基于灰色聚類的高校教輔人員綜合評價

李志亮，羅芳，阮群生

(寧德師范學院計算機系，福建寧德352100)

基于灰色聚類的高校教輔人員綜合評價

李志亮，羅芳，阮群生

(寧德師范學院計算機系，福建寧德352100)

灰色聚類是一種利用小樣本數據進行統計分析的模糊優選方法，利用灰色聚類可以很好的對小樣本數據的對象進行灰度劃分.本文利用灰色聚類分析法進行教輔人員工作評價，構建了教輔人員工作評價模型，利用灰色聚類模型對教輔人員工作情況進行分析、計算和評價，得出了教輔人員工作灰類劃分結果.通過具體實例分析說明，該模型快捷、簡便，能夠有效避免對教輔人員工作評價的盲目性，為教輔人員的選拔、聘任和評價提供量化依據.

灰色聚類;聚類系數;白化權函數;工作評價

近幾年，隨著大批的大專院校升為本科院校，高校的教育質量問題顯得十分嚴峻.教輔人員整合教育資源配合教師完成教學工作，是一個重要的教育幕后工作者.許多高校十分重視教師隊伍的建設卻忽視了教輔人員素質的提升.許多教輔人員服務意識不高，工作效率低下，難以的配合教師較好的完成日常教學工作.為此建立一個適合的高校教輔人員評價模型，合理評價教輔人員的工作，充分調動廣大教輔人員的工作積極性，成了眾多高校迫在眉睫的問題.

灰色系統理論主要用于解決含未知因素的問題［1］，灰色聚類法作為其重要組成部分被廣泛用于水、大氣、土壤環境質量評價［2－4］，證券投資分析［5］，區域經濟實力評價［6］等.近幾年，許多學者將灰色聚類法應用于高校教學方面［7－8］，通過灰色聚類法通過構造白化權函數，計算聚類對象的差異性來分析和建立評價模型.基于中心點三角白化權函數能夠方便、快捷的劃分每個對象所屬的各灰類，但存在不清晰的邊界劃分［9－10］，1993年劉思峰［11－12］首先提出了端點三角白化權函數，2011年對傳統白化權函數進一步改進，提出中心點三角白化權函數.本文采用灰色聚類分析中改進白化權函數建立高校教輔人員綜合評價模型，并結合某高校教輔人員的評價實例來說明灰色聚類的過程，為教輔人員的選拔、聘任和評價提供量化依據.

1 灰色聚類模型的構建

設待考核的人員有m個，考核人員的評估指標有n個，對考核人員評估結果有s個，即有s個灰類.對象i關于評估指標j的取值為xij，其中i∈［1，m］，j∈［1，n］，對象i劃分為第k類，其中k∈［1，s］.采用灰色聚類方法對xij的取值進行分析、處理，得到考核人員i的評估結果，即評價考核對象i所屬的灰色聚類k.

采用改進的三角白化權函數的灰色聚類具體步驟如下:

(1)確定灰類數及取值范圍

按照建立評估模型的要求，劃分灰類數s個.同時將評估指標的取值范圍按照實際需求劃分為s個區間，它們分別為

其中aj的值可以根據現實測量或實際數據的取值獲得.

(2)確定灰類的轉折點和中心點

按照步驟(1)中的灰類數，逐步確定灰類1的轉折點，灰類s的轉折點和灰類k的中心點，并分別記

(3)構建改進的白化權函數

構造的白化權函數示意圖如圖1、圖2、圖3所示.

圖1 下限測度白化權函數圖

圖2 中心點三角白化權函數圖

圖3 上限測度白化權函數圖

(4)確定灰色聚類指標權重

灰色聚類的權重是對同一灰類劃分的權值的衡量指標，一般采用ωj來表示第j個指標的權重.指標權重分為主觀權重和客觀權重，主觀權重可采用層次分析法［13］計算;客觀權重可采用離差最大化法［14］計算;也可以計算主觀、客觀組合權重系數，通過組合賦權法［15］有效的融合主、客觀權重，進而得到灰色聚類的指標權重;當然也可以根據實際數值得到指標權重的值.

(5)計算灰色聚類系數

(6)確定灰色聚類

2 教輔人員工作評價實例

2.1 建立灰色聚類評價矩陣

本文對某高校5名教輔工作人員進行灰色聚類的實證評價研究，將考核對象的思想品德、業務能力、工作態度、工作效果、廉潔程度和工作量作為灰色聚類的評價指標，量化分值記為xij，其中i為考核對象的編號，i∈［1，5］;j為考核指標的編號，j∈［1，6］，i，j均為整數.將考核對象的評價分為優秀、良好、合格和不合格四種.5名考核對象的評價指標評分值如表1所示:

表1 某高校教輔工作人員評分值

由表1可得到灰色聚類評價矩陣Ma如下:

2.2 三角白化權函數的建立

2.2.1 確定灰類數及取值范圍

灰類數記為m，結合某高校實際情況，將考核對象的評價分為優秀、良好、合格和不合格四種，所以m=4.其中不合格的取值范圍為［50，70］，劃分為灰類1;合格的取值范圍為［60，80)，劃分為灰類2;良好的取值范圍為［70，90］，劃分為灰類3;優秀的取值范圍為［80，100］，劃分為灰類4.

2.2.2 確定灰類的轉折點和中心點

由表1可得到考核對象的相應指標的最低值和最高值，因此確定數值區間為［50，100］，其中灰類1即不合格灰類的轉折點為60，灰類4即優秀灰類的轉折點為90，灰類2和灰類3的中心點分別為70和80.

2.2.3 構建灰類的白化權函數

由公式1、公式2、公式3得到考核對象的白化權函數.

2.2.4 計算權重

根據某高校對教輔工作人員的思想品德、業務能力、工作態度、工作效果、廉潔程度和工作量6個考核指標中，每個評價指標的權值該高校取值如下:0.15，0.2，0.1，0.25，0.12，0.18.即ω1=0.15，ω2= 0.2，ω3=0.1，ω4=0.25，ω5=0.12，ω6=0.18.

2.2.5 計算灰色聚類系數

同理可以得到考核對象的其它灰色聚類系數，結果見表2.

表2 考核對象評估聚類系數表

2.2.6 確定灰色聚類

由表2可得到每個考核對象的評價的灰色聚類向量，5個考核對象的灰色聚類向量為

σ1=(0，0，0.273，0.727)，σ2=(0.0.25，0.555，0.303)，σ3=(0，0.492，0.578，0.03)，σ4=(0，0.084，0.811，0.105)，σ5=(0.745，0.255，0.03，0).

3 結束語

由于聚類分析具有很強的實用性，所以聚類分析受到了人們的重視并推廣應用，其中灰色聚類分析是聚類分析中的新方法，近年來已經逐步發展和完善，所以灰色聚類分析也可以用到很多聚類的領域.灰色聚類分析中的白化權函數對于聚類結果的準確性和實用性具有重要的影響.因此本文構建了一種改進的灰色聚類評估方法，通過對中心點白化權函數的改進，很好的延伸灰色聚類指標的范圍.將改進的灰色聚類模型首次應用到高校教輔人員的工作評價上，驗證了灰色聚類模型的實用性，為教輔人員的選拔、聘任和評價提供量化的依據.

［1］鄧聚龍.灰理論基礎［M］.武漢:華中科技大學出版社，2002.

［2］Smeltzer E，Shambaugh A，Stangel P.Environmental change in lake champlain revealed by longuterm monitoring［J］.Journal of Great Lakes Research，2012，38(1):6－18.

［3］趙丹，易英欣.基于灰色聚類評價模型的研究生招生質量研究［J］.黑龍江高教研究，2014(11):46－49.

［4］張麗，李廣杰，周志廣，汪茜.基于灰色聚類的區域地質災害危險性區域評價［J］.自然災害學報，2009，18(1):164－168.

［5］李星.模糊聚類與灰色聚類在我國證券投資中的應用［D］.株洲:湖南工業大學，2012.

［6］孫曉利，董春，李青元.灰色聚類法在區域經濟發展水平綜合評價中的應用［J］.測繪科學，2008，33(6):160－162.

［7］于俊樂，許青.高校教學管理質量評價信息綜合處理方法研究［J］.天津師范大學學報，2007，27(2):73－75.

［8］趙丹，易英欣.基于灰色聚類評價模型的研究生招生質量研究［J］.黑龍江高教研究，2014(11):46－49

［9］劉思峰，謝乃明.灰色系統理論及其應用［M］.北京:科學出版社，2013.

［10］Liu S F，Xu Bin，Jeffrey Forrest，et al.On uniform effect measure functions and a weighted multi－attribute grey target decision model［J］.J of Grey System，2013，25(1):1－12.

［11］劉思峰，朱永達.區域評估指標與三角隸屬度評估模型［J］.農業工程學報，1993，9(2):8－13.

［12］劉思峰，謝乃明.基于改進三角函數白化權函數的灰評估新方法［J］.系統工程學報，2011，26(2):244－249.

［13］馬農樂，趙中極.基于層次分析法及其改進對確定權重系數的分析［J］.水利科技與經濟，2006，12(11):732－733.

［14］董一哲，黨耀國.基于離差最大化法的灰色聚類方法［J］.系統工程理論與實踐，2009，29(9):141－146.

［15］陳偉，夏建華.綜合主、客觀權重信息的最優組合賦權方法［J］.數學的實踐與認識，2007，37(1):17－21.

Evaluation on Teaching Staff in Universities Based on Grey Clustering

LI Zhi－liang，LUO Fang，RUAN Qun－sheng
(Department of Computer Science，Ningde Normal University，Ningde，352100，China)

The grey clustering is the preferred method using small sample data for statistical analysis，the use of grey clustering can be a good target for small samples of grey division.In this paper，the grey clustering analysis method is used to evaluate the teaching staff，build an evaluation model，using grey clustering model to analyze，calculate and evaluate the work of the teaching staff，get the grey division results.Through concrete examples analysis shows that the model is fast and easy，can effectively avoid the evaluation blindness of teaching staff.It provides a quantitative basis for the selection，appointment and evaluation of teaching staff.

grey clustering;clustering coefficient;whitenization weight function;job evaluation

G647

A

1672－2590(2015)06－0038－05

2015－09－28

福建省自然科學基金項目(2011J01357);寧德師范學院服務海西資助項目(2012H405);福建省大學生創新創業訓練計劃項目(201410398059)

李志亮(1981－)，男，山東禹城人，寧德師范學院計算機系講師.