，由于全體大學(xué)生G6項(xiàng)均0分，文章分析排除該測評項(xiàng)，下文對比將占優(yōu)數(shù)值加粗顯示。

（二）數(shù)據(jù)清洗及預(yù)處理

大學(xué)生黨員素質(zhì)能力數(shù)據(jù)歸一化。年級間大學(xué)生黨員素質(zhì)能力一致性反映了高校對大學(xué)生黨員發(fā)展和培養(yǎng)標(biāo)準(zhǔn)一致性。文章分別統(tǒng)計(jì)2017級和2018級本科生數(shù)據(jù)黨員和非黨員各指標(biāo)項(xiàng)數(shù)值均值，結(jié)果如表1所示。這里采用兩個(gè)年級數(shù)據(jù)間相關(guān)系數(shù)討論指標(biāo)項(xiàng)數(shù)值分布上的一致性，計(jì)算可知，全體學(xué)生指標(biāo)項(xiàng)均值的相關(guān)系數(shù)為0.9943，P值為4.51×10-11；非黨員指標(biāo)項(xiàng)均值的相關(guān)系數(shù)為0.9936，P值為6.17×10-5；黨員指標(biāo)項(xiàng)均值的相關(guān)系數(shù)為0.9983，P值為4.16×10-6?？梢妰蓚€(gè)年級指標(biāo)項(xiàng)數(shù)據(jù)分布高度一致，尤其黨員各素質(zhì)能力數(shù)據(jù)比例具有高度一致性。

考慮兩個(gè)年級數(shù)據(jù)分布高度一致，文章將兩個(gè)年級數(shù)據(jù)合并分析，將2018級指標(biāo)項(xiàng)G數(shù)據(jù)按照2017級指標(biāo)項(xiàng)G數(shù)據(jù)的均值和方差進(jìn)行數(shù)據(jù)規(guī)范化，其他指標(biāo)項(xiàng)數(shù)據(jù)同比例調(diào)整。

二、大數(shù)據(jù)分析預(yù)測模型

（一）樸素貝葉斯分類器模型

文章使用機(jī)器學(xué)習(xí)模型建立大學(xué)生學(xué)業(yè)測評數(shù)據(jù)與黨員身份之間的映射關(guān)系，探索利用大學(xué)校園學(xué)生大數(shù)據(jù)分析學(xué)生黨員特性的可行性。目前，流行的機(jī)器學(xué)習(xí)分類技術(shù)主要有邏輯回歸（LOG）模型、支持向量機(jī)（SVC）模型、隨機(jī)森林（RFC）模型和樸素貝葉斯分類器（NBC）模型等。相較于其他算法，樸素貝葉斯模型具有方法簡單、分類精度高、計(jì)算速度快等優(yōu)點(diǎn)。其核心思想是利用貝葉斯公式根據(jù)數(shù)據(jù)特征的先驗(yàn)概率計(jì)算得到后驗(yàn)概率，并選擇具有最大后驗(yàn)概率的類作為該特征所屬的類：

（二）模型評估標(biāo)準(zhǔn)

本研究屬于二分類問題。分類模型常用的評價(jià)標(biāo)準(zhǔn)是基于混淆矩陣，主要由準(zhǔn)確率和查準(zhǔn)率組成。準(zhǔn)確率定義為對于給定的測試數(shù)據(jù)集，分類器正確分類的樣本數(shù)與總樣本數(shù)之比。查準(zhǔn)率定義為預(yù)測為正的樣本中真實(shí)的正樣本的占比。

三、數(shù)據(jù)分析及預(yù)測結(jié)果

（一）大學(xué)生黨員特點(diǎn)分析結(jié)果

大學(xué)生黨員素質(zhì)能力先鋒性分析。分別統(tǒng)計(jì)合并后本科生學(xué)業(yè)測評數(shù)據(jù)中非黨員、黨員、普通黨員和優(yōu)秀黨員在學(xué)業(yè)測評成績各項(xiàng)平均值，如表2所示。從表中可以看出，所有學(xué)業(yè)測評指標(biāo)項(xiàng)的均值上，黨員均優(yōu)于非黨員，優(yōu)秀黨員均優(yōu)于普通黨員。充分表明在學(xué)業(yè)測評成績上，黨員能代表大學(xué)生中的先鋒群體，優(yōu)秀黨員也能代表黨員中的先鋒群體。

大學(xué)生黨員優(yōu)勢素質(zhì)能力項(xiàng)目分析。本科生學(xué)業(yè)測評數(shù)據(jù)綜合測評成績G由G1～G5加權(quán)得到，因此可以對各類型學(xué)生群體分別計(jì)算G1～G5與G的相關(guān)系數(shù)，通過不同類型學(xué)生群體間相關(guān)系數(shù)結(jié)果的橫向?qū)Ρ?，可分析各類型學(xué)生群體中顯著影響綜合測評成績影的指標(biāo)項(xiàng)，結(jié)果如表3所示。結(jié)合表2和表3分析可知，相比于非黨員，黨員在科技創(chuàng)新、表彰獎(jiǎng)勵(lì)和社會(huì)工作上表現(xiàn)更加突出；相比于普通黨員，優(yōu)秀黨員在功課學(xué)習(xí)、科技創(chuàng)新和表彰獎(jiǎng)勵(lì)上表現(xiàn)更加突出。

大學(xué)生黨員團(tuán)體戰(zhàn)斗堡壘作用分析。文章以宿舍為大學(xué)生團(tuán)隊(duì)單位，分析大學(xué)生團(tuán)隊(duì)中黨員構(gòu)成與團(tuán)隊(duì)整體戰(zhàn)斗堡壘作用關(guān)系。西北工業(yè)大學(xué)各學(xué)院按年級集中分配本科生宿舍，宿舍人數(shù)通常為4人，使以宿舍為團(tuán)隊(duì)單位分析在數(shù)據(jù)完整性和數(shù)據(jù)規(guī)范性上具備可行性。2017級和2018級兩批數(shù)據(jù)中分別包含本科生宿舍65間和73間，考慮存在多學(xué)院或多年級混住情況，本文將學(xué)生宿舍按照［0，0.25）、［0.25，0.5）、［0.5，0.75）和［0.75，1］四個(gè)區(qū)間的黨員占比進(jìn)行劃分對比。表3展示了不同黨員構(gòu)成宿舍中各指標(biāo)項(xiàng)平均值，有黨員的宿舍各項(xiàng)測評成績明顯優(yōu)于無黨員的宿舍，且宿舍學(xué)業(yè)測評成績均值隨著黨員在宿舍中占比提升而提高；有趣的是，當(dāng)考慮優(yōu)秀黨員因素時(shí)，優(yōu)秀黨員所在宿舍團(tuán)隊(duì)在功課學(xué)習(xí)、表彰獎(jiǎng)勵(lì)和社會(huì)工作上具備顯著的戰(zhàn)斗堡壘作用。

大學(xué)生黨員模范帶頭作用分析。黨員模范帶頭作用可通過其對周邊人員的正向影響進(jìn)行反映。文章以宿舍為單位，統(tǒng)計(jì)不同黨員占比情況下非黨員大學(xué)生的學(xué)業(yè)測評均值。結(jié)果如表4所示，這里排除了黨員占比100%的宿舍。通過數(shù)據(jù)對比可知，有黨員的宿舍中非黨員大學(xué)生測評成績相比于無黨員的宿舍更優(yōu)，且非黨員大學(xué)生測評成績均值基本隨著黨員在宿舍中占比的提升而提高，一定程度上反映出黨員對非黨員具有模范帶頭作用?？梢钥闯觯瑑?yōu)秀黨員宿舍和黨員占比大于或等于75%的宿舍中非黨員大學(xué)生成績存在“燈下黑”的現(xiàn)象。

文章分析其可能原因：1. 數(shù)據(jù)量有限導(dǎo)致統(tǒng)計(jì)偏差（黨員占比大于等于75%宿舍中非黨員大學(xué)生僅6人，優(yōu)秀黨員宿舍中非黨員大學(xué)生27人）；2. 該類宿舍學(xué)生入黨意向更高實(shí)現(xiàn)了“可發(fā)展盡發(fā)展”；3. 團(tuán)隊(duì)中黨員過于優(yōu)秀時(shí)會(huì)限制非黨員大學(xué)生的積極性，需要更多數(shù)據(jù)以進(jìn)一步分析和研究。值得注意的是，本研究分析大學(xué)生黨員模范帶頭作用的數(shù)據(jù)和方法不具有完備性，一是該方法僅能考查團(tuán)隊(duì)中非黨員大學(xué)生成績與黨員構(gòu)成的相關(guān)性而非因果性，無法排除非黨員大學(xué)生表現(xiàn)較好的環(huán)境對黨員發(fā)展的正向作用；二是黨員對周圍成員的影響是動(dòng)態(tài)的，基于單次學(xué)業(yè)測評數(shù)據(jù)的統(tǒng)計(jì)分析無法反映該變化過程。

在學(xué)業(yè)測評數(shù)據(jù)角度，黨員相比于非黨員，優(yōu)秀黨員相比于普通黨員均具備更加優(yōu)秀的綜合表現(xiàn)，且優(yōu)秀黨員和普通黨員具備不同的優(yōu)勢項(xiàng)目，可進(jìn)一步基于該數(shù)據(jù)開展大學(xué)生黨員的畫像構(gòu)建及智能推薦系統(tǒng)研究；數(shù)據(jù)分析發(fā)現(xiàn)優(yōu)秀黨員和黨員占比高于75%的宿舍中非黨員學(xué)生測評成績存在“燈下黑”等問題，為下一步研究提供了方向。

（二）大學(xué)生黨員預(yù)測結(jié)果

將2018—2019年度西北工業(yè)大學(xué)計(jì)算機(jī)學(xué)院2016級本科生、2017級碩士研究生和2018級碩士研究生學(xué)業(yè)測評數(shù)據(jù)輸入樸素貝葉斯模型，對該模型進(jìn)行訓(xùn)練，訓(xùn)練模型采用兩種形式進(jìn)行測試。

方式一：以2018—2019年度西北工業(yè)大學(xué)計(jì)算機(jī)學(xué)院2016級本科生、2017級碩士研究生和2018級碩士研究生學(xué)業(yè)測評數(shù)據(jù)進(jìn)行測試；方式二：以2017—2018年度西北工業(yè)大學(xué)計(jì)算機(jī)學(xué)院2017級碩士研究生學(xué)業(yè)測評數(shù)據(jù)進(jìn)行測試（結(jié)果見表6）。

由此可見，無論對訓(xùn)練集自身，還是對測試集，均達(dá)到了較高的識(shí)別率，考慮訓(xùn)練數(shù)據(jù)量相對較少，且無法排除訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)中的個(gè)別虛假數(shù)據(jù)，該結(jié)果已取得較好效果。

四、結(jié)語

新時(shí)期智慧校園的建設(shè)，為大學(xué)生黨員特性分析提供了海量校園數(shù)據(jù)，為建立科學(xué)化的大學(xué)生黨員監(jiān)督評價(jià)和培養(yǎng)教育體系，提高高校黨建質(zhì)量提供了新的機(jī)遇和挑戰(zhàn)。本研究基于校園大數(shù)據(jù)進(jìn)行的分析大學(xué)生單元特性的可行性探索，既為后續(xù)黨建研究挖掘了新的課題方向，也為基于校園大數(shù)據(jù)構(gòu)建智慧黨建平臺(tái)提供了理論支撐和相關(guān)建議。

參考文獻(xiàn)：

［1］ 周菲，孫瑩，胡玥. 高校黨員考核評價(jià)體系研究［J］. 長白學(xué)刊，2011（06）：41-45.

［2］ 王本成. 構(gòu)建高校學(xué)生黨員先進(jìn)性建設(shè)量化考核體系研究［J］. 學(xué)校黨建與思想教育，2018（12）：39-40+48.

［3］ 關(guān)磊，鄧平宇，祁緣，等. 大學(xué)生黨建新媒體平臺(tái)建設(shè)機(jī)制研究：基于廣東省十所高校的調(diào)研［J］. 教育教學(xué)論壇，2016（37）：55-56.

［4］ 丁勇，陳詩，楊紹輝，等. 高校學(xué)生黨員黨性及其影響力的研究［J］. 學(xué)理論，2011（05）：34-36.

［5］ 林竹. 調(diào)查中的誤差與偏差［J］. 中國統(tǒng)計(jì)，2012（07）：30-32.

［6］ 孫夢瑤，王如全. 高校黨建工作信息化建設(shè)探究［J］. 學(xué)校黨建與思想教育，2020（02）：34-35.

［7］ 白春樂，袁武振. 互聯(lián)網(wǎng)時(shí)代高校智慧黨建面臨的困境及其出路［J］. 學(xué)校黨建與思想教育，2022（04）：42-44.

［8］ 高云，嚴(yán)笑凱，葛鑫. 初議教育現(xiàn)代化建設(shè)中的大學(xué)生黨員評價(jià)體系建設(shè)［J］. 吉林教育，2021（11）：23-25.

［9］ 張小平，錢婷，任懷藝. 打造智慧黨建平臺(tái)創(chuàng)新黨建工作模式：研究生黨員網(wǎng)上民主評議制度的探索與實(shí)踐［J］. 學(xué)位與研究生教育，2015（11）：23-28.

［10］ 張永波，胡小杰. 高校智慧校園評價(jià)指標(biāo)的設(shè)計(jì)與組成框架［J］. 現(xiàn)代教育技術(shù)，2020，30（09）：71-78.

［11］ 胡欽太，鄭凱，林南暉. 教育信息化的發(fā)展轉(zhuǎn)型：從“數(shù)字校園”到“智慧校園”［J］. 中國電化教育，2014（01）：35-39.

［12］ 束赟. 大數(shù)據(jù)、移動(dòng)互聯(lián)網(wǎng)與基層黨建：新技術(shù)時(shí)代基層黨建理論與實(shí)踐新探索［M］. 上海：上海社會(huì)科學(xué)院出版社，2018.

［13］ 米華全，姚婷婷，孫健. 大數(shù)據(jù)推進(jìn)高校黨建工作的困境和出路探析［J］. 思想政治教育研究，2019，35（04）：135-139.

（薦稿人：袁源，西北工業(yè)大學(xué)副教授）

（責(zé)任編輯：楊毅恒）

基金項(xiàng)目：西北工業(yè)大學(xué)2019年度理論政策類項(xiàng)目“基于概率圖模型黨員畫像研究——以西北工業(yè)大學(xué)計(jì)算機(jī)學(xué)院學(xué)生為例”（項(xiàng)目編號(hào)：D5000200086）。

作者簡介：高云（1991—），女，碩士，西北工業(yè)大學(xué)校團(tuán)委，計(jì)算機(jī)學(xué)院講師，研究方向?yàn)樗枷胝谓逃?；?yán)笑凱（1999—），男，博士在讀，西北工業(yè)大學(xué)計(jì)算機(jī)學(xué)院，研究方向?yàn)槠者m計(jì)算；葛鑫（1991—），男，博士在讀，西北工業(yè)大學(xué)計(jì)算機(jī)學(xué)院，研究方向?yàn)槿斯ぶ悄堋?/p>