模式识别在高职护生职业成熟度调查中的应用探索

任凯 ，李琰

1.苏州卫生职业技术学院护理学院，江苏苏州 215009；2.苏州高等职业技术学校信息工程系，江苏苏州 215000

模式识别[1]是人工智能领域的重要分支，也是人工智能领域的热点研究方向，属于信息科学的范畴。 它是指对表征事物或现象的信息进行处理、分析然后重新进行描述、辨认、分类和解释等一系列过程。近年来广泛被应用于人工智能、计算机工程、机器人学等许多重要领域。随着“智慧护理”[2]时代的到来，模式识别作为一门交叉学科，也被逐渐地运用到临床护理和教育教学的研究中来。大学生就业问题一直是全社会关注的焦点和热点[3]。职业成熟度是评估个体在就业问题中职业发展的一个重要指标[4]，能够影响一个人的职业抉择和职业规划。该文探索了模式识别在高职护生职业成熟度研究中的应用，期望通过提升高职护生职业成熟度的方法来促进就业，解决人才供需失衡，稳定护理队伍的目的。

1 模式识别概述

1.1 模式和模式识别的概念

模式[5]是指当人们想要了解某事物或现象时，首先会收集其信息，然后将选择出的特征与头脑里已有的记忆相比较，搜索匹配到一个相同或相似的类别（模式）时，该物体或现象就被识别出来。因此人的头脑中构成该物体或现象的模式就是与其相关联的时空特征。

模式识别[1]是确定样本类别属性（模式类）的过程。简而言之是用机器来模拟人类大脑进行逻辑推理并判别外界环境信息特征的过程。例如：超市的工作人员在售货架上为不同类别的商品如蔬菜、水果或玩具等贴上标签。这是理货员在提取商品的特征信息后，以此为依据，通过与脑海中对这些类别（模式）的固有认知做对比，将商品识别到各个类别（模式）中去。这一过程便是人脑进行模式识别的分类过程。

目前模式识别技术在生物医学工程中得到了非常广泛的应用[6]，如细胞识别、CT 图像分析、指纹识别、三维人脸识别等。

1.2 模式识别系统及方法

4 个典型的部分连续在一起，形成了模式识别的经典系统：首先是信息的获取，然后进行预处理降噪，再选择和提取特征值，最终产生分类决策。 见图1。

图1 模式识别的基本框架

句式模式识别、模糊模式识别和统计模式识别等方法是模式识别的经典方法。在高职护生的职业成熟度的研究中，主要采用的是统计模式识别方法。 它的核心思想是将提取到的特征量化，生成向量，并将其定义在特征空间中。显而易见，不同的特征向量都对应向量空间中的某个点。 特征选择[7]的过程，如下图所示，包括子集生成、子集评估、停止准测和结果验证等4 个主要环节。见图2。

图2 特征选择的过程

候选子集是在一个根据特定的搜索策略进行搜索的过程中产生的。在高职护生的职业成熟度的调查研究中，这一搜索策略就是子集对就业相关性的影响程度。若新子集对就业相关性的影响程度优于以前的最好子集,则将其更新为当前的最优子集。子集生成和子集评估不断循环,直至满足特征选择的要求就停止，最后对最优特征子集的结果进行验证[7-8]。

2 职业成熟度概述

2.1 职业成熟度的概念

职业成熟度是指当一个人面临职业决策时，对所需条件的知晓程度及选择的现实性和一致性程度。它是一个重要的评估指标，能衡量个人在面对职业问题时能否做出正确认识和行为[9]。 研究发现[10]，职业成熟度对个人的职业选择、职业发展及其职业满意度有着重要影响，职业成熟度与个人的职业规划、执行能力及其以后的职业发展都呈正相关。

2.2 高职护生职业成熟度的研究意义

近年来，随着我国社会对高技能创新型人才的需求不断增加，国家大力推行职业教育[11]，高职院校自身也正积极探索与创新人才培养模式[12]。 对于卫生职业院校，高职护生招生规模呈膨胀式扩大，成为了护理队伍的主力军，已经引起护理教育工作者的关注。

我国目前的护理行业现状处在临床护士紧缺的同时流失率也很高的矛盾中。 医护比例卫生部要求为1：2，而目前全国仅为 1：0.61[13]。 麦可思研究数据显示[14]，2017届高职卫生院校的护理专业毕业生，毕业半年后的离职率为17%，98%为主动离职。 临床护士的高压力、 重负荷、高风险、低社会认同感等不稳定因素严重影响了在校护生的职业成熟度。

随着经济和社会的发展，大学生的就业问题一直是全社会关注的焦点。 研究提示[15]，护生的职业成熟度在一定程度上影响其对专业的认知、态度、职业抉择及后期的职业发展。具有良好职业成熟度的护生的就业率更高，离职率更低，更能够很好地完成本职工作。通过提升高职护生职业成熟度的方法来促进就业，解决人才供需失衡，稳定护理队伍具有重要的意义[12]。

3 模式识别在高职护生职业成熟度的应用探索

利用《中国大学生职业成熟度问卷》[16]对符合纳入标准的研究对象进行分层抽样调查。对调查结果进行量化、分析统计，将学生集合分为农村护生，城镇护生两个子集。 实习期跟踪一年，记录研究对象毕业半年和一年的在岗和离职情况。再将每个子集的护生分为在岗和离职两类，利用影响护生职业成熟度的相关因素即可建立坐标系，生成散点图，可预见护生的职业成熟度将表现出聚集性和规律性，从而将护生职业成熟度的问题转化成为了一个模式分类的问题[12]，进而得到不同子集护生的划分函数。 在这一过程中，将用到MATLAB 软件和模式识别的一系列数学方法。

如果在特征空间中[17]，可以用找到一条两类样本准确分开的直线（采用增广样本向量，定义线性判别函数b(yi)=aTyi 即存在合适的增广权向量a 使得：

则称样本是线性可分的。满足条件的权向量为解向量。由解向量组成的空间区域称为解区。否则，则称样本是线性不可分的。

对于不等式组：aTyk＞0，i=1,2…，N 如果样本是线性不可分的，那么不等式组就不可能被同时满足。 那么找到一个可以是使被错分的样本尽可能少的权向量也可以让模型产生足够的精度。 综合上述两种情况，这类方法的准则也称为最少错分模式数准则[17]。 这种算法即Widrow-Hoff 算法，也称作最小均方根算法或LMS（Least-mean-square algorithm）算法。将这种方法引入到职业成熟度中，对量化后的数据利用模式识别的方法进行进一步的分析，建立职业成熟度动态分析模型。

运用该分类模型，可筛选出职业成熟度得分较低的学生，并可以通过分析学生的职业成熟度问卷产生预测结果。利用预测结果指导学生管理者动态观察护生在整个大学学习过程中的职业成熟度变化，针对性地对职业成熟度偏低的护生适时干预，清晰地追踪护生的思想变化，有效影响并提升护生的职业成熟度。 达到促进护生更好地实现就业目标，做好个人职业发展规划，稳定护理队伍,促进护理事业健康发展的目的。

4 结语

模式识别技术是人工智能领域的热点研究方向。通过研究探索发现，模式识别应用于高职护生职业成熟度具有科学性和可行性，应用模式识别技术建立的职业成熟度动态模型可有效促就业、稳就业。 作为一种新的方法、思路和途径，模式识别技术可应用于护理教育领域，加速“智慧护理”的发展。