基于数据挖掘的产教融合质量评价模型建构魏

孔鹏 谷洪彬

摘要：随着大数据和人工智能技术的兴起，数据挖掘算法也逐渐应用到产教融合质量评价研究领域中。产教融合质量评价的目的是对产教融合的质量进行量化，量化的结果可以是连续值，也可以是分类值，后者更容易给人直观的印象。聚类分析算法是机器学习算法中对数据进行分类的最常用算法。本文对某高职院校产教融合数据应用聚类分析算法，探讨了聚类分析算法在产教融合质量分析研究中的可行性。

关键词：产教融合;质量评价;聚类分析;高职院校

中图分类号：T9311.5 文献标识码：A 文章编号：1007-9416（2020）09-0206-03

0 引言

高职院校肩负着培养高素质劳动者和技术技能人才的使命，为我国经济社会发展提供了有力的人才和智力支撑。产教融合、校企合作和工学结合是职业教育的鲜明特色。产教融合的质量必然影响到高职院校人才培养、技术创新、就业创业、社会服务的水平。国内在产教融合质量评价的研究主要集中在内涵、提升路径和构建评价体系，采用的理论主要是利益相关者理论、绩效管理理论、系统论、教育经济效率理论等[1-4]，采用的方法主要是代表打分法、专家评定法和问卷调查。随着智慧城市、智慧校园、智慧工厂、互联网等领域的快速发展，海量、多元、多源的数据为构建定量的、全过程的、多元的、多层级的产教融合质量评价模型提供了新方法和新思路。

1 产教融合质量评价指标的建立

产教融合的目的是企业和高校合作，利用各自的优势，为对方提供合适的资源，同时也促进自身的发展或者整个社会环境或经济环境的进步。产教融合涉及多方面内容，对产教融合质量的评价也较为复杂。不同学者针对这个复杂的问题，采用分解的方式，从一个方面进行质量评价体系的建立，比如学生综合素质评价体系[5]、教学质量评价体系[6]、深度合作质量评价体系[7]等，这些评价体系的建立，可以从一个方面评价产教融合的质量。为了更全面地评价一个高校的产教融合质量，我们把这些单方面的质量评价体系综合起来，通过模糊聚类分析算法，实现量化评价和质性评价的结合。

文献7建立的人才培养质量评价指标体系分为目标层、准则层和指标层三个层级，我们采用其准则层作为我们的评价体系的一部分：创新创业人才培养环境、校企合作基础、校企合作育人过程、校企合作效果。

文献8建立的校企深度合作质量评价指标体系分为一级指标、二级指标和三级指标三个层级，我们采纳其一级指标作为我们的评价体系的一部分：合作办学资源条件、合作办学过程、合作办学效果。

文献9建立的校企合作项目绩效评价指标体系包括业绩指标和监测指标两个一级指标，每个下面有若干二级指标。我们采用业绩指标和监测指标下的教学资源建设指标、教学过程指标、企业素质指标。

综合以上指标的选取，排除重复或者相近的指标，得到我们要建立的产教融合质量评价指标体系如表1所示。

2 聚类分析的数学模型

聚类分析是根据事物间的不同特征和相似性等关系对这些事物进行分类的一种方法。聚类与分类的不同之处在于，聚类所要求划分的类是未知的。在聚类分析的过程中，要使得同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。对于同一个簇中的不同对象，它们之间的相似性也有不同，相似性越接近的，属于同一个簇的理由越充分[10]。

为了计算不同对象之间的相似性进而进行聚类，需要把数据存储到矩阵中，再经过数据标准化，计算相似系数，进行聚类这几个步骤。

2.1 数据矩阵

设论域是将要被聚类的对象，每个对象有个性能指标，即，则有原始数据矩阵。

2.2 数据标准化

为了使具有不同量纲的实际问题中的不同数据可以进行比较，需要对数据做出平移标准差变换和极差变换，将数据压缩到[0，1]区间。

2.3 建立相似矩阵

根据和的相似程度建立相似矩阵，相似系数的常用计算方法有以下几种：

（1）数量积法：

（2）夹角余弦法：

（3）相關系数法、最大最小法、算术平均最小法、几何平均最小法、绝对值指数法、绝对值减数法、主管评分法等。

3 产教融合质量评价模型算法的实现

以上所建立的产教融合质量评价指标，是产教融合质量评价体系的初始工作，此评价指标适用于产教融合的每一个案例。对于同一所高校不同产教融合案例按照此评价指标进行量化评分，可以简单直观地得到不同案例的质量效果，但是这种单一的评价方法不能全面反映不同产教融合案例之间的对比和联系。因此，我们采用聚类分析算法，按照前面确定的4个产教融合质量评价指标对10个产教融合案例进行评分，然后用SPSS软件进行聚类分析，产教融合实例评分如表2。

对以上数据进行模糊相似矩阵的建立：本例中采用取夹角余弦法计算相似系数，计算过程由统计分析软件SPSS（Statistical package for the social science）实现，相似矩阵如表3。

用直接聚类法做出动态聚类图，如图1。

根据动态聚类图，对产教融合质量情况分为3类时的分类为：{4， 6，1，10};{3，8，6};{7，9，2}。

产教融合质量评价聚类分析的实际意义：聚类分析的原理是，越是先聚为一类的样本越相似，本实例中表3为模型相似系数。从动态聚类过程可以看出，聚成3类时，一类样本4，6，1，10都是“产教融合人才培养环境”成绩较高，其中样本4和6更相似。二类样本3，8，5是“产教融合合作效果”评价分数稍低而“产教融合合作过程”评价分数较高，3和8更相似。三类样本7，9，2是“产教融合企业素质”和“产教融合合作效果”评价分数较好，而7和9更接近。通过对不同样本的聚类分析，相对于高校，我们可以找出聚到一类的企业的共同或相似特点，从而为将来寻求更多的产业融合提供数据支持。

4 结论

基于大数据技术的产教融合质量模型构建，首先需要在产教融合过程中积累起相关数据。在此基础上，建立评价体系，对于非数值指标进行量化。有了相关数据和评价体系，选取合适的数学模型并把数据应用到此数学模型，选取和应用数学模型的过程可能是个反复的过程，凭经验和直觉想到的数学模型在计算之后很可能得不出期望的结果，这时需要对模型参数进行调整，或者对数据进行简化或者补充。如果这种调整还是得不到足够有说服力的结论，需要尝试其它模型。本文的研究也经历了以上探索，最终选取聚类分析模型并应用到实际工作中。

参考文献

[1] 姚润玲.基于利益相关者理论的应用型本科院校产教融合绩效评价研究[D].哈尔滨：哈尔滨工业大学，2018.

[2] 胡伟卿.高职院校校企合作绩效评价研究[J].高等理科教育，2009（6）：154-158.

[3] 姜泽许.职业教育产教融合质量评价体系的构建[J].职教论坛，2018（5）：131-133.

[4] 罗筑华，刘永.应用型本科高校产教融合评价体系研究[J].黑龙江教育（高教研究与评估），2020（4）：59-67.

[5] 魏孔鹏，谷洪彬，李啸龙.学生综合素质评价的用户画像构建研究[J].计算机时代，2020（3）：96-98.

[6] 李啸龙，魏孔鹏，谷洪彬.大数据技术在教学质量评价中的运用与探索[J].计算机时代，2020（4）：85-86+89.

[7] 裴金平，廉超，苏毓敏.校企合作模式下高校创新创业人才培养质量评价体系构建研究[J].劳动保障世界，2017（9）：13-14.

[8] 李小娟.职业教育校企深度合作质量评价体系构建[J].中国职业技术教育，2014（9）：41-43+48.

[9] 赵恒伯，刘繁荣.刍议高职院校校企合作项目绩效评价指标体系的构建[J].中国职业技术教育，2014（9）：41-43+48.

[10] 马守明，郑武，程晨，等.应用型高校教学质量的灰色聚类分析方法[J].高教学刊，2020（13）：77-79+85.