构建高校学生党支部工作综合考评体系的研究

2019-09-10赵妍白翔宇

新教育论坛 2019年14期

赵妍白翔宇

摘要：如何科学有效的考评学生党支部，不仅影响到学生党支部的建设，同时也关系着大学生党员的培养。本文采用德尔菲法和模糊评价法对高校学生党支部考核指标体系进行重新筛选和权重的确立，通过BP神经网络模型进行学习训练以构建高校学生党支部量化考评体系。该考评量化体系能够应依托互联网大数据时代先进的信息技术，实现考核全过程动态跟踪，建立起一整套科学化、全面化、信息化的学生党支部工作考核体系。

关键词：学生;党支部;考评体系

一、引言及文献综述

2016年12月，在全国高校思想政治工作会议上，习近平总书记强调了加强党对高校领导的重要意义，系统性地回答了办什么样的大学、怎样办大学、培养什么样的人、如何培养人、为谁培养人等问题，研究分析了高校思想政治工作面临的形势、存在的问题，就进一步加强和改进高校思想政治工作作出了全面部署。

2017年2月份以来，中共中央、国务院和中共教育部党组先后印发了《关于加强和改进新形势下高校思想政治工作的意见》和《普通高等学校学生党建工作标准》，进一步明确了高校思想政治和学生党建工作的聚焦点、着力点，增强了做好工作的信心、决心和责任感、紧迫感。大学生是国家和民族未来的希望，而学生党支部是党在高校大学生群体开展党建工作的重要战斗堡垒和组织实施力量，是学习宣传贯彻党的最新理论精神在学生党建工作领域的重要抓手和依托。科学有效的学生党支部考评体系，不仅可以直观反映学生党支部建设情况，也是高校大学生党员培养的有效保障。

而国内关于学生党支部工作考评体系的研究，主要分为两个阶段。

首先是理论探索阶段。奉飞和傅剑平（2008）指出目前的党支部考核方式没有体现考核的"导向作用"，进而建议利用"平衡计分卡"科学管理方式，将高校基层支部的具体运作与党的根本性建设相结合，构建出体现高校基层党支部特点的量化考评指标体系。严柏炎和廖志宏（2011）对杭州师范大学学生党支部量化考核制度进行了经验总结，深入探讨了高校学生党支部量化考评制度的建设问题，为健全高校学生党建考评机制，推动高校党建工作的制度化、规范化提供了借鉴。曹智和王艳（2012）在学习型组织理论框架下指出了建立高校学生党支部考评体系的重要性，并对当前考评工作存在的问题进行了探讨，并提出了学习型理论框架下新型考核体系的具体内容。刘靖娜（2015）指出高校党建工作规范化、科学化的发展具有重要意义，并探讨了建立高校学生党支部考评体系的原则，具体包括客观性、科学性、可行性和导向性等原则。

近年来，党支部考核体系逐渐进入量化研究阶段。刘亮（2012）借鉴了国内学者和党建工作者研究和实践经验，通过关键绩效指标法和平衡计分卡法构建了高校学生党支部工作考评体系。王学宽（2012）采用“创先争优”活动的思路，提出实行党支部星级管理制度，通过建立起一系列标准化、规范化的规章制度，以实现党建工作的量化考核。刘振华等（2014）在深入探讨了高校学生党支部量化考评制度建设的基础上，将学生信息、学习信息和相关学生管理系统信息进行了整合，基于C/S模式和Oracle数据库，利用Java语言设计并应用了学生党支部量化考评体系软件。岳春艳（2016）认为实行学生党员量化考核是一种新型的高校学生党员教育和管理模式，应从原则上和内容上出发，科学地制定高校学生党支部量化考评标准。

二、当前高校学生党支部考评工作存在的问题

现阶段，高校学生党支部陆续建立起了较为完备考评体系，但仍存在以下问题：

一是考评体系缺乏系统性、全面性。现阶段对学生党支部的考评仅仅依赖于述职报告、工作总结等文字材料，没有真正发挥考评的作用，也没有实现全方位、立体化的考核。

二是考评标准缺乏科学性、主动性。考核评价标准往往存在同质、固定等问题，各类基层党组织考核标准雷同，不能针对自身特色进行考评。

三是考评方式缺乏规范性、严肃性。个别学生党支部工作随意性大，负责人专业党建知识不足;考评覆盖的广度、深度不足，又受时间限制，不能全面对对象进行考察;考核結果得出后公示及后续的改进措施没有跟进。

因此，建立健全基层学生党支部考核评价体系已成为学生党建工作面临的迫切性课题。

三、高校学生党支部考核体系构建原则

1.科学性与统一性相结合的原则。

制定高校学生党支部量化考核时，需要特别强调科学性，而且考评制度的制定也要符合学生党员发展的阶段性特点，这样才能使学生党支部的考核机制能够达到预期的考核效果。此外，在保证科学性的前提下，还要尽可能使考核机制简单易行，可以直观反映出学生党支部各项考核指标的表现，从而有利于分析判断和进一步管理。

2.常态性和主动性相结合的原则。

目前学生党支部考核基本以年终述职为主要方式进行，频率较低，容易流于形式，难以及时有效地掌握学生党支部在党员思想、学习和支部工作等方面的真实情况。因此应加强考核主动性，实现常态化，以加强对学生党支部的监督与指导。

3.奖惩性和反馈性相结合的原则。

党支部考评的目的是希望通过考评来进一步完善支部建设，对于优秀党支部和优秀党员要进行宣传和表彰，对落后党支部和党员要及时进行劝勉，跟踪帮教、限期整改，真正实现以考核促进步、以考评促发展的目的。

四、高校学生党支部量化考核体系的具体构建

1.构建方法

（1）德尔菲法

本文采用德尔菲法主要用于筛选指标和确定指标权重。德尔菲法与召集专家开会、集体讨论得出一致意见的专家会议法不同，它不但能发挥专家会议法的优点，而且更为科学准确。这种方法虽然过程较为复杂，花费时间较长，但其具有广泛的代表性，十分可靠。

①选择一批熟悉党建工作的专家，一般至少20人左右，包括理论和实践两方面专家

②向各位选定专家介绍问题和提供有关背景资料，包括注意事项和特殊说明等。

③专家根据所收到的材料，对党支部工作考核体系指标选取提出意见建议。

④将各位专家第一次选取意见汇总，列成图表，进行对比，再分发给各位专家，让专家比较自己同他人的不同意见，修改自己的意见和判断。

⑤将所有专家的修改意见收集起来，汇总后再分发给各位专家，以便做第二次修改。逐轮收集意见并为专家反馈信息是德尔菲法的主要环节，一般要经过三、四轮。

⑥对专家最终意见进行综合处理，确定最终考评指标体系。

⑦将确定的指标再次反馈给专家，征询专家对于指标权重的意见，重复以上步骤以确定最终指标权重。

（2）模糊综合评价法

模糊综合评价法是基于模糊数学中的隶属度理论，对评价过程的非线性评价论域进行量化综合，将定性评价转化为可比的定量评价结果。本文运用模糊综合评价法主要用于定性指标评价打分。

①确定评价对象的因素论域，即评价指标。这个前面通过德尔菲法已经确定。

②确定评语等级集合，即每一个等级对应一个模糊子集。比如将每个指标分为三级，每一级分别对应一定评语。

③确定评价因素的模糊权向量。通常情况下，不同评价因子对评价对象的影响程度是不同的，为了衡量它们在评价中的贡献大小，通过模糊评价得到党支部工作绩效各因素得分值，使得所有指标具有可比性。

④构建评价模糊矩阵。在构建了等级模糊子集后，逐个对党支部工作绩效在每个因素上进行量化，从而确定从每个因素对各等级模糊子集的隶属度，最终得到模糊关系矩阵。

⑤利用合适的合成因子将与党支部工作绩效各因素评价结果合成得到各评价指标的模糊综合评价结果向量，最后确定等级评分。

（3）BP神经网络模型

BP神经网络模型本质上是多层感知机，因为其学习算法采用了BP算法，而被称为BP神经网络。BP神经网络模型由输入层、隐含层和输出层组成，其在进行训练学习时采用使总误差向减小的误差梯度下降法，具有模型简单、结构清晰、计算量小等优点。在初始时刻其连接权值和闭值是随机给定的，通常采用有闭值特性的作为网络训练的响应函数）。这种学习训练方式虽然能使学习矢量稳定到一个解，但容易陷入局部极小值，而不是模型需要的误差全局最小解。经过学界多年研究，目前在避免陷入局部极小值和加速网络的收敛速度等问题上有了许多改进措施，以实现全局误差真正的梯度下降，根据响应函数Sigmoid函数可求出隐含层单元和输出层单元的误差，最终得到调整后的连接权值和阀值。

本文将高校学生党支部工作评价指标属性值进行标准化处理后作为BP神经网络模型的输入向量，将工作考评结果作为BP神经网络模型的输出向量，利用足够多的训练样本训练该网络，从而使其获取党建工作专家的经验、主观判断以及对指标权重的倾向。由此BP神经网络模型所具有的权重系数值就是该网络经过训练学习所得到经验知识的内部表示，训练好的BP神经网络模型根据待评价党支部各考评指标的得分，就可得到对该学生党支部工作绩效的考评结果，再次体现党建工作专家的经验、主观判断以及对指标权重的倾向，从而实现定性与定量考评的有机结合，保证了考评的科学性和一致性。

2.应用实例

（1）考评指标选取及权重确定

权重是专家经验和决策者意志的体现，相当程度上决定了多目标决策的精度，它的确定是多目标决策的关键。本文学生党支部考评指标权重由德尔菲法来确定，为此向30位有着多年党建工作经验的教育工作者发放了专家建议问卷，展开对所选定考评指标的相对重要性进行评估。对各位专家意见通过算术平均法进行汇总后，计算出高校学生党支部考评指标体系权重如表1所示。

学生党支部考评指标体系分为组织生活制度、支部日常管理、党员教育管理、发展党员工作、发挥党员作用和特色工作等六个指标层，总指标数为26个，利用德尔菲法得到指标权重。通过模糊综合评价法对定性指标设置指标评分等级，从大到小分别为5、4、3、2、1，将新的评分表分发给30名专家对各党支部考评成绩打分，搜集各专家的评分表，再对各原始数据值实现标准化，然后利用算术平均法求出各指标平均标准值，从而得到标准化数据，以得到神经网络模型的训练样本输入矩阵和输出向量。

（2）神经网络模型训练考评样本

某学院共有20个学生党支部，党支部考核于每学期期末举行，某学院学生党总支对最后的考核成绩进行汇总，并进行公示，对成绩优秀的支部和干部进行表彰。

神经网络的训练样本包括输入变量和输出变量，其中：

输入变量也就是党支部评价指标变量，具体包括组织生活制度、支部日常管理、党员教育管理、发展党员工作、发挥党员作用和特色工作等六个方面共26个变量。

输出变量也就是党支部绩效等级变量，用表示。其中的取值范围为{0，1}。输出0或1表示原始数据有误，0-1之间数值的大小代表了考评绩效等级的高低。从实用性强和操作简便等角度出发，将党支部考评绩效的标准分为四级，即优秀、良好、合格、不合格。根据网络的输出向量，结果处理如下：

如果0.9≤ <1，则 =1（优秀）

如果0.7≤ 0.9，则 =2（良好）

如果0.6≤ 0.7，则 =3（合格）

如果0≤ <0.6，则 =4（不合格）

经过神经网络的综合评价指数计算的评价模型在Matlab中進行训练，训练后用5个学生党支部考评分数归一化后的数据作为测试样本进行泛化，就可以得到网络训练和泛化结果。

（3）模型验证与检验

选取训练样本中一个党支部考评数据用于检验训练好的神经网络，将得到的输出泛化值与实际值进行比较，以检验模拟精度。网络泛化结果比较见表2。结果表明，神经网络模型具有比较高的精确度。