摘要：本文以大学数学课程为例，探讨了如何将思政教育有效融入课程中，并对其教学效果进行科学、客观的评估。本文首先梳理了思政教育的理论基础，阐述了在大学数学课程中融入思政教育的必要性和可行性。接着，分析了大数据技术在数学课程思政教学中的应用，包括学生行为数据分析、教学内容与学生反馈的匹配分析以及思政教学效果的预测与评估等。随后，本文构建了数学课程思政教学效果的评估指标体系和评估模型，并结合实际教学进行了实践验证。通过定量与定性评估方法的结合，本文对学生的认知、情感态度及行为表现进行了全面评估，提出了基于评估结果的教学改进建议。研究表明，基于大数据的评估方法能够更全面、准确地反映数学课程中的思政教学效果，为提升课程质量提供了有力支持。

关键词：大数据技术；思政教育；数学课程；教学效果评估

引言

近年来，随着信息技术的迅猛发展，大数据技术在各个领域的应用逐渐深入，教育领域亦不例外。作为教育现代化的重要标志，大数据的应用为课程思政教学效果的评估提供了全新的思路和方法。在传统的教学模式下，思政教育通常被视为人文学科的专属领域，但随着国家对高校课程思政工作的重视，如何将思政教育有效融入课程中，特别是大学数学课程，成为一个亟待解决的问题。

大学数学课程作为高等教育的重要组成部分，具有严谨性、逻辑性强等特点，然而，如何在严谨的数学教学中融入思政教育，并对其效果进行科学、客观的评估，一直是教育研究中的难点。传统的评估方法往往依赖于问卷调查、教学反馈等手段，受主观因素影响较大，难以全面、准确地反映教学效果。随着大数据技术的发展，基于大数据的评估方法为这一问题的解决提供了可能。通过收集和分析海量的教学数据、学生表现数据及教学反馈，大数据技术能够在更广泛的维度上进行教学效果评估，帮助教育者发现教学中的问题和不足，从而实现精准化、个性化的教学改进。

一、思政教育的理论基础

思政教育，即思想政治教育，是高校教育体系中的重要组成部分。其核心目标是培养学生的政治素养、道德品质和社会责任感。在中国，高校思政教育的理论基础主要包括马克思主义理论、中国特色社会主义思想以及习近平新时代中国特色社会主义思想。这些理论为思政教育提供了坚实的理论依据和指导方针，强调了在教育过程中不仅要传授专业知识，更要注重学生的思想政治觉悟和道德修养[1]。

在大学数学课程中融入思政教育，旨在通过数学知识的传授，引导学生树立科学的世界观、人生观和价值观。例如，通过数学的严谨性和逻辑性，培养学生实事求是的科学态度；通过数学模型的应用，激发学生对社会发展的关注与思考。因此，理论上，思政教育与数学课程的融合具有高度的契合性。

二、大数据技术在数学课程思政教学中的应用

（一）大数据技术在教学中的作用

大数据技术在教育领域的应用日益广泛，其核心优势在于能够处理和分析大量复杂的数据，从而提供深刻的洞察和决策支持。在教学中，大数据技术可以帮助教师了解学生的学习行为、习惯和效果，进而调整教学策略，实现个性化教学。同时，大数据还可以用于评估教学质量，提供实时反馈，促进教学的持续改进。

在数学课程的思政教学中，大数据技术同样具有重要的应用潜力。通过收集学生的学习数据，如课堂参与度、作业完成情况、考试成绩等，教师可以分析学生在理解思政内容方面的表现。此外，大数据还可以帮助教师了解学生的思想动态，及时发现学生在价值观和政治素养方面的变化，从而有针对性地进行思想教育[2]。

（二）大数据在课程思政中的具体应用

1、学生行为数据分析

在数学课程中，学生的学习行为数据，如出勤率、课堂互动、作业提交情况等，都可以通过大数据技术进行收集和分析。这些数据可以反映学生对课程内容的理解和接受程度，尤其是对思政内容的态度和反应。例如，通过分析学生在与思政相关的讨论和问题中的表现，可以了解他们对社会主义核心价值观的认同程度。

2、教学内容与学生反馈的匹配分析

大数据技术可以帮助教师分析教学内容与学生反馈之间的匹配度。通过收集学生对不同教学模块的反馈数据，教师可以了解哪些思政内容对学生影响较大，哪些内容仍需进一步强化。这种分析可以帮助教师优化教学设计，更有效地将思政教育融入数学课程中。

（三）数据收集与分析方法

在数学课程的思政教学效果评估中，数据的收集与分析是关键环节。有效的数据收集能够确保评估结果的科学性和客观性，而适当的数据分析方法则决定了评估的准确性。

1、数据收集

数据收集的主要来源包括课堂互动数据、学习平台数据、学生问卷调查数据、以及教师评价数据。这些数据可以通过学习管理系统、在线教学平台、课堂反馈系统等技术手段自动化收集。此外，定期的问卷调查和学生访谈也是重要的数据来源，可以为数据分析提供补充。

2、数据分析方法

数据分析可以采用多种方法，如统计分析、数据挖掘、机器学习等。统计分析主要用于描述数据的基本特征，如平均值、标准差、分布等；数据挖掘可以挖掘学生行为和思政教育效果之间的潜在关系；机器学习则可以用于建立预测模型，预测学生的思想变化趋势。这些分析方法可以结合使用，以获得全面的分析结果[3]。

三、数学课程思政教学效果评估指标体系与实践

（一）评估指标的选取与依据

本研究通过对课程目标的深入理解和现有研究的分析，选取了评估数学课程思政教学效果的关键指标，涵盖认知、情感态度和行为表现三个层面。认知层面的指标包括知识掌握度和数学应用能力，旨在评估学生对数学知识和思政内容的理解与应用。情感态度层面主要考察学生的思政认同感和学习兴趣，通过问卷调查和课堂数据分析评估学生的思想态度变化。行为表现层面则关注学生在实践活动中的参与度和课堂行为的规范性，以此衡量学生在课程外的思政实践和课堂纪律表现。

（二）评估模型的构建与应用

为系统地评估数学课程的思政教学效果，本研究构建了一个多层次的评估模型，综合考虑了认知、情感态度和行为表现三个方面的指标，并赋予不同权重。通过设定合理的权重和评分标准，各项指标被量化后进行加权计算，得出学生的综合评估得分。该模型在实际教学中得到了应用和验证，通过对评估结果与学生实际表现的对比分析，进一步调整和优化模型，确保评估的准确性和有效性[4]。

四、结束语

本文通过对大学数学课程中思政教学的探索与实践，揭示了大数据技术在教育评估中的广阔应用前景。通过构建科学合理的评估指标体系和模型，本文有效地评估了数学课程中的思政教学效果，并为教师优化教学策略提供了实用建议。大数据技术的应用使得教学评估更加精准和个性化，有助于发现和解决教学中的问题，进一步提升课程思政教育的质量。然而，本文的研究仍有一定的局限性，例如数据样本的范围和评估模型的复杂性，未来的研究可以在更大范围内验证和推广这一评估方法。同时，随着信息技术的不断发展，大数据技术在教育领域的应用将会更加广泛和深入，为教育现代化注入新的动力。

参考文献：

[1] 王重菊.大数据时代高校思想政治教育路径优化研究[D].山东师范大学，2024.

[2] 陈秋剑，池红梅，龙容，等.“三全育人”视域下大学数学课程思政探析[J].高等农业教育，2024，（02）：81-87.

[3] 李朗，房少梅.论大学数学类课程思政教学的“融点”和融合路径[J].大学教育，2023，（24）：83-88.

[4] 黄雅静，田阳，李红军.大学数学公共基础课开展思想政治教育的实践与思考——以北京林业大学“线性代数”课程为例[J].中国林业教育，2022，40（04）：40-45.

作者简介：凤宝林（1980-）男，汉族，吉林公主岭人，广东江门幼儿师范高等专科学校，副教授，理学硕士，研究方向：数学教育教学研究。

基金项目：2023年广东省高职教育教学改革研究与实践项目《大学数学“课程思政”教学效果评价体系研究与实践》（编号：2023JG086）；2023年度高职教育与体育类专业教育教学改革项目《基于教育数字化背景下的地方高职院校数学课程“三教”改革的实践研究》（2023K002）