□ 中國民用航空飛行學院 鄭 陽 霍寧波/文
《民航人才隊伍建設中長期規(guī)劃(2010-2020年)》明確提出了民航重點專業(yè)人才培養(yǎng)計劃。飛行人才的培養(yǎng)是人才培養(yǎng)計劃中的重要組成部分,要求高校提高招飛錄取成績,確保生源質(zhì)量,提升飛行員英語水平和專業(yè)水平,以適應現(xiàn)代化運行控制技術的要求。
生源質(zhì)量包含的因素很多,其中高考入學成績是對生源質(zhì)量最直觀的反映。從民航高校培養(yǎng)學生的角度來看,學分績點是評價飛行學生理論學習情況的重要指標,同時也是飛行學生取得航線、ICAO執(zhí)照的重要影響因素,甚至可以作為飛行員職業(yè)能力的影響指標。因此,分析入學成績與學分績點之間的關聯(lián)性,對于生源質(zhì)量提高和飛行員職業(yè)能力建設具有指導作用。本文以中國民用航空飛行學院(簡稱中飛院)2008~2016年的飛行學生數(shù)據(jù)為樣本,采用灰色關聯(lián)分析模型對入學成績與學分績點進行關聯(lián)性分析。
灰色關聯(lián)方法實質(zhì)上是將無限空間用有限數(shù)列代替的一種方法,屬于幾何處理的范疇,是對反映各因素變化特性的數(shù)據(jù)序列所進行的幾何比較。通過分析各因素發(fā)展趨勢的相似或相異程度,并以灰色關聯(lián)度來衡量其間的關聯(lián)性,反映各個因素間的相對影響程度。
一個因變量和多個自變量因素可以組成原始序列。因變量因素反映系統(tǒng)的行為特征,多個樣品數(shù)據(jù)值構成參考數(shù)列;自變量因素為影響系統(tǒng)行為特征的因素,每一個因素的多個樣品數(shù)據(jù)值可構成一個比較數(shù)列。
式中:X0為參考數(shù)列;Xi為比較數(shù)列;i為比較數(shù)列的序號;m為自變量因素的個數(shù);n為數(shù)列中數(shù)據(jù)樣品的個數(shù)。
比較兩個數(shù)列之間的關聯(lián)程度,要求數(shù)列中的數(shù)據(jù)具有相同的量綱或數(shù)量級,否則兩個數(shù)列不可比。采用效益型變換方法對指標進行無量綱化處理,使之化為數(shù)量級大體相近的無量綱數(shù)據(jù)。
根據(jù)鄧氏關聯(lián)度模型,原始數(shù)據(jù)無量綱化后,將第i個比較數(shù)列中各樣品數(shù)值與參考數(shù)列中對應樣品數(shù)值的絕對差值記為:
所有比較數(shù)列中各樣品數(shù)據(jù)絕對差值的最大、最小值分別表示為:
將第i個比較數(shù)列與參考數(shù)列在第k個樣品的鄧氏關聯(lián)系數(shù)表示為:
式中:ρ為分辨系數(shù),ρ∈(0,1)。
ρ的作用在于提高關聯(lián)系數(shù)間差異的顯著性,ρ值越小越能提高關聯(lián)系數(shù)間的差異,通常取0.5可以得到滿意的分辨率。為了避免系統(tǒng)因子觀測序列的異常值支配整個系統(tǒng)關聯(lián)度取值的情況,并且使關聯(lián)度更好的體現(xiàn)系統(tǒng)的整體性,能夠根據(jù)觀測值動態(tài)變化選取ρ值,使分辨系數(shù)的取值具有一定的客觀基礎,具有靈活性和智能性,采用以下原則進行選值。
△y記為所有絕對差值的均值:
鄧氏灰色關聯(lián)度是關聯(lián)系數(shù)的平均值,可以反映數(shù)列之間的關聯(lián)程度。關聯(lián)度越大,比較數(shù)列與參考數(shù)列的變化越一致。代入式(9)中,計算第i個比較數(shù)列與參考數(shù)列的關聯(lián)度r0i。
將計算得到的關聯(lián)度代入式(10),進行歸一化處理,計算各個比較數(shù)列關聯(lián)度的權重Wi,用來表示各個因素影響程度的相對大小。最后,按大小順序排列,形成關聯(lián)序,用以反映各個影響因素之間的主次關系。
選取中飛院2008~2016年的飛行學生數(shù)據(jù)(見表1),共計14103人,并采用MATLAB編程完成所有計算。
首先,要確定灰色關聯(lián)分析模型的原始序列。將平均學分績點作為參考數(shù)列,用X0表示。把一本線差值、高考語文成績、高考數(shù)學成績、高考英語成績、文理科情況,共5個因素,作為比較數(shù)列,記為Xi(i=1,2,…,5)。
采用效益型指標變換的方法對基礎數(shù)據(jù)進行無量綱化處理。將無量綱化后的數(shù)據(jù)代入式(5)和式(8),得到△max>3△y,取1.5∈△≤ρ≤2∈△。在此區(qū)間內(nèi)取分辨系數(shù)ρ=0.5。確定分辨系數(shù)以后,代入灰色關聯(lián)分析模型進行計算,得到灰色關聯(lián)度。最后計算權重,并對各個影響因素排序(見表2)。
表1:2008~2016年飛行學生基礎數(shù)據(jù)(部分列舉)
表2:入學成績與學分績點的灰色關聯(lián)分析結果
根據(jù)灰色關聯(lián)的分析結果,5個因素對飛行學生的學分績點的影響程度,從大到小依次是:一本線差值、高考數(shù)學、高考英語、高考語文、文理科。其中,一本線差值、高考數(shù)學、高考英語3個因素所占的權重相對較大。
筆者使用SPSS軟件,對中飛院2008~2016年飛行學生的高考成績、學分績點、私商儀成績、ATPL成績等多個因素進行了Pearson雙變量相關性分析。這里僅選取學分績點與一本線差值、高考語文、高考數(shù)學、高考英語、文理科之間的相關系數(shù)(見表3),用于與灰色關聯(lián)分析結果的對比。
表3:入學成績與學分績點的Pearson相關性分析結果
對比表2、3的分析結果發(fā)現(xiàn),兩種方法計算出不同因素的影響程度排序是有差異的,體現(xiàn)在數(shù)學和英語成績的排序上。下面對結果進一步分析解釋。
灰色關聯(lián)度和Pearson相關系數(shù)都可以表示因素之間的相關性。但是,灰色關聯(lián)度是一種相對關聯(lián)度,其大小只能反映各個因素間的相對影響程度,不能表示單個因素與因變量的絕對關聯(lián)程度。而Pearson相關系數(shù)描述的是兩個變量間線性相關的強弱程度,可以表示變量之間的絕對相關性。
兩種分析結果中,都可以得出一本線差值是對學分績點影響最大的因素,且Pearson相關系數(shù)為0.336,表現(xiàn)為正相關。文中用一本線差值來間接表征飛行學生高考總分的高低??梢酝茢喑龈呖伎偡峙c學分績點的關聯(lián)程度很強,且呈正相關。建議通過提高錄取分數(shù)線,來提升飛行大學生生源質(zhì)量。
1.相對關聯(lián)性
根據(jù)表2、3,灰色關聯(lián)度和Pearson相關系數(shù)的影響程度排序雖然不同,但是,表2中影響權重表明,數(shù)學(22.4%)和英語成績(22.0%)對學分績點的相對影響程度是相近的。
2.絕對關聯(lián)性
根據(jù)表3中Pearson相關系數(shù),數(shù)學、英語成績對學分績點的影響程度,較語文成績、文理科兩個因素更顯著。從教學實際經(jīng)驗分析,飛行技術專業(yè)屬于理工科,數(shù)學基礎對于專業(yè)課程的學習至關重要;另一方面,飛行學生在后期執(zhí)照學習過程中,對英語水平的要求較高。數(shù)據(jù)分析結論和民航高校教學實踐經(jīng)驗相吻合,說明高考數(shù)學、英語成績對飛行學生的學習影響顯著。
從灰色關聯(lián)的分析結果,語文成績和文理科對學分績點的相對影響程度較其他三個因素小。根據(jù)Pearson雙變量相關性分析結果,這兩個因素,尤其是文理科對于學分績點的影響較小??梢岳斫鉃闃颖局欣砜粕臀目粕趯W習飛行理論知識時,沒有表現(xiàn)出特別大的差異。
本文采用灰色關聯(lián)分析模型對中飛院2008~2016年的飛行學生數(shù)據(jù)進行分析,并與Pearson雙變量相關性分析結果對比,得到以下結論與建議。
1.灰色關聯(lián)分析表明,各因素對飛行學生學分績點的影響程度,從大到小排序依次是:一本線差值、高考數(shù)學、高考英語、高考語文、文理科。
2.學生的高考成績與學生在高校的學分績點存在很強的關聯(lián)性,且呈正相關。
3.高考數(shù)學、英語成績與學分績點的關聯(lián)性較強,且認為高考數(shù)學和英語成績對于飛行技術專業(yè)的學習同等重要。
4.高考語文成績、文理科對學分績點的影響相對較小。
5.建議民航類高校提高招飛錄取分數(shù)線,并對高考數(shù)學、英語的分數(shù)做適當?shù)囊?,以確保生源質(zhì)量,順應學科發(fā)展趨勢,落實民航局人才培養(yǎng)計劃。