算法赋能下高校思政新媒体精准传播路径研究
问题缘起
算法推荐技术的全面普及，正从底层逻辑重塑信息传播生态，推动信息传播范式从“人找信息”向“信息找人”转换，使个性化、分众化、精准化由此成为新媒体传播的基本特质。这场技术变革已深度渗透高校思想政治教育工作场域，使国内高校思政新媒体建设步入常态化、体系化运营阶段，思政新媒体也成为高校开展青年学生思想价值引领的重要阵地。
当前，各大高校普遍布局微信公众号、抖音、视频号三位一体传播矩阵，依托各平台算法与用户差异进行差异化内容供给，同时采用“中央厨房”模式统筹内容生产，联动校内各级账号及区域新媒体联盟协同开展内容分发工作，持续扩大思政内容传播覆盖面、提升主流舆论声量。内容创作上，思政新媒体逐步摒弃刻板说教风格，聚焦理想信念、民族团结、校园榜样、就业心理等主题，结合地域红色文化与非遗资源，以图文、短视频等多元形式呈现内容，并融入青年群体熟悉的网络话语体系，拉近与在校大学生的距离。
高校思政新媒体精准传播面临的问题
一是精准分发机制存在明显短板。精准传播的前提是对传播对象的精准识别。然而，当前绝大多数高校尚未建立起有效的学生画像标签体系。所谓画像标签，是指将包括人口学特征、行为偏好、认知水平、思想动态等的学生多维度信息转化为可供算法识别的结构化数据。一套成熟完善的标签体系，能够为内容推送的核心问题提供完整决策支撑：推送何种主题内容、依托哪类传播平台、选择哪个推送时段、采用何种呈现形式、定向触达哪类学生群体。但现实中高校可用的学生数据来源非常有限，主要依赖学工系统中的基础信息和新媒体平台后台的行为数据，而有限的数据容易造成“画像模糊”。
画像模糊带来的直接后果是内容推送的“大水漫灌”。同一篇推文面向全校学生无差别地投放，忽视了学生专业背景、认知基础、兴趣偏好和参与意愿的差异。久而久之，那些对思政内容原本不感兴趣的学生因持续接收到不相关内容而产生信息回避行为，不点击、不阅读、不互动，而算法根据这些行为数据进一步降低其思政内容推荐权重，形成负向循环。此外，商业平台算法的黑箱属性还加剧了高校新媒体运营者的无力感。微信、抖音等平台的推荐逻辑并不完全透明，高校既无法自定义内容的初始权重分配，也无法精准控制推送给特定群体的曝光量。
二是运营能力与制度保障的错位。首先是运营人才专业能力存在结构性错位。高校思政新媒体的运营人员多数来自党委宣传部、团委、马克思主义学院等部门，专业背景以思政、中文、新闻传播为主。他们擅长内容创作和价值把关，但在数据思维、算法认知、用户画像绘制等方面的能力普遍薄弱。运营人员的兼职身份也意味着他们难以投入足够精力进行精细化运营，日常发稿、舆情监控、活动报道等常规工作已占据大部分时间，数据分析、标签优化等增值工作自然被边缘化。
其次是考核评价导向存在功能性错位。现行的高校思政新媒体考核指标，多以发文数量、阅读量、点赞量、评论量等表面数据为核心。这种导向下，运营团队的理性选择是：多发稿、蹭热点，甚至甘愿做标题党、一味追求爆款。与之相比，精准度、转化率、“破茧”效果等精细指标，几乎没有进入考核体系。重流量轻精准、重数量轻质量的评价逻辑使得运营者缺乏动力去绘制用户画像、优化标签体系、建立反馈闭环。
最后是组织协同机制错位。在高校内部，党委宣传部、团委、马克思主义学院、学生工作部，以及各二级学院往往各自开设新媒体账号，彼此之间缺乏统一的算法运营策略和数据共享机制。同一名学生可能同时关注多个校内账号，重复接收同质化、甚至价值导向存在偏差的推送内容，极易引发信息过载与认知疲劳。横向维度，各高校极少开展算法运营实操经验交流、思政内容联合推广行动，校际运营工作各自为战、条块分割，有限的技术资源、人力资源难以形成育人传播合力。
三是特殊场域下面临标签适配困境。在边疆地区，思政精准传播面临地域文化叠加带来的复杂现实约束。通用思政标签体系多围绕年级、专业、兴趣三大基础维度搭建，难以兼顾学生语言偏好、文化背景和地域认同的差异，同样讲述脱贫攻坚成就，侧重其他地区案例和侧重本地案例对不同文化背景的学生的吸引力也不同。然而，现有算法模型既无法自主识别内容与地域文化的适配程度，也无法依据文化特征完成分众差异化推送，适配性短板凸显。
高校思政新媒体精准传播的实现路径
一是构建数据—标签—算法精准分发闭环。第一步是拓展数据采集维度。除了新媒体平台后台提供的公开数据，高校可以依法合规地整合校内已有数据资源，包括年级、专业、政治面貌、奖惩记录等学工系统中的学生基础信息、教务系统中的选课与成绩数据、图书馆借阅记录，甚至校园卡消费和门禁数据。这些数据的整合需要学校信息化部门的支持，并严格遵守个人信息保护法规。一个经过脱敏和聚合处理的学生画像数据库，可以在不侵犯个人隐私的前提下支撑群体层面的个性化精准推送。
第二步是构建多层级标签体系。标签体系应至少包含三个维度：基础标签（年级、专业、民族、政治面貌等）、行为标签（内容偏好、活跃时间段、互动频率等）、育人标签（思政教育参与意愿、理论认知水平、价值认同度等）。其中，育人标签是思政精准传播的特殊维度，可以通过小范围问卷调研、课堂表现评估、线上线下活动参与记录等方式动态更新。标签体系的核心目标不是对学生进行监视或分类，而是识别出不同学生群体的差异化需求，从而实现“一把钥匙开一把锁”。
第三步是设计“精准匹配+破茧拓界”双模式协同推送策略。在推送环节，基础模式是依据学生标签进行个性化匹配；提升模式则是定期向所有学生推送跨圈层、跨议题的核心价值内容，这些内容可能与学生既有偏好不完全一致，但对思想成长和价值观塑造至关重要。精准是为了提高有效触达率，破茧是为了避免圈层固化，前者提升传播效率，后者保障教育公平。在技术实现方面，高校可以在内容发布时同时设置目标受众和必推受众两个参数，利用第三方工具或平台的企业号功能进行分组推送。
二是重塑能力—考核—协同运营保障体系。在人才培养方面，高校应尽快实现新媒体运营队伍的结构优化。短期策略是对现有人员进行算法素养培训，内容涵盖算法推荐的基本原理、数据采集与分析基础、用户画像绘制方法等。培训不需要让文科出身的运营者成为程序员，只需要帮助他们建立数据思维和算法认知，让他们能够看懂后台数据、提出标签需求、设计简单的对照实验即可。长期策略是增加具备数据分析和信息技术背景的岗位人员，或者与本校新闻传播学院、计算机学院合作，建立学生实习团队，由他们提供算法运营的技术支持。在考核激励方面，核心是推动评价指标从流量逻辑转向育人逻辑。建议在现有考核体系中增加精准度相关指标，包括内容与目标受众的匹配度、学生思政教育参与意愿的提升率、跨圈层内容的触达率、互动质量等。这些指标的增加有助于构建多元评价体系。同时，考核结果应与资源分配、评优评先挂钩，形成正向激励。
三是开发适配特殊场域的柔性标签系统。多民族、多语言地区的高校本身情况更复杂，不能直接套用统一标签体系，而是需要在通用框架基础上增设一套柔性适配功能模块，该模块的核心思路是：先识别学生的语言使用习惯和文化背景特点，在不改动思政核心内容的前提下，为不同学生提供不一样的内容版本和展示形式。柔性标签主要包括语言偏好标签和文化背景标签，可以通过学生自主填报、日常浏览行为数据分析，再结合辅导员、班主任补充标注等多种方式综合建立。在内容制作上，同一个思政主题可提前打造多语种、多文化适配版本。算法依据学生的语言和文化标签，优先推送贴合其习惯的内容；同时定期推送国家通用语言版本和跨文化学习内容，既做到因材施教、精准适配，又保证主流价值观的整体统一传播。
结语
算法推荐技术不仅深刻改变了信息传播的格局，也给高校思政新媒体提出了精准传播这一兼具技术挑战和价值内涵的新课题。当前，高校思政新媒体已形成多元化传播矩阵，部分高校开始尝试算法优化并取得初步成效，但整体上仍面临着精准分发机制缺失、运营能力与制度保障错位、特殊场域标签适配困难等突出问题。这些问题的成因可归结为技术—结构层面与主体—制度层面的复合作用。
算法赋能不是终点，而是手段。精准传播的根本目的，不是让学生看到更多思政内容，而是构建从内容触达到思想接纳、从价值认同到实践践行的完整育人闭环。唯有始终坚守立德树人根本目标，以育人成效为核心标尺运用算法技术，才能充分释放技术工具的正向育人价值，持续提升高校思政工作的思想引领实效。
【本文系2025年新疆大学国家级“大学生创新创业训练计划”创新训练项目“助益或损耗：算法推荐对新疆大学生意识形态安全的影响及应对研究——基于新疆部分高校的调查分析”（项目编号：202510755137）的阶段性研究成果。】
作者：新疆大学政治与公共管理学院（国家安全学院）马艺轩
编辑：杜勇
审核：雷建树
上一篇：AI赋能大学英语听力“教—学—评” 全链条数字化重构与实践研究
下一篇：新时代清廉学校建设的路径优化策略研究
