李佳雨 黃旭東 于戰(zhàn)科 郝 歡

(1.湖北省黃石軍分區(qū) 黃石 435002)(2.95100部隊 廣州 510000)(3.解放軍理工大學(xué)通信工程學(xué)院 南京 210007)

士兵綜合素質(zhì)評價模型研究*

李佳雨1黃旭東2于戰(zhàn)科3郝 歡3

(1.湖北省黃石軍分區(qū) 黃石 435002)(2.95100部隊 廣州 510000)(3.解放軍理工大學(xué)通信工程學(xué)院 南京 210007)

為打贏新世紀(jì)信息化戰(zhàn)爭,軍隊對士兵的素質(zhì)要求不斷提高,對士兵進(jìn)行綜合素質(zhì)評價的需求日益凸顯。但我軍目前尚未形成完善的士兵綜合素質(zhì)評價方法,且其他行業(yè)現(xiàn)有的綜合素質(zhì)評價方法客觀性、通用性不足,不能直接應(yīng)用于軍隊。針對這一問題,在采用層次分析法建立評價指標(biāo)體系的基礎(chǔ)上,提出采用最小二乘數(shù)學(xué)模型確定評價指標(biāo)權(quán)值的方法,構(gòu)建出士兵綜合素質(zhì)評價模型。該模型具有客觀性、科學(xué)性、準(zhǔn)確性和通用性等特點(diǎn)。

士兵; 綜合素質(zhì); 評價模型; 權(quán)值

1 引言

人是戰(zhàn)爭勝負(fù)的決定因素。隨著科學(xué)技術(shù)迅猛發(fā)展并應(yīng)用于軍事,人類戰(zhàn)爭已不可避免地由傳統(tǒng)的機(jī)械化作戰(zhàn)形式向信息化戰(zhàn)爭轉(zhuǎn)變。為適應(yīng)新的戰(zhàn)爭形態(tài),打贏信息化戰(zhàn)爭,軍隊對士兵的素質(zhì)要求早已超越“米、秒、環(huán)”等最基本的訓(xùn)練成績,在不同素質(zhì)指標(biāo)方面提出了更高要求。然而,在高技術(shù)、信息化戰(zhàn)爭早已打響多次的現(xiàn)實情況下,我軍目前依舊還未形成完善的士兵綜合素質(zhì)評價方法。軍事實力是經(jīng)濟(jì)快速穩(wěn)定發(fā)展的重要保證,在世界新軍事變革的洶涌浪潮下,構(gòu)建科學(xué)合理的士兵綜合素質(zhì)評價機(jī)制,促進(jìn)部隊更加科學(xué)合理地編配士兵,提高部隊?wèi)?zhàn)斗力顯得更加緊急迫切。因此,本文的研究具有重要的現(xiàn)實意義。

2 士兵綜合素質(zhì)評價現(xiàn)狀

美軍具有較完整的士兵素質(zhì)研究和培養(yǎng)體系[1～2],國內(nèi)一些政府部門和企業(yè)也早已建立起了員工素質(zhì)評價制度,但國內(nèi)對于我軍士兵綜合素質(zhì)評價仍主要停留在理論研究和簡單應(yīng)用的層面。

新兵入伍后,一些單位的作訓(xùn)或士兵管理部門都會對本單位新兵進(jìn)行綜合素質(zhì)評價。但受限于工作任務(wù)繁重、缺乏專業(yè)人才等因素,部隊對士兵綜合素質(zhì)評價存在一些誤區(qū),主要表現(xiàn)在兩個方面。一是單一指標(biāo)片面評價,這種方法是將每個指標(biāo)的數(shù)據(jù)與往年相應(yīng)指標(biāo)數(shù)據(jù)進(jìn)行對比,并針對每個指標(biāo)逐一給出結(jié)論。但實際上,利用這種方法得出的只是單個指標(biāo)的結(jié)論,并不能反映這批士兵整體的素質(zhì)高低,也無法反映出單個戰(zhàn)士的綜合素質(zhì)水平,且忽視了某些指標(biāo)之間的關(guān)聯(lián)性,得出的結(jié)論不夠科學(xué)準(zhǔn)確。二是多指標(biāo)等權(quán)重評價,這種方法是指某些單位采用層次分析法,對多個指標(biāo)等權(quán)重的進(jìn)行綜合評價,沒有對指標(biāo)的權(quán)重進(jìn)行區(qū)分,其結(jié)果可能會因為指標(biāo)本身的重要程度不同而出現(xiàn)差錯,從而得到不夠科學(xué)準(zhǔn)確的評估。

文獻(xiàn)[3]采用層次分析法(AHP)對評價指標(biāo)進(jìn)行層次劃分,采用Fuzzy-AHP算法確定權(quán)值,提出了較為完善的士兵綜合素質(zhì)評價系統(tǒng)。但利用該系統(tǒng)對任何一個評價對象進(jìn)行評價時,都需要專家再次打分進(jìn)行數(shù)據(jù)采集,沒有形成一個獨(dú)立完整的評價系統(tǒng)。

3 模型構(gòu)建

構(gòu)建士兵綜合素質(zhì)評價模型,主要包括建立士兵綜合素質(zhì)評價指標(biāo)體系和確定評價指標(biāo)權(quán)值兩方面工作。

建立評價指標(biāo)體系的一般性做法是采用層次分析法。但是不同任務(wù)性質(zhì)的部隊,士兵綜合素質(zhì)評價指標(biāo)體系有所不同。出于保密考慮,本文僅以一個簡單的評價指標(biāo)體系為例(圖1),重點(diǎn)分析確定權(quán)值的方法。

圖1 士兵綜合素質(zhì)評價指標(biāo)體系

4 權(quán)值研究

確定權(quán)值的方法多種多樣,文獻(xiàn)[4]中列舉了12種傳統(tǒng)的權(quán)值確定方法,這些方法大多是從評價指標(biāo)入手進(jìn)行分析,得出權(quán)值后再計算出綜合得分,客觀性不足。近年來,人工智能算法逐步被引入到權(quán)值確定中來,取得了一些研究成果,但處理離散數(shù)據(jù)的準(zhǔn)確性還存在不足[5]。

通過專家對每個評價對象進(jìn)行總體印象打分,將確定權(quán)值轉(zhuǎn)化為最小二乘數(shù)學(xué)模型進(jìn)行求解,能夠有效克服傳統(tǒng)方法客觀性、準(zhǔn)確性、通用性不足的缺點(diǎn)。

4.1 樣本采集

本文以某新兵團(tuán)970名新兵為研究總體,利用C++編程隨機(jī)抽取其中50名新兵為樣本,邀請9名榮獲“新兵團(tuán)帶兵能手”稱號的基層軍官作為評分專家。為驗證抽取的樣本是否具有一般性和有效性,共抽取了三組50個樣本的群體進(jìn)行統(tǒng)計分析,結(jié)果表明三組樣本均具有一般性和有效性。

數(shù)據(jù)采集按照以下步驟進(jìn)行:

STEP 1:從總體中隨機(jī)抽取N個樣本。

STEP 2:設(shè)置M項評價指標(biāo),提取N個樣本共N×M個指標(biāo)數(shù)據(jù)。

STEP 3:邀請K名專家,依據(jù)每個樣本的M項指標(biāo)情況,每名專家按照給定的評語集對每個樣本總體情況進(jìn)行打分。本模型的評語集為{優(yōu)、良、中、差}。第一名專家部分打分情況見表1。

表1 第一名專家打分情況統(tǒng)計表

STEP 4:將專家給定的打分?jǐn)?shù)值化。對于第n個樣本,有K個專家打分結(jié)果,其中第k個專家打分?jǐn)?shù)值記為bn,k。

STEP 5:將每個個體的每項指標(biāo)數(shù)值化。第n個樣本第m項指標(biāo)數(shù)值記為xn,m。

采取專家對每個樣本的總體情況進(jìn)行打分,而不是對每個樣本的每個指標(biāo)單獨(dú)打分,主要是出于兩方面考慮。一是熟悉士兵成長和培養(yǎng)的部隊軍官,憑積累的經(jīng)驗,易于根據(jù)各項指標(biāo)情況給出士兵個體綜合得分,卻難以準(zhǔn)確地對指標(biāo)進(jìn)行兩兩比較。在此情況下,通過軍官作為專家對士兵個體進(jìn)行綜合打分,進(jìn)而建立評價模型是科學(xué)合理的。二是通過對每個樣本總體情況進(jìn)行打分,規(guī)避了專家直接判斷單個指標(biāo)情況,減少了打分次數(shù),降低了專家的主觀判斷對結(jié)果的影響程度。

4.2 量化得分

指標(biāo)量化的方法很多,為了將現(xiàn)實問題轉(zhuǎn)化為數(shù)學(xué)模型進(jìn)行求解,本文主要采用“等差量化法”[6]將專家打分和六項評價指標(biāo)進(jìn)行量化。

1) 專家打分:對專家打分“優(yōu)、良、中、差”分別賦值10、8、6、4分;

2) “學(xué)歷”:對大學(xué)本科及以上、大專、高中和中專、初中分別賦值10、8.5、7、6分;

3) “政治面貌”:對黨員、團(tuán)員、群眾分別賦值10、8、6分;

4) “戶籍性質(zhì)”:針對該項指標(biāo),邀請10名專家對士兵的“農(nóng)業(yè)”和“非農(nóng)”單指標(biāo)進(jìn)行打分,10名專家均認(rèn)為“農(nóng)業(yè)”戶籍士兵表現(xiàn)更好,從而對“農(nóng)業(yè)”和“非農(nóng)”戶籍分別賦值10、6分;

5) “體型”:對合格、偏胖(瘦)分別賦值10、6分;

6) “有無專長”:有無專長以是否具有國家證書為判斷標(biāo)準(zhǔn)。對有專長、無專長分別賦值10、6分;

7) “是否獨(dú)生子女”:針對該項指標(biāo),邀請10名專家對“獨(dú)生”和“非獨(dú)生”單項指標(biāo)進(jìn)行打分,6人認(rèn)為非獨(dú)生表現(xiàn)更好,4人認(rèn)為獨(dú)生表現(xiàn)更好。從而對“獨(dú)生”和“非獨(dú)生”分別賦值7.6、8.4分。

根據(jù)上述賦值原則,可得出每個樣本的評價指標(biāo)值和專家打分分值情況。其中第一名專家打分情況賦值后如表2。

表2 第一名專家打分及評價指標(biāo)賦值統(tǒng)計表

4.3 數(shù)學(xué)模型

定義第n個樣本的原始綜合得分為:去掉K名專家打分的最高和最低分后的平均值,記為bn,數(shù)學(xué)表達(dá)式為

(1)

全體樣本綜合得分向量為

BN×1=[b1,b2,b3,…,bN-1,bN]T

(2)

第n個樣本個體各指標(biāo)得分向量為

Xn=[xn,1,xn,2,…,xn,M-1,xn,M]

(3)

全體樣本各指標(biāo)得分矩陣為

XN×M=[X1,X2,…,XN]T

(4)

令評價指標(biāo)的權(quán)值向量為

AM×1=[a1,a2,a3,…,aM-1,aM]T

(5)

且滿足:

(6)

ai≥0

(7)

上述過程采集的數(shù)據(jù)具有如下關(guān)系:

XA=B

(8)

即:

=[b1,b2,b3,…,bN-1,bN]T

(9)

因此,對權(quán)值確定可以轉(zhuǎn)化為求最小二乘優(yōu)化問題進(jìn)行求解[7]:

(10)

(11)

從而有:

AM×1=(XTX)-1XTBN×1

(12)

(13)

4.4 算法設(shè)計

前面已將確定權(quán)值問題轉(zhuǎn)化為求最小二乘問題,只需調(diào)用Matlab中的最小二乘線性擬合函數(shù)lsqlin即可。Matlab算法為

X=[N*M];

B=[N*1];

a_eq=ones(1,M);

b_eq=1;

lb=zeros(M,1);

[a,resnorm,residual,exitflag]=lsqlin(X,B,[],[],a_eq,b_eq,lb,[]);

a

算法中的resnorm是整個結(jié)果的平方誤差和,residual是對每一組數(shù)據(jù)得到的剩余誤差,即XA-B,一共有N組,exitflag的值表示不同的收斂情況。

4.5 數(shù)據(jù)處理

利用上述Matlab算法求取權(quán)值,得到權(quán)值向量值A(chǔ)M為

AM=[0.6537,0.1421,0.0000,0.1140,0.0902,0.0000]

4.6 異常數(shù)據(jù)檢測

將得到的權(quán)值代入表2,得到每個樣本新的綜合得分。通常情況下,樣本綜合得分總體上服從正態(tài)分布。利用SPSS軟件,采用“單樣本K-S檢驗法”對此進(jìn)行檢驗,結(jié)果如表3所示。

表3 K-S檢驗主對話框

從檢驗結(jié)果來看,漸進(jìn)顯著性P=0.06>0.05,從而認(rèn)為送檢的數(shù)據(jù)服從正態(tài)分布[8]。因此可采用“3σ準(zhǔn)則”[9]對新的綜合得分進(jìn)行異常數(shù)據(jù)檢測[10],流程如圖2所示。

圖2 異常數(shù)據(jù)檢測流程

(14)

3σ′=2.2659

因此,將AM作為士兵綜合素質(zhì)評價最終權(quán)值。

各指標(biāo)權(quán)值情況如表4所示。

表4 指標(biāo)權(quán)值對照表

4.7 權(quán)值分析

各指標(biāo)權(quán)值餅狀圖如圖3所示。

圖3 指標(biāo)權(quán)值餅狀圖

可以看出,“學(xué)歷”所占權(quán)值為0.6537,在6項評價指標(biāo)中占有極其重要的地位,這與國家優(yōu)先征集體檢政審雙合格大學(xué)生士兵的政策一致?！罢蚊婷病彼紮?quán)值為0.1421,說明士兵的政治素養(yǎng)也是構(gòu)成綜合素質(zhì)的一項重要指標(biāo)?！绑w型”和“有無專長”對綜合素質(zhì)評分也有一定的影響。而“戶籍”權(quán)值為0,與國家取消戶籍區(qū)分的政策趨勢一致,且與文獻(xiàn)[11]在實際研究中證明的農(nóng)村與城鎮(zhèn)士兵在多個方面的差異無統(tǒng)計學(xué)意義這一結(jié)論一致。“是否獨(dú)生”權(quán)值為0,說明該部隊已不再認(rèn)為獨(dú)生與非獨(dú)生子女的整體表現(xiàn)有明顯區(qū)別,文獻(xiàn)[12]也得出相類似的結(jié)論,認(rèn)為獨(dú)生子女與非獨(dú)生子女士兵比較,其整體人格特征不存在問題性差異。

通過上述分析可知,利用本文所構(gòu)建的模型所得到的結(jié)果能夠找到可靠的現(xiàn)實依據(jù),說明本文構(gòu)建的士兵綜合素質(zhì)評估模型具有一定的實際應(yīng)用價值。此外,不同任務(wù)性質(zhì)的部隊,由于其需求不同,通過該模型得到的相同指標(biāo)的權(quán)值應(yīng)該有所不同。

5 模型應(yīng)用

該模型主要可以應(yīng)用于三個方面。

5.1 個體和總體素質(zhì)評價

對于任意適合該模型評價的個體,都可以采用該模型進(jìn)行綜合評價打分。比如某個體的6項評價指標(biāo)如表5所示,則其綜合素質(zhì)得分為8.45分,按照評語集的隸屬度,可以評定其綜合素質(zhì)為“良”。

表5 某個體評價指標(biāo)情況

計算出所有個體得分后,可以采用數(shù)理統(tǒng)計的方法,對總體素質(zhì)情況進(jìn)行評價。

5.2 士兵選拔和分配

在選拔過程中,可采用該模型對預(yù)征集的士兵進(jìn)行打分排序,提高士兵征集質(zhì)量。此外,還可根據(jù)不同崗位需求以及士兵各項素質(zhì)指標(biāo)的評價情況,將不同素質(zhì)士兵科學(xué)合理分配至不同崗位。

5.3 士兵素質(zhì)培養(yǎng)

根據(jù)評價指標(biāo)的權(quán)值,對士兵的訓(xùn)練培養(yǎng)進(jìn)行長期的跟蹤記錄以及分析,適時地、科學(xué)合理地調(diào)整對士兵的培養(yǎng)訓(xùn)練計劃,進(jìn)而達(dá)到有針對性地對士兵進(jìn)行素質(zhì)培養(yǎng)的目的。

6 結(jié)語

常見的權(quán)值確定方法,多是從評價指標(biāo)入手進(jìn)行分析確定。本文則采用最小二乘問題數(shù)學(xué)模型來確定評價指標(biāo)權(quán)值,采取“逆向”的方式,通過專家對樣本的綜合情況進(jìn)行打分,不直接分析評價指標(biāo),確保了評價指標(biāo)權(quán)值的客觀性、科學(xué)性、準(zhǔn)確性。該模型的優(yōu)點(diǎn)在于,一旦構(gòu)建好模型,對于任何新個體,只需采集相關(guān)指標(biāo)數(shù)據(jù),即可得出該個體綜合評價得分,無需再次邀請專家打分或者進(jìn)行其他類似的評價工作,具有完全通用性和穩(wěn)定性。

本文作者在實際工作中開展了評價指標(biāo)體系研究,結(jié)合具體任務(wù)性質(zhì)的部隊構(gòu)建了不同的評價模型,研究成果對士兵綜合素質(zhì)評價、選拔分配、能力培養(yǎng)具有重要指導(dǎo)意義。但出于保密考慮,本文僅重點(diǎn)介紹了評價指標(biāo)權(quán)值的確定方法。下一步將利用建立的模型對評價對象進(jìn)行跟蹤研究,進(jìn)一步驗證模型的準(zhǔn)確性。

[1] U.S. Department of Defense. Population represen-tation in the military services: Fiscal Year 2004[M]. 2006,29.

[2] 張楠.美軍建立高素質(zhì)士兵隊伍舉措的研究[J].西安政治學(xué)院學(xué)報,2008,21(2):31-33. ZHANG Nan. Research on the Establishment of High Quality Soldiers in the US Army[J]. Journal of Xian Politics Institute,2008,21(2):31-33.

[3] 劉法華.士兵綜合素質(zhì)評估系統(tǒng)研究[D].青島:中國石油大學(xué)(華東),2010. LIU Fahua. The Rearch on Soldier Intelligence Evaluation[D]. Qingdao: China University of Petroleum(East China),2010.

[4] 王暉,陳麗,陳墾,等.多指標(biāo)綜合評價方法及權(quán)重系數(shù)的選擇[J].廣東藥學(xué)院學(xué)報,2007,23(5):583-589. WANG Hui, CHEN Li, CHEN Ken, et al. Multi Index Comprehensive Evaluation Method and the Choice of Weight Coefficient[J]. Journal of Guangdong Pharmaceutical University,2007,23(5):583-589.

[5] 姚明海.改進(jìn)的遺傳算法在優(yōu)化BP網(wǎng)絡(luò)權(quán)值中的應(yīng)用[J].計算機(jī)工程與應(yīng)用,2013,49(24):49-54. YAO Haiming. Application of Improved Genetic Algorithm in Optimizing BP Neural Networks Weights[J]. Computer Engineering and Applications,2013,49(24):49-54.

[6] 詹耀祖.人力資源管理中考評指標(biāo)量化技術(shù)的應(yīng)用[J].遼寧經(jīng)濟(jì)管理干部學(xué)院學(xué)報,2012(2):19-20. ZHAN Yaozu. Application of Quantitative Techniques in the Evaluation of Human Resource Management[J]. Journal of Liaoning Economic Management Cadre College,2012(2):19-20.

[7] 丁斌,杜元.基于PSO算法與AHP最小二乘模型對多屬性決策問題權(quán)重求解[J].系統(tǒng)工程,2010,28(7):102-106. DING Bin, DU Yuan. Multi-attribute Decision Making Problem Solving Weights Based on PSO Algorithm and AHP LS Model[J]. Systems Engineering,2010,28(7):102-106.

[8] 朱紅兵,何麗娟.在SPSS10.0中進(jìn)行數(shù)據(jù)資料正態(tài)性檢驗的方法[J].首都體育學(xué)院學(xué)報,2004,16(3):123-125. ZHU Hongbing, HE Lijuan. Method for Testing the Normality of Data in SPSS10.0[J]. Journal of Capital Institute of Physical Education,2004,16(3):123-125.

[9] Friedrich Pukelsheim. The three sigma rule[J]. The American Statisti-cian,1994,48(2):88-91.

[10] 陳斌.異常檢測方法及其關(guān)鍵技術(shù)研究[D].南京:南京航空航天大學(xué),2013. CHEN Bin. Research on Outlier Detection Method and its Key Techniques[D]. Nanjing: Nanjing University of Aeronautics and Astronautics,2013.

[11] 李柱,張繼剛,張蕾,等.某工程部隊士兵心理健康水平調(diào)查分析[J].空軍醫(yī)學(xué)雜志,2015,31(2):112-114. LI Zhu, ZHANG Jigang, ZHANG Lei, et al. Investigation and Analysis on Mental Health of Soldiers in an Engineering Unit[J]. Air Force Medical Journal,2015,31(2):112-114.

[12] 宋華,黃濤,縱兆輝.獨(dú)生與非獨(dú)生子士兵群體人格特征比較[J].中國組織工程研究與臨床康復(fù),2007,11(30):5952-5954. SONG Hua, HUANG Tao, ZONG Zhaohui. Comparison of personality characters between singleton and non-singleton soldiers[J]. Journal of Clinical Rehabilitative Tissue Engineering Research,2007,11(30):5952-5954.

Comprehensive Quality Evaluation Model of Soldiers

LI Jiayu1HUANG Xudong2YU Zhanke3HAO Huan3

(1. The Huangshi Army Distinct of Hubei, Huangshi 435002)(2. No. 95100 Troops of PLA, Guangzhou 510000)(3. Institute of Communication Engineering, PLA University of Science and Tehcnology, Nanjing 210007)

In order to win the information-based war in the new century, the army’s demands on the soldiers’ quality have been continuously improved, and the demand for the comprehensive quality evaluation of the soldiers is becoming increasingly prominent. But the army has not yet formed a comprehensive evaluation of the quality of the soldiers, and other industries existing comprehensive quality evaluation methods objectivity, lack of generality, can not be directly applied to the army. To solve this problem, based on the establishment of evaluation index system by AHP, the method of determining the weight of evaluation index by using the least square method is put forward, and the comprehensive evaluation model of soldier is established. The model has the characteristics of objectivity, scientificity, accuracy and versatility.

soldier, comprehensive quality, evaluation model, weight Class Number TP182

2016年10月8日,

2016年11月24日

國家自然科學(xué)基金青年項目(編號:71401176)資助。

李佳雨,男,碩士,研究員,研究方向:信息安全,國防動員。黃旭東,男,研究員,研究方向:部隊管理。于戰(zhàn)科,男,博士,講師,研究方向:優(yōu)化理論與方法。郝歡,男,博士研究生,研究方向:信號時頻分析與處理。

TP182

10.3969/j.issn.1672-9722.2017.04.015