继续教育德育数据研究方法与关键技术
1.研究方法
本课题研究过程中采用了大数据技术方法、文献研究方法、调查研究法。
（1）大数据技术方法
大数据技术作为现今重要的决策手段，在治理和管理中起着不容忽视的作用，利用“互联网+”工具或手段可以实现德育数据采集中的信息管理，这也是本课题研究的重点。采集是大数据价值挖掘中重要的一环。从继续教育德育大数据的获取路径来看，主要有物联网获取——系统内联网设备，如开展成人课程学习等；移动端获取——微信智能表格（心理测试表等）；PC端获取——网页访问等；人工录入获取——系统管理人员录入、修改个人基础信息等。
（2）文献研究方法
通过查找文献、图书目录、报刊杂志、论文库索引等方式，广泛搜集资料，了解掌握继续教育德育大数据、思想政治教育等现状，并对这些资料进行分析和整理。
（3）调查研究法
通过调查，分析和总结继续教育德育大数据与思想政治教育协同融合机制等现状和存在问题，为本课题的进一步研究提供具有价值的建设性建议。
2.德育大数据风险预警分析技术
（1）聚类分析
聚类算法是当下应用最广泛的一种数据挖掘算法。可以根据专业门类等特点，进行继续教育德育大数据聚类，如医学类、管理类、机电类、土木类、艺术类、交通类等。
（2）分层法
分层法（Analytic Hierarchy Process，AHP），是指将相关数据按层次化设定规则加以分类形成集合，从而将总体分为若干层次，分别加以研究，以便进行比较分析的一种方法。这也是目前使用较多的一种方法。
首先，依照递阶层次结构来建立指标体系，即按照指标体系的基本关系构建指标的递阶层次，如图2所示。
图2 分层法结构模型
其次，建立两两判断矩阵。原始数据主要由专家根据经验判断获得。该方法对各指标之间重要程度的分析具有更强的逻辑性，再加上科学合理的数学处理，可信度比较大，应用范围更为广泛。
分层法实现过程如图3所示：
图3 分层法实现过程
根据成人学生年级与在读状态进行分层，如按一年级、二年级、三年级和最长学习年限内没毕业学生等四级分别考虑。
通过德育大数据风险预警分析技术研究，可以对目前成人学生的德育工作全过程、全方位进行动态了解和评价，发挥大数据对继续教育德育工作决策、评价和考核的指导性。同时，基于德育大数据，及时了解成人学生思想状况，进行预测预警；了解网络舆情，防范问题与危机，提高继续教育思想政治时效性。