基于大数据分析的高职院校专业评价神经网络模型研究

邓　凯，赵振勇，刘浩博

职业教育

基于大数据分析的高职院校专业评价神经网络模型研究

邓凯，赵振勇，刘浩博

近十几年来，随着我国职业教育的快速发展，高职院校专业设置与结构调整已成为高职教育领域非常关注的热点问题。本文是基于大数据分析的高职院校专业评价神经网络模型研究，深入分析高职院校专业设置重要影响因素，通过对部分职教领域专家、教师及企业人员的详细调查与咨询，结合教育部有关专业设置相关管理文件的要求，构建科学的专业设置与调整评价指标体系，并根据指标体系采集大批量专业样本数据进行仿真实验。结果表明，运用BP神经网络模型对专业设置与调整进行评价，排除了对专业设置与调整的主观因素影响，能够获得客观满意的评价结果，具有广泛的适用性与科学性。

高职院校；BP神经网络；专业设置与调整；评价指标体系

一、引言

随着改革的不断深化，更好适应经济发展的新常态和技术技能人才成长成才需要，高职院校必须根据市场的导向和社会经济发展需求进行人才培养。专业作为高校实现人才培养、科学研究和社会服务功能的载体，其重要性不言而喻。在我国，关于专业设置与调整集中研究起始于20世纪80年代以后，并且也是高等教育界关注的热点问题之一。专业设置与调整的速度直接反映适应社会需求的程度，起到桥梁纽带作用；专业设置与调整更是直接影响人才培养质量、办学效益与就业质量。笔者通过查阅大量与此相关文献发现，研究领域主要涉及专业设置与调整中存在的问题与解决办法、影响专业设置的相关因素分析与策略以及专业设置与调整的机制研究等，多数从宏观层面侃侃而谈，结合经济发展做重要分析，从存在问题、设置原则以及优化对策等方面提出一些建设性意见与建议。然而在大量的文献著作等资料中，实证研究数量很少，采用量化或质性方法来研究专业设置问题的个案材料始终没有［1］。

2004年，教育部颁布了《普通高等学校高职高专教育指导性专业目录》和《普通高等学校高职高专教育专业设置管理办法》两个重要文件，在专业管理方面具有重要的现实与指导意义，但由于审核和监管等机制不够健全，很多高职院校在专业设置与调整过程中随意、盲目的现象，以及与区域经济发展脱节、专业结构失衡、同质化现象依然存在。影响专业设置与调整的因素有很多，现实中难以用线性的数学公式来表达或归纳，显而易见，这是一个典型的非线性几何问题。因此，找到一个科学、客观的评价方法非常重要。本文提出一种基于大数据分析的高职院校专业评价神经网络模型，深入分析高职院校专业设置重要影响因素，通过对部分职教领域专家、教师及企业人员的详细调查与咨询，结合教育部有关专业设置相关管理文件的要求，构建科学的专业设置与调整评价指标体系，并根据指标体系采集大批量专业样本数据进行仿真实验。结果表明，运用BP（Back-Propagation Network）神经网络模型对专业设置与调整进行评价，排除了对专业设置与调整的主观因素影响，能够获得客观满意的评价结果，具有广泛的适用性与科学性。

二、高职院校专业评价神经网络模型构建

（一）构建高职院校专业设置评价指标体系

笔者通过对影响高职院校专业设置与调整的相关重要因素进行科学分析与总结，对部分职教领域专家、有关教师代表及企业相关人员的详细调查与咨询，对教育部有关专业设置等管理文件要求深入研究，并结合目前高职院校以“就业为导向”的办学实际和社会实际需求，以努力避免粗放与盲目性为宗旨，确定了高职院校专业设置评价指标体系为10个一级指标。分别是：1.社会发展；2.校外专业；3.校内专业结构与专业布局；4.相关专业办学经验；5.专业设置硬件条件；6.师资队伍条件；7.专业人才培养方案；8.专业人才需求调研论证；9.教学管理与教学研究；10.其他。在此一级指标的基础上，又分解出43个二级指标、82个三级指标和188个四级指标。根据对一流权威的专家、相关专业教师、企业代表进行详细调查与咨询，对各级指标确定了相应的权重，构成专业设置评价指标体系。

（二）构建BP（Back-Propagation Network）神经网络模型

BP神经网络，是一种多层前馈神经网络，是由信息的前向传递与误差反向传播修正两个过程组成，拓扑结构分为输入层、隐含层和输出层。在信息前向传播时，信号就会从输入层经过隐含层逐层计算处理后最终到达输出层，输出层输出信息并处理结果，这样就完成了一次学习的正向传播处理过程。当输出层输出的数值或结果得不到预定的目标值时，则启动误差的反向传播，即根据误差值设定情况主动调整网络的权值和阈值，并反复训练修正，从而使BP神经网络的预测输出值不断逼近目标值，最终达到预期的输出目标，完成整体建模效果［2］［3］。

能否构建一个科学合适的神经网络模型，其结构参数的设定非常重要。

1.输入层神经元个数的选取。通过构建的评价指标体系可知，文中输入层神经元个数设定为188（即为四级指标的个数）。

2.输出层神经元个数的选取。文中的评价结果即为网络的输出情况，为突出以“就业为导向”的宗旨以及学生和用人单位对学校办学水平的评价，文中选择了各专业的招生人数和就业人数指标为网络的输出，设定输出层个数m=2。

3.神经网络层数的选取。实践上表明，在神经网络训练和评价过程中，依靠单纯地增加神经层数未必都能达到降低误差或提高精度的效果，并且还将网络变得更加复杂，网络训练时间以及需要的内存空间都大大增加。然而很多实验表明，利用调节隐含层中间的神经元节点数目的方式可以提高误差精度，取得满意的训练效果。因此，在实践运用中将采用相对简单的三层BP网络比较理想。

4.隐含层神经元个数。在BP算法的神经网络中，各层神经元节点数目的选择对于网络的性能影响比较大，实践表明，当输入层神经元个数多，样本数据大，此时隐含层节点数过多，在一般的PC机上计算时则会产生内存溢出，那么对网络的概括推理能力将产生不利影响。另外，当隐含层节点数目过少时不仅导致网络学习会出现局部极小值现象，而且精度也会受到严重影响，查阅大量书籍和资料，对于隐含层神经元节点数目选取的问题也有一些方法，但至今没有统一起来，基本都是以经验或实验为主。根据经验公式，本文隐含层神经元个数确定为10较为理想。

5.合理确定神经元转换函数。一般均采用S型函数作为BP神经网络神经元转换函数，其具体函数形式为［2］

三、基于大数据分析的高职院校专业评价神经网络模型实现

根据BP（Back-Propagation Network）神经网络模型原理，不难理解在网络训练的过程中，要想达到一定的误差精度和取得满意的训练效果，对样本数据的数量要求非常高，样本数据越多，建模效果就越好，泛化能力就越强，评价的结果就越准确。因此，我们选了取76所某高职院校2012、2013年所开设的专业为代表，共1889个不同地区的不同或相同专业作为大样本数据。

根据前面构建的BP（Back-Propagation Network）神经网络模型及相关参数要求，本文建立一个三层的BP神经网络，选用高性能的数值计算可视化软件MATLAB作为仿真实现工具，输入层神经元个数为188，隐含层神经元个数为10，输出层神经元个数为2，学习率1r=0.08，训练函数选择为trainlm，训练目标误差err-goal=1e-7，误差精度设为1e-10（误差平方和），最大迭代次数max_epoch=2000。（如图1，2所示）同时对1889组样本数据做归一化处理，首先选择其中1859组样本数据进行学习训练，样本数据经过2000次反复迭代训练后，各专业招生的实际输出人数与目标人数非常接近，拟合度特别高（如图3），误差平方和SSE=0.0052，由绿色小圆圈构成的连线都在0附近徘徊，各专业就业实际输出人数与目标人数也非常接近，拟合度特别高 （如图4），误差平方和为SSE=0.00000074，由绿色小圆圈构成的连线都在0附近徘徊。

图1　BP神经网络训练模型

为证明所构建的基于大数据分析的高职院校专业评价神经网络模型泛化能力和普适性强，我们又选取了剩余的30组样本数据进行测试对比，结果如图5、图6所示，其中图5误差平方和SSE=0.00006，图6误差平方和SSE=0.000000006，都达到了预期的效果。显然，表明此网络模型的泛化能力强，所构建的专业评价神经网络模型是成功的，同时也印证了此模型在高职院校专业设置与调整评价指标体系中应用的普适性与科学性。

图2　BP神经网络训练过程

图3　专业招生人数实际与预测样本情况

图4　专业就业人数实际与预测样本情况

图5　专业招生人数实际与预测样本情况

图6　专业就业人数实际与预测样本情况

四、结论

笔者通过集合多方力量共同探讨，保证了评价指标体系的全面科学性；在采集样本数据过程中，选择了大批量专业数据作为保障，保证了数据的可靠、可行性；由于影响专业设置因素之间的联系复杂且具有非线性特征，在定量分析方法选择时，利用神经网络模型保证了科学性。因此，通过仿真实验，结果证明，运用BP神经网络模型对专业设置与调整进行评价，真正排除了对专业设置与调整的主观因素影响，并能够获得较为客观满意的评价结果，具有广泛的适用性。

［1］杜才平.近十年国内高校专业设置与结构调整研究文献综述［J］.内蒙古师范大学学报（教育科学版），2011 （3）.

［2］赵振勇，张平泽.基于BP神经网络的高职学生评价模型构建与实现［J］.湖北第二师范学院学报，2013（8）：75-76.

［3］从爽.面向Mauab工具箱的神经网络理论与应用［M］.安徽：中国科学技术大学出版社，1998.

责任编辑：贺春健

G642

A

1671-6531（2015）19-0122-03

邓凯/常州纺织服装职业技术学院教授，研究员级高级工程师（江苏常州213164）；赵振勇/常州纺织服装职业技术学院副研究员，硕士（江苏常州213164）；刘浩博/常州纺织服装职业技术学院讲师（江苏常州213164）。