基于AHP构建的专业技术实践质量评价体系模型分析

范栋林

(河北北方学院 附属第一医院，河北 张家口 075000)

实践教学质量评价十分复杂，评价的客观性也直接影响到实践教学的改革。将层次分析法(AHP)和极限学习机(ELM)相结合，并采用凉亭鸟优化(SBO)算法对ELM参数进行优化，提出了基于AHP和SBO-ELM的医院实践教学质量评价系统，并通过具体的案例验证评价系统的有效性。

1 层次分析法

AHP将复杂的多目标决策问题层次化分析，形成一个多层次的分析结构模型，在解决各类复杂问题中具有十分广泛的应用。以下为AHP的分析流程。

1.1 构建层次结构

构造一个层级是非常关键的，而一个好的层级可以让一个复杂的问题变得更加清楚和条理。其原则是将复杂的问题分为若干个部分，每一个部分为一个元素。下一层元素为准则层可支配方案层，同时其又受到目标层的支配[1]。具体的层次结构图如图1所示。

图1 构建的层次结构图Fig.1 Builds the hierarchy diagram

1.2 比较判断矩阵

因为对某个问题有不同的主体性理解，所以各个层面的政策制定者对各个层面的评价都会有很大的差别。利用对比判别法可以有效地克服因主观认知差异而产生的问题。在该方法中，不同因子的重要程度被1～9标度法所衡量，表1所示为标度法的具体内容；2、4、6、8数值介于其相邻数值之间[2]。

表1 标度法含义Tab.1 Meaning of scaling method

1.3 层次排序及其一致性检验

通过对各个比较判定矩阵进行最大的特征值和特征矢量的运算，并对其进行了一致性检验。当相容性系数低于0.10时，进行了相容性检验；与之不同，为了通过一致性检验，对比较判断矩阵进行了修改。为了计算最大特征值和特征向量，必须对比较判断矩阵的每个列向量进行归一化。标准化方法：

(1)

根据行对ωij进行求和并得到ωj，进一步对ωj进行归一化：

(2)

(3)

式中：ω为近似特征向量。最大特征向量λmax的近似计算公式：

(4)

计算一致性检验指数CI，通过查表获得平均随机一致性指数RI；通过CI和RI获得一致性比CR：

(5)

CR=CI/RI

(6)

1.4 层次总排序

利用分级方法，可以获得单个单元的最终单元的次序权重矢量。最后，通过采用从上往下的方式进行综合评估，得出各指标的权重矢量。

2 基于AHP和SBO-ELM的校医合作临床实践教学质量评价

2.1 校院合作临床实践教学评价层次结构

临床医学专业人才培养实施校院合作的质量直接决定了人才培养的质量，强化医院实践教学质量评价能够更好地为实践教学改革提供参考。医院实践教学质量评价是一个复杂的系统性问题，结合高等临床医学院的实习标准，构建实践教学评价层次结构，具体如图2所示[3]。

图2 实践教学评价层次结构Fig.2 Hierarchy structure of practical teaching evaluation

由图2可看出，在实践教学理念、实践教学方法以及实践教学教师3个层面上，对大学合作实习教学进行了评估。实习教学的思想在一定程度上反映了院校开展协作实习的重要意义。在加强医学专业协作实习中，加强合作实习对提高医学专业人才培养水平具有重要意义。实践教学法是对当前教育发展的一个重要指标，若不健全的校内外实习基地，在开展校医协作临床实习中，会存在着许多问题。实习教师在实践教学中起着举足轻重的作用。在实施高校临床实习协作中，应强化实习教师的培养，为了更好地提升医学专业的临床实习技能，更好地利用学校间的合作进行实习。本文所构建的医疗合作临床实习评估系统包含9项指标，其权重的测算结果如表2所示。

表2 校院协作临床实习评估指标的权重Tab.2 Weight of evaluation indicators of school-hospital collaboration clinical practice

由表2可知，实习教学基地、领导比例、实习教学时数以及专业兼职老师是影响医院实习教学质量的重要因素。

2.2 凉亭鸟优化算法

凉亭鸟优化算法(SBO)是一种仿生算法，为了吸引雌鸟在展览厅里繁衍后代，模仿公的亭子来搭建和布置亭子[4]。通过概率选择、精英策略、位置更新和变异运算等方法，确定了一个最好的位置，也就是所需要的问题的优化解决方案。以下为SBO算法的主要步骤。

2.2.1种群初始化

随机生成M个初始种群，种群初始化公式：

xij=xjmin+rand(0,1)×(xjmax-xjmin)

(7)

式中：i=1,2,…,M；j=1,2,…,D；xjmax和xjmin分别为优化问题第j维的上、下限。

2.2.2计算个体概率选择和适合度

凉亭建成后，雄馆鸟会在凉亭内外大声歌唱，吸引雌馆鸟。雌鸟会在亭子附近筑巢，并根据式(7)的概率产卵[5]。

(8)

式中：Pi是第i只凉亭鸟的选择概率；M是凉亭数量；fi是第i只凉亭鸟的适应度。

(9)

f(xi)为式(9)中的第i个亭子的适应度函数。

2.2.3个体位置更新

雌性凉亭鸟位置更新公式[6]：

(10)

(11)

式中：a表示为最大步长；λk表示为变量步长量。

2.2.4突变操作

正态分布被应用于当前凉亭鸟位置进行突变操作，以提高SBO算法的搜索性能。

(12)

(13)

式中：z是搜索空间系数；Umax、Umin分别是搜索空间上限和下限。

2.3 极限学习机

ELM为一个单隐层前馈神经网络，其模型结构如图3所示。

图3 ELM模型结构图Fig.3 Structure diagram of ELM model

假设有N个训练样值(Xi,Yi)，输入和目标向量分别是Xi=[xi1,xi2,…,xin]T∈Rn和Ti=[ti1,ti2,…,tin]T∈Rm。X和T分别为n×Q维和m×Q维矩阵。因此 ELM模式的输出值是由隐藏层的结点L来表达的[7]：

(14)

式中：βi为ELM模型的输出权重；g(x)是ELM模型的激励函数；Wi=[wi1,wi2,…,win]T为ELM模型的输入权重；Wi·Xj为Wi和Xj的内积；bi为ELM模型的第i个隐含层节点的偏置。

ELM学习的目的在于使模型的输出错误降到最低，即式(15)的误差最小。

(15)

联合式(14)和式(15)，也就是存在βi、Wi和bi，使得式(16)成立。

(16)

式(16)的矩阵形式为：

Hβ=T

(17)

式中：H为ELM模型隐含层节点的输出；β为ELM模型的输出权重矩阵。

(18)

在ELM模型训练过程中，Wi与bi保持不变，β的最小二乘解可以通过求解式(19)获得：

(19)

式(19)的最小二乘解可表示为：

(20)

2.4 算法流程

ELM模型的性能受初始输入权和隐含层偏压的影响。本文利用SBO算法对ELM模型进行了初值加权及隐含层偏差的优选，并选择均方根误差(RMSE)作为目标函数：

(21)

式中：n为样本数量；xk和predk为第k个样本的实际值和预测值。

为了实现对校医合作临床实践教学评价的研究，先根据校医合作临床实践教学评价指标体系及各指标的相对重要性[9]，运用专业评分方法，确定各项评估指数及总分；另外，将各评估指数的分数作为SBO-ELM的输入，而SBO-ELM的总分数则是其输出结果。并且建立基于SBO-ELM的校医合作临床实践教学评价模型。基于SBO-ELM的校院合作性临床实践教学评价算法流程被描述为：

Step1: 选择评价指标信息和综合评分数据信息，对 ELM和测验集合进行分割，并对数据进行规范化处理[10]：

(22)

式(11)中，统一后的数据为x′；统一后的最小值和最大值分别为a和b，取a=-1,b=1；原始数据和原始数据中的最大值和最小值分别是x、xmax和xmin。

Step2: SBO算法参数被设置：最大迭代次数为T、选择概率为p、种群规模为popsize、最大步长为a和搜索空间系数为z，同时凉亭位置被随机初始；

Step3: 根据式(21)，可以计算出和排序每一个展馆本人的总体目标函数值，并进一步保留现阶段最好展馆位置做为精英本人位置；

Step4: 凉亭的选择概率可根据式(8)和式(9)计算；

Step5: 更新凉亭位置可根据式(10)和式(13)；

Step6: 对目前展厅所在区域的目标函数进行计算和分类，确定目前楼阁的精锐所在区域，并与上一代的精锐进行对比。若超过上一届的优秀岗位，则将继续保持现有的位置。相反，这是一种保持其上一辈人的精锐；

Step7: 假如迭代频次t>T，那么就输出最好凉亭部位，还可以说相匹配的ELM实体模型的最好输出层权值和隐含层偏置；否则，反复流程3～流程7；

Step8: 将最优输出层的权重和隐层的偏差代入ELM模型，对校院合作临床实践进行评价。

3 测试与结果分析

3.1 数据的来源

选择第一临床医学院在2012～2021年的校院实践教学质量评价数据作为研究对象，通过1～9标度法的两两对比，得出了商-校-院合作性临床实践评价指标的得分数据和校院合作性临床实践评价的数据，并运用最大最小值法标准化处理并评估。

3.2 评价指标

使用均方根误差(RMSE)与相关系数(R)作为判断依据，对校院合作临床实习的评价结果进行评估[11]：

(23)

(24)

式中：n为样本数量；xk和predk为第k个样本的实际得分和预测得分。

3.3 结果分析

将校院合作性临床实践评价结果划分为优秀、良好、中等、较差和差5个等级[12]，具体如表3所示。

表3 评价等级划分Tab.3 Evaluation grade division

学校-医院合作临床实践评估的评估数据分为培训集和测试集。训练集共有6组数据，用于建立SBO-ELM学校-医院合作临床实践评估模型；测试集共有4组数据，用于验证前者建立的SBO-ELM学校-医院合作临床实践评估模型的正确性。为了说明SBO-ELM学校-医院合作临床实践评估模型的优势，将SBO-ELM和PSO-ELM[13]、GA-ELM[14]和ELM[20]进行了比较。不一样的算法参数如表4所示；校院合作临床实践评估结果如图4和表5所示。

表4 不同算法参数Tab.4 Parameters of different algorithms

图4 校院合作性临床实践评价结果Fig.4 Evaluation results of school-hospital cooperative clinical practice

表5 校院合作性临床实践评价结果对比Tab.5 Comparison of evaluation results of school-hospital cooperative clinical practice

由图4和表5中的结果可知：(1)SBO-ELM是最好的，因此SBO-ELM模型的校医合作临床实践评估效果最好；(2)SBO-ELM、GA-ELM和PSO-ELM的评估精度优于ELM，主要是因为SBO、GA和PSO算法优化了ELM模型的初始输入权重和隐含层偏差等参数，大大提高了校院合作临床实习评估结果的准确性。

4 结语

校间合作临床医学实践课堂教学是一种“院校-医院-小区-社会发展”方式，对提高临床医学专业学生的实际操作能力具有重要作用。运用层次分析法对院校的实习教学评估进行了探讨，建立了实习评估的体系结构，并采用专家打分法得出各项综合得分。每个评估指数的分数均以SBO-ELM模式的形式进行，而总分数则以SBO-ELM模式的形式输出，构建了以SBO-ELM为基础的医院医疗协作实习的评估模式。结果表明：SBO-ELM能有效提高校医合作临床实习教学评价的准确性；层次分析的结果表明，实践教学基地、行业兼职教师、实习课时和领导比例对实践教学质量有重要影响。提升临床实践教学水平，进一步提高实践活动产业基地基本建设，提高领头人占比，科学安排综合实践课程時间，充分运用兼职教师在行业领域中的功效。