高 虹,吴 玲,许宇鹏
(河海大学期刊部,南京210098)
随着科学技术的飞速发展,社会发展对人才发展的要求已经从一次性教育发展到继续教育。继续教育是对具有一定文化基础的专业技术人员和管理人员等进行知识技能的更新、拓展与提高的追加教育或后续性教育,是继续工程教育的延伸与扩展[1]。由于继续教育可以帮助编辑扩展知识,提高业务水平与技能,提升期刊经营管理能力,吸收最新学术成果,因此,2010年,新闻出版总署开展了出版专业技术人员继续教育培训工作。但从实际效果看,编辑继续教育存在诸多问题,如编辑人员对继续教育的认识不够、继续教育尚未形成健全有效的运行机制、继续教育缺乏科学的内容与形式等[2]。由此,如何提升编辑继续教育的效果便成了需要解决的主要问题。
通过文献分析发现,绝大多数学者在探讨编辑继续教育问题时,在研究内容上大多立足于分析编辑继续教育的必要性、继续教育存在的问题并给出相应的对策[3-4];在研究方法上大多采用定性分析法,缺乏可靠的定量化研究[5-6]。笔者认为,为了能厘清编辑继续教育存在的问题并提出切实可行的解决方法,对继续教育效果的评价是不可或缺的,这也是亟待解决的主要问题之一。将全面、合理的评价指标体系与科学、严谨的评价方法相结合,才能实现对编辑继续教育效果的深入分析。由于高校学报编辑的主要工作内容、工作性质与图书编辑等其他类别的编辑有所区别,评价指标体系并不能通用,因此根据研究对象的便利性,笔者重点探讨高校学报编辑继续教育效果的评价问题。首先在文献分析的基础上构建高校学报编辑继续教育效果评价体系,然后采用粗糙集和信息熵相结合的方法构建评价模型,以实现对高校学报编辑继续教育效果评价的完整研究。
纵观现有文献,关于编辑继续教育的研究成果十分丰富。如李玉莲以新编辑为研究对象,提出对他们培训的基本内容应该包含职业道德教育、作风教育及业务技术教育[7]。陈家顺认为,要从三方面对学术期刊编辑进行继续教育,分别是政治理论素养、科学文化知识和编辑理论水平[3]。李铭娜等研究数字化出版时代背景下编辑的继续教育问题,认为继续教育的内容应该包括编辑职业道德、期刊数字化技能及编辑理论知识[5]。翟宇认为,由于编辑人员的学科背景、知识结构、工作年限和工作能力不同,因此只有提高针对性、选择科学合理的内容才能满足不同编辑的需要,编辑业务知识、法律法规知识、编辑所在学科专业知识和数字出版知识都是继续教育的核心内容[6]。刘灿娇等以网络编辑为研究对象,认为一名合格的网络编辑需要高度的政治素养、道德意识和责任感、扎实的编辑业务能力、快速反应和思维创新能力、丰富的知识储备、熟练的信息技术应用能力[8]。罗香提出,编辑接受继续教育之后要对他们的实际效果进行考核,而继续教育的内容应该是重视职业道德教育、提高政治素质、加强业务学习、促进科学研究、培养创新能力[9]。在具体评估方法上,姜梅提出,培训效果的评定主要是对编辑培训效果的评定以及对培训项目的评定,可以对培训前后工作效果进行对比,并采用定量检验,如接受培训前对其进行测试,培训后再测试,前后对比[10]。李翠霞等以中国科学院院属期刊为例,对其2011—2014年开展的编辑继续教育工作进行分析,并通过问卷调查的方式来了解继续教育工作的实效[4]。
从以往文献可知,关于编辑(包括高校学报编辑)继续教育效果评价研究的文献成果极少,不仅没有评价指标体系,更缺乏科学的评价方法,大多数学者只是从定性方面进行阐述。笔者在构建高校学报编辑继续教育效果评价指标体系时,主要从两方面进行考虑:第一,从高校学报编辑的实际工作内容及工作性质出发;第二,结合已有的文献研究成果,分析继续教育的主要内容。经过研究,笔者认为对高校学报编辑继续教育效果进行评价需要从多元化、多层次的角度来进行,构建的高校学报编辑继续教育效果评价指标体系如图1所示。
图1 高校学报编辑继续教育效果评价指标体系
图 1所示的对高校学报编辑继续教育效果从政治理论素养、业务技术水平、综合创新能力三方面来进行,这样就能较为全面地、动态地评价高校学报编辑继续教育的效果。其中,政治理论素养一级指标下包含职业道德和作风 2个二级指标;业务技术水平一级指标下包含信息采集、选题策划与组稿、审稿、编辑加工及整体设计 5个二级指标;综合创新能力一级指标下包含知识结构、信息技术应用、思维创新3个二级指标。
波兰数学家Pawlak[11]于1982年提出粗糙集理论,以用来处理不完整、不确定性知识以及数据的表达、学习与归纳,其主要的特点是无需提供问题所需处理的数据集合之外的任何先验信息。
定义2 给定决策表S,若有B⊆A,则定义属性集B上的不可分辨关系IND(B)为:
U/IND(B)构成了U的一个划分,称为U上的一个知识,其中每个等价类称为一个知识粒[14]。
其中,Card(*)表示集合的基数,即集合元素的个数。
定义6在决策表S中,定义属性c∈C粗糙集信息熵理论下的重要度为:
C.E.Shannon在1948年将熵的概念引入信息领域,利用“信息熵”作为衡量信息紊乱程度的测度[18],并提出信息的度量方法。他认为,熵可以用来度量一个随机事件的不确定性或信息量[19]。在数学上,信息熵表示特定信息的出现概率,在信息系统中用以表示信息的不确定性。如果一个信息系统的确定性越高,其信息熵越低;反之,信息熵越高。
将粗糙集理论与条件信息熵引入高校学报编辑继续教育效果的评价研究中,建立基于粗糙集条件信息熵的综合评价模型。评价指标体系包含一级指标和二级指标条件属性集,将定义1中在决策表S内的条件属性集(指标集)C进行如下描述:条件属性集为,对于作为一级指标条件属性,其中包含若干个二级指标条件属性,可进一步描述为。由此,,则该对象在二级指标Cxv下的评价可描述为。
由于粗糙集仅能针对离散化数据进行处理,因而,需要对连续型数据作离散化处理,采用等距离法[20]。
具体步骤如下:
(1) 获得全体对象集U的划分结果、在决策属性集D上的划分结果U/ IND(D),以及筛选出条件属性Cx后的划分结果。
(2) 计算条件属性集C上的划分相对于决策属性集D上划分的信息熵I(D|C);在依次筛选出C下的各条件属性Cx后,计算上的划分相对于D上划分的信息熵。
(3) 对于各条件属性Cx,计算得出粗糙集理论下的重要度。
(4) 计算各条件属性Cx的权重值。
(5) 计算评价对象的综合评价结果。
其中,Ei为各待评价对象的综合评价值,为各属性的评分值。
高校学报编辑继续教育效果评价指标体系(图1)共包含3个一级指标、10个二级指标,此次选取的研究对象为2016年5月在南京接受继续教育的6位高校学报编辑,并聘请南京地区各高校学报编辑部的多名专家组成专家组,对 6名编辑进行评价。经整理后的数据作为测试数据集,再依据实际样本对指标体系开展实证研究。
专家组对这6位待评价编辑ui的各项指标进行全面评价,其中,i= 1, 2, …, 6;决策属性集D为专家满意度,整理后数据如表1所示。
表1 初始信息表
将所有评价指标分为3个等级,数据离散化后的决策表如表2所示。
表2 数据离散化后的决策表
(1) 计算对象集U在一级指标C1分块下的划分结果U/ IND(C1)和U在决策属性集D上的划分结果U/ IND(D)分别为:
(2) 在选取一级指标C1下,依次筛选出该一级指标中各二级指标条件属性C1n(n= 1, 2),求得划分结果。
当S=1时,。
然后,分别计算出S= 2,3,4时,上述公式所取得的结果。
经计算可得,
(4) 计算C1分块下各二级指标C1n(n= 1, 2)的相对重要度。
(5) 计算C1分块下各二级指标的相对权重值。
(6) 计算一级指标C2、C3分块下的各项数据。
(7) 计算各一级指标的权重值。
(8) 得出各二级指标的最终客观权重值。
(9) 求得6位高校学报编辑继续教育效果的评价结果,具体评价结果及排序如表3所示。
表3 综合评价结果及排序
通过基于粗糙集和信息熵的评价模型的运用,本文对 6位编辑的继续教育效果进行了评价。通过表3可知,第3位编辑的综合评价值最高,第2位编辑的综合评价值最低,通过该法,可对数量较多编辑的继续教育效果进行评价,且具有较高的公正、公平性。
本文对高校学报编辑继续教育效果的评价问题展开研究。首先,通过文献分析,构建了高校学报编辑继续教育效果的评价指标体系,该体系包含3个一级指标、10个二级指标;其次,将粗糙集理论和条件信息熵引入该评价问题,建立基于粗糙集和条件信息熵的评价模型,实现对待评价编辑的决策分析。经过实例分析表明,本文所提出的高校学报编辑继续教育效果的评价指标体系和所构建的评价模型是切实可行且合理、有效,能为高校学报编辑继续教育效果评价提供一种新的思路和途径。
[1]刘保国.关于知识经济时代继续教育的若干思考[J].广东工业大学学报(社会科学版),2006,6(1):10-13.
[2]陈莎莎.论知识经济时代编辑的继续教育[J].西藏科技,2014(8):31-32.
[3]陈家顺.加强学术期刊编辑继续教育的必要性[J].湖北师范学院学报(自然科学版),2010,30(4):85-87.
[4]李翠霞,田宏,梁永霞.浅谈中国科学院院属期刊编辑继续教育培训工作[J].科技与出版,2015(1):107-110.
[5]李铭娜,张德福.数字化出版时代期刊编辑继续教育分析[J].中国冶金教育,2012(4):91-92.
[6]翟宇.从续展登记注册看编辑继续教育的问题与对策[J].现代出版,2013(5):63-65.
[7]李玉莲.新编辑的“入门”培训刻不容缓[J].出版广角,2002(11):33-34.
[8]刘灿娇,王宇.论当前我国网络编辑职业资格管理的五个矛盾[J].科技与出版,2015(10):99-101.
[9]罗香.加强高校学报编辑继续教育的实效性研究[J].继续教育研究,2011(9):30-32.
[10] 姜梅.浅议科技期刊青年编辑的培训开展[C]//科技编辑出版研究文集.2005:113-114.
[11] Pawlak Z. Rough sets [J]. International Journal of Information and Computer Science, 1982(11):341-356.
[12] 朱红灿,陈能华.基于距离辅助粗糙集的政府信息公开公众满意度评价模型[J].情报杂志,2010,29(8):94-97.
[13] Wang G Y. Granular computing based data mining in the views of rough set and fuzzy set [C]// Novel Developments in Granular Computing: Applications for Advanced Human Reasoning and Soft Computation.Hershey: IGI Global, 2010:401-416.
[14] 陈玉明,吴克寿,李向军.一种基于信息熵的异常数据挖掘算法[J].控制与决策,2013,28(6):867-872.
[15] 甄宇峰,施化吉.基于条件信息熵和相关系数的属性约简算法[J].计算机工程与应用,2011,47(16):26-28.
[16] 徐昆振,何金平,夏万求.基于粗糙集与条件信息熵的大坝安全融合评价模型[J].武汉大学学报(工学版),2014,47(1):46-49.
[17] 高维春,谭旭.决策属性未知下的学生评教粗糙集分析[J].计算机工程与应用,2012,48(9):238-241.
[18] 梁吉业,钱宇华.信息系统中的信息粒与熵理论[J].中国科学E辑(信息科学),2008,38(12): 2048-2065.
[19] 丁卫平,王建东,管致锦.一种基于变精度阈值的可拓熵不完备系统属性约简算法[J].小型微型计算机系统,2010,31(12):2372-2376.
[20] 毛太田,肖锎,邹凯.一种基于粗糙集条件信息熵的多指标综合评价方法研究[J].统计研究,2014,31(7):92-96.