基于PCA的現代學徒制滿意度評價模型構建

繆進 高洪波

摘要：現代學徒制是職業教育培養人才的重要途徑在世界范圍內已成為共識。本文首先基于顧客滿意度評價理論，結合我國當前開展現代學徒制實際情況，在分析學生家長對現代學徒制開展實施滿意度測評構成要素的基礎上，利用主成分分析法（PCA）歸類得出了學生家長對現代學徒制開展實施狀況滿意度測評模型中的四個二級指標，然后通過回代的方法，得出了最終的學生家長對現代學徒制開展實施狀況滿意度評價模型。

關鍵詞：主成分分析;現代學徒制;顧客滿意度;評價;模型

中圖分類號：G40-058.1? ? ? ?文獻標識碼：A

文章編號：1009-3044（2019）20-0155-03

開放科學（資源服務）標識碼（OSID）：

1 引言

現代學徒制作為提升我國職業教育水平的重要舉措，其目的在于通過校企雙方深化產教融合、進一步完善校企合作育人機制，為我國社會經濟的發展提供人才支撐。近年來，國家對職業教育現代學徒制越來越重視，這些可從教育部近年來印發的開展現代學徒制工作有關文件精神可見一斑，這些都標志著我國職業教育改革正在向以現代學徒制為代表的方向轉變。

要開展好現代學徒制，對現代學徒制開展實施狀況進行科學有效的評價是開展好現代學徒制的重要環節，其中第三方評價由于其具有較好的客觀性、公正性等特性而被教育界所推崇，學生家長對現代學徒制實施開展狀況的滿意度評價是職業教育現代學徒制第三方評價的重要組成部分，通過開展科學有效的學生家長對現代學徒制開展實施狀況的滿意度評價，對進一步開展職業教育現代學徒制有著重要的現實意義。同時，以家長的視角來評價現代學徒制開展實施狀況模型構建研究相對較少，從這個層面來講，本文研究的問題有著較好的實際價值。

基于顧客滿意度評價的教育滿意度評價有關理論緣起可以追溯到上世紀九十年代，該評價方法自本世紀以來也逐漸成為我國教育領域中教育滿意度評價研究的熱點之一[1-3]。借鑒顧客滿意度評價的有關理論，以時下我國職業教育現代學徒制開展實施現狀及學生家長對現代學徒制實施的期盼為出發點，研究和構建學生家長對當前現代學徒制實施的滿意度定量測評模型，對時下開展好職業教育現代學徒制具有重要的指導意義。

2 學生家長對現代學徒制開展實施滿意度評價構成要素分析

就學生家長對現代學徒制開展實施狀況滿意度測量而言，精準找出滿意度的相關測評觀測點并得到相應符合客觀實際的觀測值是問題的關鍵。現代學徒制可以視為職業教育人員憑借相應的企業生產場所、設施和機構等實施的針對學生旨在提升學生職業能力開展職業教育活動過程[4]。學生家長對現代學徒制開展實施的滿意度構成要素可劃分為從事現代學徒制人員（包括學校專任教師和企業的兼職教師）、設施（相關的設備及生產經營場所等）、機構（學校和企業相關的現代學徒制實施及管理部門）及課程項目（能為學生提供的旨在培養職業能力的現代學徒制課程項目）等四個方面。

學生家長對現代學徒制開展狀況的滿意度評價應能充分描述學生家長對現代學徒制開展實施過程的各個構成要素的切身感知，從這個角度而言，體現學生家長對現代學徒制開展狀況的滿意程度，以課程項目、相關人員、場所設施和相關機構組成等為觀測點是切合當前現代學徒制開展實施狀況測評實際的。在此基礎上，我們可以進一步采用計算機算法構建相應的模式，從而能夠如實反映學生家長對現代學徒制開展實施狀況的滿意程度，再結合滿意度模型得出各種相關因素對總體滿意度的具體影響水平，進而達到為職業教育現代學徒制有效實施與開展提供依據和借鑒的目的。

3 學生家長對現代學徒制滿意度評價模型PCA法分析與構建

3.1 PCA分析法

主成分分析（Principal Component Analysis，PCA）在解決多重共線問題較之于其他算法具有較大優勢[5-6]。就其理論層面而言，主成分分析法是通過采用正交變換，將相關性較強的一系列變量經過適當的變換去除它們之間存在著重疊現象，從而得到一組具有代表性的，比原來變量數量上要少的主成分且這些主成分不丟失問題的重要信息而能夠揭示問題的內在本質，正是由于主成分分析法具有這種特點和優勢，使該方法在實際問題的建模中得到了廣泛的應用[7-9]。

3.2 三級指標的確定與模型的構建

依據滿意度測評理論及上述滿意度測評構成要素分析結果，根據南通開放大學教務處針對300名學生家長進行現代學徒制滿意度調查問卷數據進行PCA分析，選取16個觀測點作為家長滿意度評價模型的三級指標，即描述相關企業在距離上的便利性的企業距離（記為x1）、相關機構服務的常規性（記為x2）、描述相關企業是否能滿足現代學徒制實施需求的企業設施的齊備性（記為x3）、用于現代學徒的設施數量的可獲得性（記為x4）、用于現代學徒制的設施的可利用性（記為x5）、用于現代學徒制的相關設施獲得方式（記為x6）、職業教育的全納覆蓋性（記為x7）、從事現代學徒制職業教育人員數量（記為x8）、從事人員資格的專業性（記為x9）、從事現代學徒制人員構成的多元性（記為x10）、現代學徒制項目課程的豐富性（記為x11）、課程內容的針對適用性（記為x12）、課程實施的有效性即可接受性（記為x13）、課程信息的獲得性（記為x14）、課程服務獲得方式（記為x15）、描述學生家長對現代學徒制課程改善的參與性的家長課程參與性（記為x16）。具體步驟如下：

STEP1：將調查數據表中讀入系統。

STEP2：進行相應格式標準化。

STEP3：進行PCA分析。以主成分累計貢獻率達到80%以上或用特征根大于1為準則，進而分析得出數量上較之于原來變量數量較少的主成分及因子負荷矩陣，從而可以確定出二級指標和三級指標。二級指標可以通過三級表示如下：

其中， x1 ， x2 ， … ， xp表示顯變量， 即觀測變量;z1 ， z2 ， …， zm是提取出來的潛在變量;同時得到相關的回歸系數矩陣。

STEP4：確定各個三級指標對應于二級指標權重，同樣，通過計算確定二級指標對應于一級指標的權重，最后通過回代，得出最終的滿意度評價定量分析模型。

4 基于PCA的學生家長對現代學徒制開展實施狀況滿意度評價模型的實現

4.1 基于PCA分析提取二級指標

對調查數據進行格式標準化得到的系數矩陣進行主成分分析，可以得到相應的因子負荷矩陣（見表1），依據主成分累計貢獻率超過80%及對應的特征根大于1的標準，提取得出四個主成分，他們對應的特征根分別為5.227，4.384，2.296，與1.236，其解釋總變量的百分比達到了82.134%，實現了簡化變量的目的。因子負荷矩陣見表1。

由表1 可知，正是由于第一主成分與課程豐富性、適用性、教學方式及課程獲得性、獲得方式、學生家長課程參與性等呈現出較強的正相關，故可用項目課程作為涵蓋這些三級指標的二級指標;第二主成分主要與設施齊備性、可獲得性、可利用性及設施獲得方式、設施覆蓋性等正相關，可歸納為反映的是現代學徒制設施場所狀況這一個二級指標;第三主成分與從事現代學徒制人員數量、人員專業資格及構成具有較強的相關性，故可用從事現代學徒制人員作為第三個二級指標;第四主成分與機構距離、機構的固定性等呈現出正相關，可將機構建設與管理作為第四個二級指標。綜上可知，以現代學徒制課程項目， 開展現代學徒制設施場所、校企參與現代學徒制相關人員和現代學徒制實施機構建設與管理為該滿意度測評模型中的四個二級指標，這一結論與上面滿意度評價要素構成分析是非常相近的。

4.2 三級指標對應于二級指標的權重確定

這里，上述線性方程組中的系數描述了相應變量對于各個主成分的貢獻度， 這些值正是這里的16個三級指標對應于的二級指標的權重。

4.3 最終的現代學徒制滿意度評價模型的確定

由主成分分析的有關理論，每個主成分所對應的特征值占所得到的主成分特征值之和的比例即可作為相應的權重，在此基礎上得出最終的主成分綜合模型。根據該種算法，依據四個主成分對應的特征值分別為5.227，4.384，2.296，1.236 ，可以計算得到這四個主成分的貢獻率為0.398，0.334，0.175， 0.094，綜合上述分析可以得到最終的學生家長對現代學徒制實施狀況滿意度評價模型：

由上式可知，學生家長對現代學徒制實施狀況滿意度四個主成分中影響程度較大是前兩個主成分，即現代學徒制項目課程和現代學徒制的設施場所。

4.4 最終評價模型的確立

將式（2）代入式（3），本文建立的最終的滿意度評價模型如下：

根據上面的定量模型，可以得出學生家長對現代學徒制實施狀況滿意度量化值。

5 結論

依據顧客滿意度測評有關理論，在分析學生家長對現代學徒制開展實施滿意度測評構成要素的基礎上，利用主成分分析法（PCA）歸類得出了學生家長對現代學徒制開展實施狀況滿意度測評模型中的四個二級指標，然后通過回代的方法，得出了最終的學生家長對現代學徒制開展實施狀況滿意度評價模型，對進一步開展好現代學徒制職業教育有著一定的參考借鑒意義。

參考文獻：

[1] 李曉林.顧客滿意度調查在高職現代學徒制教學質量保障中的應用研究[J].產業與科技論壇，2018，17（14）：126-127.

[2] 賈璇，徐大真.關于職業教育滿意度研究的文獻分析[J].職業教育研究，2016（05）：22-25.

[3] 劉大鵬.現代學徒制背景下高職院校“雙創”人才培養路徑探究[J].教育現代化，2018（41）：34-35.

[4] 高洪波，馬素萍.現代學徒制人才培養質量第三方評價機制的構建[J].職教通訊，2018（03）：71-74.

[5] 胡帥，顧艷，曲巍巍.主成分分析與BP網絡結合的教學質量評價[J].自動化技術與應用，2016，35（04）：10-14.

[6] 韓小孩，張耀輝，孫福軍，等.基于主成分分析的指標權重確定方法[J].四川兵工學報， 2012（10）：124-126.

[7] 張云龍.基于PCA的高維流式數據聚類算法[J].電子技術與軟件工程，2019（10）：175-176.

[8] 張妍，郭新宇，劉鋒.基于PCA的商洛市城鄉協調發展評價[J].商洛學院學報，2019（02）：69-74.

[9] 劉一，謝懿.基于PCA的離散小波自回歸情感識別[J].計算機系統應用，2019（05）：119-124.

【通聯編輯：朱寶貴】