基于一般地方高校視角的人才培養模式績效評價

柳炳祥 田 原 余姍姍 黃遠明 費若嵐

（景德鎮陶瓷大學信息工程學院，江西 景德鎮 333403）

基于一般地方高校視角的人才培養模式績效評價

柳炳祥 田 原 余姍姍 黃遠明 費若嵐

（景德鎮陶瓷大學信息工程學院，江西 景德鎮 333403）

一般地方高校為地方各項事業的建設和發展提供了大量的人才，不斷提高人才培養績效是一般地方高校的努力目標。但是，人才培養模式的評價指標具有不確定性、評價過程具有動態性。故對于構建的評價指標體系，采用熵權法、主成分分析方法及BP神經網絡方法綜合確定指標權重，使用馬爾可夫鏈理論得出不同時間階段內專業人才的發展趨勢及綜合評價結果。最后，通過實例證明該評價方法的可行性及有效性。

一般地方高校；人才培養模式；績效評價

1 引言

人才培養模式績效評價是關系著高校人才培養質量監控管理與績效改善。對績效評價問題的研究包括：評價指標體系的研究及綜合評價方法?；诜盏胤浇洕囊话愕胤礁咝Ｒ暯堑娜瞬排囵B模式績效評價，需秉承全面、協調、可持續的科學發展觀，充分考慮高校的辦學層次、所在地區、所提供教育產品的服務職能等差異性；需克服績效評價方式單一的弱點，不斷研究多角度評價的集成機制；需在靜態評價為主的基礎上，增加動態過程評價方法。

本文試圖通過學習國內外先進的績效評估理論和方法，構建基于一般地方高校視角的人才培養模式績效評價方法，并以本校信息管理與信息系統專業為例進行實證分析。

2 確定評價指標體系權重

2.1 基于一般地方高校視角的人才培養模式指標體系

人才培養模式體系，以服務學生、注重學生利益為前提，其中的培養計劃應具有戰略性與前瞻性，同時重視學生個體的素養、能力、知識等方面的全面發展，從而建立學校、教師、學生三方的信任合作共贏局面。

在人才培養模式績效評價過程中，應保證評價方向不產生偏差，剔除難以量化的指標，遵循績效指標體系設計的基本規律和基本要求，進行系統分析和深入研究，以保證評價指標的實用性、有效性和合理性，并最終構建適用于一般地方高校專業人才培養模式評價的指標體系。在參照其他一般地方高校專業人才培養模式績效評價的基礎上，從學校、教師、學生三方協同良性發展的前提出發，依照指標選取的原則，從資源利用效率（基礎條件）、專業人才培養過程、質量反饋等三個方面遴選出測度一般地方高校專業人才培養模式績效評價的各指標，遴選出由41個具體指標，構成專業績效評價三級指標體系[1]，見表1。

2.2 確定指標體系的權重

人才培養是一個復雜的系統工程，人才培養模式的績效評價同樣是一個復雜的非線性系統。隨著云計算、物聯網、大數據的時代特征凸顯，及學習、生活、生產、娛樂的全面智慧化、多元化，績效評價體系的指標將趨于數量增加化、影響動態化。也就是說，即將從多個渠道獲取到的人才培養過程及人才發展過程中的數據會越來越全面，評價指標的數量也將隨之增加；各指標對人才培養模式績效評價結果的影響程度也將隨之變化。所以，從趨勢上來說，績效評價中應建立權重的動態學習機制。

因此本文沒有采用層次分析法等主觀賦權方法，而采用能夠動態學習的客觀賦權方法。采用熵權法[2]、主成分分析

法[3]及BP神經網絡方法[4]分別確定各指標的權重，然后采用算術平均法確定各指標的綜合權重。假設有m個評價對象，n個評價指標，指標數據矩陣為X=[xij]m×n。

2.2.1 熵權法確定指標權重

熵權法基于信息論的基本原理，根據各個指標的樣本值中所包含信息量的多少來確定指標權重，一個指標的信息熵越小，該指標的權重越大。采用熵權法確定指標權重的主要步驟如下：

(3)計算指標j的信息效用值：dj=1-ej；

表1 專業績效評價三級指標體系

2.2.2 主成分分析法確定權重

主成分分析方法通過矩陣變換的方式，將高維相關的變量變為低維不相關的綜合指標變量，能夠實現對數據集的降維。該方法不需要事先做假設，可以有效利用評價數據，而且分析結果由數據本身的性質決定。采用主成分分析方法確定指標權重的步驟：

(2)計算矩陣Z的相關系數矩陣R：

(3)求 R的特征值：解得 n個特征值λ1≥λ2≥…≥λn≥0；并分別求出對應于特征值λi的特征向量 Ei（i=1，2，…，n），eij表示向量 Ei的第j個分量（j=1，2，…，n）；

(4)求各主成分的貢獻率gi，及主成分累計貢獻率Gi，其中；并確定k值，使主成分累計貢獻率達80%以上：即Gi≥0.8；

(5)根據累計貢獻率準則計算主成分載荷：lij=；

(6)求各主成分Fi：Fi=；

(7)計算指標j的權重：

2.2.3 BP神經網絡確定權重

BP神經網絡是在1985年由Rumelhart等人提出的誤差反向傳播算法的基礎上發展起來的，是一種多層次前向反饋型神經網絡，該網絡的拓撲結構由輸入層、隱含層和輸出層組成。不同于主成分分析法，BP神經網絡能夠將過去的經驗記憶到網絡結構中。采用BP神經網絡確定指標權重的步驟如下：

(1)計算各層輸出：BP網絡的輸入層包含n個節點，對應指標體系中的n個評價指標；隱含層包含k個節點，輸出為Y；輸出層包含一個節點，輸出為O，期望輸出用D表示。輸入層到隱含層之間的連接權用V表示，隱含層到輸出層之間的連接權用Z表示。若激活函數按常規選用Sigmoid函數，即：；則隱含層輸出為：；輸出層的輸出為：；將矩陣V、Z中的元素隨機賦一個較小的初始數值；

(2)計算網絡誤差：輸入一個訓練樣本之后，計算輸出誤差Ei，；網絡總誤差為E，；

(3)各層權值調整：通過計算誤差，得到新的權值，采用的公式有：

其中δo是期望輸出與實際輸出之間的誤差；是隱含層的誤差；η∈(0,1)，稱為學習率；μ∈(0,1)用來提高網絡的收斂速度；

(4)返回步驟（2）繼續訓練網絡；

(5)所有樣本訓練完成后，如果E小于事先設定的誤差閾值（閾值設為一個正小數），訓練結束；否則令E=0，返回步驟（2），重新依次輸入所有的樣本，再次訓練該BP神經網絡；

(6)計算指標j的權重：訓練結束后，

2.2.4 指標體系綜合權重

綜合權重Wc由以上三種方法所求得的權重進行算術平均之后求得，這種方法可以兼顧以往經驗及樣本數據本身的特性。

3 績效評價方法

為了消除每屆學生培養過程中軟硬件條件的基礎性差異對于績效評價結果的影響，采用齊次馬爾可夫鏈方法[5]來進行人才培養模式的績效評價，以真實反映人才培養的質量及人才的發展趨勢。

3.1 馬爾可夫鏈基本思想

給定一個n維狀態空間的系統，隨機向量X=(x1,…,xn)，qt表示x在時刻t的狀態，系統在有規律的、間隔的離散時刻，根據以前的狀態值以給定的概率P轉移到下一狀態，，aij為 轉 移 概 率 ，aij≥0并且=1。也就是說，給定當前的狀態，未來系統的狀態獨立于過去的狀態，這個性質也稱為齊次馬爾可夫性。

將aij(n)按行組成一個矩陣A，A稱為一步轉移概率矩陣，經k步轉移之后得到的概率矩陣為k步概率轉移矩陣A(k)，A(k)=A(k-1)?A=…=Ak，此時馬爾可夫鏈逐漸處于穩定狀態，且與初始狀態無關。

3.2 采用馬爾可夫鏈進行績效評價

計算每個指標的穩定向量，得出所有指標的穩定矩陣F， F=[X1,X2,…,Xn]T；則最終評價結果向量為Ge，Ge=Wc×F。

4 實例分析

評價數據取自信息管理與信息系統專業五屆學生的所有8個學期的評價數據，由上述三種計算指標權重方法確定出綜合指標權重，見表2。

表2 某屆信管專業學生的部分得分（標準化之后）及指標權重情況表

接著計算每屆學生每個指標的穩定向量，得出穩定矩陣F，并求出每屆學生的Ge。若將評價等級分為{優秀、良好、中等、及格、不及格}五個等級，對應的隸屬度向量為[5,4,3,2, 1]，則每屆學生的最終評價結果值Rank為：Rank= Ge×[5,4,3,2,1]T。評價結果見表3所示。

表3 五屆學生的培養模式績效評價結果

馬爾可夫過程的穩定狀態表明，在一定的教學條件下，學生在大學期間的成長過程及水平與入學時的基礎無關，入學時的基礎差異不影響采用馬爾可夫鏈來進行培養模式質量評價的評價結果。由表3可以看出，第D屆學生的評價結果值最高，說明該屆學生未來的發展趨勢最好，培養效果最好。第C屆學生的評價結果值最低，需要仔細分析培養過程中出現的關鍵問題，以圖改進。這一結論與實際情況是吻合的。說明本評價方法是有效的、可行的。

5 結束語

本文基于機器學習方法，在同一個評價指標體系框架下，考慮環境變化及學生本身不同的差異性，針對不同專業年級的學生使用客觀賦權方法，求出指標體系的權重；引入時間因素使靜態評價變為動態評價（確定評價指標在不同時刻的權重系數，以反映時間序列中對象屬性的變化）。且學生入學時的基礎差異不影響評價結果，這對地方一般高校而言，更加具備現實意義。

[1]田原，張俊娜，賈建華，等．信息管理與信息系統專業人才培養模式績效評價研究[J]．科教文匯旬刊，2015(5)：67-68．

[2]謝赤，鐘贊．熵權法在銀行經營績效綜合評價中的應用[J]．中國軟科學，2002(9)：108-110．

[3]韓小孩，張耀輝，孫福軍，等．基于主成分分析的指標權重確定方法[J]．四川兵工學報，2012，33(10)：124-126．

[4]R umelhart D E，Hinton G E，Williams R J．Learning representationsby back-propagating errors[C]//MIT Press，1986：533-536．

[5]馮虹，鄒華，魏文元．馬爾可夫鏈在教學質量評價中的應用[J]．天津師范大學學報：自然科學版，1999(1)：6-10．

The Performance Evaluation of Talent Training Mode Based on the Perspective of Ordinary Local Colleges

Liu Bingxiang Tian Yuan Yu Shanshan Huang Yuanming Fei Ruolan
(Jingdezhen Ceramic Institute,Jingdezhen 333403,Jiangxi)

tract】 The goal of ordinary local colleges,which provides a large number of talents for the construction and development of local enterprises,is to improve the performance of personnel training constantly.However,the evaluation indexes of the talent training mode are uncertain and the evaluation process is dynamic.So for the construction of evaluation index system,entropy method, principal component analysis and BP neural network method are used to determine the index weights.Markov chain theory is used to find the development trend of the professional talent in different stages and it results in the comprehensive evaluation conclusions. Finally,the feasibility and effectiveness of the evaluation method is proved by an example.

words】 ordinary local colleges;talent training mode;performance evaluation

G642.0

A

1008-6609(2016)09-0017-03

柳炳祥，男，江西九江人，博士，教授，研究方向：數據挖掘。

2015年度江西省高等學校省級教改課題重點項目“專業人才培養模式績效評價研究——以信息管理與信息系統專業為例”，項目編號：JXJG-15-11-3。