基于证据推理方法的高校校园安全评估方法研究

吴 敏

(芜湖广告产业园资产管理有限公司，安徽 芜湖 241000)

随着高等学校的进一步扩招，高等院校的本专科招生人数和毛入学率逐年增加，使得高校校园的在校生规模不断增加。据教育部数据统计，高校在校总人数从2012年3 325万人增长到2018年3 831万人[1]。高校校园里逐年增长的学生给高校安全管理带来很大的考验。国家就校园安全问题出台了相关政策和法规，提出了相关措施保障学生和校园安全。尽管如此，高校校园安全管理问题仍然不容乐观[2]。因此，为保障高校学生能够健康发展、校园稳定和谐，对高校校园安全的整体评估显得尤为重要。

很多学者对影响校园安全的因素提取、校园安全评估的指标体系构建和评价模型等展开了系统性的研究。周涛[3]采用问卷调查的方式，采集数据，通过假设检验，探讨了各个影响因素与校园安全之间的关系。张善红[4]等运用模糊综合评价方法对商洛某所大学的安全问题进行了实证研究。张特曼[5]等集合了主客观权重求解方法的优点，利用AHP和熵权法求解校园安全指标之间相对重要性的大小。于建新[6]等通过训练神经网络，充分运用已有的评估信息，模拟和学习模型，得到较为可靠的评估结果。在考虑评估数据可能存在不完全信息的情况下，皮祖训[7]构建了基于灰理论的校园安全评估模型，通过计算指标之间的灰色关联度来实现评价。王莹莹[8]等运用可变模糊集对评估数据进行处理，采用有序比值法计算得到指标的权重。基于投入产出得出效率的思想，高山[9]等构建Bootstrap-DEA模型对中国各个省份的中小学校园进行安全评估，取得了较好的截面评估结果。覃德泽[10]通过专家打分收集数据，构建基于云模型的评估模式，计算整体的期望值得到该校园的安全得分。

上述文献中，很多学者用不同的角度和方法构建了校园安全的评估模型，在一定程度上能够实现对高校校园安全水平的有效评估，然而，在面对复杂的评估决策环境和评估过程时，上述一些方法还存在不足，需要进行完善。一是在现实评估过程中，通过问卷等方法获得某些指标的信息可能存在模糊性(如200份调查问卷，某个指标有180人在不同分值上进行打分，还有20人因不确定未能打分，此时这种情形的数据模糊性以往研究不能有效处理)[11]；二是提出的方法多为加权平均的数据融合方法，当指标之间不满足线性加和的条件，需要采用其他方式进行数据融合[12]；三是研究对某个单一的校园进行评估的较多，对某地区相同环境下各个高校校园安全比较研究涉及较少。

证据推理方法作为一种非线性的数据融合方法，利用评估等级和置信程度对不精确、模糊等数据刻画与描述，在相关决策问题中有着广泛的应用[11]。因此，针对上述问题，提出一种基于模糊证据推理方法的高校校园安全评估方法。

1 建立校园安全评估指标体系

在遵循系统性、完备性和便于操作性等原则下，咨询学校相关部门意见和看法后，参考其他文献研究的基础上[2,5-6]，建立三级评估指标体系，包含了安全制度、安全教育等5个方面。具体的指标体系和三级指标表示如图1所示。

图1 高校校园安全评估指标体系

2 建立校园安全评价模型

(1)计算各个层级指标的权重。在这里权重可以由决策者直接给出，也可以由决策者通过AHP等方法求解得出。

(2)依据评估体系，通过网络问卷收集指标信息，计算得出各层级中指标的置信程度和不确定程度βn,i(Ij)和βH,i(Ij)。

(3)在得到Hn和βn,i(Ij)基础上，把校园安全评估指标体系中各层级指标看作证据源，各等级H1,H2,H3,H4,H5看作识别框架，结合wi(i=1,2,…,L)，由式(1)计算第i指标上的基本概率分配值。

(1)

式中，mn,i表示第i指标在等级Hn上的基本概率分配函数。在此基础上，校园安全评估各级指标基本概率分配值采用非线性算法进行数据集结，得到上一层指标处于不同等级的概率值[12-13]，具体如式(2)所示：

(2)

其中，k表示对各个安全评估指标作为证据冲突程度的度量。同理，按照从底层向目标层进行逐层数据融合，得到某个校园Ij被评价到等级Hn上的置信程度βn和整体评估存在的不确定性βH。

(4)根据等级效用值，则各个校园安全评估的最大最小和均值可由式(3)计算出：

(3)

(5)依据各个校园安全评估得分均值可进行排序。

3 实例

选取安徽省芜湖市4所专科院校进行校园安全评估实证研究，假设为I1,I2,I3,I4。假设评价等级为5级，对应的等级效用分别为0,0.25,0.5,0.75,1。根据上述评估步骤对4所专科院校进行评估。

(1)根据AHP方法，得出二级和三级指标的权重。以二级指标为例展示说明，通过咨询专家得到二级指标的模糊判断矩阵，如下：

其中，最大特征值λmax=5.039 4，CI=0.009 8，CR=0.008 8<0.1满足一致性检验。获取到的二级指标权重w=(0.091 2,0.346 7,0.270 8,0.091 2,0.200 1)。同理，依据专家对三级指标的判断信息得出相应权重如表1所示。

表1 4个专科院校校园安全评价信息

(2)依据证据推理分析算法，通过从底层向目标层逐层融合数据，分别得到校园I1,I2,I3,I4的二级指标的置信程度和整体置信程度，具体如表2、表3、表4、表5和图2所示。

表2 校园I1的等级与置信程度

表3 校园I2的等级与置信程度

表4 校园I3的等级与置信程度

表5 校园I4的等级与置信程度

图2 4所专科院校校园安全等级比较图

(3)在等级效用基础上，依据步骤4和5计算校园整体的效用得分，如表6所示。根据表6结果可知，4所专科院校校园安全水平排序I1≻I3≻I4≻I2(“≻”表示优于)。

对于校园I2，分别计算二级指标的平均效用：A(0.693 4)、B(0.647 3)、C(0.600 4)、D(0.639 6)、E(0.448 8)，可以看出校园I2在评估过程中，事后改进指标E的表现最差，效用值最低。4所专科院校在指标E上的比较结果如图3所示。由图3可知，指标E的表现基本处于等级2和等级3，低于其他三所院校。因此，提升校园I2的安全水平，重点在于汲取教训，总结经验，加强事后改进。

表6 4所专科院校校园安全效用最大、最小和均值得分及排序

图3 4所专科院校校园安全指标E等级比较

4 结束语

高校规模的扩张和经济社会环境的变化给校园安全管理带来更多的挑战。通过对高校校园安全的评估有助于进一步加强安全措施的实施，构建和谐校园。在构建三级5个方面的指标体系基础上，构建了一种基于证据推理方法的高校校园安全评估方法，该方法允许评估信息存在不完全的情况。最后，对安徽省芜湖市4所专科院校的校园安全情况进行实证分析，对各个校园安全水平进行了排序，并指出了改进的方向。考虑权重未知的情况是接下来的研究工作。