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∈Rd，yi∈{+1，-1}，n为训练样本个数，d为每个训练样本向量的维数，y为分类类别。在线性可分的情况下，求解决策函数需要构造如下优化问题：

很明显，我们在已知类别的样本基础上，还充分利用未标记数据进行辅助训练。其优点是半监督支持向量机不但利用了有标签样本对单个样本精确描述的优势，而且发挥了无标签样本对样本集整体描述的重要作用。与常用的对评价指标进行加权处理方法明显不同的是，半监督支持向量机通过学习算法可以获得评价结果与评价指标之间的非线性关系，这更有助于对大学生综合素质进行科学的评价。

3      总    结

本文对高校大学生综合素质评价的现状进行了深入研究，在最新机器学习理论基础上提出了用于评价高校学生综合素质的理论框架。在有效指标提取和评价模型构建的两个阶段，充分利用了有标签样本的类别信息和无标签样本的整体结构信息，提出的大学生综合素质评价框架可以很好地描述评价结果与评价指标之间存在的非线性关系，与常用的指标加权处理方法相比，可以获得更为精确的高校大学生综合素质定量评价。下一步的研究计划是将提出的综合素质评价模型进行实证分析，不断修正评价模型再进行推广试验。

主要参考文献

[1]周晓晶， 于晓秋， 于飞跃， 等. 大学生综合素质评价指标体系及评价方法研究——基于多方协同育人视角[J]. 大庆社会科学， 2017（4）： 138-140.

[2]董卓宁， 张江， 张弛. 大学生综合素质评价体系构建与实施方法研究[J]. 教育探索， 2012（12）： 120-121.

[3]赵曦. 基于行为大数据的学生综合素质评价系统设计与研究[J]. 现代信息科技， 2020， 4（1）： 9-11.

[4]徐雪丽， 施佳熙， 焦龙强. 基于多级模糊评判的大学生综合素质评价系统研究[J]. 西安文理学院学报：自然科学版， 2019， 22（4）：8-14.

[5]毛军权. 大学生综合素质评价系统的设计与评价方法的研究[J].上海理工大学学报：社会科学版， 2002， 24（2）：10-13.

[6]张晓涛. 基于半监督PCA-LPP流形学习算法的故障降维辨识[J].中南大学学报：自然科学版， 2016（5）：1559-1564.

[7]皋军， 王士同， 邓赵红. 基于全局和局部保持的半监督支持向量机[J]. 电子学报，2010， 38（7）：1626-1633.

[8]王永，程灿，戴明军， 等. 一种半监督支持向量机优化方法[J]. 工矿自动化，2010，36（12）：47-50.