模式識別在高職護生職業成熟度調查中的應用探索

任凱 ，李琰

1.蘇州衛生職業技術學院護理學院，江蘇蘇州 215009；2.蘇州高等職業技術學校信息工程系，江蘇蘇州 215000

模式識別[1]是人工智能領域的重要分支，也是人工智能領域的熱點研究方向，屬于信息科學的范疇。 它是指對表征事物或現象的信息進行處理、分析然后重新進行描述、辨認、分類和解釋等一系列過程。近年來廣泛被應用于人工智能、計算機工程、機器人學等許多重要領域。隨著“智慧護理”[2]時代的到來，模式識別作為一門交叉學科，也被逐漸地運用到臨床護理和教育教學的研究中來。大學生就業問題一直是全社會關注的焦點和熱點[3]。職業成熟度是評估個體在就業問題中職業發展的一個重要指標[4]，能夠影響一個人的職業抉擇和職業規劃。該文探索了模式識別在高職護生職業成熟度研究中的應用，期望通過提升高職護生職業成熟度的方法來促進就業，解決人才供需失衡，穩定護理隊伍的目的。

1 模式識別概述

1.1 模式和模式識別的概念

模式[5]是指當人們想要了解某事物或現象時，首先會收集其信息，然后將選擇出的特征與頭腦里已有的記憶相比較，搜索匹配到一個相同或相似的類別（模式）時，該物體或現象就被識別出來。因此人的頭腦中構成該物體或現象的模式就是與其相關聯的時空特征。

模式識別[1]是確定樣本類別屬性（模式類）的過程。簡而言之是用機器來模擬人類大腦進行邏輯推理并判別外界環境信息特征的過程。例如：超市的工作人員在售貨架上為不同類別的商品如蔬菜、水果或玩具等貼上標簽。這是理貨員在提取商品的特征信息后，以此為依據，通過與腦海中對這些類別（模式）的固有認知做對比，將商品識別到各個類別（模式）中去。這一過程便是人腦進行模式識別的分類過程。

目前模式識別技術在生物醫學工程中得到了非常廣泛的應用[6]，如細胞識別、CT 圖像分析、指紋識別、三維人臉識別等。

1.2 模式識別系統及方法

4 個典型的部分連續在一起，形成了模式識別的經典系統：首先是信息的獲取，然后進行預處理降噪，再選擇和提取特征值，最終產生分類決策。 見圖1。

圖1 模式識別的基本框架

句式模式識別、模糊模式識別和統計模式識別等方法是模式識別的經典方法。在高職護生的職業成熟度的研究中，主要采用的是統計模式識別方法。 它的核心思想是將提取到的特征量化，生成向量，并將其定義在特征空間中。顯而易見，不同的特征向量都對應向量空間中的某個點。 特征選擇[7]的過程，如下圖所示，包括子集生成、子集評估、停止準測和結果驗證等4 個主要環節。見圖2。

圖2 特征選擇的過程

候選子集是在一個根據特定的搜索策略進行搜索的過程中產生的。在高職護生的職業成熟度的調查研究中，這一搜索策略就是子集對就業相關性的影響程度。若新子集對就業相關性的影響程度優于以前的最好子集,則將其更新為當前的最優子集。子集生成和子集評估不斷循環,直至滿足特征選擇的要求就停止，最后對最優特征子集的結果進行驗證[7-8]。

2 職業成熟度概述

2.1 職業成熟度的概念

職業成熟度是指當一個人面臨職業決策時，對所需條件的知曉程度及選擇的現實性和一致性程度。它是一個重要的評估指標，能衡量個人在面對職業問題時能否做出正確認識和行為[9]。 研究發現[10]，職業成熟度對個人的職業選擇、職業發展及其職業滿意度有著重要影響，職業成熟度與個人的職業規劃、執行能力及其以后的職業發展都呈正相關。

2.2 高職護生職業成熟度的研究意義

近年來，隨著我國社會對高技能創新型人才的需求不斷增加，國家大力推行職業教育[11]，高職院校自身也正積極探索與創新人才培養模式[12]。 對于衛生職業院校，高職護生招生規模呈膨脹式擴大，成為了護理隊伍的主力軍，已經引起護理教育工作者的關注。

我國目前的護理行業現狀處在臨床護士緊缺的同時流失率也很高的矛盾中。 醫護比例衛生部要求為1：2，而目前全國僅為 1：0.61[13]。 麥可思研究數據顯示[14]，2017屆高職衛生院校的護理專業畢業生，畢業半年后的離職率為17%，98%為主動離職。 臨床護士的高壓力、 重負荷、高風險、低社會認同感等不穩定因素嚴重影響了在校護生的職業成熟度。

隨著經濟和社會的發展，大學生的就業問題一直是全社會關注的焦點。 研究提示[15]，護生的職業成熟度在一定程度上影響其對專業的認知、態度、職業抉擇及后期的職業發展。具有良好職業成熟度的護生的就業率更高，離職率更低，更能夠很好地完成本職工作。通過提升高職護生職業成熟度的方法來促進就業，解決人才供需失衡，穩定護理隊伍具有重要的意義[12]。

3 模式識別在高職護生職業成熟度的應用探索

利用《中國大學生職業成熟度問卷》[16]對符合納入標準的研究對象進行分層抽樣調查。對調查結果進行量化、分析統計，將學生集合分為農村護生，城鎮護生兩個子集。 實習期跟蹤一年，記錄研究對象畢業半年和一年的在崗和離職情況。再將每個子集的護生分為在崗和離職兩類，利用影響護生職業成熟度的相關因素即可建立坐標系，生成散點圖，可預見護生的職業成熟度將表現出聚集性和規律性，從而將護生職業成熟度的問題轉化成為了一個模式分類的問題[12]，進而得到不同子集護生的劃分函數。 在這一過程中，將用到MATLAB 軟件和模式識別的一系列數學方法。

如果在特征空間中[17]，可以用找到一條兩類樣本準確分開的直線（采用增廣樣本向量，定義線性判別函數b(yi)=aTyi 即存在合適的增廣權向量a 使得：

則稱樣本是線性可分的。滿足條件的權向量為解向量。由解向量組成的空間區域稱為解區。否則，則稱樣本是線性不可分的。

對于不等式組：aTyk＞0，i=1,2…，N 如果樣本是線性不可分的，那么不等式組就不可能被同時滿足。 那么找到一個可以是使被錯分的樣本盡可能少的權向量也可以讓模型產生足夠的精度。 綜合上述兩種情況，這類方法的準則也稱為最少錯分模式數準則[17]。 這種算法即Widrow-Hoff 算法，也稱作最小均方根算法或LMS（Least-mean-square algorithm）算法。將這種方法引入到職業成熟度中，對量化后的數據利用模式識別的方法進行進一步的分析，建立職業成熟度動態分析模型。

運用該分類模型，可篩選出職業成熟度得分較低的學生，并可以通過分析學生的職業成熟度問卷產生預測結果。利用預測結果指導學生管理者動態觀察護生在整個大學學習過程中的職業成熟度變化，針對性地對職業成熟度偏低的護生適時干預，清晰地追蹤護生的思想變化，有效影響并提升護生的職業成熟度。 達到促進護生更好地實現就業目標，做好個人職業發展規劃，穩定護理隊伍,促進護理事業健康發展的目的。

4 結語

模式識別技術是人工智能領域的熱點研究方向。通過研究探索發現，模式識別應用于高職護生職業成熟度具有科學性和可行性，應用模式識別技術建立的職業成熟度動態模型可有效促就業、穩就業。 作為一種新的方法、思路和途徑，模式識別技術可應用于護理教育領域，加速“智慧護理”的發展。