高校城市轨道交通相关专业学生综合素质评价体系的构建及应用*

盛知恒

(上海工程技术大学城市轨道交通学院，201620，上海∥讲师)

2021年3月，《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》(以下简称《纲要》)提出，要深化新时代教育评价改革，建立健全教育评价制度和机制，发展素质教育[1]。在当前我国全面深化教育改革的外部要求和现实环境下，轨道交通相关专业的人才培养要面向未来的技术发展，主动对标《交通强国建设纲要》，着力培养一批复合型人才，服务于加快建设交通强国、完善综合交通枢纽和物流网络、建设城市群和都市圈轨道交通网络化。而城市轨道交通领域的高层次人才培养需要与之对应的综合教育评价体系。这是发展素质教育、转变育人方式、提升育人成效的重要支撑和保障。

在新时代整个教育评价体系中，学生综合评价是最重要、最基础、最核心的部分，能为促进学生的全面发展、建立科学且正确的育人模式指明方向。学生综合素质评价体现了高校对教育功能、教育内容及教育质量的诉求，在学生全面发展和培养高精尖复合型人才的体系中，发挥着越来越重要的作用。为实现专业人才的全面、复合、个性化培养，须按照《纲要》中的教育评价改革总体要求，加快构建适合时代特征、体现行业特色、满足企业需求的学生综合评价体系。本文从行业特点及专业特点出发，基于学生综合素质评价需求，构建城市轨道交通相关专业学生综合素质评价指标体系(以下简为“城轨学生评价指标体系”)，并在实际教学中应用。

1 构建城轨学生评价指标体系

1.1 目前学生素质评价体系存在的问题

当前，高校学生培养更注重学生的学业成绩指标的考核，缺少对学生综合全面素质的客观评价[2-3]。尽管各高校都在完善学生素质评价体系，但仍存在诸多问题：

1)评价指标过于简单片面。评价指标多集中在学业、道德和社会工作等方面，往往忽略了对学生创新实践、终身学习等能力的评价。

2)综合评价方法过于主观、笼统。目前，多数高校采用学生自评、班级互评及班导师评价等打分形式进行评价，未能将定性分析与定量评价相结合。

3)未从行业背景、专业契合度、企业需求等多角度，进行综合性、系统性、交叉性的研究，缺少相应的评价工具及评价标准。

1.2 城轨学生评价指标体系

针对上述问题，本文从城市轨道交通的专业特点出发，设计了层次清晰、结构完整、全方位覆盖的城轨学生评价指标体系。

参考国内外大学生综合素质评价指标体系建立的相关理论及方法文献，以《深化新时代教育评价改革总体方案》及《上海市深化新时代教育评价改革实施方案》为主要依据，辅以2021年城市轨道交通现代产业学院专家咨询会研讨成果、《基于企业需求的城市轨道交通学院大学生综合素质调查问卷》《上海工程技术大学学生德育素质评价实施办法》及《交通强国建设纲要》，建立城轨学生指标体系框架。通过行业内专家深度座谈、企业用人单位访谈、专业教师小组研讨等方式，对城轨学生指标体系的具体内容进行补充和完善，进而形成了以行业发展和企业需求为导向的城轨学生评价指标体系。城轨学生评价指标体系架构及内容见图1。

图1 城轨学生评价指标体系的架构及内容

2 城轨学生评价指标体系的主要技术

城轨学生评价指标体系采用两大主要技术：

1)组合赋权。采用AHP(层次分析法)和熵权法来计算各指标的主客观权重，并通过博弈论理论来确定综合权重。

2)云模型。基于现有的学生综合素质评价方法建立了云模型，用于分析各指标的评价结果及特征。

2.1 组合赋权

2.1.1 主观权重

本文使用AHP来计算各指标的主观权重，并采用Saaty教授提出的1～9标度法对同层的指标进行两两对比[4-5]，构建判断矩阵A为

(1)

式中：

aij——相对于指标j的指标i重要性标度；aij>1表示指标i比指标j重要，1>aij>0表示指标i没有指标j重要；aij=1表示指标i与指标j同样重要；且有aji=1/aij。

根据矩阵A的第i行数据计算，可得指标i的重要性参数bi，即：

(2)

对bi进行量纲一化处理，即得到各指标的主观权重wsi：

(3)

此外，还需要做判断矩阵的一致性检验。引入判断矩阵的随机一致性指标RI，其取值如表1所示。根据式(4)—式(5)计算一致性比率CR。当CR<0.1时，即可认为判断矩阵具有一致性且权重有效。

表1 RI取值表

(4)

(5)

式中：

λmax——最大特征根；

n——矩阵阶数；

CI——一致性指标。

2.1.2 客观权重

在评价决策中，原始数据的信息量是评价精度和可靠性大小的决定性因素之一。熵权法基于各评价指标的信息量，通过计算熵值来衡量评价指标的有效信息量，进而计算综合指标。作为一种客观赋权方法，熵权法基于评价指标值混乱程度，根据各指标传递给决策者的信息量来确定指标权数[6]。对k个专家、l个指标的原始评分来求解权重，建立评分矩阵B：

(6)

式中：

xpq——第p个专家对第q项指标的原始评分；p=1,2,…,k，q=1,2,…,l。

对评分进行规范化处理，即：

(7)

式中：

(8)

(9)

(10)

2.1.3 综合赋值

(11)

由式(11)求得(α1,α2,…,αm)，量纲一化后得权重最优分配比系数αur，则最优综合权重wu为：

(12)

2.2 云模型

云模型是一种处理不确定知识定性定量转换的新模型，能实现定量数值和定性语言之间的转换，较好地解决了评价过程中模糊性和随机性的问题。由于正态云模型具有很好的普适性，且能得出比较直观的结论，故本文采用正态云模型进行评价[8-10]。

2.2.1 云的基本概念及数字特征

云模型的整体特性可以用云的数字特征来反映。期望Ex、熵En、超熵He为云的数字特征，用来整体表征1个概念。期望值Ex，是云滴在论域空间U中分布的中心，是最能代表定性概念的点。熵值En，是用来度量定性概念的模糊度，反映定向概念被接受的程度。超熵值He，是熵的熵，其不仅可以表示云滴的离散程度，还可以表示云图的准确性。云滴是定义概念C向数域空间U中映射1次所形成的。云由许多个云滴组成。若云滴数过少，则误差较大，无法清晰描述定性概念，因此本文设置云滴的个数N=5 000个[11]。

2.2.2 构建云标尺

构建云标尺一般建立在评价集的基础上。每个风险评价区间的云模型数字特征可由专家根据实际情况评分给出。有：

(13)

式中：

smax——等级标准的最大边界值；

smin——等级标准的最小边界值；

K——常数。

2.2.3 综合云特征值

本文选取等级综合云的方法，将多个独立等级的云集合成1个更广义的云。相应的，各指标综合成1个综合云特征值，即：

(14)

式中：

Exf——第f个云集的期望值；

Enf——第f个云集的熵值；

Hef——第f个云集的超熵值；

wf——第f个云集的权重。

3 实例应用

本文以上海工程技术大学城市轨道交通学院为例，应用轨道学生评价指标体系，通过综合赋权和云模型对该学院的城市轨道交通相关专业大学生(以下称为“案例学生”)进行评价。

3.1 指标权重的计算

邀请城市轨道交通领域的专家，城市轨道交通学院的教师及上海申通地铁集团有限公司、杭州地铁运营有限公司等用人单位结合实际情况对案例学生进行评分。经过统计分析后，运用组合赋权法得到综合权重，并建立准则层对应的判断矩阵A：

(15)

计算各指标的主观权重、客观权重及综合权重，结果如表2所示。

表2 各评价指标的权重

3.2 评测结果

3.2.1 指标云特征值

根据专家对各指标的评分，计算得到各指标的云特征值，如表3所示。

表3 各评价指标的云特征值

3.2.2 指标云特征值计算

将大学生综合素质评价等级划分为很差、较差、合格、良好和优秀5个级别,对应评价集U={u1,u2,u3,u4,u5}。以论域[0,5]作为值域，并在评价集的基础上构建云标尺。根据专家评分，由式(15)确定每个风险评价区间的云模型数字特征。通过计算，大学生综合素质评价等级划分标准如表4所示。根据正态云发生器理论，基于表4中的标准云参数，利用MATLAB软件得到评价等级标准云图(见图2)。

表4 评价等级划分

注：Ⅰ级—Ⅴ级为等级云，下同。

3.2.3 评价结果分析

根据计算所得的各指标综合权重及各指标云参数，由式(14)计算得出综合云的数字特征值为(4.112,0.707,0.057)。通过MATLAB软件程序可以得到大学生综合素质评价云图(见图3)。再分别计算各准则层指标的云数字特征值，可得各准则层指标的评价云图(见图4—图8)。

图3 案例学生综合素质评价云图

图4 案例学生道德素养评价云图

由图3—图8可见，案例学生综合素质评价云和各准则层指标评价云整体呈明显的正态分布，云滴较分散，但波动较小。这与实际情况相符，说明评价方法合理，具有可行性。

图8 案例学生个人修养评价云图

由图3可见，当隶属度大于0.8时，云滴分布最为集中，且集中区域为Ⅳ级等级云的范围。由此可知，该学院绝大多数学生的综合素质评价为良好，但仍有部分学生的评价等级与期望评价等级存在一定差异，其云滴并非完全集中在Ⅳ级等级云附近。此外，案例学生综合素质的评价云云滴较厚，说明个体的偏差较大，即该学院学生整体综合素质有强有弱。这也符合学生个体差异化表现。

由式(14)计算得出准则层指标道德素养的数字特征值为(4.341,0.693,0.135)，云图如图4所示，其评价云中有超过大半的云滴落在Ⅳ级、Ⅴ级的等级云上，且道德素养的评价期望为4.341，在优秀等级范围内。这表明该学院的学生道德素养整体优秀，绝大多数学生的道德素养达到了良好及以上。

由式(14)计算得出准则层指标创新实践的数字特征值为(3.464,0.752,0.101)，云图如图6所示，其创新实践评价最终落在Ⅲ级等级云上。这说明该学院学生的整体创新实践能力仅达到合格水平，且学生个体间差异较大。

图5 案例学生专业素质评价云图

图6 案例学生创新实践评价云图

图5、图7与图8的分布特征非常接近，其评价等级主要落在Ⅳ级等级云范围内。这说明该学院学生的专业素质、个人能力及个人修养水平整体表现良好。

图7 案例学生个人能力评价云图

通过对综合评价等级云、各准则层的评价等级云及标准评价等级云的对比分析，得到了案例学生的综合素质评价结论：①上海工程技术大学城市轨道交通学院大学生整体综合素质良好，但存在个体偏差较大、发展不均衡的情况；②学生的道德素养评价最好，专业素质评价、个人能力评价与个人修养评价均为良好，学生个人修养相较于其他两项略显不足；③相较其他指标，案例学生的创新实践能力整体表现较弱，且学生间个体差异较大，有待进一步提升。

当前，城市轨道交通相关专业的内涵与外延发生了深刻的变化，专业知识加快交叉融合，广度和深度不断加强，对此提出以下建议：①收集分析学生学习成绩、第二课堂等学业指标数据生成学生整体发展“画像”，有针对性地对学生知识、能力、素质进行培育；②强化实践体验，加强美育与德育、智育、体育、劳动教育相融合，建设高雅艺术进校园及融媒体美育公开课，开发一批美育课程优质数字教育资源，引导学生完善个人修养，增强文化自信；③不断丰富和完善创新育人平台建设，依托上海申通地铁集团有限公司与学院建立的“三师工作室”与“研究生工作站”，全面拓展学生创新创业教育平台，以“互联网+”等大赛为载体，培养学生创新创业精神和实践能力。

4 结语

本文构建了城轨学生评价指标体系，通过组合赋值和云模型，计算评价指标的权重和云特征值，进而有效地将定性分析和定量计算结合起来。以具体实例对该评价指标体系进行应用。由实例应用结果可见，本文构建的城轨学生评价指标体系，将评价的模糊性和随机性有机结合起来，能有效弥补学生素质评价体系存在的不足之处，能更加准确、具体、公正、客观地评价学生综合素质。