基于數(shù)據(jù)挖掘的產(chǎn)教融合質(zhì)量評價(jià)模型建構(gòu)魏

孔鵬 谷洪彬

摘要：隨著大數(shù)據(jù)和人工智能技術(shù)的興起，數(shù)據(jù)挖掘算法也逐漸應(yīng)用到產(chǎn)教融合質(zhì)量評價(jià)研究領(lǐng)域中。產(chǎn)教融合質(zhì)量評價(jià)的目的是對產(chǎn)教融合的質(zhì)量進(jìn)行量化，量化的結(jié)果可以是連續(xù)值，也可以是分類值，后者更容易給人直觀的印象。聚類分析算法是機(jī)器學(xué)習(xí)算法中對數(shù)據(jù)進(jìn)行分類的最常用算法。本文對某高職院校產(chǎn)教融合數(shù)據(jù)應(yīng)用聚類分析算法，探討了聚類分析算法在產(chǎn)教融合質(zhì)量分析研究中的可行性。

關(guān)鍵詞：產(chǎn)教融合;質(zhì)量評價(jià);聚類分析;高職院校

中圖分類號：T9311.5 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2020）09-0206-03

0 引言

高職院校肩負(fù)著培養(yǎng)高素質(zhì)勞動者和技術(shù)技能人才的使命，為我國經(jīng)濟(jì)社會發(fā)展提供了有力的人才和智力支撐。產(chǎn)教融合、校企合作和工學(xué)結(jié)合是職業(yè)教育的鮮明特色。產(chǎn)教融合的質(zhì)量必然影響到高職院校人才培養(yǎng)、技術(shù)創(chuàng)新、就業(yè)創(chuàng)業(yè)、社會服務(wù)的水平。國內(nèi)在產(chǎn)教融合質(zhì)量評價(jià)的研究主要集中在內(nèi)涵、提升路徑和構(gòu)建評價(jià)體系，采用的理論主要是利益相關(guān)者理論、績效管理理論、系統(tǒng)論、教育經(jīng)濟(jì)效率理論等[1-4]，采用的方法主要是代表打分法、專家評定法和問卷調(diào)查。隨著智慧城市、智慧校園、智慧工廠、互聯(lián)網(wǎng)等領(lǐng)域的快速發(fā)展，海量、多元、多源的數(shù)據(jù)為構(gòu)建定量的、全過程的、多元的、多層級的產(chǎn)教融合質(zhì)量評價(jià)模型提供了新方法和新思路。

1 產(chǎn)教融合質(zhì)量評價(jià)指標(biāo)的建立

產(chǎn)教融合的目的是企業(yè)和高校合作，利用各自的優(yōu)勢，為對方提供合適的資源，同時(shí)也促進(jìn)自身的發(fā)展或者整個(gè)社會環(huán)境或經(jīng)濟(jì)環(huán)境的進(jìn)步。產(chǎn)教融合涉及多方面內(nèi)容，對產(chǎn)教融合質(zhì)量的評價(jià)也較為復(fù)雜。不同學(xué)者針對這個(gè)復(fù)雜的問題，采用分解的方式，從一個(gè)方面進(jìn)行質(zhì)量評價(jià)體系的建立，比如學(xué)生綜合素質(zhì)評價(jià)體系[5]、教學(xué)質(zhì)量評價(jià)體系[6]、深度合作質(zhì)量評價(jià)體系[7]等，這些評價(jià)體系的建立，可以從一個(gè)方面評價(jià)產(chǎn)教融合的質(zhì)量。為了更全面地評價(jià)一個(gè)高校的產(chǎn)教融合質(zhì)量，我們把這些單方面的質(zhì)量評價(jià)體系綜合起來，通過模糊聚類分析算法，實(shí)現(xiàn)量化評價(jià)和質(zhì)性評價(jià)的結(jié)合。

文獻(xiàn)7建立的人才培養(yǎng)質(zhì)量評價(jià)指標(biāo)體系分為目標(biāo)層、準(zhǔn)則層和指標(biāo)層三個(gè)層級，我們采用其準(zhǔn)則層作為我們的評價(jià)體系的一部分：創(chuàng)新創(chuàng)業(yè)人才培養(yǎng)環(huán)境、校企合作基礎(chǔ)、校企合作育人過程、校企合作效果。

文獻(xiàn)8建立的校企深度合作質(zhì)量評價(jià)指標(biāo)體系分為一級指標(biāo)、二級指標(biāo)和三級指標(biāo)三個(gè)層級，我們采納其一級指標(biāo)作為我們的評價(jià)體系的一部分：合作辦學(xué)資源條件、合作辦學(xué)過程、合作辦學(xué)效果。

文獻(xiàn)9建立的校企合作項(xiàng)目績效評價(jià)指標(biāo)體系包括業(yè)績指標(biāo)和監(jiān)測指標(biāo)兩個(gè)一級指標(biāo)，每個(gè)下面有若干二級指標(biāo)。我們采用業(yè)績指標(biāo)和監(jiān)測指標(biāo)下的教學(xué)資源建設(shè)指標(biāo)、教學(xué)過程指標(biāo)、企業(yè)素質(zhì)指標(biāo)。

綜合以上指標(biāo)的選取，排除重復(fù)或者相近的指標(biāo)，得到我們要建立的產(chǎn)教融合質(zhì)量評價(jià)指標(biāo)體系如表1所示。

2 聚類分析的數(shù)學(xué)模型

聚類分析是根據(jù)事物間的不同特征和相似性等關(guān)系對這些事物進(jìn)行分類的一種方法。聚類與分類的不同之處在于，聚類所要求劃分的類是未知的。在聚類分析的過程中，要使得同一個(gè)簇中的對象有很大的相似性，而不同簇間的對象有很大的相異性。對于同一個(gè)簇中的不同對象，它們之間的相似性也有不同，相似性越接近的，屬于同一個(gè)簇的理由越充分[10]。

為了計(jì)算不同對象之間的相似性進(jìn)而進(jìn)行聚類，需要把數(shù)據(jù)存儲到矩陣中，再經(jīng)過數(shù)據(jù)標(biāo)準(zhǔn)化，計(jì)算相似系數(shù)，進(jìn)行聚類這幾個(gè)步驟。

2.1 數(shù)據(jù)矩陣

設(shè)論域是將要被聚類的對象，每個(gè)對象有個(gè)性能指標(biāo)，即，則有原始數(shù)據(jù)矩陣。

2.2 數(shù)據(jù)標(biāo)準(zhǔn)化

為了使具有不同量綱的實(shí)際問題中的不同數(shù)據(jù)可以進(jìn)行比較，需要對數(shù)據(jù)做出平移標(biāo)準(zhǔn)差變換和極差變換，將數(shù)據(jù)壓縮到[0，1]區(qū)間。

2.3 建立相似矩陣

根據(jù)和的相似程度建立相似矩陣，相似系數(shù)的常用計(jì)算方法有以下幾種：

（1）數(shù)量積法：

（2）夾角余弦法：

（3）相關(guān)系數(shù)法、最大最小法、算術(shù)平均最小法、幾何平均最小法、絕對值指數(shù)法、絕對值減數(shù)法、主管評分法等。

3 產(chǎn)教融合質(zhì)量評價(jià)模型算法的實(shí)現(xiàn)

以上所建立的產(chǎn)教融合質(zhì)量評價(jià)指標(biāo)，是產(chǎn)教融合質(zhì)量評價(jià)體系的初始工作，此評價(jià)指標(biāo)適用于產(chǎn)教融合的每一個(gè)案例。對于同一所高校不同產(chǎn)教融合案例按照此評價(jià)指標(biāo)進(jìn)行量化評分，可以簡單直觀地得到不同案例的質(zhì)量效果，但是這種單一的評價(jià)方法不能全面反映不同產(chǎn)教融合案例之間的對比和聯(lián)系。因此，我們采用聚類分析算法，按照前面確定的4個(gè)產(chǎn)教融合質(zhì)量評價(jià)指標(biāo)對10個(gè)產(chǎn)教融合案例進(jìn)行評分，然后用SPSS軟件進(jìn)行聚類分析，產(chǎn)教融合實(shí)例評分如表2。

對以上數(shù)據(jù)進(jìn)行模糊相似矩陣的建立：本例中采用取夾角余弦法計(jì)算相似系數(shù)，計(jì)算過程由統(tǒng)計(jì)分析軟件SPSS（Statistical package for the social science）實(shí)現(xiàn)，相似矩陣如表3。

用直接聚類法做出動態(tài)聚類圖，如圖1。

根據(jù)動態(tài)聚類圖，對產(chǎn)教融合質(zhì)量情況分為3類時(shí)的分類為：{4， 6，1，10};{3，8，6};{7，9，2}。

產(chǎn)教融合質(zhì)量評價(jià)聚類分析的實(shí)際意義：聚類分析的原理是，越是先聚為一類的樣本越相似，本實(shí)例中表3為模型相似系數(shù)。從動態(tài)聚類過程可以看出，聚成3類時(shí)，一類樣本4，6，1，10都是“產(chǎn)教融合人才培養(yǎng)環(huán)境”成績較高，其中樣本4和6更相似。二類樣本3，8，5是“產(chǎn)教融合合作效果”評價(jià)分?jǐn)?shù)稍低而“產(chǎn)教融合合作過程”評價(jià)分?jǐn)?shù)較高，3和8更相似。三類樣本7，9，2是“產(chǎn)教融合企業(yè)素質(zhì)”和“產(chǎn)教融合合作效果”評價(jià)分?jǐn)?shù)較好，而7和9更接近。通過對不同樣本的聚類分析，相對于高校，我們可以找出聚到一類的企業(yè)的共同或相似特點(diǎn)，從而為將來尋求更多的產(chǎn)業(yè)融合提供數(shù)據(jù)支持。

4 結(jié)論

基于大數(shù)據(jù)技術(shù)的產(chǎn)教融合質(zhì)量模型構(gòu)建，首先需要在產(chǎn)教融合過程中積累起相關(guān)數(shù)據(jù)。在此基礎(chǔ)上，建立評價(jià)體系，對于非數(shù)值指標(biāo)進(jìn)行量化。有了相關(guān)數(shù)據(jù)和評價(jià)體系，選取合適的數(shù)學(xué)模型并把數(shù)據(jù)應(yīng)用到此數(shù)學(xué)模型，選取和應(yīng)用數(shù)學(xué)模型的過程可能是個(gè)反復(fù)的過程，憑經(jīng)驗(yàn)和直覺想到的數(shù)學(xué)模型在計(jì)算之后很可能得不出期望的結(jié)果，這時(shí)需要對模型參數(shù)進(jìn)行調(diào)整，或者對數(shù)據(jù)進(jìn)行簡化或者補(bǔ)充。如果這種調(diào)整還是得不到足夠有說服力的結(jié)論，需要嘗試其它模型。本文的研究也經(jīng)歷了以上探索，最終選取聚類分析模型并應(yīng)用到實(shí)際工作中。

參考文獻(xiàn)

[1] 姚潤玲.基于利益相關(guān)者理論的應(yīng)用型本科院校產(chǎn)教融合績效評價(jià)研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2018.

[2] 胡偉卿.高職院校校企合作績效評價(jià)研究[J].高等理科教育，2009（6）：154-158.

[3] 姜澤許.職業(yè)教育產(chǎn)教融合質(zhì)量評價(jià)體系的構(gòu)建[J].職教論壇，2018（5）：131-133.

[4] 羅筑華，劉永.應(yīng)用型本科高校產(chǎn)教融合評價(jià)體系研究[J].黑龍江教育（高教研究與評估），2020（4）：59-67.

[5] 魏孔鵬，谷洪彬，李嘯龍.學(xué)生綜合素質(zhì)評價(jià)的用戶畫像構(gòu)建研究[J].計(jì)算機(jī)時(shí)代，2020（3）：96-98.

[6] 李嘯龍，魏孔鵬，谷洪彬.大數(shù)據(jù)技術(shù)在教學(xué)質(zhì)量評價(jià)中的運(yùn)用與探索[J].計(jì)算機(jī)時(shí)代，2020（4）：85-86+89.

[7] 裴金平，廉超，蘇毓敏.校企合作模式下高校創(chuàng)新創(chuàng)業(yè)人才培養(yǎng)質(zhì)量評價(jià)體系構(gòu)建研究[J].勞動保障世界，2017（9）：13-14.

[8] 李小娟.職業(yè)教育校企深度合作質(zhì)量評價(jià)體系構(gòu)建[J].中國職業(yè)技術(shù)教育，2014（9）：41-43+48.

[9] 趙恒伯，劉繁榮.芻議高職院校校企合作項(xiàng)目績效評價(jià)指標(biāo)體系的構(gòu)建[J].中國職業(yè)技術(shù)教育，2014（9）：41-43+48.

[10] 馬守明，鄭武，程晨，等.應(yīng)用型高校教學(xué)質(zhì)量的灰色聚類分析方法[J].高教學(xué)刊，2020（13）：77-79+85.