數(shù)據(jù)挖掘在高職學(xué)生綜合素質(zhì)評(píng)價(jià)中的應(yīng)用研究

趙曦

[摘? ? ? ? ? ?要]? 目前高職學(xué)生綜合素質(zhì)評(píng)價(jià)多以簡(jiǎn)單的加權(quán)線性關(guān)系作為評(píng)價(jià)模型，這種評(píng)價(jià)依賴于經(jīng)驗(yàn)或主觀判斷，利用數(shù)據(jù)挖掘算法，將學(xué)生的各類(lèi)綜合素質(zhì)得分進(jìn)行聚類(lèi)分析，進(jìn)而劃分為不同的類(lèi)別，弱化排名對(duì)學(xué)生綜合素質(zhì)評(píng)價(jià)帶來(lái)的影響，使大學(xué)生綜合素質(zhì)評(píng)價(jià)更加科學(xué)、有效，為高校學(xué)生管理工作提供決策支持。

[關(guān)? ? 鍵? ?詞]? 數(shù)據(jù)挖掘;綜合素質(zhì)評(píng)價(jià);神經(jīng)網(wǎng)絡(luò)

[中圖分類(lèi)號(hào)]? G712? ? ? ? ? ? ? ? ?[文獻(xiàn)標(biāo)志碼]? A? ? ? ? ? ? ? [文章編號(hào)]? 2096-0603（2021）23-0090-02

一、引言

開(kāi)展全方位的素質(zhì)教育是高職院校提升人才培養(yǎng)質(zhì)量的主要手段，而如何科學(xué)系統(tǒng)地評(píng)價(jià)大學(xué)生的綜合素質(zhì)，是現(xiàn)代大學(xué)教育的一個(gè)重要研究課題。習(xí)近平總書(shū)記在全國(guó)高校思想政治工作會(huì)議上強(qiáng)調(diào)，“要重視和加強(qiáng)第二課堂建設(shè)，重視實(shí)踐育人，堅(jiān)持教育同生產(chǎn)勞動(dòng)和社會(huì)實(shí)踐相結(jié)合，廣泛開(kāi)展各類(lèi)社會(huì)實(shí)踐，讓學(xué)生在親身參與中認(rèn)識(shí)國(guó)情、了解社會(huì)，受教育、長(zhǎng)才干”。綜合素質(zhì)教育對(duì)訓(xùn)練學(xué)生開(kāi)放的知識(shí)結(jié)構(gòu)、多維的能力結(jié)構(gòu)、不懈的探索精神，培養(yǎng)學(xué)生的開(kāi)放思維、健全人格具有積極促進(jìn)作用。目前高職院校綜合素質(zhì)評(píng)價(jià)體系仍存在指標(biāo)僵化、不夠客觀等問(wèn)題，主要是因?yàn)榇髮W(xué)生的綜合素質(zhì)評(píng)價(jià)具有維度較大、過(guò)程復(fù)雜、個(gè)體發(fā)展不均衡的特點(diǎn)，并隨著學(xué)生的成長(zhǎng)，評(píng)價(jià)體系會(huì)不斷動(dòng)態(tài)進(jìn)化，不同年級(jí)的學(xué)生評(píng)價(jià)標(biāo)準(zhǔn)不盡相同。研究如何對(duì)大學(xué)生綜合素質(zhì)進(jìn)行科學(xué)、有效、系統(tǒng)的評(píng)價(jià)，并利用評(píng)價(jià)結(jié)果反作用于學(xué)生管理，對(duì)高職院校人才培養(yǎng)質(zhì)量的整體提升具有重要的意義。

二、高職學(xué)生綜合素質(zhì)評(píng)價(jià)模型

高職綜合素質(zhì)評(píng)價(jià)中最常見(jiàn)的評(píng)價(jià)方案是將評(píng)價(jià)的指標(biāo)和結(jié)果看作簡(jiǎn)單的加權(quán)線性關(guān)系，例如學(xué)年綜合測(cè)評(píng)=學(xué)業(yè)成績(jī)×60%+綜合素質(zhì)積分×40%。以此綜合評(píng)測(cè)為依據(jù)，各專(zhuān)業(yè)年級(jí)依據(jù)學(xué)生測(cè)評(píng)得分的名次進(jìn)行評(píng)優(yōu)評(píng)獎(jiǎng)，學(xué)校和各二級(jí)學(xué)院按測(cè)評(píng)總分高低進(jìn)行審批入黨、就業(yè)推薦等，并評(píng)選出優(yōu)秀畢業(yè)生。而對(duì)于綜合素質(zhì)積分，一般通過(guò)選擇多種評(píng)價(jià)指標(biāo)，例如身心健康、創(chuàng)新創(chuàng)業(yè)、技術(shù)技能、人文藝術(shù)等，對(duì)這些指標(biāo)數(shù)據(jù)還要再一次進(jìn)行加權(quán)賦值。而對(duì)于評(píng)價(jià)結(jié)果來(lái)說(shuō)，一般的做法是依據(jù)加權(quán)賦值之后的計(jì)算結(jié)果進(jìn)行排名，或者用“優(yōu)秀”“良好”“合格”“不合格”這樣的等級(jí)作為定性結(jié)果。

這種局限于簡(jiǎn)單的賦權(quán)評(píng)價(jià)難以抓住以“職業(yè)道德素養(yǎng)、技術(shù)技能水平和就業(yè)創(chuàng)業(yè)能力”為核心要素和關(guān)鍵環(huán)節(jié)的高職教育關(guān)鍵點(diǎn)，因?yàn)閷?shí)際上綜合素質(zhì)指標(biāo)和結(jié)果之間是一個(gè)非常復(fù)雜的非線性關(guān)系。本文通過(guò)數(shù)據(jù)挖掘算法，尋找各類(lèi)評(píng)價(jià)數(shù)據(jù)中的聯(lián)系，弱化排名對(duì)學(xué)生綜合素質(zhì)評(píng)價(jià)帶來(lái)的影響，使大學(xué)生綜合素質(zhì)評(píng)價(jià)更加科學(xué)、有效，為高校學(xué)生管理工作提供決策支持。

三、數(shù)據(jù)挖掘

數(shù)據(jù)挖掘就是從大量的樣本數(shù)據(jù)中，尋找其規(guī)律的技術(shù)，一般可以分為描述和預(yù)測(cè)兩類(lèi)，可以分析出隱藏的但潛在有用的信息。數(shù)據(jù)挖掘的算法主要包括神經(jīng)網(wǎng)絡(luò)、決策樹(shù)、仿生算法、粗糙集、模糊集、關(guān)聯(lián)規(guī)則等，國(guó)內(nèi)已有學(xué)者和專(zhuān)家利用數(shù)據(jù)挖掘技術(shù)對(duì)大學(xué)生綜合素質(zhì)教育數(shù)據(jù)進(jìn)行研究[1]，對(duì)高職學(xué)生綜合素質(zhì)評(píng)價(jià)的研究也取得了許多成果，也有學(xué)者結(jié)合學(xué)生大數(shù)據(jù)對(duì)高職學(xué)生綜合素質(zhì)評(píng)價(jià)體系進(jìn)行研究。例如劉曉飛[2]、陳鳳[3]等闡述了大數(shù)據(jù)在學(xué)生綜合素質(zhì)評(píng)價(jià)中的應(yīng)用價(jià)值及創(chuàng)新構(gòu)建優(yōu)化測(cè)評(píng)模型。本文提出基于自組織特征映射神經(jīng)網(wǎng)絡(luò) SOM[4]方法進(jìn)行數(shù)據(jù)挖掘分析。

四、應(yīng)用實(shí)現(xiàn)

神經(jīng)網(wǎng)絡(luò)是通過(guò)模擬人腦神經(jīng)生理特性而建立的算法總和，該模型把神經(jīng)元抽象為邏輯器件，把大量的神經(jīng)元聯(lián)結(jié)成網(wǎng)絡(luò)結(jié)構(gòu)，通過(guò)設(shè)置邏輯器件的閾值和權(quán)重來(lái)模擬復(fù)雜系統(tǒng)。20世紀(jì)80年代，神經(jīng)網(wǎng)絡(luò)進(jìn)入高速發(fā)展時(shí)期，涌現(xiàn)出一系列重要成果：玻爾茲曼機(jī)、BP神經(jīng)網(wǎng)絡(luò)、并行計(jì)算理論、最大互信息理論、徑向基神經(jīng)網(wǎng)絡(luò)等。神經(jīng)網(wǎng)絡(luò)在理論完善的同時(shí)，在模式識(shí)別、系統(tǒng)辨識(shí)、推薦系統(tǒng)、分類(lèi)回歸、圖像與自然語(yǔ)言處理等應(yīng)用方面也獲得了極大發(fā)展。神經(jīng)網(wǎng)絡(luò)的知識(shí)信息以分布式的方式存儲(chǔ)在各個(gè)連接權(quán)重上，部分神經(jīng)元的損壞并不能帶來(lái)太大的影響，具有較強(qiáng)的容錯(cuò)性。

SOM算法是人工神經(jīng)網(wǎng)絡(luò)的一種，最大的優(yōu)點(diǎn)是不需要提供前期的標(biāo)簽信息，算法過(guò)程中能很好地保留輸入層的拓?fù)浣Y(jié)構(gòu)。因此，可利用SOM處理高職學(xué)生綜合素質(zhì)評(píng)價(jià)得分結(jié)果差異，分別將個(gè)體樣本歸類(lèi)到不同的組別，以組內(nèi)差異小、組間差異大的方式進(jìn)行聚類(lèi)。聚類(lèi)結(jié)果將學(xué)生劃分為不同的類(lèi)別，通過(guò)此結(jié)果作為下一步評(píng)測(cè)的依據(jù)。該方法比較傳統(tǒng)的方法，避免了絕對(duì)排名的弊端，弱化了“唯名次論”對(duì)學(xué)生綜合素質(zhì)評(píng)價(jià)帶來(lái)的影響。

SOM分為輸入層和輸出層兩層。輸出層的神經(jīng)元采用競(jìng)爭(zhēng)的方式激活，每個(gè)神經(jīng)元有一個(gè)權(quán)值向量，輸入層的每一個(gè)向量x會(huì)激活與之最接近的神經(jīng)元，這個(gè)神經(jīng)元叫作獲勝神經(jīng)元（winner）。輸出層的所有的神經(jīng)元組織成一個(gè)網(wǎng)格，網(wǎng)絡(luò)的結(jié)構(gòu)通常取決于輸入的數(shù)據(jù)在空間中的分布，網(wǎng)格可以是四邊形、六邊形、鏈狀等，可以由算法自行設(shè)定，一般情況的輸出是一個(gè)二維的矩陣。

將SOM應(yīng)用于高職學(xué)生綜合素質(zhì)評(píng)價(jià)，不同于通過(guò)計(jì)算每項(xiàng)分類(lèi)的權(quán)重，然后再依據(jù)得分排名的方式，而是依據(jù)每一項(xiàng)綜合素質(zhì)評(píng)價(jià)得分結(jié)果差異，分別將其歸類(lèi)到不同的組別，以組內(nèi)差異小、組間差異大的方式進(jìn)行聚類(lèi)，然后在不同的類(lèi)別中再進(jìn)行評(píng)價(jià)和認(rèn)定。算法的具體步驟如下：

1.選取同一專(zhuān)業(yè)同一年級(jí)的數(shù)據(jù)，例如200個(gè)學(xué)生的分類(lèi)得分?jǐn)?shù)據(jù)作為數(shù)據(jù)樣本，用作SOM算法輸入，輸入樣本格式為： x=（x1，x2，……xn），其中7個(gè)維度分別代表思想政治、身心健康、創(chuàng)新創(chuàng)業(yè)、技術(shù)技能、人文藝術(shù)、志愿服務(wù)、勞動(dòng)實(shí)踐7個(gè)模塊的得分，因此，神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)個(gè)數(shù)設(shè)置為7。