基于三支决策的人才培养评价模型研究

赵宏岩 崔成 吴隆鑫

摘要：作为高校人才培养质量与培养过程的重要补充手段之一，高校开设了计算机类选修课程。但是在培养的全过程中存在着种种不确定因素，制约了人才培养的质量进而导致评价出现偏差。以选课及考核环节，综合考虑培养目标和培养成本，制定了选课建议分类评价指标。基于三支决策粗糙集理论，对计算机类选修课程的选课建议分类模型以及课程考核三支思想进行阐述，实现了三支决策理论的拓展应用。

关键词：人才培养;考核;三支决策粗糙集理论;评价

中图分类号：TP311    文献标识码：A

文章编号：1009-3044（2022）03-0173-02

开放科学（资源服务）标识码（OSID）：

1 引言

随着高校教学改革的不断深入，因材施教教学理念的不断深化，作为衡量高校办学效益评估指标的人才培养质量的评价尺度显得尤为重要。在整个高校的人才培养过程中，很多场景都要考虑到评价问题，理想状态就是找到最优对象。在计算机类选修课教学培养过程中，有效地分析和处理相关信息，对每一个培养环节都十分重要。例如说学生与课程，学生与班级，班级和系等。学生、课程、班级、系都属于需要评价的对象。

本文基于三支决策[1-4]理论，阐述了计算机类选修课选课建议评价指标及分类模型，给出了应用策略。

2 应用理论

粗糙集 [5]，描述如下：

设[apr=U，R]为近似空间，[X⊆U]，可得

[aprX=∪{Y∈U/R│Y∩X≠φ}]

但是经典粗糙集理论没有使得决策更宽容，导致了一定的评价损失。

三支决策的主要思想是“三分而治”。如：學生分类：优秀/很差/中不溜;考试阅卷：及格/不及格/临近及格;团队建设：老/中/青;规划;三步走（短、中长期目标）;待人：热情似火/冷若冰霜/温和有礼;相亲：一见钟情/永不再见/先处再说等。

上下近似集将论域分为3个部分：

X的正域：

<E：＼2021知网文件＼1-3＼2＼8xs202103＼Image＼1.JPG>

X的负域：NEG（X）=U-[apr]（X）;

X的边界域：BND（X）=[apr]（X）-[apr]（X）;

可得三支决策的基本思想，关键是阈值的设置，来划分3个区域。

设三元组决策表<E：＼2021知网文件＼1-3＼2＼8xs202103＼Image＼2.JPG>

在S中，[X∈U]，[α]和[β]为阈值，[PX|XB]为条件概率，则对于[∀x∈U]，规则为：

<E：＼2021知网文件＼1-3＼2＼8xs202103＼Image＼3.JPG>

其中：[α=λPN-λBNλPN-λBN+λBP-λPP]

[β=λBN-λNNλBN-λNN+λNP-λBP]

3 问题背景

作为大学阶段的计算机教育也存在着从精英化到普及化的规律。随着科技水平的日新月异，对于计算机的知识汲取只靠必修课程来解决是不现实的。加之MIS、OA、Internet、BigData、AI、Cloud-Computing等相关技术的进步和发展以及使用的深度和广度已经有了很大的变化，高校陆续通过开设计算机类选修课来弥补学生获取知识的途径。但同时存在不可忽视的问题，那就是选修这些课程的知识和能力基础，由于大学的生源选拔原因，高中阶段的信息技术知识储备是存在巨大差异的。这也间接地影响了开设计算机类选修课程的难度和人才培养的质量。开设计算机类选修课时不能随意化，选课对象的筛选也是人才培养评价的重要环节。

3.1 计算机类选修课程选课评价相关指标

指标1：选修课程的成绩要求

计算机选修课的开设不但要考虑开设课程的相关资源投入，而且要充分认识到课程接受对象的能力素质要求。选修课程是建立在一定计算机应用水平基础上的，为了避免盲目选课造成的接受知识困难，甚至最终无法获取学分的情况。要在选课之前进行相关课程的测试或者要求先导课程的成绩阈值。如：选修MIS课程的学生要求具备程序设计、数据库等相关课程基础或者测试成绩达到相关MIS课程的最低要求。选修AI课程的学生要求具备良好的数学、英语、算法基础。通过实际教学过程反馈，说明选课前测试环节对于计算机选修课的人才培养评价质量是很重要的，也是衡量评价可信度的一个重要指标。

指标2：课程的相关学习经历，获奖情况

对于有相关课程学习基础和经验以及课程内容参赛获奖经历的学生，可以更好地选择相关的选修课课程，结合学生的参赛情况也是开设选修课程的重要参考标准。

指标3：团队协作能力

一般情况下计算机：选修课课程的教学以讲授和实验1：1的方式进行。无论是课程讲授或者实验教学，现阶段大多数高校都在使用分组，分层教学模式。课程设计了以培养小组成员协作为目的的综合实验项目。团队协作能力能够反映出整个团队的学习效率和协作解决问题的水平，也是人才培养评价的重要观测点。

指标4：考勤情况

能够体现良好的学习主动性和学习意愿。

指标5：自学能力

自学能力突出的学生能够体现更高的培养价值以及课程开设的价值。

4 选课建议分类及决策模型

表1学生选课前建议分类决策表（以MIS选修课为例）

其中v1程序设计成绩条件属性，v2为数据库成绩条件属性，v3为学习经历条件属性，v4为团队协作能力条件属性，v5为出勤情况属性，v6为自学能力条件属性，D1为决策属性，分为不适合，适合。

确定各个决策风险值并计算[α]，[β。]根据计算[PX|XB]的值，得

评价三支决策模型：

P规则：如果[PX|XB≥α]，则[X∈POSBX]，即决策类的概率大于等于[α]，即对学生对象做出建议选修决策。

N规则：如果[PX|XB≤β]，则[X∈NEGBX]，即决策类的概率小于等于[β]，即对学生对象做出不建议选修决策。

B规则：如果[β<PX|XB<α]，則[X∈BNDBX]，即决策概率大于[β]并且小于[α]，不能给出是否建议选修决策。

对于划分到正域，负域中学生对象，决策已经明确也就是传统的二支决策的思想。但是三支决策的最大价值就是出现了模糊决策的区域即边界区域。在边界区域中进一步挖掘信息可以让在边界域中的一部分对象进一步分流到正域或者负域当中。例如，可以根据选修课程的能力基础要求给出除决策以外的建议，提高某些课程的成绩或者相关能力。对于有进一步选修相关课程意愿的学生，提高了学习获取课程知识的几率。对于选课目的不清晰的学生也减少了盲目选课带来的各方面的投入损失。

5 选修课程考核评价的三支思想

评价人才培养质量的重要手段之一就是课程的考核。传统的选修课课程的考核方式为考查，实行二分类模式评价“合格”和“不合格”。在这种评价模式下容易出现由于信息不充分导致的评价损失，对于反馈真实的选修课程的人才培养效果是不利的，致使评价的可信度降低。如：课程评价过程中存在干扰信息，在二分类模式下很容易出现评价结果低于学生真实能力获取情况。所以在选修课程考核评价过程中引入三支评价思想：即根据学生的现有知识水平和理解能力，充分考虑学习能力的差异以后，设计2个方向的考核内容——基础必做方向和提高选做方向。根据得到的基础必做方向的评价数据后，叠加提高选做方向的数据。把提高选做方向的数据进行三分，合格数据、不合格数据、有潜力合格数据。这里有潜力合格数据是根据课程考核标准判定有达到合格潜力的数据。这样的评价思想也增加了学生学习选修课程的积极性，也达到了选修课程的人才培养目的。

6 结语

本文结合了粗糙集和三支决策理论，给出了计算机选修课程的选课建议指标，根据选课决策规则建立了三支分类模型，阐述了考核评价的三支思想。通过对三支决策理论的引入提 高了计算机类选修课程的选课质量和人才培养评价的客观性，降低了决策的损失。

参考文献：

[1] Yao Y Y.Three-way decisions with probabilistic rough sets[J].Information Sciences，2010，180（3）：341-353.

[2] Yao Y Y.The superiority of three-way decisions in probabilistic rough set models[J].Information Sciences，2011，181（6）：1080-1096.

[3] 于洪，王国胤，姚一豫.决策粗糙集理论研究现状与展望[J].计算机学报，2015，38（8）：1628-1639.

[4] 刘盾，李天瑞，李华雄.粗糙集理论：基于三支决策视角[J].南京大学学报（自然科学版），2013，49（5）：574-581.

[5] 张小红，裴道武，代建华.模糊数学与Rough集理论[M].北京：清华大学出版社，2013.

【通联编辑：梁书】