基于隨機(jī)粒子群和T-S模型的職業(yè)技能評(píng)價(jià)方法

王海英， 李盼池， 李 峰

（東北石油大學(xué)，黑龍江大慶 163318）

0 引 言

高職教育的培養(yǎng)目標(biāo)是以就業(yè)為導(dǎo)向，培養(yǎng)面向生產(chǎn)、管理和服務(wù)的高端技術(shù)人才。這不僅要求學(xué)生掌握必要的專業(yè)理論知識(shí)，而且更應(yīng)該注重對(duì)學(xué)生職業(yè)道德、實(shí)踐能力、團(tuán)隊(duì)精神、創(chuàng)新能力的培養(yǎng)。作為高等職業(yè)院校培養(yǎng)的學(xué)生，只有具備較強(qiáng)的職業(yè)能力，才能彰顯高職教育的特色和目標(biāo)。因此，高等職業(yè)院校學(xué)生職業(yè)技能的綜合定量評(píng)價(jià)具有非常重要的意義，既可使學(xué)?？傮w把握培養(yǎng)模式的實(shí)施效果，也可為學(xué)生提供擇業(yè)的依據(jù)。然而，就目前傳統(tǒng)的高職教育培養(yǎng)模式來看，對(duì)學(xué)生的職業(yè)能力缺乏客觀有效的評(píng)價(jià)方法，導(dǎo)致學(xué)生在技術(shù)和能力兩方面與實(shí)際工作的需求嚴(yán)重脫節(jié)，從而使學(xué)生畢業(yè)之后很難較快適應(yīng)工作崗位的需要。

目前，關(guān)于高等職業(yè)院校學(xué)生職業(yè)技能的評(píng)價(jià)方法主要有如下幾種。文獻(xiàn)［1］針對(duì)“工學(xué)結(jié)合”模式下的高職學(xué)生學(xué)習(xí)質(zhì)量，提出了一種多元化的評(píng)價(jià)方法。文獻(xiàn)［2］基于高職學(xué)生三維職業(yè)能力模型，首先建立職業(yè)能力三級(jí)指標(biāo)體系，基于指標(biāo)權(quán)重界定設(shè)計(jì)關(guān)鍵能力的綜合評(píng)價(jià)方法，按照基本職業(yè)能力發(fā)展階段遞進(jìn)特性，設(shè)計(jì)了基本職業(yè)能力水平的開放式測評(píng)和逐級(jí)判定方案，在此基礎(chǔ)上，提出“基準(zhǔn)給定、適度補(bǔ)差、綜合評(píng)判”的高職學(xué)生職業(yè)能力定級(jí)方法。文獻(xiàn)［3］依據(jù)工科類高職學(xué)生特點(diǎn)，提出了技術(shù)美學(xué)素養(yǎng)評(píng)價(jià)方法，建立了技術(shù)美學(xué)素養(yǎng)評(píng)價(jià)指標(biāo)體系，并舉例說明評(píng)價(jià)結(jié)果的表達(dá)方法。文獻(xiàn)［4］針對(duì)目前高等職業(yè)院校培養(yǎng)出來的學(xué)生就業(yè)難以及就業(yè)后不能很快適應(yīng)工作崗位需要的現(xiàn)狀，剖析學(xué)生職業(yè)能力培養(yǎng)過程中缺乏有效教學(xué)評(píng)價(jià)手段存在問題的原因，根據(jù)學(xué)生職業(yè)能力的組成及發(fā)展過程，構(gòu)建職業(yè)能力的評(píng)價(jià)體系，并以電子應(yīng)用專業(yè)為例，提出一種職業(yè)核心能力的評(píng)價(jià)方案。文獻(xiàn)［5-7］則提出了模糊綜合評(píng)判的方法，這也是目前應(yīng)用最廣、最具客觀性方法，其基本原理是采用模糊輸入向量和模糊矩陣相乘來獲得模糊輸出向量，再經(jīng)去模糊化得到精確量。由于算法原理過于簡單，模型非線性映射能力不強(qiáng)，所以會(huì)導(dǎo)致輸出結(jié)果的部分失真，進(jìn)而影響評(píng)價(jià)結(jié)果的公正性。

文中提出一種基于T-S模型的評(píng)價(jià)方法，采用隨機(jī)粒子群算法優(yōu)化模型參數(shù)。該模型具有強(qiáng)大的非線性映射能力，能夠逼近任意非線性函數(shù)，并且其輸出直接為精確量，省去了模糊綜合評(píng)判方法的去模糊化過程?；谡鎸?shí)數(shù)據(jù)的評(píng)價(jià)結(jié)果驗(yàn)證了該方法的有效性。

1 T-S模型概述

T-S模型是由Takagi和Sugeno于1985年提出的一種基于模糊推理規(guī)則的評(píng)價(jià)模型，其模糊規(guī)則的一般形式為：

式中：Ri——第i條規(guī)則，i＝1，2，…，m；

ui——第i條規(guī)則輸出。

若給定一組輸入變量x1，x2，…，xn，則由第i條模糊規(guī)則可以得到如下推理結(jié)果：

因此，由全部m條規(guī)則得到的綜合推理結(jié)果為：

綜上所述，關(guān)于T-S模型的建立，關(guān)鍵是式（1）中的前件參數(shù)（例如高斯函數(shù)的中心和方差）和后件參數(shù)，，…的確定。這些參數(shù)數(shù)量較多，采用傳統(tǒng)方法（如專家經(jīng)驗(yàn)法、回歸法）難度較大，文中采用隨機(jī)粒子群優(yōu)化算法確定。

2 隨機(jī)粒子群算法

隨機(jī)粒子群算法的靈感來源于量子行為粒子群算法。由量子行為粒子群算法的迭代方程可知，該算法的設(shè)計(jì)原理借鑒了量子勢阱中粒子總是趨于向能量最低的點(diǎn)移動(dòng)，而迭代方程本身與量子力學(xué)毫無關(guān)系。因此，完全可以將量子行為粒子群算法中表征隨機(jī)行為的隨機(jī)變量函數(shù)直接替換為普通的隨機(jī)變量，我們稱替換之后的算法為隨機(jī)粒子群算法［8］，其迭代方程見下式：

式中：α＜E（u）——控制參數(shù)；

E（u）——u的數(shù)學(xué)期望，u為［0，1］之間均勻分布的隨機(jī)變量；

Pk＋1——自身最優(yōu)和全局最優(yōu)的加權(quán)平均粒子；

Pk——所有自身最優(yōu)粒子的算術(shù)平均值。

Pg——全局最優(yōu)粒子；

k——當(dāng)前代數(shù)；

M——粒子總數(shù)；

r——［0，1］之間均勻分布的隨機(jī)數(shù)。

3 職業(yè)技能評(píng)價(jià)指標(biāo)體系

根據(jù)行為導(dǎo)向理論，可將職業(yè)技能定義為從事一門或若干相近職業(yè)的必備本領(lǐng)，是個(gè)體在職業(yè)工作中的科學(xué)思維和對(duì)社會(huì)負(fù)責(zé)任，同時(shí)也是形成科學(xué)工作方法的基礎(chǔ)。因此，職業(yè)技能評(píng)價(jià)指標(biāo)體系的構(gòu)建，應(yīng)該以學(xué)生職業(yè)技能培養(yǎng)為中心，把學(xué)生職業(yè)技能訓(xùn)練作為主要的教學(xué)內(nèi)容，以培養(yǎng)學(xué)生職業(yè)素質(zhì)和職業(yè)能力為教學(xué)的最終目標(biāo)，突出以“職業(yè)為本位”的鮮明職業(yè)教育特色，增強(qiáng)學(xué)生就業(yè)競爭力。文中學(xué)生職業(yè)技能評(píng)價(jià)指標(biāo)體系由職業(yè)意識(shí)、職業(yè)知識(shí)、職業(yè)能力3項(xiàng)一級(jí)指標(biāo)構(gòu)成［8］，各一級(jí)指標(biāo)均含有2個(gè)二級(jí)指標(biāo)，如圖1所示。

圖1 職業(yè)技能量化評(píng)價(jià)指標(biāo)體系

3.1 職業(yè)意識(shí)

職業(yè)意識(shí)是指人們對(duì)職業(yè)勞動(dòng)的情感、態(tài)度、認(rèn)識(shí)、評(píng)價(jià)等心理成分的綜合反映，是調(diào)控和支配全部職業(yè)活動(dòng)和職業(yè)行為的調(diào)節(jié)器。其核心內(nèi)容包括：公平正直、敬業(yè)愛崗、團(tuán)結(jié)協(xié)作、誠信負(fù)責(zé)、自律、自信、自強(qiáng)不息。其中，尤其值得關(guān)注的是吃苦耐勞和團(tuán)結(jié)協(xié)作兩項(xiàng)內(nèi)容。

3.2 職業(yè)知識(shí)

職業(yè)知識(shí)可分為專業(yè)知識(shí)和通用知識(shí)兩種。專業(yè)知識(shí)是指應(yīng)聘者具備從事某項(xiàng)職業(yè)所要求的知識(shí)和技能。專業(yè)知識(shí)需要通過一定的實(shí)踐操作和訓(xùn)練來獲得，是應(yīng)聘者選擇職業(yè)的一個(gè)必備條件。通用知識(shí)是指基本的經(jīng)濟(jì)和管理知識(shí)，是個(gè)人取得職業(yè)進(jìn)步的基礎(chǔ)，其中最重要的是管理知識(shí)。

3.3 職業(yè)能力

職業(yè)能力是應(yīng)聘者從事某項(xiàng)職業(yè)所需要的多種能力的綜合。職業(yè)能力分為專業(yè)能力和綜合能力，專業(yè)能力主要指從事某一職業(yè)所需要的特殊能力，綜合能力則指應(yīng)聘者需要普遍注重的“關(guān)鍵能力”，例如：創(chuàng)新能力、信息處理能力、溝通合作能力等。

4 構(gòu)造T-S模糊推理模型

根據(jù)評(píng)價(jià)指標(biāo)體系，共有6個(gè)評(píng)價(jià)指標(biāo)。為了應(yīng)用T-S模型進(jìn)行綜合評(píng)價(jià)，首先要對(duì)各指標(biāo)數(shù)據(jù)進(jìn)行量化。其中“專業(yè)知識(shí)”可直接采用各科考試的綜合成績，而其它5項(xiàng)可采取發(fā)放調(diào)查問卷自行打分的方法。

4.1 構(gòu)造訓(xùn)練樣本集

首先從各等級(jí)學(xué)生中選取若干具有代表性的指標(biāo)數(shù)據(jù)，然后領(lǐng)域聘請(qǐng)專家認(rèn)真細(xì)致地進(jìn)行手工評(píng)判，最后以百分制給出這些學(xué)生的綜合評(píng)價(jià)結(jié)果。這些領(lǐng)域?qū)＜宜\(yùn)用的優(yōu)良評(píng)價(jià)方法已蘊(yùn)涵在從指標(biāo)數(shù)據(jù)到評(píng)價(jià)結(jié)果的復(fù)雜映射關(guān)系中。這些學(xué)生的指標(biāo)數(shù)據(jù)及評(píng)價(jià)結(jié)果可以作為訓(xùn)練集，用來建立T-S模型的系統(tǒng)參數(shù)，使其“學(xué)會(huì)”領(lǐng)域?qū)＜业脑u(píng)判知識(shí)，并進(jìn)而用來對(duì)那些已知指標(biāo)數(shù)據(jù)，但不知評(píng)價(jià)結(jié)果的學(xué)生實(shí)施模擬專家行為的職業(yè)技能評(píng)價(jià)。

4.2 構(gòu)造適應(yīng)度函數(shù)

在訓(xùn)練過程中，輸出結(jié)果與實(shí)際結(jié)果越接近，則評(píng)價(jià)效果越好，即適應(yīng)度函數(shù)值越高。根據(jù)這種思想，可將適應(yīng)度函數(shù)取為輸出結(jié)果與真實(shí)結(jié)果之差的絕對(duì)值的倒數(shù)。

式中：yi，——分別為第i個(gè)樣本的輸出結(jié)果和真實(shí)結(jié)果；

N——訓(xùn)練樣本總數(shù)。

4.3 構(gòu)造T-S模糊推理模型

為降低T-S模型的復(fù)雜度，每個(gè)評(píng)價(jià)指標(biāo)選取“高（H）”和“低（L）”兩個(gè)模糊語言變量，并采用梯形函數(shù)作為模糊集隸屬函數(shù)。因此，6個(gè)評(píng)價(jià)指標(biāo)共有26條模糊規(guī)則：根據(jù)1），每條模糊規(guī)則含有7個(gè)參數(shù)，26條規(guī)則共有7×26個(gè)參數(shù)。每個(gè)梯形模糊集包含兩個(gè)轉(zhuǎn)折點(diǎn)參數(shù)，12個(gè)模糊集共有12×2個(gè)參數(shù)。因此，整個(gè)T-S模型共有7×26＋12×2＝472個(gè)參數(shù)需要優(yōu)化。若在限定步數(shù)內(nèi)，模型輸出的最大絕對(duì)誤差小于限定誤差，則稱算法收斂。由于待優(yōu)化參數(shù)較多，常規(guī)方法不易收斂，文中采用隨機(jī)粒子群算法優(yōu)化這些參數(shù)。首先設(shè)置限定誤差和最大迭代步數(shù)，待優(yōu)化過程收斂之后即完成了T-S模糊推理模型的構(gòu)造。

5 評(píng)價(jià)實(shí)例

以東北石油大學(xué)秦皇島分校09級(jí)計(jì)算機(jī)軟件2個(gè)班（46人）、計(jì)算機(jī)網(wǎng)絡(luò)2個(gè)班（40人）、計(jì)算機(jī)應(yīng)用2個(gè)班（41人），3個(gè)專業(yè)6個(gè)班共127人為例，驗(yàn)證文中方法的有效性。

首先將全部127人的指標(biāo)數(shù)據(jù)提交領(lǐng)域?qū)＜沂止ぴu(píng)價(jià)，以獲取標(biāo)準(zhǔn)的期望輸出。然后每個(gè)班隨機(jī)抽取10人共60人組成訓(xùn)練樣本集，其余67人作為測試集，檢驗(yàn)T-S模型的評(píng)價(jià)能力。6項(xiàng)評(píng)價(jià)指標(biāo)中，除專業(yè)知識(shí)直接采用在校3年共6個(gè)學(xué)期專業(yè)課程期末考試成績的平均值外，其它5項(xiàng)指標(biāo)均采用問卷調(diào)查方法獲取數(shù)據(jù)。問卷格式見表1。

表1 學(xué)生職業(yè)素質(zhì)評(píng)價(jià)量表

每個(gè)評(píng)價(jià)指標(biāo)對(duì)應(yīng)的兩個(gè)模糊集均采用梯形隸屬度函數(shù)，其中模糊集“低”的兩個(gè)轉(zhuǎn)折點(diǎn)分別在區(qū)間（60，70）和（85，95）中取隨機(jī)數(shù)；模糊集“高”的兩個(gè)轉(zhuǎn)折點(diǎn)分別在區(qū)間（20，40）和（80，90）中取隨機(jī)數(shù)。所有模糊規(guī)則參數(shù)均取區(qū)間（0，1）之間隨機(jī)數(shù)。隨機(jī)粒子群算法種群規(guī)模取200，控制參數(shù)α取0.8，適應(yīng)度函數(shù)按式（7）設(shè)計(jì)，最大優(yōu)化誤差取ε＝0.01，迭代步數(shù)取Max＿gen＝5 000步，置當(dāng)前迭代步數(shù)gen＝0。

圖2 最大絕對(duì)誤差動(dòng)態(tài)變化曲線

以專業(yè)知識(shí)為例，模糊集“低”兩個(gè)轉(zhuǎn)折點(diǎn)的優(yōu)化結(jié)果分別為65.132 9和94.876 1，模糊集“高”兩個(gè)轉(zhuǎn)折點(diǎn)的優(yōu)化結(jié)果分別為29.936 8和85.236 9，隸屬函數(shù)圖像如圖3所示。

圖3 評(píng)價(jià)指標(biāo)“專業(yè)知識(shí)”的兩個(gè)隸屬度函數(shù)

將構(gòu)建好的T-S模糊推理網(wǎng)絡(luò)直接用于評(píng)價(jià)測試集的67個(gè)樣本，并將T-S評(píng)價(jià)結(jié)果與專家評(píng)價(jià)結(jié)果對(duì)比，最大絕對(duì)誤差僅為1.298 3，取得了令人滿意的評(píng)價(jià)結(jié)果，同時(shí)，也說明文中構(gòu)建的T-S模糊推理模型有較強(qiáng)的泛化推廣能力。

6 結(jié) 語

給出了一種新穎的高等職業(yè)院校學(xué)生職業(yè)技能評(píng)價(jià)方法。將粒子群優(yōu)化與T-S模糊推理模型相融合，有效提高了T-S模型的建模效率和泛化推廣能力。該方法為高等職業(yè)院校學(xué)生職業(yè)技能評(píng)價(jià)提供了一種值得推薦的新途徑。

［1］ 陸垠杼.“工學(xué)結(jié)合”模式下的高職學(xué)生學(xué)習(xí)質(zhì)量“多元化”評(píng)價(jià)方法初探［J］.湖北函授大學(xué)學(xué)報(bào)，2011，24（11）：5-6.

［2］ 曾旭華，皮洪琴，李福東.高職學(xué)生職業(yè)能力指標(biāo)體系構(gòu)建綜合評(píng)價(jià)方法探討［J］.職業(yè)技術(shù)教育，2012， 33（17）：8-13.

［3］ 許翰銳.論工科類高職學(xué)生技術(shù)美學(xué)素養(yǎng)的評(píng)價(jià)方法［J］.高等職業(yè)教育－天津職業(yè)大學(xué)學(xué)報(bào)，2008，17（1）：66-69.

［4］ 余鳳翎，余靖中.以就業(yè)為導(dǎo)向的高職院校職業(yè)能力評(píng)價(jià)方法研究［J］.中國電力教育，2011，27（7）：144-145.

［5］ 焦樹鋒.高職教師教學(xué)質(zhì)量的模糊綜合評(píng)價(jià)方法［J］.重慶職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2005，14（3）：115-116.

［6］ 朱海岳.高職學(xué)生職業(yè)道德評(píng)價(jià)方法研究［J］.教育探索，2012，32（6）：76-77.

［7］ 任海華.模糊評(píng)價(jià)方法在高職院?！巴苾?yōu)”素質(zhì)評(píng)價(jià)中的應(yīng)用［J］.四川職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2011，21（3）：107-108.

［8］ 李盼池，王海英，楊雨.一種隨機(jī)粒子群算法及應(yīng)用［J］.計(jì)算機(jī)系統(tǒng)應(yīng)用，2012，21（2）：245-248，217.

［9］ 張翔云，胡振宇.高職學(xué)生職業(yè)素養(yǎng)的量化評(píng)價(jià)方法［J］.職業(yè)技術(shù)教育，2010，31（2）：56-58，93.