基于層次模糊評價的高素質農民線上培訓課程推薦技術研究及應用*
——以某農機化教育培訓中心為例

沈孚，王碩，黃沁

(農業農村部南京農業機械化研究所，南京市，210014)

0 引言

近年來，隨著農業技術的飛速發展，傳統農民已經無法應對當前的形勢,要破解“三農”問題關鍵在農民。我國農民存在人口基數大、學歷層次水平低、個體生產技術能力不足等諸多問題，嚴重阻礙了鄉村振興戰略實施。然而面對農民群體，抓住“關鍵少數”已然成為農村區域發展的著力點。

2020年中央財政投入23億元在全國開展高素質農民培育工作，實施農民培訓提質增效三年行動，高素質農民教育培訓勢在必行[1]。如何將普通農民迅速轉變成高素質農民成為了教育培訓的難點，尤其是在突如其來的疫情之下，線上教育已逐漸成為傳統線下教育的補位與升級，人們不能集會、不能見面，線上教育的優勢就更為明顯。通過農民線上教育培訓，能夠快速培育高素質農民，不僅可以解決“誰來種地”“怎么種好地”的難題，還可以讓農民中高素質群體帶動引領農業農村發展。

目前，面向農民的教育培訓系統還處在起步階段，且缺乏培訓效果評價這一環節，國內外教育行業的效果評價大多數使用的是CIPP模式即決策型模式的理論框架，對高素質農民培訓評價模型研究現階段主要采用層次分析法和德爾菲法[2]，由于高素質農民群體在培訓過程中培訓效果影響因素多，需要對教學質量效果評價方法進行廣泛的調研和深入的分析，層次分析法能夠很好的解決此類問題。

本文提出了一種基于教學質量評價的培訓系統，針對高素質農民教育培訓特點通過建立教學質量、學習效果層次模糊評價模型，重點研究評價算法，并結合培訓案例給出了互聯網課程推薦的詳細設計方案及應用范圍，對我國農民整體素質提升提供了可靠途徑[3]。

1 高素質農民教育培訓現狀分析

近年來，針對高素質農民教育，很多農業教育培訓機構在開展培訓過程中會不定期增加新課程，具體的培訓方式和培訓內容也會隨著授課群體進行適當調整。在新形勢下，高素質農民對于培訓的需求也呈現出了不同的特點。第一，培訓內容趨向多元化。地域性農業發展特點各不相同[4]。全國農機化教育培訓中心在廣西農戶進行調研中發現，有超過一半的農民希望學到一些新型農業機械化種植與收獲的技術方法。例如，經濟作物或是果樹等。還有一部分農民希望能夠學習農產品加工的技術方法，例如，糧食、蔬菜加工。第二，培訓需求存在差異性[5]。部分中青年農民希望學習提升技能，考取相關職業資格證書。部分新型職業農民，響應國家創新創業號召，希望能夠返鄉留鄉，利用自身所學將經驗和技術用于當地創業。由于對當地農業結構及政策缺乏深入了解，導致項目遲遲無法落地。另外一部分是最容易忽視年齡較大的留守農民，主要是進行農作物耕作與農產品生產。雖然能夠積極參加培訓，但是學習能力不強，培訓周期意愿弱，新型種植方式與機械化技術接受度低。第三，培訓方式的多元化。面授課是絕大多數農民最喜歡的授課方式。但在農忙時節，也需要增加一些短期的培訓，或是線上培訓方式。有時還希望能夠邀請專家實地指導，開展現場培訓。

1.1 高素質農民培訓人群特征

根據2020年全國高素質農民發展報告統計，國家農民教育培訓專項工程基本覆蓋所有農業縣，重點開展農業經理人、新型農業經營主體帶頭人、現代創業創新青年和農業產業精準扶貧培訓，共培養高素質農民約93萬人[6]。其中《報告》顯示的數據中全國高素質農民人群發展呈現了不同的特征。一是高素質農民隊伍質量結構不斷優化[5]。受教育程度相對較高，年齡相對年輕，是高素質農民隊伍的典型特征，有近70%的高素質農民年齡在36～54歲之間，45%的高素質農民受教育程度為高中及以上，約20%的高素質農民正在接受學歷教育。二是地域之間高素質農民隊伍素質存在差異。由于東部地區因經濟產業發展發達，高素質隊伍優勢明顯，東北地區的高素質隊伍發展和示范帶動相對較弱，西部地區高素質隊伍相對滯后。三是學員來源類別均衡。近年來，全國有90%以上高素質農民從業時間在5年以上，并接受了農業相關培訓，農業生產經營經驗豐富，其中近50%的高素質農民為新生力量，進城務工返鄉人員和大中專畢業生比例大幅增加，高素質農民后備力量較為充足。

1.2 培訓質量評價模式及作用

關于培訓效果評價的理論模式多種多樣，本文根據高素質農民教育培訓的學員分類及學歷特點，以授課專家和學員為中心，構建了培訓、評價、跟蹤反饋一體化的教育培訓全過程評價模式，用作具體效果評價的理論框架，如圖1所示。

圖1 培訓效果評價理論框架圖Fig.1 Frame diagram of training evaluation

這個模式表示反映了培訓總體目標—培訓活動—培訓跟蹤反饋過程，強調了對培訓質量的形成性評價，同時注重培訓質量評價的及時跟蹤、反饋以及調整功能。培訓質量評價主要以專家及培訓活動為主要評價對象，突出在教學活動方面的課程質量的評價。通過對此方面評價促進專家自身發展及授課質量的提高，并對專家的授課做出質量上的評定，以用作培訓內容效果考評的依據。培訓跟蹤分析以學生及培訓活動為主要評價對象，突出的是學習過程的質量的評價。評價的目的是以實現培訓目標為宗旨，注重學員在培訓過程中的最終培訓成果質量上的評定，并對培訓工作能夠作出積極的反饋。

2 綜合評價模型

基于層次式模糊評價模型，具體算法過程描述如圖2所示。

圖2 層次式模糊評價算法流程圖Fig.2 Flow charts of hierarchical fuzzy evaluation

培訓質量評價是一個多層次、多目標的問題，評價指標涉及的內容寬泛，其中評價因子受評價者主觀因素影響較大，故本文采用了分層次的模糊綜合評價[6]模型。通過對評價過程的非線性特點分析，運用模糊算法用于培訓系統中，將非線性的變論域進行綜合量化，從而得出模糊評價結果。

針對復雜評價多因子的情況，我們對于這類評價因子分層次問題，可以分別進行綜合評價，即先對低層次評價因子進行綜合評價后再對高一級的評價因子進行綜合，最終至最高層。現將二級模糊綜合評價算法評價因子A是由若干評價因子集組成，即A={B1，B2，…,Bk},其中Ai={b1(i),b2(i),…,bni(i)},i=1,2,3,…,k。設Ai∩Aj=Φ，i≠j，i，j∈{1，2，…,K}。我們稱Ai為第一級評價因子，b1(i),b2(i),…,bni(i)為第二級評價因子集，i=1,2,3,…,k。

3 實例化應用

3.1 建立培訓效果評價指標

本系統的效果評價指標主要包含：培訓態度、培訓內容、培訓方法、培訓效果等，同時選取13個評價指標，要求學員以四個等級(很好，較好，一般，較差)選擇評價，主要依據某A農機化教育培訓中心《高素質農民培訓手冊》，同時參考了新型職業農民培訓效能評價模型研究的部分指標，并歸納了國內新型農民培訓效果影響因素，結合多年來培訓中心實際需求，按照層次模糊評價規則，我們設計了培訓質量評價表，如表1所示。

表1 培訓質量評價表Tab.1 Training quality evaluation lis

3.2 建立培訓質量評價因子模型

依據層次分析方法，我們用集合A表示學員對培訓質量評價，并分解為三個層次如圖3所示，A={B1，B2，B3，B4}，其中培訓態度B1={B11，B12，B13}，培訓內容B2={B21,B22,B23,B24},培訓方法B3={B31,B32,B33,B34}，培訓效果B4={B41,B42}，Bi(i=11,12,13,21,22,23,24,31,32,33,34,41,42)為評價指標。在層次評價因子中，通過對B1、B2、B3、B4中的因子進行最低層次的模糊綜合評價后，再將上一層的評價矩陣對上一層進行模糊綜合評價，最終得到評價結果。

圖3 培訓質量評價體系層次結構圖Fig.3 Hierarchy diagram of training quality evaluation system

3.3 權重的分布依據

為了驗證指標之間權重的分布，我們依據Satty提出的1～9標度法，假定評價目標為A，A包含的j個元素，同時根據咨詢專家意見評價，通過元素間兩兩比較的重要性，構造比較矩陣，既判斷矩陣。為了驗證指標權重的真實性，使權重能夠客觀的反應評價指標的真實性，需要對判斷矩陣進行一致性檢驗，其中一致性比例CR的值小于0.1時，說明構造的判斷矩陣的權重無需修改。

3.4 權向量計算

3.5 模型應用

根據影響程度集E=(E1,E2,E3,E4)，設立評價結果集T={t1,t2,t3,t4}={很好、較好、一般、較差}，并選取了某農機化教育培訓中心30名學員現場培訓質量評價測試的結果，如表2所示。

表2 培訓質量評價結果統計表Tab.2 Training quality evaluation results statistics list

根據表1評價結果，對結果進行歸一化處理，分別得到模糊評價結果如表3所示。根據所在評價結果表的數據我們可以發現，學員對整體培訓質量效果滿意，很好與較好的占比大，一般與較差占比幾乎沒有，符合培訓過程評價中的實際情況。

表3 培訓質量模糊評價結果表Tab.3 Training quality fuzzy evaluation results list

4 系統課程推薦案例的實現

本系統通過學員對培訓整體課程綜合評分實現在線課程的有效推薦，基于課程的協同過濾算法[7]，能夠實時對在線培訓中所有課程進行優先排序，利用新課程與舊課程共性評分，將其關聯讓學員們得到最感興趣的推薦課程。

4.1 基于課程與學員的協同過濾推薦算法設計

首先需要根據學員對培訓課程質量評價評分，并構建學員—培訓課程評分矩陣，根據學員培訓課程評分矩陣進行用戶聚類，由于聚類算法的計算周期長，本系統聚類算法的初始中心點選擇采用隨機數組選擇，隨機數組選擇對聚類結果有一定的影響，每次聚類結果都不同，同時參數的調整也會影響聚類結果，最優聚類結果，可通過定義JunitTest類進行debug測試，用戶在系統首頁輸入用戶id，然后首先找到該用戶所在的聚類中的簇，將簇中所有用戶點構建成用戶-課程評分矩陣，同時基于學員之間相似性計算[8]，將當前用戶的信任用戶填充進用戶-課程評分矩陣，并填充當前用戶的評分數據，如果信任用戶對相同課程有評分，則不填充該課程評分，這樣操作保證了用戶與信任用戶之間會有較高相似度[9]，最后根據用戶-課程評分矩陣計算當前用戶的最近鄰用戶進行推薦。具體工作原理如圖4所示。

圖4 推薦算法工作原理流程圖Fig.4 Flow charts of recommendation algorithm operating principle

4.2 課程推薦功能模塊的實現

課程推薦模塊包含了課程評分以及課程首頁瀏覽功能，通過統計在線所有學員對某個課程的閱讀量和單個學員對課程的評分集合，分別從課程閱讀表、課程評分表的數據庫中篩選一個月內的數據，進行課程閱讀相似矩陣構建和學員對課程的評分矩陣構建[10]，在構建課程閱讀相似矩陣的同時，通過計算兩個課程的余弦相似度得出，于是需要構建每個課程在所有學員中的評分矩陣[11]。

這里采用的方法是：如果兩個課程同時出現在某個學員的評分矩陣中，則計數加1，例如，課程1和課程2同時出現在同一矩陣中，因此課程1和課程2的相似度計為3，依次類推得出整個相似度矩陣，這個矩陣是一個對稱矩陣。為了更加客觀地評價，該系統中也設定了權重值，最終的相似度均需乘以相應的權重值[12]。圖5包含了系統課程推薦功能實現的流程。

圖5 培訓課程推薦功能實現流程圖Fig.5 Flow chart of training course recommendation function implementation

通過計算權重值排序如表4，將數組similarityMatrix所排序的值反饋給前臺推薦頁面，具體頁面顯示如圖6，通過學員的刷新可以自主顯示8個最感興趣的課程。

表4 系統課程評分權重排序表Tab.4 System course scoring weight sorting lis

圖6 系統推薦頁面Fig.6 System recommendation page

我們這里主要采用的是KMeans聚類方法[13]，通過構建隨機多個聚類中心和學員的實體類，循環每個學員課程評分，閱讀量，找出每個用戶與聚類中心的距離，取相似度最高的前10個學員，組成相似學員的集合對Map按值進行排序[14]，然后找到目標學員所在的簇，用簇中的課程評分或者用戶進行推薦，然后將推薦的結果根據權重進行平均加權求和[15]，再分別計算不同操作行為的學員或者課程的相似度，將相似度進行加權求和，然后再進行最后的推薦。

5 結論

本文詳細闡述了基于層次模糊評價的高素質農民培訓質量評價建模過程，通過對協同過濾算法進一步分析和設計后，最終實現了培訓課程推薦功能及應用，技術研究具有如下優點：(1)層次模糊評價模型能夠很好的反應高素質農民在日常培訓課程中反饋的客觀性，通過系統可以全面了解培訓課程的優缺點，起到彌補不足的作用。(2)基于學員課程評分的協同過濾算法的設計，應用于培訓課程推薦中，能夠精準推送給學員，極大的滿足了培訓班學員個性化需求。(3)利用信息化手段解決了培訓課程推薦推廣，加快推動了高素質農民培訓進度，快速提高了學員的培訓效率，促使高素質農民培訓又好又快發展。