基于隨機粒子群和T-S模型的職業技能評價方法

王海英， 李盼池， 李 峰

（東北石油大學，黑龍江大慶 163318）

0 引 言

高職教育的培養目標是以就業為導向，培養面向生產、管理和服務的高端技術人才。這不僅要求學生掌握必要的專業理論知識，而且更應該注重對學生職業道德、實踐能力、團隊精神、創新能力的培養。作為高等職業院校培養的學生，只有具備較強的職業能力，才能彰顯高職教育的特色和目標。因此，高等職業院校學生職業技能的綜合定量評價具有非常重要的意義，既可使學校總體把握培養模式的實施效果，也可為學生提供擇業的依據。然而，就目前傳統的高職教育培養模式來看，對學生的職業能力缺乏客觀有效的評價方法，導致學生在技術和能力兩方面與實際工作的需求嚴重脫節，從而使學生畢業之后很難較快適應工作崗位的需要。

目前，關于高等職業院校學生職業技能的評價方法主要有如下幾種。文獻［1］針對“工學結合”模式下的高職學生學習質量，提出了一種多元化的評價方法。文獻［2］基于高職學生三維職業能力模型，首先建立職業能力三級指標體系，基于指標權重界定設計關鍵能力的綜合評價方法，按照基本職業能力發展階段遞進特性，設計了基本職業能力水平的開放式測評和逐級判定方案，在此基礎上，提出“基準給定、適度補差、綜合評判”的高職學生職業能力定級方法。文獻［3］依據工科類高職學生特點，提出了技術美學素養評價方法，建立了技術美學素養評價指標體系，并舉例說明評價結果的表達方法。文獻［4］針對目前高等職業院校培養出來的學生就業難以及就業后不能很快適應工作崗位需要的現狀，剖析學生職業能力培養過程中缺乏有效教學評價手段存在問題的原因，根據學生職業能力的組成及發展過程，構建職業能力的評價體系，并以電子應用專業為例，提出一種職業核心能力的評價方案。文獻［5-7］則提出了模糊綜合評判的方法，這也是目前應用最廣、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，所以會導致輸出結果的部分失真，進而影響評價結果的公正性。

文中提出一種基于T-S模型的評價方法，采用隨機粒子群算法優化模型參數。該模型具有強大的非線性映射能力，能夠逼近任意非線性函數，并且其輸出直接為精確量，省去了模糊綜合評判方法的去模糊化過程。基于真實數據的評價結果驗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則的評價模型，其模糊規則的一般形式為：

式中：Ri——第i條規則，i＝1，2，…，m；

ui——第i條規則輸出。

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

因此，由全部m條規則得到的綜合推理結果為：

綜上所述，關于T-S模型的建立，關鍵是式（1）中的前件參數（例如高斯函數的中心和方差）和后件參數，，…的確定。這些參數數量較多，采用傳統方法（如專家經驗法、回歸法）難度較大，文中采用隨機粒子群優化算法確定。

2 隨機粒子群算法

隨機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，該算法的設計原理借鑒了量子勢阱中粒子總是趨于向能量最低的點移動，而迭代方程本身與量子力學毫無關系。因此，完全可以將量子行為粒子群算法中表征隨機行為的隨機變量函數直接替換為普通的隨機變量，我們稱替換之后的算法為隨機粒子群算法［8］，其迭代方程見下式：

式中：α＜E（u）——控制參數；

E（u）——u的數學期望，u為［0，1］之間均勻分布的隨機變量；

Pk＋1——自身最優和全局最優的加權平均粒子；

Pk——所有自身最優粒子的算術平均值。

Pg——全局最優粒子；

k——當前代數；

M——粒子總數；

r——［0，1］之間均勻分布的隨機數。

3 職業技能評價指標體系

根據行為導向理論，可將職業技能定義為從事一門或若干相近職業的必備本領，是個體在職業工作中的科學思維和對社會負責任，同時也是形成科學工作方法的基礎。因此，職業技能評價指標體系的構建，應該以學生職業技能培養為中心，把學生職業技能訓練作為主要的教學內容，以培養學生職業素質和職業能力為教學的最終目標，突出以“職業為本位”的鮮明職業教育特色，增強學生就業競爭力。文中學生職業技能評價指標體系由職業意識、職業知識、職業能力3項一級指標構成［8］，各一級指標均含有2個二級指標，如圖1所示。

圖1 職業技能量化評價指標體系

3.1 職業意識

職業意識是指人們對職業勞動的情感、態度、認識、評價等心理成分的綜合反映，是調控和支配全部職業活動和職業行為的調節器。其核心內容包括：公平正直、敬業愛崗、團結協作、誠信負責、自律、自信、自強不息。其中，尤其值得關注的是吃苦耐勞和團結協作兩項內容。

3.2 職業知識

職業知識可分為專業知識和通用知識兩種。專業知識是指應聘者具備從事某項職業所要求的知識和技能。專業知識需要通過一定的實踐操作和訓練來獲得，是應聘者選擇職業的一個必備條件。通用知識是指基本的經濟和管理知識，是個人取得職業進步的基礎，其中最重要的是管理知識。

3.3 職業能力

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

4 構造T-S模糊推理模型

根據評價指標體系，共有6個評價指標。為了應用T-S模型進行綜合評價，首先要對各指標數據進行量化。其中“專業知識”可直接采用各科考試的綜合成績，而其它5項可采取發放調查問卷自行打分的方法。

4.1 構造訓練樣本集

首先從各等級學生中選取若干具有代表性的指標數據，然后領域聘請專家認真細致地進行手工評判，最后以百分制給出這些學生的綜合評價結果。這些領域專家所運用的優良評價方法已蘊涵在從指標數據到評價結果的復雜映射關系中。這些學生的指標數據及評價結果可以作為訓練集，用來建立T-S模型的系統參數，使其“學會”領域專家的評判知識，并進而用來對那些已知指標數據，但不知評價結果的學生實施模擬專家行為的職業技能評價。

4.2 構造適應度函數

在訓練過程中，輸出結果與實際結果越接近，則評價效果越好，即適應度函數值越高。根據這種思想，可將適應度函數取為輸出結果與真實結果之差的絕對值的倒數。

式中：yi，——分別為第i個樣本的輸出結果和真實結果；

N——訓練樣本總數。

4.3 構造T-S模糊推理模型

為降低T-S模型的復雜度，每個評價指標選取“高（H）”和“低（L）”兩個模糊語言變量，并采用梯形函數作為模糊集隸屬函數。因此，6個評價指標共有26條模糊規則：根據1），每條模糊規則含有7個參數，26條規則共有7×26個參數。每個梯形模糊集包含兩個轉折點參數，12個模糊集共有12×2個參數。因此，整個T-S模型共有7×26＋12×2＝472個參數需要優化。若在限定步數內，模型輸出的最大絕對誤差小于限定誤差，則稱算法收斂。由于待優化參數較多，常規方法不易收斂，文中采用隨機粒子群算法優化這些參數。首先設置限定誤差和最大迭代步數，待優化過程收斂之后即完成了T-S模糊推理模型的構造。

5 評價實例

以東北石油大學秦皇島分校09級計算機軟件2個班（46人）、計算機網絡2個班（40人）、計算機應用2個班（41人），3個專業6個班共127人為例，驗證文中方法的有效性。

首先將全部127人的指標數據提交領域專家手工評價，以獲取標準的期望輸出。然后每個班隨機抽取10人共60人組成訓練樣本集，其余67人作為測試集，檢驗T-S模型的評價能力。6項評價指標中，除專業知識直接采用在校3年共6個學期專業課程期末考試成績的平均值外，其它5項指標均采用問卷調查方法獲取數據。問卷格式見表1。

表1 學生職業素質評價量表

每個評價指標對應的兩個模糊集均采用梯形隸屬度函數，其中模糊集“低”的兩個轉折點分別在區間（60，70）和（85，95）中取隨機數；模糊集“高”的兩個轉折點分別在區間（20，40）和（80，90）中取隨機數。所有模糊規則參數均取區間（0，1）之間隨機數。隨機粒子群算法種群規模取200，控制參數α取0.8，適應度函數按式（7）設計，最大優化誤差取ε＝0.01，迭代步數取Max＿gen＝5 000步，置當前迭代步數gen＝0。

圖2 最大絕對誤差動態變化曲線

以專業知識為例，模糊集“低”兩個轉折點的優化結果分別為65.132 9和94.876 1，模糊集“高”兩個轉折點的優化結果分別為29.936 8和85.236 9，隸屬函數圖像如圖3所示。

圖3 評價指標“專業知識”的兩個隸屬度函數

將構建好的T-S模糊推理網絡直接用于評價測試集的67個樣本，并將T-S評價結果與專家評價結果對比，最大絕對誤差僅為1.298 3，取得了令人滿意的評價結果，同時，也說明文中構建的T-S模糊推理模型有較強的泛化推廣能力。

6 結 語

給出了一種新穎的高等職業院校學生職業技能評價方法。將粒子群優化與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。該方法為高等職業院校學生職業技能評價提供了一種值得推薦的新途徑。

［1］ 陸垠杼.“工學結合”模式下的高職學生學習質量“多元化”評價方法初探［J］.湖北函授大學學報，2011，24（11）：5-6.

［2］ 曾旭華，皮洪琴，李福東.高職學生職業能力指標體系構建綜合評價方法探討［J］.職業技術教育，2012， 33（17）：8-13.

［3］ 許翰銳.論工科類高職學生技術美學素養的評價方法［J］.高等職業教育－天津職業大學學報，2008，17（1）：66-69.

［4］ 余鳳翎，余靖中.以就業為導向的高職院校職業能力評價方法研究［J］.中國電力教育，2011，27（7）：144-145.

［5］ 焦樹鋒.高職教師教學質量的模糊綜合評價方法［J］.重慶職業技術學院學報，2005，14（3）：115-116.

［6］ 朱海岳.高職學生職業道德評價方法研究［J］.教育探索，2012，32（6）：76-77.

［7］ 任海華.模糊評價方法在高職院校“推優”素質評價中的應用［J］.四川職業技術學院學報，2011，21（3）：107-108.

［8］ 李盼池，王海英，楊雨.一種隨機粒子群算法及應用［J］.計算機系統應用，2012，21（2）：245-248，217.

［9］ 張翔云，胡振宇.高職學生職業素養的量化評價方法［J］.職業技術教育，2010，31（2）：56-58，93.