基于组合赋权云模型的危险品运输教员CBTA 胜任力评价

□ 沈海滨 孟德宝 贾晓楠 袁铭怿/文

一、引言

2021 年，国际民航组织在《危险物品安全航空运输技术细则》中正式提出对危险品从业人员实行基于胜任能力的培训和评估（Competency-Based Training and Assessment，CBTA），要求各国民航局指导协助民航企业危险品运输培训开发，并于2023 年1 月1 日起开始强制执行（王赢，2022）1。当下，民航局正在积极推进危险品从业人员CBTA 培训改革。危险品运输教员作为各岗位危险品运输从业者的领路人以及培训和学习的主要驱动力，岗位胜任力水平直接关乎培训新模式的顺利实行。因此，建立一套系统的危险品运输教员CBTA 胜任力评价指标体系，科学、客观地评价岗位胜任力，对于提高危险品运输培训效果、保障航空危险品运输的安全运行具有重要意义。

国内外对于危险品运输教员的胜任力研究主要集中在模型构建方面。如赵红丽和张燕（2018）2提出危险品教员能力素质模型应包括专业业务能力、专业授课能力以及综合职业能力三个方面；栾笑天（2015）3借鉴美国国家专业教师标准，从专业理念与师德、专业知识、专业能力三个维度构建了危险品运输教员能力框架；Prajugjit 和Kaewkuekool（2020）4认为培训教员的胜任力模型应包括调查和诊断问题和需求、培训课程设计、培训程序设计等七个胜任力单元。此外，在其他岗位的胜任力评估方面，王永刚等（2018）5、唐春勇和周颖（2005）6、张健等（2011）7、江卫东（2007）8等采用模糊层次分析法、物元可拓法、灰色理论、神经网络等多种方法实现了胜任力量化评估，取得了不错的成果。综上，学界目前尚缺针对危险品运输教员CBTA 胜任力的评价指标和评价模型的系统化研究；在评价实务中，评语论域的选择、评价信息的生成都存在随机性和模糊性，传统评价方法难以充分考虑到胜任能力分级的模糊性以及评价过程中的不确定性因素，而基于模糊理论和概率论的云模型理论在研究不确定问题上具有普适性（张渺，2022）9。

鉴于此，为研究危险品运输教员的胜任能力，本文采用定性与定量相结合的方式，基于组合权重云模型构建危险品运输教员CBTA 胜任力评价指标体系，并结合实例验证了评价方法的合理性和适用性。

二、危险品运输教员CBTA 胜任力评价指标体系

危险品运输教员CBTA 胜任力是多因素、多层次的复杂结构，科学合理的评价指标体系可以显著提高评价的精准度。在冰山模型中，胜任力包括两个部分：知识、技能等外显性素质；价值观、特质、动机等内隐性素质。根据胜任力冰山模型，将危险品运输教员CBTA 胜任力划分为知识结构、教学技能、态度与理念、特质与动机四个维度，其中知识结构、教学技能属于外显性素质，态度与理念、特质与动机属于内隐性素质。

根据科学性、系统性、可行性原则，通过文献归纳总结，并依据相关民航法规文件10进行职能分析，筛选、合并胜任要素。结合民航局CBTA改革的现状和要求，并参考多位行业专家的意见，通过德尔菲方法初步确定评价指标体系。最后，编制问卷进行调查研究，对指标体系进行修订和完善，最终构建了危险品运输教员CBTA 胜任力评价指标体系（如图1 所示）。

图1：危险品运输教员CBTA 胜任力评价指标体系

评价指标体系分为4 个维度，每个维度包含4 ～7 个指标，每个二级指标都实现了对一级指标的有效支撑。例如知识结构方面：完备的“危险品运输理论知识”和“危险品运输法规知识”是一名合格教员的基本要求；“专业的英语知识”能够确保教员对于国际规章准确理解应用，并具有持续更新的能力；“信息化教学方式”是CBTA 危险品运输培训的必然趋势，亦是教学效果的重要保证。

三、基于云模型的危险品运输教员CBTA 胜任力评价模型

针对胜任力评价过程评价信息的模糊不确定性，本文基于云模型构建了危险品运输教员CBTA 胜任力评价模型，具体步骤如下：

依据专家判断，通过粒子群优化层次分析法确定主观权重，基于问卷数据通过因子分析法确定客观权重，采用几何平均法计算各指标组合权重；

依据已构建的评价指标体系，划分评价等级和分级阈值，确定评价标准云，并通过正向云生成器（forward cloud generator, FCG）生成标准云图（李德毅等，1995）11；

依据专家组打分数据，通过逆向云生成器（backward cloud generator, BCG）计算评价云（李德毅等，1995）11，确定胜任力等级（评价流程见图2）。

图2：危险品运输教员CBTA 胜任力评价流程

（一）确定组合权重

在多指标综合评价问题中，指标权重直接影响评价结果的准确性。当前常见的赋权方法主要包括主观、客观以及两者相结合的方法，不同方法有其各自的优势和局限，组合赋权的方式既可以保留专家对指标的意见偏好，同时又考虑数据客观性，减少主观随意性，相比于单一赋权方式更加科学合理。因此，笔者采用粒子群优化层次分析法和因子分析法分别确定主客观权重，通过几何平均的方式进行组合，得到各评价指标的权重系数。

1.PSO-AHP

层次分析法（AHP）是一种科学有效的主观赋权方法，通过粒子群优化算法（PSO）来修正专家判断矩阵，充分保留初始信息，所计算出的权重可以更好反映专家的真实偏好，相比于传统AHP 方法更加科学可靠。

对于判断矩阵Ak，n个元素的权重分别为wk，其中k＝1 ～n，如果Ak满足aij＝wi/wj，i,j＝1 ～n，则Ak具有完全一致性，因此定义目标函数如下（Su 等，2019）12：

其中，CIF（n）是一致性指标函数，当其取得最小值时，对应权值是判断矩阵Ak的最优权值。

2.因子分析法

因子分析法依据数据的信息浓缩原理，利用方差解释率和因子得分确定指标权重。将公因子方差贡献率归一化确定一级指标权重，根据成分得分系数矩阵和因子分析的数学模型可以获得二级指标权重（陈慧斯，2019）13。计算公式为：

式中：Ri表示原始变量矩阵的综合得分；ai1，ai2，……，aim表示因子载荷；F1，F2，……，Fm表示各指标权重。

3.几何平均法

设αi和βi分别为由PSO-AHP 法和因子分析法所求的各指标的主、客观权重值，则几何平均赋权法的权重表示为（赵慧冬等，2012）14：

（二）确定评价标准云

我国民航局将航空危险品运输教员分为Ⅰ、Ⅱ两级，这种分级方式难以体现胜任能力从低级到高级的连续性的发展过程，本文结合专家意见将教员胜任能力分为5 个级别，即卓越（Ⅰ级）、优秀（Ⅱ级）、中等（Ⅲ级）、较差（Ⅳ级）、很差（Ⅴ级），评分范围为[0，10]，根据李英攀等（2017）15的计算公式，计算标准云模型数字特征：

表1：分级标准及标准云模型

根据标准云数字特征，通过正向云发生器生成5 个胜任力等级的标准云图（见图3），作为评价云对比的标尺。

图3：各等级标准云图

（三）确定指标评价云和综合评价云

邀请行业专家依据自身知识、经验，根据教员岗位胜任情况进行打分，构造评价矩阵，使用逆向云生成器计算指标层评价云（Exj，Enj，Hej），建立评价集。计算公式如下：

得到各指标评价云数字特征后，结合指标权重，根据浮动云算法（赵平等，2016）16计算胜任力综合评价云模型参数：

本文就藏羊肉产业发展现状为支点，分析青海省藏羊肉产业具备的发展优势和产业发展趋势，并对青海省藏羊产业的发展突出以下几点建议：

利用正向云生成器，通过MATLAB 绘制云图对所获得的评价云图和标准云图进行了比较分析，确定最接近评估结果云图的标准云，该标准云级别即为评价云等级。

（四）计算云相似度确定胜任力等级

当评价云图处于两个标准云之间时，难以准确判断其隶属等级，评估结论主观随意性较高。因此，采用龚艳冰等（2015）17提出的基于模糊贴近度的相似度算法计算云相似度。

若存在两个云模型E1（Ex1，En1，He1）和E2（Ex2，En2，He2），则云相似度C（E1，E2）计算步骤如下：

计算综合评价云与标准云之间的云相似度，得到云相似向量Z＝（z1，z2，…，zi）（i＝1，2，…，m），其中zi表示与第i个评价等级的相似程度。最后根据最大隶属度原则确定该教员的最终评价等级。

四、案例分析与应用

天津市某危险品培训机构共有4 名危险品运输培训教员，包括Ⅰ级教员2 名，Ⅱ级教员2 名，将其编号为Ia、Ib、IIc、IId。

本文根据该机构现实情况，借助已构建的危险品运输教员CBTA 胜任力评价模型，对教员岗位胜任力进行评估，评价过程如下。

（一）组合权重计算

1.PSO-AHP 计算主观权重

依据已构建的危险品运输教员CBTA 胜任力评价指标体系，邀请5 位民航局教员审核小组专家组成专家组，采用“1 ～9 标度法”比较指标重要性并赋值，计算均值构成判断矩阵。以准则层为例，判断矩阵如表2：

表2：准则层专家判断矩阵

以CIF 为目标函数，确定PSO 基本参数（种群个数n＝20、迭代次数N＝100、学习因子c1＝c2＝2、粒子最大速度vmax＝0.1、惯性权重ω ＝0.2），利用Matlab 软件进行计算，经42 次迭代后目标函数开始收敛，CIF 值为0.003，最终得到准则层权重为ω ＝［0.281，0.342，0.229，0.148］。

通过传统AHP 方法计算各指标权重值，可知权重为ω1＝［0.282，0.341，0.231，0.146］，CI ＝0.006。两者相差较小，说明该方法得到的权重真实有效，同时本文提出的方法可以通过编程实现，操作简便，且一致性指标值更低。

同样，可以计算指标层相对权重，加权得到各指标全局权重。

2.因子分析法计算客观权重

依据问卷数据，将公因子方差贡献率归一化得到准则层权重，根据因子得分系数矩阵，确定指标因子得分模型，将系数归一化得到各指标客观权重。

3.几何平均法计算组合权重

本文认为主客观方法得到的权重结果重要性相同，因此k取值0.5，通过式（6）计算组合权重并进行归一化处理。

权重计算结果见表3。

表3：指标权重及Ia 教员指标评价云

从图4 可以看出，A1、A4、B4、B5、C1等指标主、客观权值差异较大，单一方法设置权重过于片面，易导致评价结果失真，基于几何平均法的组合赋权充分考虑主、客观因素，均衡了主、客观赋权方法的影响。

图4：权重折线图

（二）计算评价云

邀请专家组根据各教员CBTA 培训胜任情况进行专业评分。为获得足够真实客观的评价数据，确保评价结果的准确性，打分过程充分考虑教员自身、学员、同事以及部分行政管理人员的评价意见。通过逆向云生成算法计算各指标的指标得分云，通过浮动云算法进行加权合成，最终得到胜任能力综合评价云。

限于篇幅，以Ia教员为例，指标评价云的数字特征见表3，将指标评价云和权重带入式（13）式（15），通过浮动云算法计算该教员的综合评价云为（7.645，0.918，0.270）。

同理可得Ib、IIc、IId3 名教员的综合评价云（8.927，0.646，0.271）、（6.474，0.997，0.274）、（7.536，1.162，0.396）。

（三）计算云相似度

根据式（16）～式（18）计算综合评价云和各级标准云间的云相似度，并基于最大隶属度原则确定教员等级，结果如表4 所示。

表4：云相似度计算结果

（四）评价结果分析

利用Matlab 软件，设置云滴数量为1500，通过正向云生成器得到4 名教员的综合评价云图和期望曲线图，见图5、图6。

图5：综合评价云模型

图6：综合评价云的期望曲线

从云数字特征和云图来看，Ib教员评价结果的熵和超熵均较低，说明专家意见较为统一，模糊性和随机性较小，也表示了该教员的胜任力评价结果信度较高；而IId教员评价结果熵和超熵相比而言则偏大，从图5 中可以看出云滴离散程度大，从图6 中可以看出云图跨度较大，这也说明了专家评价值的浮动略大，专家意见一致性较差。因此，在分析胜任力的云模型评价结果时，不单单注重期望值的大小，应充分考虑三个特征值所包含的信息，以做出合理决策。

从云评价结果来看，Ia、IId胜任力等级为“优秀”，可以较好地完成危险品运输培训任务，但并没有达到最佳等级，如Ia教员在“培训需求分析”、“教学表达”、“CBTA 课程研发”以及“改革意识”等指标期望值较低，处于中等水平，仍有较大提升空间。Ib胜任力等级为“卓越”，表明该教员完全可以胜任培训工作，各方面能力均达到理想状态。IIc胜任力等级为“中等”，基本可以完成培训教学任务，但有很大的提升空间，未来应针对能力薄弱之处进行针对性培训，提高岗位胜任能力，以满足CBTA 危险品运输培训需求。云模型评价结果见图7。

图7：胜任力云模型评价结果

经实地调研和绩效考察，4 名教员的等级划定与实际情况基本相符，评价模型科学有效。

五、结论

1.基于胜任力理论从知识结构、教学技能、态度与理念、特质与动机四个维度构建了危险品运输教员CBTA 胜任力评价指标体系，将PSO-AHP、因子分析法、几何平均法有机结合确定了指标权重，改善了因单一方法赋权不合理致使评价结果失真的问题。

2.基于云模型理论构建了综合评价模型，有效解决了评价数据存在模糊性和随机性的问题，评价结果以数值和云图两种形式呈现。应用该评价模型对某机构危险品运输教员进行CBTA 胜任力评价，4 名教员的胜任力等级分别为优秀（Ⅱ）、卓越（Ⅰ）、中等（Ⅲ）、优秀（Ⅱ），与实际情况相符，表明该方法科学可行。

3.危险品运输教员胜任力评价指标体系体现了国际民航组织和我国民航局推行危险品运输CBTA 培训的基本要求，可以帮助企业管理者识别和评价危险品教员的绩效表现，使得危险品培训管理更加标准化、规范化、精细化、科学化；对于危险品教员的选拔、培养、评价、考核具有重要价值，为危险品教员的能力建设指明方向，对于其他岗位推行基于CBTA 的培训也具有较大的借鉴意义。（作者单位：中国民航大学）