基于大數據的普通高校軍事技能課程考核智能化評價體系

申志強 胡其高 胡旭東

國防科技大學 長沙 410072

0 引言

進入新時代，我國對于全民國防教育的重視程度不斷加大。黨的十九大報告明確指出：“我們要加強全民國防教育，為實現中國夢強軍夢凝聚強大力量！”黨的二十大報告更進一步強調：要“深化全民國防教育”。普通高校開展的軍事課程教學，對于培養我國社會主義事業的建設者和接班人具有極其重要的戰略意義，也是響應黨的號召，提高國防教育質量，實現強軍目標的重要方式。近年來，國務院接連下發了一系列關于高校軍事課程教學的指導性意見，如《國務院關于印發國家教育事業發展“十三五”規劃的通知》《國務院辦公廳關于深化學生軍事訓練改革的意見》，明確要求大力加強大學生軍事課程建設，要求高校學生掌握必備的軍事知識、軍事理論和軍事技能。2019 年1 月，教育部、中央軍委國防動員部又聯合制訂并頒布實施了新一代《普通高等學校軍事課教學大綱》（教體藝〔2019〕1 號，以下簡稱《大綱》）。

相比上一版《大綱》，新《大綱》充分融入我軍軍種特色，著重突出培養學生的實戰技能。同時，新《大綱》將軍事課劃分為“軍事理論”和“軍事技能”兩個模塊，各課程納入學分制管理，課程考核成績計入學生的學籍檔案。新《大綱》中開設的軍事技能課程門類更多，科目更細，新增的戰備規定、緊急集合、防衛技能與戰時防護等必訓內容，突出體現軍事特色，讓大學新生在學習訓練過程中感受真正的戰場“硝煙味兒”。同時，新《大綱》在軍事技能課程的考核評價上特別指出：“學校要建立健全軍事課考核規章制度，對考核組織實施程序、方法、標準、要求等進行規范”。然而，軍事技能課程考核面臨著參考學生眾多，專業種類各異、授課水平不一、考核時間相對集中、考核評價客觀性難于保證等諸多困難。為充分解決上述問題，可充分運用現代信息技術的大數據挖掘及采集優勢，科學合理構建軍事技能課程考核智能化評價體系，這樣既遵循了現代教育技術智能化發展趨勢，又能滿足新一代《大綱》對于軍事技能課程的考核要求。

1 當前軍事技能課程考核存在的問題

當前高等院校軍事技能課程的教學、訓練及考核評價體系存在諸多困難和問題。主要表現在：一是參考學生較多，考核組織成本高。高等院校的軍事課是所有專業學生的必修課，每輪教學和考核的人數少則數百，多則上千，專任教師或教官組織教學和考核需要花費大量精力，動用較多的考核保障力量；二是訓考時間相對集中，以考促學效益弱。高等院校學生軍事技能課程的教學、訓練及考核往往集中于新生入學后的一到兩個月內完成，短期內組織大量學生參加考核，難以起到通過考核提高學生訓練效益的作用，也不利于檢驗真實的教學訓練效果，學生往往在考核結束后很快遺忘學習內容；三是考核評價指標體系差異較大，考核評價客觀性難以保證。由于軍事技能課程各院校考核評價方式差別較大，不同類型的軍事技能課程，不同科目評價指標也存在差異性，有的科目注重從完成時間角度考查，有的則注重從完成某項任務的數量考查。上述因素造成考核評價結果易于受到人為因素影響，難于保證考核結果的客觀性。

因此，為有效對軍事技能課程的考核組織加以控制和指導，確保考核結果能夠深入客觀反映教學效果，不斷提升軍事技能課程教學效益，需要借助現代信息技術的大數據挖掘和采集優勢，科學構建軍事技能課程智能化考核評價體系，達成降低考核成本、提高考核效益、增強考核信度的目標。

2 評價方法在軍事技能考核中運用現狀

目前，軍事技能課程教學效果的考核評價仍以傳統的評價方法為主。同時，一些新興的自動化評價方法也在逐步發展。

2.1 傳統的軍事技能教學訓練考核評價方法

軍事技能教學與訓練考核中評價方法的選擇必須根據評價目標（軍事技能課程教學目標）和評價對象（軍事技能課程教學效能）的特性合理選擇，目前較為常用的傳統評價方法主要包括層次分析法、貝葉斯網絡評價法、模糊綜合評判法、灰色關聯理論評價法以及對上述方法的綜合運用等。

層次分析法的突出特點是將定量分析和定性分析結合使用。通過將具體評價目標分解為互不影響的組成部分或組成要素，并根據評價要求的精細程度進一步形成層次包含關系，利用各組成部分或組成要素的判斷矩陣計算各部分或要素的權重系數，進而得到最終評價結果。文獻[1]應用層次分析法對裝甲分隊模擬訓練效能進行了評價，提出了計算指標權重的數學方法。評價結果具有一定的客觀性，可作為后續訓練實施的參考依據。

模糊綜合評判法對于多層次、多因素的復雜問題評價具有獨特優勢，其理論基礎是模糊數學理論，該方法運用模糊關系合成原理，將閾值邊界模糊、不易定量采集、傳統意義上認為是定性影響的因素定量化表達。綜合分析上述多個因素對評價對象的影響狀況，進而對具體問題開展全面綜合評價。與層次分析法類似，該方法也需要首先建立具體評價問題的層次包絡模型，隨后確立模糊關系和各影響因素的隸屬度分布函數。文獻[2]采用模糊綜合評判法，從軍事技能訓練考核評價指標的構建入手，建立了相應訓練效果評價指標系統和評價模型，通過實例分析驗證了該評價方法的可行性。文獻[3]采用主成分分析法代替專家打分確定指標權重，利用加權平均函數代替取大取小函數，提出一種改進的模糊綜合評價算法，建立了指揮信息系統對抗訓練效果評價體系。文獻[4]利用模糊層次分析法對通信訓練效果進行評價，評價指標的評語集簡潔清晰，可以快捷方便地對單個參訓者和參訓對象整體的訓練效果進行評價。

在實際的軍事技能訓練考核評價過程中，通常對多種評價方法進行綜合使用，如DAF 綜合評價方法，就是將德爾菲法、層次分析法和模糊綜合評價法結合使用。文獻[5]利用DAF 方法評價裝備保障訓練效能，首先采用德爾菲法的專家打分方式確定評價指標和判斷矩陣，再應用層次分析法確定評價指標的權重，最后運用模糊綜合評判法對各指標進行綜合評價，得到評價結果。

2.2 新興的軍事技能訓練考核評價方法

隨著物聯網、區塊鏈、云計算、大數據挖掘采集和深度學習等新興技術的快速發展，基于4G、5G 信息快速采集技術的日臻成熟，人工智能AI 在感知領域和認知領域也取得重大進展，智能化成為繼信息化之后發展的新趨勢和新方向，也必然激發和促進軍事技能訓練考核評價的進一步創新發展。以自我采集、自動適應、自主決策為特征的智能化考核評價是傳統的軍事訓練考核評價方法與區塊鏈、大數據、云計算、人工智能等新技術新方法的深度有機融合。

新興的軍事技能訓練考核評價方法主要包括人工神經網絡法、遺傳算法、云重心算法、粗糙集方法、組合智能評價方法等[6]，這些新興方法在解決復雜系統評價中的大規模信息處理、不確定性評價模型以及評價知識深度挖掘等難點問題方面具有明顯優勢。其中，基于人工神經網絡的軍事技能教學訓練的考核評價方法運用較為廣泛，該方法通過神經網絡分層結構和分階段信息處理技術進行無監督特征學習和模式分類，以逐層壓縮方式搜索大數據本質特征，具有高效的海量數據非線性處理能力。文獻[7]構建了多級指標體系計算模型，運用BP神經網絡評價方法，對通信訓練質量效能進行評價，該方法運算速度較快，能較好地模擬評價專家進行綜合評價的過程。文獻[8]則運用人工神經網絡技術對雷達兵部隊訓練效能進行考核評價，通過對樣本數據反復學習，網絡即可自行計算權重結果，大幅減少了人為因素對評價結果的干擾，顯著提高了評估結果的客觀性、可靠性和有效性。

3 基于大數據的軍事技能課程考核智能化評價體系

構建基于大數據的軍事技能課程考核智能化評價體系，應在完備建立普通高校教學雙方在教學、訓練、考核等一系列過程中各類數據挖掘、采集、分析平臺的基礎上，著重從軍事技能課程考核評價指標系統的自動構建、指標權重的自適優化、評價方法手段的自主選擇三個方面進行探索研究。

3.1 考核評價指標系統的自動構建

評價指標系統構建是智能化評價體系的基礎和依據，前文提到：“高等院校的軍事課是該校所有專業學生的必修課，每輪教學和考核的人數少則數百，多則上千”，教學、訓練、考核過程中產生的各類數據、信息具有顯著的海量特點和“涌現效應”。在構建評價指標系統時，可采取“樹狀包絡”結構與“網狀拓展”結構相互配合，定性指標與定量指標協調設置的方式，綜合運用系統工程中的集成思想，利用德爾菲法、大數據分析挖掘法和深度學習方法等新技術相結合的人機融合方式構建具有“網絡化”特點的考核評價體系指標系統。指標系統構建過程中，應深度挖掘各指標之間的相互關系，既需考慮評價目標（具體軍事技能課程或某一科目的教學、訓練及考核活動）的主觀特性（課程教學目標需求），也需考慮評價數據的客觀屬性（即軍事技能課程訓練活動進行的內在規律），最終實現對應于不同軍事技能課程或某一科目在教學、訓練及考核不同環境下評價指標系統的自動構建。

3.2 考核評價指標權重的自適優化

評價指標權重的確定是智能化評價是否合理的關鍵，也是構建智能化軍事技能課程考核評價體系的重點和難點。通常，指標權重的確定或計算方法包括客觀賦權法、主觀賦權法以及組合賦權法三類。主觀賦權法和客觀賦權法是兩種常用的權重確定方式。主觀賦權法主要采用專家綜合打分的方式對各評估指標給出權重系數，客觀賦權法則是通過一定的數學計算方式如主成分分析、標準差及均方差、多目標規劃等確定指標權重。構建軍事技能課程考核評價體系這樣的復雜評價問題，為確保評價客觀性，應以組合賦權法為主，既在一定程度上體現上級部門及考評專家的思想指導，又可充分利用海量原始數據的資源優勢和數學模型計算分析的理論優勢。同時，由于指標權重對軍事技能教學、訓練及考核的評價結果有較大影響，針對軍事技能課程考核評價的動態特性，可根據院校歷史相關數據實時動態調整指標權重，建立基于評價指標集和指標屬性值的智能化自適應權重確定方法，指標權重可隨評價指標樣本值的變化而變化，可隨考核科目及考核環境條件的變化而變化。

3.3 考核評價方法手段的自主選擇

評價方法手段的選擇影響著智能化評價體系的效率和精細程度，是構建智能化軍事技能課程考核評價體系的重要內容。應在系統梳理現有評價方法，如層次分析法、模糊綜合評判法、灰色關聯理論評價法、“云重心”方法、“深度學習”法等各自特點、優勢及適用范圍的基礎上，依據軍事技能不同課程或科目教學、訓練及考核的特點（方案、內容及方式），結合區塊鏈、大數據、云計算與機器學習等新興技術實現智能化評價算法的創新，實現對應于不同軍事技能課程或科目考核評價方法手段的自主選擇。該過程是一個在智能化方法（如人工神經網絡技術、基于仿生和種群的計算機智能方法等）引導下的方法動態優選與評價結果校驗復核過程。

綜上，基于大數據的軍事技能課程考核智能化評價體系構建過程如圖1 所示。

圖1 基于大數據的軍事技能課程考核智能化評價體系構建過程

4 結束語

普通高校軍事技能課程的教學活動對于助力新時代大學生樹立國防觀念、強化國防意識、提升國防素質發揮著基礎性作用。當前，各院校軍事技能課程教學、訓練及考核面臨著參考學生眾多、專業種類各異、授課水平不一、考核時間相對集中、教學效益評價客觀性難以保證等諸多困難。本文圍繞當前高校軍事技能課程考核評價存在的問題、智能化評價方法的運用發展現狀、如何構建基于大數據的軍事技能課程智能化評價體系三個問題進行了探討，為構建科學合理、客觀高效的軍事技能課程考核評價體系提供決策參考依據。