高校大学生综合素质评价框架研究.docVIP

精品文档，助力人生，欢迎关注小编！ 高校大学生综合素质评价框架研究 肖永良 罗永恒 李香宝 刘文彬 贺灿卫 [摘 要] 全面、客观、科学地对高校大学生综合素质进行评价是高校素质教育一个棘手的问题。现在较为常见的评价方案是把评价结果和评价指标视为一个线性的关系，实际上两者之间是一个非常复杂的非线性关系，把各个评价指标进行加权处理而获得评价结果的做法明显与实际不符。针对此问题，文章提出利用机器学习方法构建大学生综合素质评价模型，通过学习已有知识经验获得评价结果和评价指标之间的非线性关系，为科学评价大学生综合素质提供了新的理论支持。 [关键词] 综合素质;机器学习;支持向量机;半监督理论 doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2020. 23. 089 [中图分类号] G642.3 [文献标识码] A [文章编号] 1673 - 0194（2020）23- 0221- 02 0 引 言 互联网时代提供给我们海量信息的同时也给我们的学习和生活带来更多的诱惑，特别是自控能力较差的在校大学生。如何充分利用互联网汲取更多有助于自身发展的知识和信息，这要求高校学生必须具有更高的综合素质。我们对高校学生综合素质进行评价的目的就是要帮助大学生正确认识自己的优点和缺点，通过不断探索改进找到适合自己的学习思路和学习方法，而不是仅仅根据评价指标对高校学生的学习情况进行分析。本文通过对大学生综合素质评价过程进行深入研究，构建出符合实际情况的综合素质评价框架，可以在此基础上帮助大学生了解在成长过程中存在的某些问题，进而剖析产生这些问题的可能原因，不断寻找解决这些问题的对策，最终有效促进大学生综合素质的全面提升。 1 研究现状 我国高校对大学生综合素质的提升相当重视，各高校不仅可以根据评价指标对大学生进行一系列的评优评先，而且还可以将评价结果反馈给学生，不断促使广大学生发现自身的优势和不足，不断提高自身的综合素质，进而为国家和社会提供高质量的综合性人才。特别是近几年，随着互联网时代的到来，各行各业的就业压力不断增大，而高校大学生由于缺乏实践经验，其就业的压力与日俱增，因此对大学生综合素质进行客观评价进而提升自身素质的研究也越来越多。许多学者对高校大学生综合素质评价的理论和方法进行了深入研究和分析。周晓晶等人在考虑多方协同创新人才培养的基础上，创建了包括有12个二级指标的综合素质评价指标。而董卓宁等人为了区别不同指标的重要程度，根据经验把思想政治、专业知识、实践创新、人文和身心等分配了不同的权值。赵曦等人通过分析学生行为数据与综合素质发展之间的联系，提出了基于行为大数据的综合素质评价系统。为了解决当前评价系统与学生实际情况之间的误差，徐雪丽等人提出一种多级模糊综合评判的方法。毛军权等人则结合层次分析和模糊综合提出了新的综合素质评价方法。这些优秀的研究成果为我们研究大学生综合素质评价提供了很好的理论和技术支持。 2 评价框架 2.1 评价特征提取 常见的大学生综合素质评价方案是把各个评价指标进行加权处理而获得评价结果，其缺点是无法准确描述两者之间存在的非线性关系，因此一般采用主成分分析方法，从众高校大学生综合素质评价指标中获取有效的信息。主成分分析方法的思路是把高维空间投影到低维空间去分析，这些低维空间的数据之间互不相关，同时又能保留高维空间数据中包含的重要信息。 我们假设高维空间中有大学生综合素质数据集X=[x1，x2，…，xl，xl+1，…，xl+u]，l+u=N，其中前面的l个样本X是有标签的数据样本，各类样本数为Ni，l=（1，2，…，c），c为类别数，后面的u个样本Xu为无标签的数据样本。 对比以上两个式子可知，半监督主成分分析方法在提取大学生综合素质评价指标信息时，不仅考虑了整个数据样本的分布情况，同时还综合了已知样本的标签信息来指导信息的提取，保留了指标特征之间存在的非线性关系。很明显，综合利用样本的分类标签信息和全局结构信息构建的半监督模型更加符合大学生综合素质评价的现实情况。 2.2 评价模型构建 支持向量机模型是數据分析中的一项新技术，它通过统计学习理论和优化理论解决机器学习的相关问题，已经成功地运用于各种模式识别的领域。其核心思想就是通过构建一个具有最优分类面的判别函数，把已有标签的数据样本准确地进行区分，同时还要满足样本间隔最大的约束条件。该模型的优点是只需少量的已知标签样本，构建出符合大学生综合素质评价要求的非线性模型。 在对大学生综合素质评价进行评价时，假设给定训练样本：X={（xi，yi），i=1，2，…，n}，xi