APP下载

聚类分析法在高职院校订单式培养学生综合素质评价中的应用

2012-07-30王品悦

天津商务职业学院学报 2012年4期
关键词:订单式订单聚类

王品悦

天津中德职业技术学院,天津300350

一、问题的提出与分析

所谓高职教育的“订单式”培养是指企业与学校签订用人协议,双方共同制订人才培养目标与计划,充分利用双方优势资源,共同参与人才培养的全过程,最后由企业按照协议约定安排学生就业的合作办学模式。“订单式”人才培养模式的建立为高职教育教学改革注入了新的活力。从该模式本身设计思路来看,它加强了校企之间的紧密合作,就业导向明确,企业参与程度深,能极大地调动学校、学生和企业的积极性,提高人才培养的针对性和实用性,实现学校、企业与学生的三方“共赢”。

由于在订单式培养模式的实际操作过程中,企业与学校所签订的协议一般是当学生开始专业学习之前就确定好的,而且关于对毕业生的接收是协议的核心内容,因此,在就业形势严峻现实情况下,此种模式实际上是帮助学生提前预定了一个工作岗位,极大减轻了学生的就业压力,使他们能够安下心来踏实学习理论

知识和专业能力。另一个好处是学生就业指向明确,学校培养针对性强,学生学习针对性强、企业用人针对性强,订单培养的毕业生能够快速适应和胜任本岗工作,实际独立操作能力突出,实现了“用得上、用得好、留得住”的最终目标。但是,由许多高职院校实施订单式培养的实际情况看,因为缺乏有效的培养过程控制与竞争机制,一些学生进入到订单班之后,没有了就业的压力和后顾之忧,学习积极性和主动性明显降低,从而会直接影响到企业的用人质量,最终降低企业的参与积极性,影响该模式的良性循环和可持续发展。

鉴于此,应尽快完善“订单式”人才培养模式中的过程控制与考核机制,尤其是对订单培养的学生除正常的学籍管理与教学考核之外,应定期进行综合素质评估,建立滚动淘汰与补充制度,对达不到评估标准的学生予以淘汰,另一方面,对非“订单”班的学生经学校推荐,企业考核,双方认可的,可以补充到“订单”班里来,从而为订单式培养模式的可持续健康发展创造有力条件。

对于订单式培养学生的综合素质评估结果,可以通过多元统计学中的相关聚类分析方法,实现将现有订单班学生按其综合素质评估结果进行科学合理的分类,从而为打破以往“一进班,必进厂”的“终身制”培养模式提供科学的理论依据,建立完善“订单”班学生“能进能出”、滚动淘汰的动态管理模式,达到订单式培养不仅仅“定数量”,更注重“定质量”的理想状态。

二、聚类分析法建模及分析

将我校2011级机械学院订单培养班25名同学以如下10项指标,即代表学习态度与日常表现,代表专业水平,代表企业实践能力,代表职业道德与素养,自我管理能力,分析与解决问题能力,代表创新能力,代表沟通能力,代表心理素质,代表团队精神。根据上述10项指标建立调查问卷,由相应任课教师、专职辅导员和企业相关人员进行打分并分项求取平均值,每项指标满分为10分,以各项指标的综合平均分进行统计。表1给出了此25名同学的指标分数表,现要求将这25名同学分为优、良、中、合格、不合格五类。

1.建立统计模型(聚类分析方法)

表1

(1)采用分层聚类方法对统计数据进行聚类分析,分别用最短距离法、最长连接法进行聚类分析,并比较这三种方法聚类结果之间的异同。具体采用R软件自带统计包cluster中的agnes函数进行分层

聚类,其原型为:

其中:x表示样品观测数据矩阵或距离矩阵,取决于diss的值;metric为项目间距离的计算方法,本题采用欧氏距离;method为类间距离计算方法。

(2)采用非分层聚类方法(K均值法)对上述结果进行验证。采用cluster中的clara函数分析,其原型为:

其中k为所划分聚类数,本例中取k=5。

最后用clusplot()函数在二维空间绘制聚类结果。

2.R程序及运行结果

分层聚类方法:

(1)最短距离法R程序及数据结论如下,运行结果见图1:

图1 最短距离法聚类分析结果

类似的,可以得到最长连接法的聚类分析结果,如图2所示:

图2 最长距离法聚类分析结果

(2)非分层聚类方法(K均值法)聚类分析结果如图3所示:

3.结果分析

综合上述聚类分析结果及原始数据分析,在分层聚类方法和非分层聚类方法中,分类的结果是基本一致的,因此我们可以认为这些聚类方法在该问题上的应用是较为合适的。

图3 K均值法聚类分析结果

可以根据学校评优比例的具体要求,对该25名订单培养新模式的同学可以做如下划分:

(1)若综合素质评优比例较高,则可认为编号为1 2 3 45 6 7 9的同学综合素质为优,8 10 11 13 14 15综合素质为良,16 17 24为中,19 21 22 23 25为合格,12 18 20为不合格。

(2)若评优比例较少,则可认为编号为6的同学综合素质为优,1 2 3 4 5 7 8 9 10 11 13 14 15 16 17 24为良,19 21 22 23 25为中,12为合格,18 20为不合格。

三、结束语

运用聚类分析方法对高职院校订单式培养学生依照其综合素质评分进行分类,相对于传统的评分累加求和式评分,该方法在评价的严谨性、科学性、灵活性都有明显的优势,进而可以更加直观地反映出订单式培养学生在他们各项素质指标方面存在的差异,同时也更有利于学校和企业发现他们在某些方面的不足,并针对综合能力素质较差的学生适时调整培养方案,帮助他们尽早改正自己的不足,提升自身能力,真正能够达到未来企业中工作岗位的实际要求。

尽管如此,对于订单式培养这样一个全新的高职学生培养模式来说,建立一套科学、完备的考核指标体系才是学生综合素质考核成败的关键,指标体系既要能全面客观地反映订单式培养学生的基本情况,又要符合各此类学生的实际。因此,学校和企业的有关部门一定要针对订单式培养学生的各方面情况进行统计和分析,运用教育统计学和教育测量等理论为指导,合理选择数学模型,并科学地调整权重,使之达到最佳效果。

[1]陈志刚,马广.关于订单培养的实践与思考[J].职业教育研究,2005,(4).

[2]林苏.“学做合一”高职课程体系的构建[J].中国高等教育,2006,(8).

[3]郭长华,刘建铭.对高职高专教育“订单培养”的理性探讨[J].中国高等教育,2005,(8).

[4]刘晓欢,郭沙,彭振宁.“订单式”人才培养模式的特征及其构建[J].职业技术教育,2004,(25).

猜你喜欢

订单式订单聚类
春节期间“订单蔬菜”走俏
订单农业打开广阔市场
“订单式”培养绩效评价的构建及改进研究
基于K-means聚类的车-地无线通信场强研究
宇航通用单机订单式管理模式构建与实践
山西临猗:开展订单式培训 打造劳务输出品牌
“最确切”的幸福观感——我们的致富订单
基于高斯混合聚类的阵列干涉SAR三维成像
基于Spark平台的K-means聚类算法改进及并行化实现
基于改进的遗传算法的模糊聚类算法