基于BP神經網絡的高職學生核心素養評價研究

鄧玲玲 戴新建

(長沙民政職業技術學院，湖南 長沙 410004)

一、引言

隨著智能制造2025 和工業4.0 時代的到來，我國人才結構性矛盾尤為突出，這對從業者的創新素質和能力結構提出了更高的要求，“核心素養”也隨之成為熱詞。習近平總書記多次強調職業教育的重要性和適應性，指出實體經濟是我國發展的本錢，做實做強我國實體經濟離不開大批知識型、技能型、創新型產業大軍。高職教育前途廣闊，高職院校作為助推經濟社會發展的中堅力量，應以發展學生核心素養為本質目標，托起我國社會經濟轉型升級的人力資源和技術技能底座，為我國產業增值賦能、躋身全球價值鏈中高端提供生力軍。因此，提升高職學生核心素養日漸成為新時代高職學生培養的主要方向。

發展高職學生核心素養是落實立德樹人根本任務的一項重要舉措，核心素養目標是培養“可持續發展的技術技能型人才”。高職學生核心素養評價是實現這一目標的重要環節，通過多種評價方法和技術手段評定高職學生核心素養，培養具有創新思維、智慧型、生態型技術技能人才。目前高職學生核心素養評價以定性研究[1-4]為主，定量研究很少。因此，本文首先基于核心素養總體框架和高職學生自身發展特點構建評價指標體系，運用TOPSIS 評價模型分別計算構成高職學生核心素養的理想信念、職業品質、社會能力和方法能力四大素養的評價值，根據四大素養評價結果，運用K-means 聚類算法對高職學生進行分類。最后，以高職學生核心素養評價指標為輸入變量，以K-means 分類結果為輸出變量，構建BP 神經網絡評價模型。

二、高職學生核心素養評價指標體系

圍繞立德樹人的本質要求，基于高職學生身心成長規律，根據中國學生核心素養的內涵，堅持以人為本，從“必備品格”和“關鍵能力”兩個維度[1-3]，構建包含理想信念、職業品質、社會能力和方法能力四大素養，適合我國高職學生發展的核心素養評價指標體系，見表1。

表1 高職學生核心素養評價指標體系

（續表）

三、基于K-means聚類和BP 神經網絡的高職學生核心素養評價模型

（一）高職學生核心素養K-means聚類分析

高職學生核心素養包含理想信念、職業品質、社會能力和方法能力四個方面，運用TOPSIS 評價模型分別計算四大素養評價值。TOPSIS綜合評價法[5-6]首先對原始數據進行規范化處理，然后分別計算評價對象與最優解和最劣解的距離，如果與最優解距離最小而與最劣解距離最大，說明該評價對象最優；否則該評價對象不為最優。

假設A=(xij)n×m為原始數據矩陣，即包含n個對象、m項評價指標，為了消除指標屬性的影響，將逆指標轉化為正指標，即

進一步消除量綱、數量級的影響，對數據進行規范化處理得到矩陣Z=(Zij)n×m，其中

確定最優解Z+，由Z中每列中最大值構成：Z+=(max Zi1,max Zi2,...,max Zim)。

確定最劣解Z-，由Z中每列中最小值構成：Z-=(minZi1,minZi2,...,minZim)。

計算每一個評價對象與最優解Z+和最劣解Z-的距離：

計算各評價對象與最優解的接近程度：

Ci越接近1，表明評價對象越優。運用TOPSIS 評價模型分別計算理想信念、職業品質、社會能力和方法能力四大素養評價值，基于四大素養評價結果對高職學生核心素養進行K-means聚類分析。

K-means 聚類算法[7]將相似的數據樣本分到一組（簇），使得同一組中的數據對象相似度高，不同組中的數據相似度較小，聚類相似度是利用各組中對象的均值來計算的。K-means聚類算法具體步驟如下：

步驟一：X={xi|i= 1,2,...,N}，隨機選取K 個樣本作為初始聚類中心Aj(j= 1,2,...,K)；

步驟四：若類中心不再發生變動或達到迭代次數，算法結束，否則回到第（2）步。

選用剪影方法確定算法中的K 值，剪影方法選取K 值的范圍，根據聚類結果計算輪廓系數。首先計算第i個對象的輪廓系數：

其中，a(i)為第i個對象與同類其他對象距離的均值，b(i)為第i個對象與其他類的平均距離的最小值，計算所有對象的輪廓系數并求平均值，即為取值為K的聚類算法的輪廓系數。輪廓系數取值在[-1,1]之間，值越接近1，說明同類對象相距越近，不同類對象相距越遠，則聚類效果越好。

（二）高職學生核心素養BP神經網絡評價模型

BP神經網絡[7-8]是一種按誤差逆傳播算法訓練的多層前饋網絡。它的學習規則是使用梯度下降法，通過反向傳播來不斷調整網絡的權值和閾值，使網絡的誤差平方和最小。

基于BP神經網絡的高職學生核心素養評價模型的建立步驟為：

步驟一：輸入層變量的選取。根據構建的高職學生核心素養評價指標體系，確定18 個指標作為神經網絡輸入層，分別為表1中的x1～x18。

步驟二：網絡初始化。確定網絡輸入層、隱含層、輸出層節點數n、l、m，初始化輸入層、隱含層和輸出層神經元之間的連接權值wij、wjk，初始化隱含層閾值aj和輸出層閾值bk，給定學習速率η和神經元激勵函數f(x) =

步驟三：學習規則。

（1）輸入向量(x1,x2,...,xn)，計算隱含層輸出Hj：

（2）計算BP神經網絡預測輸出Ok：

（3）計算網絡預測誤差ek:

（4）更新連接權值wij、wjk：

（5）更新閾值aj、bk:

該迭代過程中不斷調整權重，直到期望值與預測值的誤差小于某一個容許值或者達到一定的迭代次數為止，BP神經模型訓練結束，從而建立評價模型。

四、高職學生核心素養評價實證分析

（一）數據來源

本文選取長沙某一高職院校2018 級學生作為研究對象，指標數據來源于該校大數據平臺收集的學生各種學習數據和行為表現數據，剔除數據有缺失的記錄，最后確定5488名學生作為評價對象。

（二）基于TOPSIS 和K-means 聚類算法的樣本數據分類

運用上述TOPSIS 綜合評價模型分別計算5488 名學生的理想信念、職業品質、社會能力、方法能力四大素養的評價值，對四大素養評價值求平均值即得每位學生的核心素養綜合評價值。進一步，基于理想信念、職業品質、社會能力、方法能力四大素養評價值進行K-means 聚類分析，通過剪影方法確定K-means聚類算法中的K 值為3 最合適，對應的輪廓系數值為0.57401。聚類分析將5488 名學生分為3 類，分別統計每一類學生理想信念、職業品質、社會能力、方法能力四大素養和核心素養評價值的平均值、標準差系數，結果見表2。

表2 基于TOPSIS和K-means聚類算法的樣本數據分類統計結果

從表2 可以看出，高職學生核心素養水平整體偏低，核心素養評價均值僅為0.3923，三類學生核心素養評價均值分別為0.3127、0.4102、0.5026，其中均值最大的第3類學生人數最少，占比僅為9.88%。

第1 類學生在理想信念、職業品質、社會能力、方法能力以及核心素養上的評價均值都低于第2 類和第3 類學生，標準差系數都高于第2 類和第3 類學生，說明第1 類學生在核心素養四個方面表現都較差，且簇內個體差異較大。第3 類學生在職業素養四個方面的表現都優于第1類和第2類學生，尤其在職業品質方面的表現明顯優于第1類和第2類學生，職業品質包含愛崗敬業、誠實守信、積極主動等隱性特質，這些隱性特質會影響學生基本知識、基本技能、社交能力等顯性素養。因此，具有良好職業素養的學生能較好地管理自己和時間，在學業、競賽、社團各方面都能取得好成績。

相比理想信念和方法能力，三類學生在職業品質和社會能力方面的評價值都很低，標準差系數都較大，尤其是社會能力，三類學生的社會能力評價均值都小于0.05，標準差系數都大于1，說明一些學生進入高職院校學習后，對核心素養的認知比較模糊，對自己所學專業一知半解，甚至沒有職業概念，在平時學習中不太注重自身職業品質和社會能力的培養和積累。因此，高職院校在培養高職學生核心素養時應重視培養學生工匠精神等職業品質和溝通協作等社會能力。

（三）基于BP 神經網絡的高職學生核心素養評價模型訓練與預測

選取表1 中x1～x1818 個特征變量作為BP 神經網絡的輸入變量，基于TOPSIS和K-means算法的樣本數據聚類結果作為BP 神經網絡的輸出變量，將5488 個樣本劃分為80%訓練集和20%驗證集。對輸入變量進行數據標準化處理，將輸出類別變量轉換為0-1 矩陣，隱藏層神經元數目設置為8，學習速率為0.01，訓練目標最小誤差為0.0001，訓練數據迭代100 次，找出輸入與輸出之間的內在聯系，建立神經網絡模型。最后，使用測試數據集輸入網絡模型，比較模型預測類型與實際類型，結果見表3，模型整體預測精度為98.9061%，說明模型對高職學生核心素養類型評價的準確性較高，可利用該模型比較準確地判斷高職學生的核心素養類型。

表3 BP神經網絡評價模型測試集預測結果

五、主要結論與建議

（一）主要結論

基于理想信念、職業品質、社會能力、方法能力四大素養進行K-means 聚類分析，可將高職學生核心素養分為3 類，只有第3 類學生的核心素養均值大于0.5，占比僅為9.88%，第3 類學生在核心素養四個方面的表現都優于第1類和第2類學生，尤其在職業品質方面的表現明顯優于其余兩類學生。相比理想信念和方法能力，三類學生在職業品質和社會能力方面的評價均值都很低，標準差系數都較大。因此，高職學生核心素養亟待提升。

高職學生核心素養評價指標之間相互影響，并且呈現出復雜的非線性特征，BP神經網絡具有很強的非線性映射能力，為解決高職學生核心素養評價問題提供有效的方法。BP神經網絡利用樣本數據，通過學習和訓練較好地模擬專家評價的全過程，從而降低了評價過程中人為的不確定性。同時，BP神經網絡的強泛化能力和容錯能力在解決噪聲數據或缺失數據時表現出鮮明的優越性。以聚類分析得到的分類數據為輸入層，訓練BP神經網絡，構建高職學生核心素養評價模型，精確度高達98%。因此，基于K-means 聚類和BP神經網絡構建的高職學生核心素養評價模型，可以比較準確地判斷高職學生核心素養的類型，為自動化、精準化評價高職學生核心素養類型提供了新思路。

（二）主要建議

高職院校是學生核心素養養成教育的主陣地，在人才培養過程中應注重個體與整體相結合、技能與素養相結合、理論與實踐相結合，設計科學合理的核心素養評價機制，引導學生樹立健康、穩定的核心價值觀、就業觀和事業觀。定期開展校內技能競賽和第二課堂等校園文化活動，在校園文化中嵌入企業文化的元素，健全學生的人格，規范學生的言行舉止，提升學生組織管理、團隊協作、包容競爭、吃苦耐勞、精益求精等職業品質。校企產學研合作是高職學生核心素養培養的重要途徑，高職院校應有效建立“三合作、三聯動”的育人機制，聘請企事業單位技術骨干參與課堂教學、修訂教學計劃和教學大綱，通過校企合作項目把學生課堂搬到企業，讓學生邊做邊學、學做結合，幫助學生及時了解自己專業發展方向和產業發展宏觀環境，讓學生在校期間提前感受企業文化，提高對企業的認同感，提前適應企業對工作人員核心素養的要求，提升職業意識。