柳炳祥 田 原 余姍姍 黃遠(yuǎn)明 費(fèi)若嵐

（景德鎮(zhèn)陶瓷大學(xué)信息工程學(xué)院，江西 景德鎮(zhèn) 333403）

基于一般地方高校視角的人才培養(yǎng)模式績效評價

柳炳祥 田 原 余姍姍 黃遠(yuǎn)明 費(fèi)若嵐

（景德鎮(zhèn)陶瓷大學(xué)信息工程學(xué)院，江西 景德鎮(zhèn) 333403）

一般地方高校為地方各項事業(yè)的建設(shè)和發(fā)展提供了大量的人才，不斷提高人才培養(yǎng)績效是一般地方高校的努力目標(biāo)。但是，人才培養(yǎng)模式的評價指標(biāo)具有不確定性、評價過程具有動態(tài)性。故對于構(gòu)建的評價指標(biāo)體系，采用熵權(quán)法、主成分分析方法及BP神經(jīng)網(wǎng)絡(luò)方法綜合確定指標(biāo)權(quán)重，使用馬爾可夫鏈理論得出不同時間階段內(nèi)專業(yè)人才的發(fā)展趨勢及綜合評價結(jié)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(yǎng)模式；績效評價

1 引言

人才培養(yǎng)模式績效評價是關(guān)系著高校人才培養(yǎng)質(zhì)量監(jiān)控管理與績效改善。對績效評價問題的研究包括：評價指標(biāo)體系的研究及綜合評價方法?；诜?wù)地方經(jīng)濟(jì)的一般地方高校視角的人才培養(yǎng)模式績效評價，需秉承全面、協(xié)調(diào)、可持續(xù)的科學(xué)發(fā)展觀，充分考慮高校的辦學(xué)層次、所在地區(qū)、所提供教育產(chǎn)品的服務(wù)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(jī)制；需在靜態(tài)評價為主的基礎(chǔ)上，增加動態(tài)過程評價方法。

本文試圖通過學(xué)習(xí)國內(nèi)外先進(jìn)的績效評估理論和方法，構(gòu)建基于一般地方高校視角的人才培養(yǎng)模式績效評價方法，并以本校信息管理與信息系統(tǒng)專業(yè)為例進(jìn)行實證分析。

2 確定評價指標(biāo)體系權(quán)重

2.1 基于一般地方高校視角的人才培養(yǎng)模式指標(biāo)體系

人才培養(yǎng)模式體系，以服務(wù)學(xué)生、注重學(xué)生利益為前提，其中的培養(yǎng)計劃應(yīng)具有戰(zhàn)略性與前瞻性，同時重視學(xué)生個體的素養(yǎng)、能力、知識等方面的全面發(fā)展，從而建立學(xué)校、教師、學(xué)生三方的信任合作共贏局面。

在人才培養(yǎng)模式績效評價過程中，應(yīng)保證評價方向不產(chǎn)生偏差，剔除難以量化的指標(biāo)，遵循績效指標(biāo)體系設(shè)計的基本規(guī)律和基本要求，進(jìn)行系統(tǒng)分析和深入研究，以保證評價指標(biāo)的實用性、有效性和合理性，并最終構(gòu)建適用于一般地方高校專業(yè)人才培養(yǎng)模式評價的指標(biāo)體系。在參照其他一般地方高校專業(yè)人才培養(yǎng)模式績效評價的基礎(chǔ)上，從學(xué)校、教師、學(xué)生三方協(xié)同良性發(fā)展的前提出發(fā)，依照指標(biāo)選取的原則，從資源利用效率（基礎(chǔ)條件）、專業(yè)人才培養(yǎng)過程、質(zhì)量反饋等三個方面遴選出測度一般地方高校專業(yè)人才培養(yǎng)模式績效評價的各指標(biāo)，遴選出由41個具體指標(biāo)，構(gòu)成專業(yè)績效評價三級指標(biāo)體系[1]，見表1。

2.2 確定指標(biāo)體系的權(quán)重

人才培養(yǎng)是一個復(fù)雜的系統(tǒng)工程，人才培養(yǎng)模式的績效評價同樣是一個復(fù)雜的非線性系統(tǒng)。隨著云計算、物聯(lián)網(wǎng)、大數(shù)據(jù)的時代特征凸顯，及學(xué)習(xí)、生活、生產(chǎn)、娛樂的全面智慧化、多元化，績效評價體系的指標(biāo)將趨于數(shù)量增加化、影響動態(tài)化。也就是說，即將從多個渠道獲取到的人才培養(yǎng)過程及人才發(fā)展過程中的數(shù)據(jù)會越來越全面，評價指標(biāo)的數(shù)量也將隨之增加；各指標(biāo)對人才培養(yǎng)模式績效評價結(jié)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(yīng)建立權(quán)重的動態(tài)學(xué)習(xí)機(jī)制。

因此本文沒有采用層次分析法等主觀賦權(quán)方法，而采用能夠動態(tài)學(xué)習(xí)的客觀賦權(quán)方法。采用熵權(quán)法[2]、主成分分析

法[3]及BP神經(jīng)網(wǎng)絡(luò)方法[4]分別確定各指標(biāo)的權(quán)重，然后采用算術(shù)平均法確定各指標(biāo)的綜合權(quán)重。假設(shè)有m個評價對象，n個評價指標(biāo)，指標(biāo)數(shù)據(jù)矩陣為X=[xij]m×n。

2.2.1 熵權(quán)法確定指標(biāo)權(quán)重

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

(3)計算指標(biāo)j的信息效用值：dj=1-ej；

表1 專業(yè)績效評價三級指標(biāo)體系

2.2.2 主成分分析法確定權(quán)重

主成分分析方法通過矩陣變換的方式，將高維相關(guān)的變量變?yōu)榈途S不相關(guān)的綜合指標(biāo)變量，能夠?qū)崿F(xiàn)對數(shù)據(jù)集的降維。該方法不需要事先做假設(shè)，可以有效利用評價數(shù)據(jù)，而且分析結(jié)果由數(shù)據(jù)本身的性質(zhì)決定。采用主成分分析方法確定指標(biāo)權(quán)重的步驟：

(2)計算矩陣Z的相關(guān)系數(shù)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(yīng)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(xiàn)率gi，及主成分累計貢獻(xiàn)率Gi，其中；并確定k值，使主成分累計貢獻(xiàn)率達(dá)80%以上：即Gi≥0.8；

(5)根據(jù)累計貢獻(xiàn)率準(zhǔn)則計算主成分載荷：lij=；

(6)求各主成分Fi：Fi=；

(7)計算指標(biāo)j的權(quán)重：

2.2.3 BP神經(jīng)網(wǎng)絡(luò)確定權(quán)重

BP神經(jīng)網(wǎng)絡(luò)是在1985年由Rumelhart等人提出的誤差反向傳播算法的基礎(chǔ)上發(fā)展起來的，是一種多層次前向反饋型神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)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(jīng)網(wǎng)絡(luò)能夠?qū)⑦^去的經(jīng)驗記憶到網(wǎng)絡(luò)結(jié)構(gòu)中。采用BP神經(jīng)網(wǎng)絡(luò)確定指標(biāo)權(quán)重的步驟如下：

(1)計算各層輸出：BP網(wǎng)絡(luò)的輸入層包含n個節(jié)點，對應(yīng)指標(biāo)體系中的n個評價指標(biāo)；隱含層包含k個節(jié)點，輸出為Y；輸出層包含一個節(jié)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(quán)用V表示，隱含層到輸出層之間的連接權(quán)用Z表示。若激活函數(shù)按常規(guī)選用Sigmoid函數(shù)，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(jī)賦一個較小的初始數(shù)值；

(2)計算網(wǎng)絡(luò)誤差：輸入一個訓(xùn)練樣本之后，計算輸出誤差Ei，；網(wǎng)絡(luò)總誤差為E，；

(3)各層權(quán)值調(diào)整：通過計算誤差，得到新的權(quán)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(xué)習(xí)率；μ∈(0,1)用來提高網(wǎng)絡(luò)的收斂速度；

(4)返回步驟（2）繼續(xù)訓(xùn)練網(wǎng)絡(luò)；

(5)所有樣本訓(xùn)練完成后，如果E小于事先設(shè)定的誤差閾值（閾值設(shè)為一個正小數(shù)），訓(xùn)練結(jié)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(xùn)練該BP神經(jīng)網(wǎng)絡(luò)；

(6)計算指標(biāo)j的權(quán)重：訓(xùn)練結(jié)束后，

2.2.4 指標(biāo)體系綜合權(quán)重

綜合權(quán)重Wc由以上三種方法所求得的權(quán)重進(jìn)行算術(shù)平均之后求得，這種方法可以兼顧以往經(jīng)驗及樣本數(shù)據(jù)本身的特性。

3 績效評價方法

為了消除每屆學(xué)生培養(yǎng)過程中軟硬件條件的基礎(chǔ)性差異對于績效評價結(jié)果的影響，采用齊次馬爾可夫鏈方法[5]來進(jìn)行人才培養(yǎng)模式的績效評價，以真實反映人才培養(yǎng)的質(zhì)量及人才的發(fā)展趨勢。

3.1 馬爾可夫鏈基本思想

給定一個n維狀態(tài)空間的系統(tǒng)，隨機(jī)向量X=(x1,…,xn)，qt表示x在時刻t的狀態(tài)，系統(tǒng)在有規(guī)律的、間隔的離散時刻，根據(jù)以前的狀態(tài)值以給定的概率P轉(zhuǎn)移到下一狀態(tài)，，aij為 轉(zhuǎn) 移 概 率 ，aij≥0并且=1。也就是說，給定當(dāng)前的狀態(tài)，未來系統(tǒng)的狀態(tài)獨(dú)立于過去的狀態(tài)，這個性質(zhì)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(zhuǎn)移概率矩陣，經(jīng)k步轉(zhuǎn)移之后得到的概率矩陣為k步概率轉(zhuǎn)移矩陣A(k)，A(k)=A(k-1)?A=…=Ak，此時馬爾可夫鏈逐漸處于穩(wěn)定狀態(tài)，且與初始狀態(tài)無關(guān)。

3.2 采用馬爾可夫鏈進(jìn)行績效評價

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

4 實例分析

評價數(shù)據(jù)取自信息管理與信息系統(tǒng)專業(yè)五屆學(xué)生的所有8個學(xué)期的評價數(shù)據(jù)，由上述三種計算指標(biāo)權(quán)重方法確定出綜合指標(biāo)權(quán)重，見表2。

表2 某屆信管專業(yè)學(xué)生的部分得分（標(biāo)準(zhǔn)化之后）及指標(biāo)權(quán)重情況表

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

表3 五屆學(xué)生的培養(yǎng)模式績效評價結(jié)果

馬爾可夫過程的穩(wěn)定狀態(tài)表明，在一定的教學(xué)條件下，學(xué)生在大學(xué)期間的成長過程及水平與入學(xué)時的基礎(chǔ)無關(guān)，入學(xué)時的基礎(chǔ)差異不影響采用馬爾可夫鏈來進(jìn)行培養(yǎng)模式質(zhì)量評價的評價結(jié)果。由表3可以看出，第D屆學(xué)生的評價結(jié)果值最高，說明該屆學(xué)生未來的發(fā)展趨勢最好，培養(yǎng)效果最好。第C屆學(xué)生的評價結(jié)果值最低，需要仔細(xì)分析培養(yǎng)過程中出現(xiàn)的關(guān)鍵問題，以圖改進(jìn)。這一結(jié)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(jié)束語

本文基于機(jī)器學(xué)習(xí)方法，在同一個評價指標(biāo)體系框架下，考慮環(huán)境變化及學(xué)生本身不同的差異性，針對不同專業(yè)年級的學(xué)生使用客觀賦權(quán)方法，求出指標(biāo)體系的權(quán)重；引入時間因素使靜態(tài)評價變?yōu)閯討B(tài)評價（確定評價指標(biāo)在不同時刻的權(quán)重系數(shù)，以反映時間序列中對象屬性的變化）。且學(xué)生入學(xué)時的基礎(chǔ)差異不影響評價結(jié)果，這對地方一般高校而言，更加具備現(xiàn)實意義。

[1]田原，張俊娜，賈建華，等．信息管理與信息系統(tǒng)專業(yè)人才培養(yǎng)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(quán)法在銀行經(jīng)營績效綜合評價中的應(yīng)用[J]．中國軟科學(xué)，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(biāo)權(quán)重確定方法[J]．四川兵工學(xué)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(xué)質(zhì)量評價中的應(yīng)用[J]．天津師范大學(xué)學(xué)報：自然科學(xué)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(shù)據(jù)挖掘。

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