基于神经网络的职业能力测评方法研究

赵宇峰

【摘 要】职业能力测评是一种针对职业能力与职业认同感的评价，是近年来引进国内的较为先进的综合职业能力评价方法。本文分析了职业能力测评过程中出现的一些可以导致结果失真的人为因素；讨论了神经元网络逻辑推理器应用于职业能力测评过程的可行性；并研究了神经元网络推理器应用于职业能力测评的实施方法。

【关键词】职业能力测评；BP神经元网络

中图分类号： V355.1 文献标识码： A 文章编号： 2095-2457（2018）01-0137-002

【Abstract】Occupational proficiency assessment is a kind of appraisal of occupational competence and professional identity. It is a more advanced comprehensive appraisal method of vocational ability introduced into China in recent years. This paper analyzes some human factors that may lead to distortion of results in the process of occupational proficiency assessment. It also discusses the feasibility of neural network logical reasoner applying to occupational proficiency assessment process. And it also studies the application of neural network reasoner in vocational proficiency assessment The implementation method.

【Key words】Occupational proficiency assessment； BP neural network

1 职业能力测评

KOMET 是“职业能力与职业认同感测评项目”的缩写。通常我们对职业院校学生综合职业能力进行评测的主要方法包括职业资格认证、考试，技能竞赛，世界技能竞赛等形式。KOMET是不同于之前的评测方式，它专门针对职业院校学生。系统的、科学的考察职业学校学生的职业能力，职业发展能力以及职业道德等因素。KOMET 是具有完整评价体系的，它建立了自己的职业能力模型、设计了完善的职业能力测评方案、开发了科学的职业能力测评工具与方法并对其进行了验证。

职业能力测评方法自从被引进我国，就在职教界引起了广泛的重视。2012年开始，在北京师范大学组织了第一次职业能力测评，测评对象是汽车维修专业的在校师生。之后，先后在交通系统的职业院校，四川省的部分职业技术学院，以及广州市属的技工院校开展了评测活动。取得了良好的效果，职业教育行业也认可了职业能力评测方法，希望能够推广。

职业能力测评的实施过程如图1所示。首先根据被测评对象的专业和工作岗位开发职业能力测评题目。职业能力测评题目开发有两个重要的规律：一是按照“初学者-提高着-能手- 专家”这样一个职业能力发展路径，呈4个阶段来划定能力范围；二是要获取该阶段职业的典型工作任务，一般通过实践专家访谈会确定的职业的典型工作任务。

使用职业能力测评题目对被测评者进行职业能力测评，被测评者完成测评题目。将得到被测评者的答案和完成任务过程的第三方监督记录。通过对答案和记录进行评分将得到被测评者的职业能力数据。

分析整个职业能力测评过程，出现人为因素最为集中的地方就是评卷环节。由于职业能力测评的题目是基于典型工作任务的综合性题目，所以其答案也是综合性的答案。也就是每条答案可能包含职业能力的多个方面的因素，或者不同的评分者对答案的判断不同，于是现了一些操作性的問题。主要体现在以下三个方面：

（1）测评指标及指标权重不确定性。为了反应考核对象的职业能力，会设定某些具体任务指标。这些任务指标是要根据评测对象情况和评测的目标进行设定的。而每个任务指标所占到的权重也需要进行科学评估。但是目前在指标和权重的设定上，主要依靠设计者的经验，存在偏差。

（2）评分者的差异问题。职业能力测评的操作过程中，对于评分者的公正性依赖过强。实际的测评过程中确保评分者信度是KOMET 测评技术的一大难点。人作为评分者必然存在差异，这种差异将对测评的结果产生影响。

（3）测评标准模糊化。目前大多数研究集中职业能力的测评过程和测评的数据分析。但是由于缺乏参照物，一些职业能力测评的数据不具有实际的说服力。因为对于每个岗位，8个能力的发展情况或是受重视情况是不同的。必须有大家公认的4个层次的每个工种、专业的职业能力模型才具有数据上的说服力。

2 评卷环节推理机模型

通过信息技术构建推理机来代替人工评卷是解决评卷过程中出现的认为因素和不确定性因素的较为可行的办法。根据职业能力测评工作过程的特点建立评卷环节推理模型如图2所示。

首先对职业能力测评得到的每项答案进行模糊化，使答案转化为可以被推理机识读的数据。通过专家的讨论，对每道题的答案建立一个隶属度表（表1）。将答案从最好到最差分成3-9个等级，将答案的评价标准量化并细分。在实际改卷操作中，每项答案需要评卷专家根据参照样本答案，讨论分级即可，得到的数据就是职业能力测评推理机的输入。

职业能力测评推理机是一个典型的多输入，多输出的模型。而且由于每项输入（模糊后的答案）与每项输出（职业能力指标）之间存在的不是简单映射关系，所以较为适合选用BP神经元网络来作为推理机。

人工神经网络简称ANN，是利用计算机来模拟生物大脑的结构和运行方式，简称神经网络。与人的大脑相似，组成网络的基本单位是神经元，通过一些组织形式，将神经元连接，可以组成神经网络。理论上，可以逼近复杂的非线性映射关系。

BP神经网络是一种具有前馈的多层神经网络，按照功能是由输入、隐含、输出三种，可以由多层组成。BP神经网络的连接呈现以下特点：同层无连接，层间无反馈，相邻有连接。BP神经网络的拓扑结构如图3所示。

通过合理的设定输入、输出点数，层数，隐含节点数以及连接全值，将组成合理的推理器。通过一定的样本学习后，将能够逼近非线性映射。我们只需要将模糊化之后的答案送入推理器，就可以得到我们关于职业能力的八个指标值的输出。在整个过程中基本上可以排除主观因素的干扰，同时提高了效率。

3 职业能力推理器的训练

神经元网络的推理结构来源于神经元之间联系的权值，对神经元网络训练，可以使神经元网络无线逼近于真实的职业能力模型。因此选择职业能力推理器的训练样本具有较高的要求。

基于神经元网络的职业能力推理器的训练样本必须来源于真实的职业能力测评的输入值与输出值。也就是在进行大规模的职业能力测评之前，需要先组织一个针对职业从业者的职业能力测评，用以获得数据。

在充分的企业调研的基础上，寻找该职业、工种中大家公认的典型岗位人群。这些人群应该从事相近的工作，或者拥有较为相近的职业经历和成长渠道；同时这些人还应该覆盖从“初學者-提高者-能手-专家”4个层次的典型代表。这些人的岗位和工作成绩能够得到认可，也就是这些人能够作为我们在这4个层次中的参考系。

对这些人实施职业能力测评，将获得的答案进行模糊化作为推理器的训练样本的输入矩阵。对这些人的答案进行传统评卷方式，最终得到的8个职业能力指标的数据矩阵，这样就获得了推理器训练的期望输出矩阵。然后利用正反向运算的方式获得神经网络的权值，当方差在允许范围内时，训练结束。即可采用此网络进行大规模的职业能力测评。

4 总结

基于神经网络的职业能力测评方法将神经元控制网络应用于职业能力测评实践中。通过神经元网络来逼近职教专家的职业能力模型，在大规模的职业能力测评中减少工作量，缩短测评时间。同时能够有效的避免因为评分者的差异带来的数据信度问题。同时由于标准职业能力样本的获取，建立了职业能力的参考系，使职业能力测评的结果更具有指导意义。

【参考文献】

[1]【德】费利克斯·劳耐尔.职业能力与职业能力测评： KOMET理论基础与方案[M].北京：清华大学出版社.

[2]庄榕霞，赵志群.职业院校学生职业能力测评的实证研究[M].北京：清华大学出版社，2012.

[3]赵志群，庄榕霞.职业院校学生职业能力测评研究[N].职教论坛，2013.3.7.