基于神經網絡的職業能力測評方法研究

趙宇峰

【摘 要】職業能力測評是一種針對職業能力與職業認同感的評價，是近年來引進國內的較為先進的綜合職業能力評價方法。本文分析了職業能力測評過程中出現的一些可以導致結果失真的人為因素；討論了神經元網絡邏輯推理器應用于職業能力測評過程的可行性；并研究了神經元網絡推理器應用于職業能力測評的實施方法。

【關鍵詞】職業能力測評；BP神經元網絡

中圖分類號： V355.1 文獻標識碼： A 文章編號： 2095-2457（2018）01-0137-002

【Abstract】Occupational proficiency assessment is a kind of appraisal of occupational competence and professional identity. It is a more advanced comprehensive appraisal method of vocational ability introduced into China in recent years. This paper analyzes some human factors that may lead to distortion of results in the process of occupational proficiency assessment. It also discusses the feasibility of neural network logical reasoner applying to occupational proficiency assessment process. And it also studies the application of neural network reasoner in vocational proficiency assessment The implementation method.

【Key words】Occupational proficiency assessment； BP neural network

1 職業能力測評

KOMET 是“職業能力與職業認同感測評項目”的縮寫。通常我們對職業院校學生綜合職業能力進行評測的主要方法包括職業資格認證、考試，技能競賽，世界技能競賽等形式。KOMET是不同于之前的評測方式，它專門針對職業院校學生。系統的、科學的考察職業學校學生的職業能力，職業發展能力以及職業道德等因素。KOMET 是具有完整評價體系的，它建立了自己的職業能力模型、設計了完善的職業能力測評方案、開發了科學的職業能力測評工具與方法并對其進行了驗證。

職業能力測評方法自從被引進我國，就在職教界引起了廣泛的重視。2012年開始，在北京師范大學組織了第一次職業能力測評，測評對象是汽車維修專業的在校師生。之后，先后在交通系統的職業院校，四川省的部分職業技術學院，以及廣州市屬的技工院校開展了評測活動。取得了良好的效果，職業教育行業也認可了職業能力評測方法，希望能夠推廣。

職業能力測評的實施過程如圖1所示。首先根據被測評對象的專業和工作崗位開發職業能力測評題目。職業能力測評題目開發有兩個重要的規律：一是按照“初學者-提高著-能手- 專家”這樣一個職業能力發展路徑，呈4個階段來劃定能力范圍；二是要獲取該階段職業的典型工作任務，一般通過實踐專家訪談會確定的職業的典型工作任務。

使用職業能力測評題目對被測評者進行職業能力測評，被測評者完成測評題目。將得到被測評者的答案和完成任務過程的第三方監督記錄。通過對答案和記錄進行評分將得到被測評者的職業能力數據。

分析整個職業能力測評過程，出現人為因素最為集中的地方就是評卷環節。由于職業能力測評的題目是基于典型工作任務的綜合性題目，所以其答案也是綜合性的答案。也就是每條答案可能包含職業能力的多個方面的因素，或者不同的評分者對答案的判斷不同，于是現了一些操作性的問題。主要體現在以下三個方面：

（1）測評指標及指標權重不確定性。為了反應考核對象的職業能力，會設定某些具體任務指標。這些任務指標是要根據評測對象情況和評測的目標進行設定的。而每個任務指標所占到的權重也需要進行科學評估。但是目前在指標和權重的設定上，主要依靠設計者的經驗，存在偏差。

（2）評分者的差異問題。職業能力測評的操作過程中，對于評分者的公正性依賴過強。實際的測評過程中確保評分者信度是KOMET 測評技術的一大難點。人作為評分者必然存在差異，這種差異將對測評的結果產生影響。

（3）測評標準模糊化。目前大多數研究集中職業能力的測評過程和測評的數據分析。但是由于缺乏參照物，一些職業能力測評的數據不具有實際的說服力。因為對于每個崗位，8個能力的發展情況或是受重視情況是不同的。必須有大家公認的4個層次的每個工種、專業的職業能力模型才具有數據上的說服力。

2 評卷環節推理機模型

通過信息技術構建推理機來代替人工評卷是解決評卷過程中出現的認為因素和不確定性因素的較為可行的辦法。根據職業能力測評工作過程的特點建立評卷環節推理模型如圖2所示。

首先對職業能力測評得到的每項答案進行模糊化，使答案轉化為可以被推理機識讀的數據。通過專家的討論，對每道題的答案建立一個隸屬度表（表1）。將答案從最好到最差分成3-9個等級，將答案的評價標準量化并細分。在實際改卷操作中，每項答案需要評卷專家根據參照樣本答案，討論分級即可，得到的數據就是職業能力測評推理機的輸入。

職業能力測評推理機是一個典型的多輸入，多輸出的模型。而且由于每項輸入（模糊后的答案）與每項輸出（職業能力指標）之間存在的不是簡單映射關系，所以較為適合選用BP神經元網絡來作為推理機。

人工神經網絡簡稱ANN，是利用計算機來模擬生物大腦的結構和運行方式，簡稱神經網絡。與人的大腦相似，組成網絡的基本單位是神經元，通過一些組織形式，將神經元連接，可以組成神經網絡。理論上，可以逼近復雜的非線性映射關系。

BP神經網絡是一種具有前饋的多層神經網絡，按照功能是由輸入、隱含、輸出三種，可以由多層組成。BP神經網絡的連接呈現以下特點：同層無連接，層間無反饋，相鄰有連接。BP神經網絡的拓撲結構如圖3所示。

通過合理的設定輸入、輸出點數，層數，隱含節點數以及連接全值，將組成合理的推理器。通過一定的樣本學習后，將能夠逼近非線性映射。我們只需要將模糊化之后的答案送入推理器，就可以得到我們關于職業能力的八個指標值的輸出。在整個過程中基本上可以排除主觀因素的干擾，同時提高了效率。

3 職業能力推理器的訓練

神經元網絡的推理結構來源于神經元之間聯系的權值，對神經元網絡訓練，可以使神經元網絡無線逼近于真實的職業能力模型。因此選擇職業能力推理器的訓練樣本具有較高的要求。

基于神經元網絡的職業能力推理器的訓練樣本必須來源于真實的職業能力測評的輸入值與輸出值。也就是在進行大規模的職業能力測評之前，需要先組織一個針對職業從業者的職業能力測評，用以獲得數據。

在充分的企業調研的基礎上，尋找該職業、工種中大家公認的典型崗位人群。這些人群應該從事相近的工作，或者擁有較為相近的職業經歷和成長渠道；同時這些人還應該覆蓋從“初學者-提高者-能手-專家”4個層次的典型代表。這些人的崗位和工作成績能夠得到認可，也就是這些人能夠作為我們在這4個層次中的參考系。

對這些人實施職業能力測評，將獲得的答案進行模糊化作為推理器的訓練樣本的輸入矩陣。對這些人的答案進行傳統評卷方式，最終得到的8個職業能力指標的數據矩陣，這樣就獲得了推理器訓練的期望輸出矩陣。然后利用正反向運算的方式獲得神經網絡的權值，當方差在允許范圍內時，訓練結束。即可采用此網絡進行大規模的職業能力測評。

4 總結

基于神經網絡的職業能力測評方法將神經元控制網絡應用于職業能力測評實踐中。通過神經元網絡來逼近職教專家的職業能力模型，在大規模的職業能力測評中減少工作量，縮短測評時間。同時能夠有效的避免因為評分者的差異帶來的數據信度問題。同時由于標準職業能力樣本的獲取，建立了職業能力的參考系，使職業能力測評的結果更具有指導意義。

【參考文獻】

[1]【德】費利克斯·勞耐爾.職業能力與職業能力測評： KOMET理論基礎與方案[M].北京：清華大學出版社.

[2]莊榕霞，趙志群.職業院校學生職業能力測評的實證研究[M].北京：清華大學出版社，2012.

[3]趙志群，莊榕霞.職業院校學生職業能力測評研究[N].職教論壇，2013.3.7.