基于数据驱动的专业工程认证持续改进决策方法

刘孝保

摘要：持续改进是专业工程认证教育的内在推动力，其效果将直接影响工程认证教育的效果，而持续改进决策将直接决定持续改进的效果。随着工程教育的发展，传统依赖经验的决策方法已不能满足实际需求，为此，提出了基于数据驱动的专业工程认证持续改进决策方法，该方法根据专业工程教育认证内容和管理模式，构建了基于数据驱动的实现流程，然后在流程基础上，构建了数据驱动决策方法。该模式将对专业工程认证的顺利进行具有重要的意义。

Abstract： Continuous improvement is the intrinsic driving force of professional engineering certification education， its effect will directly affect the effect of engineering certification education， and continuous improvement decision will directly determine the effect of continuous improvement. With the development of the engineering education， the traditional decision-making method of relying on experience can not meet the actual demand. To this end， a continuous improvement decision-making method of professional engineering certification based on data-driven is put forward. According to the content and management mode of professional engineering education established the implementation process Based on the data-driven， and then on the basis of the process， to build a data-driven decision-making method. This model will be of great significance to the successful conduct of professional engineering certification.

關键词：专业认证；数据驱动；持续改进；分析与决策

Key words： professional certification；data-driven；continuous improvement；analysis and decision-making

中图分类号：TP391.3 文献标识码：A 文章编号：1006-4311（2018）03-0151-03

0 引言

工程教育是我国高等教育的重要组成部分，在高等教育体系中“三分天下有其一”。截至2013年，我国普通高校工科毕业生数达到2876668人，本科工科在校生数达到4953334人，本科工科专业布点数达到15733个，总规模已位居世界第一。工程教育在国家工业化进程中，对门类齐全、独立完整的工业体系的形成与发展，发挥了不可替代的作用。工程教育专业认证是国际通行的工程教育质量保障制度，也是实现工程教育国际互认和工程师资格国际互认的重要基础。工程教育专业认证的核心就是要确认工科专业毕业生达到行业认可的既定质量标准要求，是一种以培养目标和毕业出口要求为导向的合格性评价。工程教育专业认证要求专业课程体系设置、师资队伍配备、办学条件配置等条件都围绕学生毕业能力这一核心任务展开，并强调建立专业持续改进机制和文化，以保证专业教育质量和专业教育活力[1]。

工程教育专业认证的设计与实施，遵循了三个基本理念：成果导向、以学生为中心、持续改进。持续改进理念贯穿工程教育专业认证的全过程，且工程教育专业的持续改进效果依赖于学校教学质量管理体系的完整性与有效性[2]。持续改进的核心是改进策略的分析和制定，在传统模式下持续改进的基础是通过直观经验的方式进行，但是直观方法具有片面性、随机性，因此需要更为科学的决策分析方法。另外，随着信息技术的发展，学生培养过程的数据呈现出爆发式增长态势。随着数据分析技术的发展，利用数据分析技术进行决策成为未来决策的主流方向之一[3-5]。

为此，本文以数据驱动决策为出发点，提出一种基于数据驱动的持续改进[8-9]决策的新模式，进而建立了持续改进决策的方法体系和持续改进的智能决策。通过构建数据获取、数据存储、数据预处理、数据分析、数据分析与挖掘、数据决策等模型，进而实现基于数据的智能决策方法，确保持续改进决策的合理性，提高学生培养的质量。

1 数据驱动下的专业工程认证分析决策系统构建

从专业工程认证的内容来看，专业认证管理系统主要可分为学生、培养目标、毕业要求、持续改进、课程体系、师资队伍和支撑条件等部分，各部分的内容以及相互关系如图1所示。其中，持续改进是整个认证过程的内在驱动力，驱动专业以学生为中心，以成果为导向的培养体系运转，保障学生培养体系的良性发展，增强培养质量。

在工程专业管理内容和相互关系的驱动下，需要构建相对应的数据采集、分析与决策系统。数据采集主要包括在学生培养过程中所有相关的数据库信息，如学生信息、学生实践信息及学生就业信息等；文件数据主要包括在培养过程中所形成的管理文件、管理政策及总结报告等文本信息；视频数据主要包括学生培养过程的所有视频资源；图片数据主要包括学生培养过程中所有相关的图片信息。数据驱动系统将上述数据存储，并将其作为培养过程的主要流程数据，同时也是以后决策制定的原始数据。将所有相关数据存储后，需要对数据进行预处理，预处理主要包括冗余数据去除、错误数据去除和数据规范化。将预处理后的数据利用现代数据分析与挖掘和人工智能等方法找到决策的依据，然后依次进行持续改进决策，最后进行实施。实施过程的相关书图集同样需要进行数据采集，该数据将成为今后决策的原始数据，这样就形成了一个持续改进的封闭环，确保培养过程一直处于持续改进的优化过程中，同时确保学生培养质量，数据驱动管理实施流程如图2所示。endprint

2 数据驱动下专业工程认证持续改进决策新模式

传统的持续改进决策方法主要是经验方法，从学生的学习效果中按照经验找到存在的问题，然后预想可能存在的问题和可能的解决办法，然后从中选出觉得比较适合的内容。但这种经验决策方法具有如下缺点：①由于采用主观经验的方式发现问题，因此发现的问题往往都比较浅显和片面，其解决方案的效果也欠佳；②在找到问题后采用经验的方式去解决问题，没有对其进行预测评估，往往导致在改进过程中才发现问题，影响了持续改进的效果。为此，随着信息技术的发展，需要利用数据驱动的理念并采用人工智能的方式去找到问题所在，同时对问题的解决方案进行预测评估来找到合理的解决办法，这样就能够构成一个良好的持续改进决策实施流程。数据驱动下专业工程认证持续改进决策新模式主要包含两个：学生培养效果分析和学生培养持续改进预测与决策方法。

2.1 学生培养效果分析

在利用数据驱动解决学生培养效果分析与决策问题的新思路中，首先基于数据思维，将学生学习的相关状态参数、教师教学相关数据及其他相关信息通过聚类、序列模式挖掘、关联等数据挖掘方法分析数据之间的关联关系与数据变化对学生学习效果影响的演化规律，并建立学习效果预测模型；最后从预测模型中找到关键参数进行定量控制，实现系统优化。基于以上思路，形成数据驱动的“分析+决策+实施+管理”新模式，如图3所示。

数据分析是对学生学习、教师教学及其他相关数据的关联分析，在清洗、分类与集成等数据预处理的基础上，构建挖掘序列模式，实现数据的关联分析，挖掘数据之间的影响规律。

改进决策是通过分析数据所得，描述学生学习效果与存在问题之间的内在关系。通过将学习效果指标数据化，并建立对应模型描述学习效果对性能指标的影响规律，易于找到提高学生培养质量的决策方法。

系统管理主要是指在学生培养过程中按照工程教育理念进行管理方面的内容，包括主要系统的权限管理、文件管理、数据管理和统计分析报表管理等。

2.2 学生培养持续改进预测与决策方法

在学生培养效果分析的基础上找到学生培养的问题所在，然后分析所有可能的解决方法。并在利用学生培养效果分析模型的基础上利用深度神经网络等人工智能算法建立解决方案的预测模型，将所有解决方案进行预测分析，最终综合考虑采取何种改进决策意见，由此构建基于数据驱动的学生改进决策方法，提高学生学习的效果。

3 数据驱动下专业工程认证分析与决策方法论体系

在“分析+决策+实施+管理”这一决策新模式下，利用大数据解决学生学习效果分析与决策问题，需要实现学生学习效果等相关数据预处理与分析、各系统运行分析与性能预测以及系统运行决策与性能优化。然而在这一过程中大量关联数据的关系错综复杂，数据预处理与分析方法有必要进一步深入研究。根据以上分析，为更好通过多维关系建立系统性能与参数间的相关关系实现性能预测，在基于数据驱动的持续改进系统中，从学习数据获取、学习数据存储、数据预处理与分析、数据预测、数据决策、落实实施、管理等环节持续改进。

3.1 学生学习数据预处理

系统运行过程中监测所得数据具有海量、多维、多尺度和多源异构等特性，数据必须经过预处理才能加以分析，所以对数据错误、数据冲突及重复等情况的过滤变得尤为重要。在此基础上进一步研究多级优化的过滤规则，排除数据坏点，为系统运行分析与决策提供更为可靠的数据库。然后基于本体论构建全局数据模型，通过建立数据结构化文本的描述手段实现对数据的统一建模。最后通过稀疏矩阵建立大数据的稀疏表示框架，并对数据的不同维度聚类，形成参数多维分类视图，方便系统运行分析与决策的实际运用。

3.2 学习影响因素关系网络建模及预测

由于学生学习的相关状态参数、教师教学相关数据及其他相关数据各异，各个参数的数据间存在相互干扰和相互影响，因此在数据挖掘算法的基础上，利用复杂网络理论描述系统及数据之间的关联规则和相关系数，并对学生学习过程中可能存在的问题进行预测分析。

3.3 持续改进决策

将系统运行的性能预测值与目标决策值进行实时对比，通过关键参数对系统的影响进行及时调整，优化系统，如设备寿命智能决策方法和系统智能调度方法。

3.4 系统管理

将系统运行过程中采集的监测数据、数据分析结果、决策结果、反馈效果等信息在系统平台进行综合管理。

4 总结

本文针对传统专业工程认证教育中以个人经验来对学生培养过程进行决策的问题，提出一种基于数据驱动的专业工程认证持续改进决策方法。通过构建数据获取、数据存储、数据预处理、数据分析、数据分析与挖掘、数据决策等模型，进而实现基于数据的智能决策方法，确保持续改进决策的合理性，提高学生培养的质量。

参考文献：

[1]王珣.多视角多层次多维度呈现中国工程教育质量第一份《中国工程教育质量报告》“问世”[EB/OL].http：//old.moe.gov.cn//publicfiles/business/htmlfiles/moe/s5987/201411/178168.html.

[2]李志义.解析工程教育专业认证的持续改进理念[J].中国高等教育，2015（Z3）：33-35.

[3]張海，付伟.面向工程教育认证的机械工程专业实验教学体系建设[J/OL].实验技术与管理，2017（10）：166-169，186.http：//kns.cnki.net/kcms/detail/11.2034.T.20171016.1157.041.html.DOI：10.16791/j.cnki.sjg.2017.10.041.

[4]徐广华.“国际专业认证”背景下高校体育课程改革理论分析[J/OL].现代交际，：1.http：//kns.cnki.net/kcms/detail/22.1010.C.20170928.0040.024.html.

[5]刘向荣，吴晓洁.专业认证导向下我国高校工科专业培养目标设定研究——以我国高水平大学为例[J/OL].河北工业大学学报（社会科学版），：1-7.http：//kns.cnki.net/kcms/detail/13.1396.G4.201709

28.0943.002.html.DOI：10.14081/j.cnki.cn13-1396/g4.2017.000015.

[6]赵永辉，刘淑玉.高校工科专业工程认证背景下教学改革探讨[J].科教文汇（中旬刊），2017（09）：32-34，51.

[7]谢玲，陆坤，迟宗正.工程认证背景下的软件人才培养体系探讨[J].实验室科学，2017，20（04）：232-235，240.

[8]尤汉虎，陈爱贞，黄祖星.浅谈质量管理体系持续改进的策略与措施[J].当代医学，2011，17（21）：41-42.

[9]席淑华，周立，蒋少华，于冬梅.持续改进服务质量的做法及效果评价[J].中华护理杂志，2005（07）：533-534.endprint