基于大数据的普通高校军事技能课程考核智能化评价体系

申志强 胡其高 胡旭东

国防科技大学 长沙 410072

0 引言

进入新时代，我国对于全民国防教育的重视程度不断加大。党的十九大报告明确指出：“我们要加强全民国防教育，为实现中国梦强军梦凝聚强大力量！”党的二十大报告更进一步强调：要“深化全民国防教育”。普通高校开展的军事课程教学，对于培养我国社会主义事业的建设者和接班人具有极其重要的战略意义，也是响应党的号召，提高国防教育质量，实现强军目标的重要方式。近年来，国务院接连下发了一系列关于高校军事课程教学的指导性意见，如《国务院关于印发国家教育事业发展“十三五”规划的通知》《国务院办公厅关于深化学生军事训练改革的意见》，明确要求大力加强大学生军事课程建设，要求高校学生掌握必备的军事知识、军事理论和军事技能。2019 年1 月，教育部、中央军委国防动员部又联合制订并颁布实施了新一代《普通高等学校军事课教学大纲》（教体艺〔2019〕1 号，以下简称《大纲》）。

相比上一版《大纲》，新《大纲》充分融入我军军种特色，着重突出培养学生的实战技能。同时，新《大纲》将军事课划分为“军事理论”和“军事技能”两个模块，各课程纳入学分制管理，课程考核成绩计入学生的学籍档案。新《大纲》中开设的军事技能课程门类更多，科目更细，新增的战备规定、紧急集合、防卫技能与战时防护等必训内容，突出体现军事特色，让大学新生在学习训练过程中感受真正的战场“硝烟味儿”。同时，新《大纲》在军事技能课程的考核评价上特别指出：“学校要建立健全军事课考核规章制度，对考核组织实施程序、方法、标准、要求等进行规范”。然而，军事技能课程考核面临着参考学生众多，专业种类各异、授课水平不一、考核时间相对集中、考核评价客观性难于保证等诸多困难。为充分解决上述问题，可充分运用现代信息技术的大数据挖掘及采集优势，科学合理构建军事技能课程考核智能化评价体系，这样既遵循了现代教育技术智能化发展趋势，又能满足新一代《大纲》对于军事技能课程的考核要求。

1 当前军事技能课程考核存在的问题

当前高等院校军事技能课程的教学、训练及考核评价体系存在诸多困难和问题。主要表现在：一是参考学生较多，考核组织成本高。高等院校的军事课是所有专业学生的必修课，每轮教学和考核的人数少则数百，多则上千，专任教师或教官组织教学和考核需要花费大量精力，动用较多的考核保障力量；二是训考时间相对集中，以考促学效益弱。高等院校学生军事技能课程的教学、训练及考核往往集中于新生入学后的一到两个月内完成，短期内组织大量学生参加考核，难以起到通过考核提高学生训练效益的作用，也不利于检验真实的教学训练效果，学生往往在考核结束后很快遗忘学习内容；三是考核评价指标体系差异较大，考核评价客观性难以保证。由于军事技能课程各院校考核评价方式差别较大，不同类型的军事技能课程，不同科目评价指标也存在差异性，有的科目注重从完成时间角度考查，有的则注重从完成某项任务的数量考查。上述因素造成考核评价结果易于受到人为因素影响，难于保证考核结果的客观性。

因此，为有效对军事技能课程的考核组织加以控制和指导，确保考核结果能够深入客观反映教学效果，不断提升军事技能课程教学效益，需要借助现代信息技术的大数据挖掘和采集优势，科学构建军事技能课程智能化考核评价体系，达成降低考核成本、提高考核效益、增强考核信度的目标。

2 评价方法在军事技能考核中运用现状

目前，军事技能课程教学效果的考核评价仍以传统的评价方法为主。同时，一些新兴的自动化评价方法也在逐步发展。

2.1 传统的军事技能教学训练考核评价方法

军事技能教学与训练考核中评价方法的选择必须根据评价目标（军事技能课程教学目标）和评价对象（军事技能课程教学效能）的特性合理选择，目前较为常用的传统评价方法主要包括层次分析法、贝叶斯网络评价法、模糊综合评判法、灰色关联理论评价法以及对上述方法的综合运用等。

层次分析法的突出特点是将定量分析和定性分析结合使用。通过将具体评价目标分解为互不影响的组成部分或组成要素，并根据评价要求的精细程度进一步形成层次包含关系，利用各组成部分或组成要素的判断矩阵计算各部分或要素的权重系数，进而得到最终评价结果。文献[1]应用层次分析法对装甲分队模拟训练效能进行了评价，提出了计算指标权重的数学方法。评价结果具有一定的客观性，可作为后续训练实施的参考依据。

模糊综合评判法对于多层次、多因素的复杂问题评价具有独特优势，其理论基础是模糊数学理论，该方法运用模糊关系合成原理，将阈值边界模糊、不易定量采集、传统意义上认为是定性影响的因素定量化表达。综合分析上述多个因素对评价对象的影响状况，进而对具体问题开展全面综合评价。与层次分析法类似，该方法也需要首先建立具体评价问题的层次包络模型，随后确立模糊关系和各影响因素的隶属度分布函数。文献[2]采用模糊综合评判法，从军事技能训练考核评价指标的构建入手，建立了相应训练效果评价指标系统和评价模型，通过实例分析验证了该评价方法的可行性。文献[3]采用主成分分析法代替专家打分确定指标权重，利用加权平均函数代替取大取小函数，提出一种改进的模糊综合评价算法，建立了指挥信息系统对抗训练效果评价体系。文献[4]利用模糊层次分析法对通信训练效果进行评价，评价指标的评语集简洁清晰，可以快捷方便地对单个参训者和参训对象整体的训练效果进行评价。

在实际的军事技能训练考核评价过程中，通常对多种评价方法进行综合使用，如DAF 综合评价方法，就是将德尔菲法、层次分析法和模糊综合评价法结合使用。文献[5]利用DAF 方法评价装备保障训练效能，首先采用德尔菲法的专家打分方式确定评价指标和判断矩阵，再应用层次分析法确定评价指标的权重，最后运用模糊综合评判法对各指标进行综合评价，得到评价结果。

2.2 新兴的军事技能训练考核评价方法

随着物联网、区块链、云计算、大数据挖掘采集和深度学习等新兴技术的快速发展，基于4G、5G 信息快速采集技术的日臻成熟，人工智能AI 在感知领域和认知领域也取得重大进展，智能化成为继信息化之后发展的新趋势和新方向，也必然激发和促进军事技能训练考核评价的进一步创新发展。以自我采集、自动适应、自主决策为特征的智能化考核评价是传统的军事训练考核评价方法与区块链、大数据、云计算、人工智能等新技术新方法的深度有机融合。

新兴的军事技能训练考核评价方法主要包括人工神经网络法、遗传算法、云重心算法、粗糙集方法、组合智能评价方法等[6]，这些新兴方法在解决复杂系统评价中的大规模信息处理、不确定性评价模型以及评价知识深度挖掘等难点问题方面具有明显优势。其中，基于人工神经网络的军事技能教学训练的考核评价方法运用较为广泛，该方法通过神经网络分层结构和分阶段信息处理技术进行无监督特征学习和模式分类，以逐层压缩方式搜索大数据本质特征，具有高效的海量数据非线性处理能力。文献[7]构建了多级指标体系计算模型，运用BP神经网络评价方法，对通信训练质量效能进行评价，该方法运算速度较快，能较好地模拟评价专家进行综合评价的过程。文献[8]则运用人工神经网络技术对雷达兵部队训练效能进行考核评价，通过对样本数据反复学习，网络即可自行计算权重结果，大幅减少了人为因素对评价结果的干扰，显著提高了评估结果的客观性、可靠性和有效性。

3 基于大数据的军事技能课程考核智能化评价体系

构建基于大数据的军事技能课程考核智能化评价体系，应在完备建立普通高校教学双方在教学、训练、考核等一系列过程中各类数据挖掘、采集、分析平台的基础上，着重从军事技能课程考核评价指标系统的自动构建、指标权重的自适优化、评价方法手段的自主选择三个方面进行探索研究。

3.1 考核评价指标系统的自动构建

评价指标系统构建是智能化评价体系的基础和依据，前文提到：“高等院校的军事课是该校所有专业学生的必修课，每轮教学和考核的人数少则数百，多则上千”，教学、训练、考核过程中产生的各类数据、信息具有显著的海量特点和“涌现效应”。在构建评价指标系统时，可采取“树状包络”结构与“网状拓展”结构相互配合，定性指标与定量指标协调设置的方式，综合运用系统工程中的集成思想，利用德尔菲法、大数据分析挖掘法和深度学习方法等新技术相结合的人机融合方式构建具有“网络化”特点的考核评价体系指标系统。指标系统构建过程中，应深度挖掘各指标之间的相互关系，既需考虑评价目标（具体军事技能课程或某一科目的教学、训练及考核活动）的主观特性（课程教学目标需求），也需考虑评价数据的客观属性（即军事技能课程训练活动进行的内在规律），最终实现对应于不同军事技能课程或某一科目在教学、训练及考核不同环境下评价指标系统的自动构建。

3.2 考核评价指标权重的自适优化

评价指标权重的确定是智能化评价是否合理的关键，也是构建智能化军事技能课程考核评价体系的重点和难点。通常，指标权重的确定或计算方法包括客观赋权法、主观赋权法以及组合赋权法三类。主观赋权法和客观赋权法是两种常用的权重确定方式。主观赋权法主要采用专家综合打分的方式对各评估指标给出权重系数，客观赋权法则是通过一定的数学计算方式如主成分分析、标准差及均方差、多目标规划等确定指标权重。构建军事技能课程考核评价体系这样的复杂评价问题，为确保评价客观性，应以组合赋权法为主，既在一定程度上体现上级部门及考评专家的思想指导，又可充分利用海量原始数据的资源优势和数学模型计算分析的理论优势。同时，由于指标权重对军事技能教学、训练及考核的评价结果有较大影响，针对军事技能课程考核评价的动态特性，可根据院校历史相关数据实时动态调整指标权重，建立基于评价指标集和指标属性值的智能化自适应权重确定方法，指标权重可随评价指标样本值的变化而变化，可随考核科目及考核环境条件的变化而变化。

3.3 考核评价方法手段的自主选择

评价方法手段的选择影响着智能化评价体系的效率和精细程度，是构建智能化军事技能课程考核评价体系的重要内容。应在系统梳理现有评价方法，如层次分析法、模糊综合评判法、灰色关联理论评价法、“云重心”方法、“深度学习”法等各自特点、优势及适用范围的基础上，依据军事技能不同课程或科目教学、训练及考核的特点（方案、内容及方式），结合区块链、大数据、云计算与机器学习等新兴技术实现智能化评价算法的创新，实现对应于不同军事技能课程或科目考核评价方法手段的自主选择。该过程是一个在智能化方法（如人工神经网络技术、基于仿生和种群的计算机智能方法等）引导下的方法动态优选与评价结果校验复核过程。

综上，基于大数据的军事技能课程考核智能化评价体系构建过程如图1 所示。

图1 基于大数据的军事技能课程考核智能化评价体系构建过程

4 结束语

普通高校军事技能课程的教学活动对于助力新时代大学生树立国防观念、强化国防意识、提升国防素质发挥着基础性作用。当前，各院校军事技能课程教学、训练及考核面临着参考学生众多、专业种类各异、授课水平不一、考核时间相对集中、教学效益评价客观性难以保证等诸多困难。本文围绕当前高校军事技能课程考核评价存在的问题、智能化评价方法的运用发展现状、如何构建基于大数据的军事技能课程智能化评价体系三个问题进行了探讨，为构建科学合理、客观高效的军事技能课程考核评价体系提供决策参考依据。