基于圖聚類算法的技能人才評價選拔方法研究

摘要：技能人才評價對高質量發展至關重要。傳統評價體系面臨指標設計主觀、數據可信度低、評價過程不透明及難以評估潛在能力等挑戰。該文提出一種融合區塊鏈與多維圖聚類的技能人才評價模型。該模型利用區塊鏈技術保障評價數據的不可篡改與可追溯性，構建可信數據基礎。在此基礎上，通過構建多維能力圖譜，應用圖聚類算法識別具有相似能力特征的學生群體，從而實現對人才技能水平的客觀、深度挖掘。通過對“通信網絡應用”專業的真實學生數據進行案例分析，結果表明，該模型能夠有效識別不同能力維度的學生群體，驗證了其在技能人才評價與選拔中的有效性和可行性。

關鍵詞：技能人才；評價體系；人工智能；區塊鏈；聚類

中圖分類號：TP391.41?" " " " 文獻標識碼：A

文章編號：1009-3044（2025）28-0045-03

開放科學（資源服務） 標識碼（OSID）

0 引言

隨著產業結構升級與技術發展，技能人才培養與評價日益成為教育與產業共同關注的焦點。在產教融合背景下，構建科學、高效、公正的評價體系成為關鍵問題。2022年10月，《關于加強新時代高技能人才隊伍建設的意見》提出，技能人才需具備創新與新技術適應能力、職業素養，注重實踐、提升綜合素質與參與競賽鍛煉[1]。但傳統評價方式存在一定不足：1） 指標復雜（涵蓋理論、技能、素養、學習、創新等方面） ；2） 加權/正則化易導致單指標失真；3） 佐證材料缺失或真實性難驗證，結果不透明；4） 新晉人才（如新生） 因數據缺失無法進行評價與選拔。這些問題可能共同導致了評價結果的“高分低能”現象，無法滿足新時代對高技能人才動態化、多維度、精準化選拔的需求。針對上述問題，本文提出結合區塊鏈與數據挖掘技術的技能人才評價選拔體系。本研究旨在優化技能人才評價機制，為精準選拔提供支撐，具有實踐參考意義。

1 相關技術

1.1 區塊鏈技術

區塊鏈技術[2]是一種有序連接數據區塊、基于密碼學保證不可篡改和可追溯的分布式數據庫技術。它通過提供可信數據記錄有效解決信任問題，是信任和價值交換的基石。在本模型中，區塊鏈主要用于解決評價數據的信任問題。學生的思想品德、學業成績、競賽獲獎等關鍵信息一經記錄便不可篡改，確保了后續數據分析的數據源的真實性與完整性，為實現公正評價提供了技術保障[3]。

1.2 圖聚類算法

聚類算法[4]是一種無監督學習方法，用于將無標簽數據集自動劃分為多個組，使組內數據相似、組間數據相異。圖是一種由頂點集合和邊集合構成的抽象數據結構，用于表示實體間關系。本文中，圖用于表示學生間的直接聯系（如同班、同俱樂部、同成績區間等） [5]。

傳統評價方法將學生視為孤立的個體進行打分，而圖聚類算法能夠將學生抽象為圖中的節點，將他們在不同維度上的相似性（如成績相近、共同參與項目等） 抽象為邊。通過分析圖的拓撲結構，算法能夠自動發現“競賽型”“學術型”“實踐型”等不同特質的學生群體，這種基于群體相似性的發現式評價，是對傳統個體賦分模式的有效補充和深化。

2 圖聚類數據挖掘下的技能人才評價體系

本文研究框架如圖1所示，包含3個主體：學校管理部門、二級學院、數據分析中心。所需原始數據分為兩類：學校部門提供的公共數據與伴隨式收集的學生數據。數據加密上傳至區塊鏈，確保防篡改、可追溯。分析中心從鏈上下載數據，清洗后通過圖聚類算法挖掘，生成技能人才評價結果并回傳區塊鏈保存。

2.1 伴隨式數據收集內容

數據主要通過校學生信息管理系統、教學云平臺、成績管理平臺、競賽管理平臺獲取[6]。各項指標的基礎分值與加分細則，是基于對專業人才培養方案、行業用人標準及專家訪談的綜合分析而初步設定，并可在系統中進行動態調整。指標內容包括：

2.1.1 思想品德

1） 指標設計

該指標旨在量化學生的職業素養與道德品質，這是技能人才不可或缺的基本素質。

2） 評分細則及方法

[S=A×0.6+B×0.4]" " "（1）

式中：S為思想品德得分，取值范圍為[0，100]；A為平均操行分，B為平均考勤分。

平均操行分A的計算方法：

[A=1ni=1nCi]" " " " " " "（2）

式中：Ci 為第i學期的操行分，n為在校總學期數（由入學時間與系統當前時間自動計算） 。

平均考勤分B的計算方法：

[B=1ni=1nDi]" " " " " （3）

式中：Di為第i學期的考勤分，n定義同上一個公式。

原始數據來源于班主任提供的學生每學期操行分與考勤分。

2.1.2 學業成績

1） 指標設計

該指標旨在量化學生的綜合學習能力與學術素養，這是技能人才提升專業技能、適應行業發展的核心基礎。

2） 評分細則及方法

課程學習成績得分以在校已修課程（含必修課、限選課、任選課） 的平均分為依據，取值范圍為 [0，100]，計算公式如下：

[E=1ni=1nFi]" " " " " " " " " " " " " "（4）

式中：E為課程學習成績得分，n為在校已修課程總數，Fi為第i門課程的最終成績。原始數據來源于校教務系統的學年學期成績。

2.1.3 社團實踐

1） 指標設計

該指標旨在量化學生的社會適應能力與綜合素養，這是技能人才融入團隊、服務社會的重要素養。

2） 評分細則及方法

分數取值范圍為[0，100]，具體細則如下：

學生在校期間每參加1項校級以上社團或社會實踐：10分/學期；任組織者+2分/次；個人突出成績+3分/次。

原始數據：校學生處社聯提供的各社團成員名單及其他佐證材料。

2.1.4 技能競賽

1） 指標設計

該指標旨在量化學生的專業技能應用水平與綜合競技素養，這是技能人才展現專業實力、提升核心競爭力的關鍵能力。

2） 評分細則及方法

分數取值范圍為[0，100]，具體細則如下：

本專業中級及以上證書計60分。個人獲世界級、國家級、省部級、市廳級、校級技能競賽一二三等獎及優秀獎，依次加：世界級40/36/32/28；國家級32/28/24/20；省部級24/20/16/12；市廳級16/12/8/4；校級4/3/2/1。團隊獲獎按個人同檔×排名系數。

原始數據：相關等級證書、獲獎證書。

2.1.5 企業項目

1） 指標設計

該指標旨在量化學生的實踐應用能力與職業素養，這是技能人才適應企業需求、勝任崗位工作的必備素質。

2） 評分細則及方法

分數取值范圍為[0，100]，具體細則如下：

能夠參與企業項目計60分；項目完成后個人或團隊負責的部分能夠實現項目目標加20分；個人或團隊負責的部分能夠得到企業的認可加20分。

原始數據：項目成員名單及企業評價表。

2.1.6 擔任職務

1） 指標設計

該指標旨在量化學生的領導組織能力與綜合素養，這是技能人才發揮團隊引領作用、提升協作效能的重要素養。

2） 評分細則及方法

分數取值范圍為[0，100]，具體細則如下：

學生在校期間：校級、系級、班級學生干部（含干事） 分別計40、30、20分；校、系、班級優秀干部每次加20、15、10分；任職滿1/2/3年再加10/20/30分，不疊加；擔任校、系、班最高核心職務各加10、6、3分；兼任多職按最高級別計。

原始數據：學校提供的班團委和干事名單、相關證書。

2.1.7 科研成果

1） 指標設計

該指標旨在量化學生的科研創新能力與協作攻堅素養，這是技能人才推動技術突破、解決復雜問題的核心潛能。

2） 評分細則及方法

分數取值范圍為[0，100]，具體細則如下：

個人發明專利、實用新型、軟件著作權及外觀設計專利分別計100、40、30、20分/項；著名檢索、核心期刊及非核心專業期刊論文分別計100、80、60分/篇。若團隊獲獎，則個人加分為同級別個人加分×排名系數。

原始數據：相關專利證書、論文發表憑證等佐證材料。

2.1.8 體育鍛煉

1） 指標設計

該指標旨在量化學生的身體素質與健康素養，這是技能人才保持高效工作狀態、實現長遠發展的基礎保障。

2） 評分細則及方法

分數取值范圍為[0，100]，具體細則如下：

體育課程學期總評成績合格每學期計10分；校運會獲獎：個人/團隊一等獎、獲獎名單的前10%：每項加4分；個人/團隊二等獎、獲獎名單的前11%～30%：每項加3分；個人/團隊三等獎、獲獎名單的前31%～60%：每項加2分；個人/團隊優秀獎、獲獎名單的后40%：每項加1分。

原始數據：體育成績、獲獎證書。

2.2 圖聚類算法

圖聚類算法（Graph Cluster Algorithm， GCA） 基于結構聚類算法SCAN。GCA的目的是通過對多維子空間的聚類得到對象交互更緊密的社區（團體） 。本文將每個學生的數據收集后，通過圖聚類算法對學生進行聚類，可以將能力相近的學生聚合成一個團體[7]。這個團體中的學生能力相近，比如我們可以挑選技能競賽、科研成果兩個指標，對所有學生這兩個指標進行聚類，獲得的每個分類中的學生在競賽能力和科研成果上的能力相近。這對新入校的學生選拔有很強的指導作用。

算法1. GCA（[G，ε，μ]）

輸入：多維度圖G，參數[ε，μ]

輸出：子空間聚類集合C

1. 初始化集合[C];

2. k =1

3. while [k≤d] do

4. " 計算所有k維度子空間組合[CanSk;]

5. " for each [Scan∈CanSk] do" //求每個子空間的核心節點

6. " " [CoreScan=?;]

7. " " for each [v∈V（Scan）] do" //對屬于該子空間的節點進行計算

8. " " "compute [NScanεv;]

9. " " "if [|NScanεv|≥μ] then [CoreScan?CoreScan∪v;] //將核心節點存放[CoreScan]中

10. " " if [CoreScan≠?] then

11. " " " [CScan =GenerateCluster（CoreScan，Scan）] //通過[Scan]維度的核心節點進行聚類

12. " " " [C?C∪CScan]

13. " k=k+1

其中，代碼中的部分變量解釋如下：

[Si]：[G]中所有的子空間組合，[ i=1，2，…，2d-1];

[CoreSi]：[Si]下所有核心節點；

[Dk]：[k]維度下的所有核心節點集[k=1，2，…，d]；

[Sk]：[k]維度下的所有子空間[k=1，2，…，d]；

[CSi]：[Si]下所有聚類集合；

算法1在第一次迭代首先生成一維度下所有子空間的組合[CanS1]（行4） ，如生成一維聚類的3個子空間：競賽、科研，學習。接著選取[CanSk]中的所有子空間[Scan]，分別在參數[ε， μ]下求出核心節點，并存于[CoreScan]中（行5-9） 。算法首先計算子空間內所有節點的[ε]-鄰居數[NScanεv]，如滿足[|NScanεv|≥μ]，則將v存放到[CoreScan]中，如計算的是“學習”子空間，則存于[CoreS學習]中。當子空間所有節點[ε]-鄰居計算完成后，調用算法2[ GenerateCluster（CoreScan，Scan）]生成一維度上的所有子空間的聚類（10-12） 。對于剛才的例子來說，就是生成了一維度下3個子空間的三個聚類集（有可能為空集，即該子空間不存在聚類） 。下一步迭代計算高一維空間的聚類（行13） ，直到完成第d維下所有子空間的聚類，因為只考慮競賽、科研、學習三個維度，所以d=3。

3 結束語

技能人才評價對高質量發展至關重要。本文運用區塊鏈實現數據可追溯、智能合約自動化與高效資源共享，并采用多維圖聚類算法挖掘人才真實技能水平。本研究的評價指標權重設定尚依賴于專家經驗，未來可探索基于數據驅動的自適應權重學習方法。同時受限于實驗數據的不完整性，部分聯系緊密的節點（學生） 并未在聚類中體現。未來，我們將使用更大更完備的學生脫敏數據對算法進行測試；為了更深入地挖掘具備相似能力的技能人才，后續將使用更完善的學生數據測試算法，并根據技能教育發展持續更新評價指標。

參考文獻：

[1] 中共中央辦公廳，國務院辦公廳.關于加強新時代高技能人才隊伍建設的意見[EB/OL].[2022-10-07][2024-11-05].https：//www.gov.cn/zhengce/2022-10/07/content_5716030.htm

[2] SIDHU J.Syscoin：a peer-to-peer electronic cash system with blockchain-based services for E-business[C]//2017 26th International Conference on Computer Communication and Networks （ICCCN），2017.

[3] 王文杰.基于區塊鏈技術的供應鏈金融與中小企業融資瓶頸研究[J].長春師范大學學報，2018（7）：58-62.

[4] 趙殿國.面向無監督學習的大數據聚類方法及其應用研究[J].統計與咨詢，2023（6）：7-11.

[5] 劉鵬儀，胡節，王紅軍，等.基于對比共識圖學習的多視圖屬性圖聚類算法[J].計算機科學，2024，51（11）：73-80.

[6] 潘雪.混合式學習的伴隨式評價設計與實踐研究[D].曲阜：曲阜師范大學，2022.

[7] 李振軍，代強強，李榮華，等.多維圖結構聚類的社交關系挖掘算法[J].軟件學報，2018，29（3）：839-852.

【通聯編輯：代影】