工程专业技术人才教研信息统筹多维度评价体系优化构建

张雅丽，王 科

(1.陕西铁路工程职业技术学院，陕西 渭南 714000； 2.西北工业大学,陕西 西安 710129)

PDCA循环管理作为经典的一种用于分析、解决和解决问题的管理方法，其主要包含：策划(Plan)、实施(Do)、检查(Check)和处置(Action)4步构成，其被广泛地应用于各个方面的管理，以改善工作方法、业务流程，切实的解决实际问题；同时PDCA循环管理对于管理和制度的形成和固化有良好的应用效果[1-2]。

基于 PDCA周期管理的角度，采用 AHP方法，提高高校工程管理学院学生工作的规范化、科学化，运用层次分析法，从学校风气建设、规范管理工作、学生公寓管理以及教师队伍建设几项指标，建立了一种评估高校本科生管理工作的指标系统[3]。为支撑向量机(SVM)的模型的执行效果，最大限度地利用参数C和g的约束条件，避免陷入局部最优；运用布谷鸟算法(CS)优化选择SVM模型参数，提出一种基于多维度评价指标的CS-SVM学生管理工作评价模型[4]。CS-SVM模型、SVM模型和BP模型3种算法，CS-SVM极大地改善了对学生管理工作评价的精准度，有利于进一步指导开展学生管理和评价工作。

1 学生管理工作评价指标

针对目前高校管理工作的现状，从4个方面建立起一套工程管理学院学生管理工作，即从学风建设工作、常规管理工作与公寓管理、队伍建设4个维度构建出一套学生管理工作评价指标体系；学生管理工作评价指标体系如图1所示。

图1 学生管理工作评价体系Fig.1 Evaluation system of student management

2 布谷鸟算法

布谷鸟算法是模拟布谷鸟繁衍过程所提出的群智能模拟仿生搜索算法[5-6]。布谷鸟种群在持续进化过程中，占有其他鸟类的窝，将鸟蛋产在其他鸟类的窝里，如果其他鸟类没有识别出外来的鸟蛋，则让其他鸟类代为孵鸟；否则，这些鸟蛋则会被丢弃[7]。

布谷鸟算法开展的前提：

前提1：每只布谷鸟每次只生产1只鸟蛋，并随机选择其他鸟类的巢穴；

前提2：对于其他鸟窝适应最好的蛋则会被繁衍至下一代；

前提3：当其他鸟类的巢穴数量和位置固化后，假设其他鸟类发现非本物种鸟蛋的几率为pa，pa∈[0,1]。则采用式(1)更新布谷鸟的选择的鸟巢的位置[8]：

(1)

对于鸟蛋被其他鸟类识别的概率pa，即鸟蛋被抛弃的概率pa，采用式(2)计算其的随机个性化游动生成最新解取代被丢弃的解：

(2)

3 基于CS-SVM的学生管理工作评价

3.1 支持向量机

(3)

(4)

3.2 适应度函数

支持向量机的核心参数包括：惩罚系数C和核参数g[11]，其主要作用是对支持向量机的不断接近错误值和运算复杂性得确定进行控制。当数值较大时，SVM的适配性较高，SVM的推广性能也随之降低；核参数g主要用于调整SVM模型的最终的分类精准度[12]，该值取值越小，SVM模型最终识别的分类结果精准度越高；否则，分类准确率会下降。因此，考虑到SVM模型性能与惩罚参数C负相关性、与核参数g的正相关性，本文选用CS算法对SVM模型的核心参数记性优化，并使用分类准确率T作为SVM模型的适应度函数：

(5)

式中：Total为待分类的样本总值；right为可以正确分类的样本总值。

3.3 算法流程

Step1：通过专家打分法获得学生管理工作评价数据，10个专家对10个高校的15个2级指标进行打分得到样本数据。学生管理工作评价等级分为低、较低、中、较好、好等5个等级水平。将样本数据划分为训练集和测试集并归一化[13]：

(6)

式中：x′为归一化后的数据；a、b为归一化后的最小值与最大值，取a=-1，b=1；x、xmax和xmin分别为原始样本数据、原始样本数据中的最大值与最小值；

Step2：CS算法参数初始化，最大迭代次数M、鸟巢数量N、外来鸟蛋被宿主发现的概率pa，按式(5)计算所有鸟巢适应度函数值；

Step3：按式(1)动态更新鸟巢的最新坐标，同时使用式(5)获得更新位置后所有鸟巢的最新适应度，将更新后的结果与原始适应度比较，选择最佳适应度值作为鸟巢的最新位置；

Step4：产生(0,1)之间均匀分布的随机数r，若r>pa，按式(2)动态更新鸟巢的坐标，同时计算全部鸟巢的适应度函数，保留最佳位置作为种群的最佳适应度值；

Step5：算法终止条件判断。若达到最大迭代次数M，则输出最好的鸟巢位置；反之，返回Step3；

Step6：最好的鸟巢位置对应SVM模型最优的惩罚参数C*和核参数g*，将最优的惩罚参数C*和核参数g*代入SVM模型进行学生管理工作评价。

4 试验与结果分析

4.1 数据来源

为有效评估CS-SVM对工程管理学院学生管理工作的精确性，运用专家评分[14-15]方法对其进行问卷分析，获得了对学生管理工作的评估结果，学生管理工作评价等级分为好、中、差3个等级水平。学生管理工作评价样本数据如表1所示。

表1 评价样本数据Tab.1 Evaluation sample data

4.2 评价指标

选择准确率T和误判率F作为学生管理工作评价效果的评价指标[16-17]。

(1)准确率T：假设学生管理工作评价等级被正确识别的数量为A；而实际的评价等级使用B代表，使用式(7)计算学生管理工作评价等级的准确率：

(7)

(2)误判率F：假设工程管理学院学生管理工作评价等级是第i类的实际数量为H；而将第i类学生管理工作评价等级误判为第j类学生管理工作评价等级的数量为W，则学生管理工作评价等级判断的误判率为：

(8)

4.3 结果分析

为了验证工程管理学院学生管理工作评价的效果，将CS-SVM和GA-SVM[18]、SVM[19]和BP[20]进行对比。CS算法参数：设定鸟巢数N=20，pa=0.25，最大迭代次数M=100；GA算法参数为：种群规模10，最大迭代次数100，交叉概率pc=0.7，变异概率pm=0.1，对比结果如表2和图2～图5所示。

表2 评价结果Tab.2 Evaluation results

图2 CS-SVM评价结果Fig.2 CS-SVM evaluation results

图3 GA-SVM评价结果Fig.3 GA-SVM evaluation results

图4 SVM评价结果Fig.4 SVM evaluation results

图5 BP评价结果Fig.5 BP evaluation results

由图2～图5可知，“*”代表对学生管理工作评价等级的全部评价类别；“o”代表学生管理工作评价等级的实际类别；结合实际类别和评价类别的比对，可以明显地看出评价结果和实际类别，其中1、2、3分别表示学生管理工作评价等级为好、中和差。当“*”和“o”重合时，学生管理工作评价等级的评价结果和学生管理工作评价等级的实际类别一致，说明学生管理工作评价结果正确；当“*”和“o”不重合时，学生管理工作评价等级的评价结果和学生管理工作评价等级的实际类别不一致，说明工程管理学院学生管理工作评价结果错误。由表2可知，CS-SVM的工程管理学院学生管理工作评价的准确率和误判率分别为96.41%和3.59%，优于GA-SVM的92.28%和7.72%、SVM的90.46%和9.54%及BP的86.35%和13.65%。与GA-SVM、SVM和BP对比发现，CS-SVM能够极大地改善工程管理学院学生工作考核结果的精确度，为高校学生工作考核开辟了新的思路。

5 结语

为加强对高校工程管理学院学生工作管理的质量和水平，确保实现高精度对工程管理学院学生管理工作进行评价，本文运用层次分析法，从学校风气建设、规范管理工作、学生公寓管理以及教师队伍建设几项指标，构建出一套学生管理工作评价指标体系。使用布谷鸟算法对SVM模型的核心参数惩罚C和核参数g进行优化，避免陷入局部最优。由于学生管理评价工作的体系性和系统性较强，涉及面较广，影响因素较多。文中对影响因素的考虑还需要进一步加强，后续将持续补充完善更多的评价指标的学生管理工作评价模型，从而提高模型的适用性和可靠性。