基于數據驅動的專業工程認證持續改進決策方法

劉孝保

摘要：持續改進是專業工程認證教育的內在推動力，其效果將直接影響工程認證教育的效果，而持續改進決策將直接決定持續改進的效果。隨著工程教育的發展，傳統依賴經驗的決策方法已不能滿足實際需求，為此，提出了基于數據驅動的專業工程認證持續改進決策方法，該方法根據專業工程教育認證內容和管理模式，構建了基于數據驅動的實現流程，然后在流程基礎上，構建了數據驅動決策方法。該模式將對專業工程認證的順利進行具有重要的意義。

Abstract： Continuous improvement is the intrinsic driving force of professional engineering certification education， its effect will directly affect the effect of engineering certification education， and continuous improvement decision will directly determine the effect of continuous improvement. With the development of the engineering education， the traditional decision-making method of relying on experience can not meet the actual demand. To this end， a continuous improvement decision-making method of professional engineering certification based on data-driven is put forward. According to the content and management mode of professional engineering education established the implementation process Based on the data-driven， and then on the basis of the process， to build a data-driven decision-making method. This model will be of great significance to the successful conduct of professional engineering certification.

關鍵詞：專業認證；數據驅動；持續改進；分析與決策

Key words： professional certification；data-driven；continuous improvement；analysis and decision-making

中圖分類號：TP391.3 文獻標識碼：A 文章編號：1006-4311（2018）03-0151-03

0 引言

工程教育是我國高等教育的重要組成部分，在高等教育體系中“三分天下有其一”。截至2013年，我國普通高校工科畢業生數達到2876668人，本科工科在校生數達到4953334人，本科工科專業布點數達到15733個，總規模已位居世界第一。工程教育在國家工業化進程中，對門類齊全、獨立完整的工業體系的形成與發展，發揮了不可替代的作用。工程教育專業認證是國際通行的工程教育質量保障制度，也是實現工程教育國際互認和工程師資格國際互認的重要基礎。工程教育專業認證的核心就是要確認工科專業畢業生達到行業認可的既定質量標準要求，是一種以培養目標和畢業出口要求為導向的合格性評價。工程教育專業認證要求專業課程體系設置、師資隊伍配備、辦學條件配置等條件都圍繞學生畢業能力這一核心任務展開，并強調建立專業持續改進機制和文化，以保證專業教育質量和專業教育活力[1]。

工程教育專業認證的設計與實施，遵循了三個基本理念：成果導向、以學生為中心、持續改進。持續改進理念貫穿工程教育專業認證的全過程，且工程教育專業的持續改進效果依賴于學校教學質量管理體系的完整性與有效性[2]。持續改進的核心是改進策略的分析和制定，在傳統模式下持續改進的基礎是通過直觀經驗的方式進行，但是直觀方法具有片面性、隨機性，因此需要更為科學的決策分析方法。另外，隨著信息技術的發展，學生培養過程的數據呈現出爆發式增長態勢。隨著數據分析技術的發展，利用數據分析技術進行決策成為未來決策的主流方向之一[3-5]。

為此，本文以數據驅動決策為出發點，提出一種基于數據驅動的持續改進[8-9]決策的新模式，進而建立了持續改進決策的方法體系和持續改進的智能決策。通過構建數據獲取、數據存儲、數據預處理、數據分析、數據分析與挖掘、數據決策等模型，進而實現基于數據的智能決策方法，確保持續改進決策的合理性，提高學生培養的質量。

1 數據驅動下的專業工程認證分析決策系統構建

從專業工程認證的內容來看，專業認證管理系統主要可分為學生、培養目標、畢業要求、持續改進、課程體系、師資隊伍和支撐條件等部分，各部分的內容以及相互關系如圖1所示。其中，持續改進是整個認證過程的內在驅動力，驅動專業以學生為中心，以成果為導向的培養體系運轉，保障學生培養體系的良性發展，增強培養質量。

在工程專業管理內容和相互關系的驅動下，需要構建相對應的數據采集、分析與決策系統。數據采集主要包括在學生培養過程中所有相關的數據庫信息，如學生信息、學生實踐信息及學生就業信息等；文件數據主要包括在培養過程中所形成的管理文件、管理政策及總結報告等文本信息；視頻數據主要包括學生培養過程的所有視頻資源；圖片數據主要包括學生培養過程中所有相關的圖片信息。數據驅動系統將上述數據存儲，并將其作為培養過程的主要流程數據，同時也是以后決策制定的原始數據。將所有相關數據存儲后，需要對數據進行預處理，預處理主要包括冗余數據去除、錯誤數據去除和數據規范化。將預處理后的數據利用現代數據分析與挖掘和人工智能等方法找到決策的依據，然后依次進行持續改進決策，最后進行實施。實施過程的相關書圖集同樣需要進行數據采集，該數據將成為今后決策的原始數據，這樣就形成了一個持續改進的封閉環，確保培養過程一直處于持續改進的優化過程中，同時確保學生培養質量，數據驅動管理實施流程如圖2所示。endprint

2 數據驅動下專業工程認證持續改進決策新模式

傳統的持續改進決策方法主要是經驗方法，從學生的學習效果中按照經驗找到存在的問題，然后預想可能存在的問題和可能的解決辦法，然后從中選出覺得比較適合的內容。但這種經驗決策方法具有如下缺點：①由于采用主觀經驗的方式發現問題，因此發現的問題往往都比較淺顯和片面，其解決方案的效果也欠佳；②在找到問題后采用經驗的方式去解決問題，沒有對其進行預測評估，往往導致在改進過程中才發現問題，影響了持續改進的效果。為此，隨著信息技術的發展，需要利用數據驅動的理念并采用人工智能的方式去找到問題所在，同時對問題的解決方案進行預測評估來找到合理的解決辦法，這樣就能夠構成一個良好的持續改進決策實施流程。數據驅動下專業工程認證持續改進決策新模式主要包含兩個：學生培養效果分析和學生培養持續改進預測與決策方法。

2.1 學生培養效果分析

在利用數據驅動解決學生培養效果分析與決策問題的新思路中，首先基于數據思維，將學生學習的相關狀態參數、教師教學相關數據及其他相關信息通過聚類、序列模式挖掘、關聯等數據挖掘方法分析數據之間的關聯關系與數據變化對學生學習效果影響的演化規律，并建立學習效果預測模型；最后從預測模型中找到關鍵參數進行定量控制，實現系統優化。基于以上思路，形成數據驅動的“分析+決策+實施+管理”新模式，如圖3所示。

數據分析是對學生學習、教師教學及其他相關數據的關聯分析，在清洗、分類與集成等數據預處理的基礎上，構建挖掘序列模式，實現數據的關聯分析，挖掘數據之間的影響規律。

改進決策是通過分析數據所得，描述學生學習效果與存在問題之間的內在關系。通過將學習效果指標數據化，并建立對應模型描述學習效果對性能指標的影響規律，易于找到提高學生培養質量的決策方法。

系統管理主要是指在學生培養過程中按照工程教育理念進行管理方面的內容，包括主要系統的權限管理、文件管理、數據管理和統計分析報表管理等。

2.2 學生培養持續改進預測與決策方法

在學生培養效果分析的基礎上找到學生培養的問題所在，然后分析所有可能的解決方法。并在利用學生培養效果分析模型的基礎上利用深度神經網絡等人工智能算法建立解決方案的預測模型，將所有解決方案進行預測分析，最終綜合考慮采取何種改進決策意見，由此構建基于數據驅動的學生改進決策方法，提高學生學習的效果。

3 數據驅動下專業工程認證分析與決策方法論體系

在“分析+決策+實施+管理”這一決策新模式下，利用大數據解決學生學習效果分析與決策問題，需要實現學生學習效果等相關數據預處理與分析、各系統運行分析與性能預測以及系統運行決策與性能優化。然而在這一過程中大量關聯數據的關系錯綜復雜，數據預處理與分析方法有必要進一步深入研究。根據以上分析，為更好通過多維關系建立系統性能與參數間的相關關系實現性能預測，在基于數據驅動的持續改進系統中，從學習數據獲取、學習數據存儲、數據預處理與分析、數據預測、數據決策、落實實施、管理等環節持續改進。

3.1 學生學習數據預處理

系統運行過程中監測所得數據具有海量、多維、多尺度和多源異構等特性，數據必須經過預處理才能加以分析，所以對數據錯誤、數據沖突及重復等情況的過濾變得尤為重要。在此基礎上進一步研究多級優化的過濾規則，排除數據壞點，為系統運行分析與決策提供更為可靠的數據庫。然后基于本體論構建全局數據模型，通過建立數據結構化文本的描述手段實現對數據的統一建模。最后通過稀疏矩陣建立大數據的稀疏表示框架，并對數據的不同維度聚類，形成參數多維分類視圖，方便系統運行分析與決策的實際運用。

3.2 學習影響因素關系網絡建模及預測

由于學生學習的相關狀態參數、教師教學相關數據及其他相關數據各異，各個參數的數據間存在相互干擾和相互影響，因此在數據挖掘算法的基礎上，利用復雜網絡理論描述系統及數據之間的關聯規則和相關系數，并對學生學習過程中可能存在的問題進行預測分析。

3.3 持續改進決策

將系統運行的性能預測值與目標決策值進行實時對比，通過關鍵參數對系統的影響進行及時調整，優化系統，如設備壽命智能決策方法和系統智能調度方法。

3.4 系統管理

將系統運行過程中采集的監測數據、數據分析結果、決策結果、反饋效果等信息在系統平臺進行綜合管理。

4 總結

本文針對傳統專業工程認證教育中以個人經驗來對學生培養過程進行決策的問題，提出一種基于數據驅動的專業工程認證持續改進決策方法。通過構建數據獲取、數據存儲、數據預處理、數據分析、數據分析與挖掘、數據決策等模型，進而實現基于數據的智能決策方法，確保持續改進決策的合理性，提高學生培養的質量。

參考文獻：

[1]王珣.多視角多層次多維度呈現中國工程教育質量第一份《中國工程教育質量報告》“問世”[EB/OL].http：//old.moe.gov.cn//publicfiles/business/htmlfiles/moe/s5987/201411/178168.html.

[2]李志義.解析工程教育專業認證的持續改進理念[J].中國高等教育，2015（Z3）：33-35.

[3]張海，付偉.面向工程教育認證的機械工程專業實驗教學體系建設[J/OL].實驗技術與管理，2017（10）：166-169，186.http：//kns.cnki.net/kcms/detail/11.2034.T.20171016.1157.041.html.DOI：10.16791/j.cnki.sjg.2017.10.041.

[4]徐廣華.“國際專業認證”背景下高校體育課程改革理論分析[J/OL].現代交際，：1.http：//kns.cnki.net/kcms/detail/22.1010.C.20170928.0040.024.html.

[5]劉向榮，吳曉潔.專業認證導向下我國高校工科專業培養目標設定研究——以我國高水平大學為例[J/OL].河北工業大學學報（社會科學版），：1-7.http：//kns.cnki.net/kcms/detail/13.1396.G4.201709

28.0943.002.html.DOI：10.14081/j.cnki.cn13-1396/g4.2017.000015.

[6]趙永輝，劉淑玉.高校工科專業工程認證背景下教學改革探討[J].科教文匯（中旬刊），2017（09）：32-34，51.

[7]謝玲，陸坤，遲宗正.工程認證背景下的軟件人才培養體系探討[J].實驗室科學，2017，20（04）：232-235，240.

[8]尤漢虎，陳愛貞，黃祖星.淺談質量管理體系持續改進的策略與措施[J].當代醫學，2011，17（21）：41-42.

[9]席淑華，周立，蔣少華，于冬梅.持續改進服務質量的做法及效果評價[J].中華護理雜志，2005（07）：533-534.endprint