數據挖掘技術在中、高職關鍵能力銜接指標構建中的應用*

王茂莉

（深圳職業技術學院，廣東 深圳 518055）

關鍵能力是一種獨立于具體的專業能力以外的能力，是一種從事任何職業的勞動者都應具備，能夠在變化的環境中重新獲得新的職業知識和技能的能力，在未來職業活動中發揮重要作用的內在品質和外在行為方式，更是應對人生生涯中不可預見的各種變化的能力．此項能力是可持續發展的關鍵．中高職銜接既是一種現實的、符合實際的中職教育與高職教育的銜接模式，又是一條高技能人才培養的有效路徑．中、高等職業教育在內部互相聯系的同時，與社會、行業和企業也密切相聯．作為同為行業企業及社會培養生產一線技術技能型人才的職業教育培養，他們存在著專業上的貫通性；作為實用型和應用型人才的中等和高等職業教育，更存在著“關鍵能力”培養上的一致性．所以，中高等職業教育銜接培養，不僅是專業能力上的銜接，更應強調關鍵能力上的貫穿．

1 數據挖掘技術研究

數據挖掘DM（Data Mining）就是從大量不完全、有噪聲、模糊、隨機的實際采集數據中，提取隱含在其中的有用的信息和知識的過程．簡言之，是從特定形式、紛繁復雜的數據中集中提煉知識的過程．數據挖掘過程包括數據采集、數據處理、數據變換、數據挖掘、模式評估、知識表示等，其中有些步驟或者全過程可能要反復進行．數據挖掘的方法較多，常見的有關聯規則的挖掘、層次分析法、決策樹方法、神經網絡方法、覆蓋正例排斥反例方法、粗糙集方法、遺傳算法、公式發現、統計分析方法、模糊論方法、可視化技術等[1]．

層次分析法（Analytic Hierarchy Process，AHP）是由美國運籌學家T．L．Saaty教授提出的，是針對定性問題進行定量分析的一種簡便、靈活又實用的多準則決策方法．它把一個復雜問題分解成組成因素，并按支配關系形成層次結構，然后應用兩兩比較的方法確定決策方案的相對重要性[2]．特別是，它為評價問題提供一種建模方法，將評價系統從無結構轉化為結構化；將半定性、半定量的問題轉化為定量計算的問題，從而解決多目標、多準則等各類型問題的決策分析過程，具有廣泛的實用性．

2 AHP算法在中高職學生關鍵能力指標體系權重分析中的應用

2.1 構建評價指標層次結構模型

對于中、高職學生，其在專業能力上的要求具有遞進性，而在對其關鍵能力的培養上，則具有共通性．關鍵能力的理念在不同的國家有不同的內涵詮釋，見表1．

從各國定義的關鍵能力可以看出，學習能力、社會能力、語言能力、規劃與組織能力、運用技術能力等能力是多數國家都認可的能力．而通過第三方調查公司的調查數據顯示，在2010屆高職院校畢業生的調查中，學生對“關鍵能力”培養的部分反饋信息為：有效的口頭溝通能力（重要度為72%，滿足度為86%）；積極思考及解決問題能力（重要度為72%，滿足度為84%）；科學分析能力（重要度為65%，滿足度為86%）；說服他人（重要度70%，滿足度為78%）的能力，等．

表1 不同國家對“關鍵能力”的不同內涵定義

根據對口中、高職教育專家對關鍵能力內涵的理解和分析，同時歸納總結第三方調查公司給出的關鍵能力要素，結合區域經濟特征及行業企業反饋，結合珠三角中、高職學生的實際情況，及考慮指標框架的簡明性及可操作性，得出關鍵能力評價指標見表2．

2.2 構建比較判斷矩陣

構建判斷矩陣是層次分析法的關建之一．其過程實際上是對同一層次上的因素進行優先順序的兩兩比較．根據層次分析法（AHP）的計算步驟，結合成對比較標度含義表（表3），對各相關指標分別進行兩兩比較評分．首先將第一級中的4項指標（一級指標）兩兩比較，例如：學習能力Q1重要程度稍強于社會能力Q2，其數值就為“3”，反過來則為“1/3”，如果同樣重要，其數值就為“1”，同理類推．在建立判斷矩陣時，由校內專家、行業企業人員、在校學生、畢業學生等多層面的人員共同參與數據采集，保證了數據來源的可靠性．為簡化數據分析過程，以專家團隊形成的一級指標判斷矩陣見表4，二級指標判斷矩陣同理可得，見表5．

表2 中高職學生關鍵能力評價指標表

表3 1-9比例標度的含義

表4 專家一級指標判斷矩陣

表5 專家二級指標判斷矩陣

2.3 判斷矩陣的一致性檢驗

按以上方法所采集的矩陣數據，如滿足一致性檢驗要求則數據可用，否則需丟棄該數據或與被調查者溝通，對矩陣進行調整．一致性指標CI=(λmax-n)/(n-1), λmax為判斷矩陣的最大特征值，n為判斷矩陣階數．一致性比率CR=CI/RI，RI為同階矩陣隨機指標．如CR>0.1則一致性差，需重估；如CR<0.1，則矩陣滿足一致性要求．因此，可求得與矩陣階數n相應的臨界特征值λ′max=CI*(n-1)+n=CR*RI*(n-1)+n=0.1*RI*(n-1)+n ．當λmax<=λ′max時，則通過一致性檢驗．按此原理用MATLAB軟件檢驗專家一級指標判斷矩陣，得λmax=4.01<λ′max=4.27，通過一致性檢驗．同理可驗其他采集矩陣群的一致性，保證最終進行計算的所有矩陣均通過一致性檢驗．

2.4 規范列平均法（和法）計算權值

利用相同的計算方法，分別求出一級指標和二級指標的權值．一級指標權值規范列平均法的具體計算步驟為：

同理可得：

W1=1/4(0.182+0.177+0.222+0.177)=0.1895；

W2=1/4(0.364+0.353+0.333+0.353)=0.3508；

W3=1/4(0.09+0.117+0.111+0.117)=0.1088；

W4=1/4(0.364+0.353+0.333+0.353)=0.3508．

由此可見，對中高職學生關鍵能力的培養，筆者所在的珠三角地區，專家較為關注的為學生的社會能力及創新能力培養．這與珠三角地區高職畢業學生的職業轉換率及自主創業情況是高度相關的．據此，在制定中高職銜接一體化培養方案時，應加強對學生社會能力及創新能力的一貫性培養，結合二級指標權重，有效分布相應的能力提升課程，從而達到與區域經濟的用人需求一致性對接的目的．

3 結束語

關鍵能力是一個比較廣泛的概念，涉及的指標項目也比較繁多．在中高職銜接培養過程中，其指標的設立，應針對不同的區域、結合不同的行業企業和學校自身定位有不同的一級、二級指標設計與劃分，其得出的權重值也因此會有所不同．無論指標如何設定，“結合區域經濟特征構建中高職學生關鍵能力評價調查表→采集多方位數據作為樣本數據→通過層次分析法得出分析結果”，這種分析模式均可以采納．通過這種模式對關鍵能力數據信息的分析，可以提供給相應的中、高職學生在一貫制學習中能力發展方向的數據建議，通過獲取到的挖掘知識，可以有效地制定或改進學生關鍵能力培養策略，進一步提高學生的就業競爭力．

數據挖掘技術中的層次分析法把定性和定量方法結合在一起，能夠處理許多用傳統的最優化技術無法著手的實際問題，同時可增加決策的有效性，因此，為研究其他學生能力的類似問題提供了一種可行的解決方法．同時，在使用AHP方法時應注意到，在建立層次結構模型，及構造判斷矩陣的過程中，較多依賴人為主觀選擇作為構造及判斷的依據，這在樣本數量不夠或者信度不夠的情況下會嚴重影響結果．解決的辦法一是采集各層次群體數據，擴大數據采樣范圍；二是引入專家系統，提高判斷的可信度．

[1] 王丹．數據挖掘在高職院校教學管理中的應用[J]．清遠職業技術學院學報，2010，12：106-108．

[2] 岳延紅．大學生英語素質教育評價研究[J]．科技信息，2012（4）：53-54．