中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2014）09-1991-02
论文来源于江苏省职业技术教育学会职业教育立项课题《五年制高职教育与高中后高职教育比较研究》的子课题四：五年制高职与高中后高职人才培养质量的比较研究。数据来源为江苏省内部分高等职业院校与江苏联合职业技术学院下属的各分院毕业生调查问卷及用人单位满意度调查表，从中抽取样本，科学设计分析方法，对两类高职学生职业能力、职业素养、就业竞争力、社会声誉等指标进行比较，利用数据挖掘技术，为教育管理者以及学校管理者提供决策支持，使得从学校培养的人才更加符合社会的需求，创造更多社会价值，有效利用教育资源，人尽其用。
1 课题研究的意义及研究现状
为了能更好地提高职业教育质量，对人才培养质量进行评价是非常必要的一项工作，作为教育评价的重要内容，人才培养质量评价工作的开展，可以促进职业教育的良性发展和职业学校的改革创新，也有利于提高职业教育人才的质量和学生的就业竞争力。一方面可以引导学校建立适合本校发展的办学思路和人才培养的目标，让学校能自觉意识到存在的不足然后再加以改进，从而更好地培养出适合服务于社会和工作岗位的人才或毕业生；另一方面可以激励学校培养更多更精的人才，学校朝着一定的方向和目标进行自我改革，从而推动学校更好的发展和教育的创新。
目前对人才培养质量研究，也大多是从人才培养质量标准、人才培养质量影响因素、人才培养质量评价方法几个方面进行。方法研究主要有以下几种观点，马万民认为通过建立以知识、能力、素质为影响因素的人才培养质量评价模型，研究知识、能力、素质之间的相互作用及其对人才培养质量的作用。李忠华认为采用专家评估法从人才培养的教育理念及条件，人才培养活动及人才培养效果三个方面对人才培养质量进行评价。李健宁认为注重人才培养的过程性，对高职院校人才培养质量的评价覆盖人才培养输入、人才培养执行和人才培养输出三个方面，在建立人才评价指标体系后，采用模糊综合评价方法进行综合评价。
2 数据挖掘技术的研究现状
数据挖掘技术起源于20世纪80年代，融合了数据库技术、人工智能、模式识别、机器学习、统计学、数据可视化技术等多个领域的交叉性学科。随着信息技术的发展，计算机硬件的快速发展，大量数据采集设备和存储介质的扩容，使数据量呈现爆炸性的增长。随着大数据时代的到来，人们从大数据中提取信息的需求也在不断增加，数据挖掘技术也成为研究的热点，在电子商务、医疗、保险、制造业、互联网等多个行业得到了广泛应用。
目前对数据挖掘的研究主要可分为理论研究和应用研究。理论研究主要关注于一般数据挖掘方法的研究，研究如何提高数据挖掘的效果，如何缩短大量数据挖掘中所需要耗费的时间。应用研究主要是将现有的数据挖掘方法应用到各个领域所产生的数据中，发现其中隐含的规律，从而为人们制定更好的策略提供依据。
3 数据挖掘技术在职业教育领域的研究
随着信息化技术的普及，职业院校中的信息化程度已经达到了相当高的程度，各方面的数据也相对全面。另一方面，数据挖掘技术也在迅速发展，随着各种算法的不断完善，以及数据挖掘在各个领域广泛取得良好的使用效果，使得数据挖掘在教育领域的应用也成为一种大的趋势。该文使用数据挖掘技术对人才培养质量进行定量分析的方法，将职业院校人才培养质量按两大方面四个分项28个指标来评定，第一方面是自我评定，主要有两个分项，分别来源于学校内部的评定8个指标和毕业生自身评定8个指标；第二方面是外部评定，两个分项分别来自用人单位的评定8个指标和毕业生家长或者社会评定4个指标。将这几个方面的评价综合起来，构成人才培养质量指标，包括教学有效性指数、就业质量指数以及基本工作能力指数、社会效益指数等四个方面，则能比较客观准确地反映职业院校人才培养质量的现状。
1）学校评定指标可以从学校硬件设施、师资队伍、课程及教学、科研工作等几个方面进行。主要指标有教学基本设施、校内实训条件、校外实训基地数量、教学名师比例、优秀教学团队个数、精品课程门数、发表论文数量、技能竞赛获奖数量等8个指标。以上每个指标可以使用优秀、良好、一般、较低、很差5个等级表示，各等级对应得分m乘以各指标之间的权重n即是教学有效性指数，以此指数衡量学校评定指标，使用公式：A（mn）=m1n1+m2n2+…+m8n8。n1、n2、…、n8权重之和为1。
2）毕业生自身评定指标主要有毕业生初次就业比率、专业对口比率、工作地点是否符合期待、工资水平、跳槽次数及原因、沟通理解能力、管理协调能力、动手实践能力等8个指标。指标p乘以权重q即为就业质量指数，可以使用公式：B（pq）=p1q1+p2q2+…+p8q8。q1、q2、…、q8权重之和为1。
3）用人单位的评定指标主要有职业道德素养、敬业精神、专业知识水平、实践能力、创新能力、组织管理能力、工作效率、工作业绩等8个指标。指标s乘以权重t即为基本工作能力指数，可以使用公式：C（st）=s1t1+s2t2+…+s8t8。t1、t2、…、t8权重之和为1。
4）毕业生家长或者社会相关人员的评定指标主要有：进取精神、合作沟通能力、学习能力、诚信度等4个指标。指标乘以权重即为社会效益指数，可以使用公式：D （xy）=x1y1+x2y2+…+x4y4。y1、y2、…、y4权重之和为1。
如果能综合学校评定、毕业生评定指标，用人单位评定以及社会评定，发掘其间的联系，应能得出较为客观和准确的人才培养质量结果。
Q= A（mn）*λ1 + B（pq） *λ2 + C（st） *λ2 + D （xy） *λ4
λ分别表示学校评定、毕业生评定指标，用人单位评定以及社会评定的权值，令Q为百分制，则λ1、λ2、λ3、λ4之和应为l。λ取值可以根据不同的学校、同一学校在不同的时期进行调节，如认为其中某一方面较为重要，或较为薄弱，可适当加大相应的权值，使之在质量评价体系中占有较重的权重。在本公式中，学校评定、毕业生评定指标，用人单位评定以及社会评定取值可分别为0.
3，0.2，0.3，0.2。
本课题从实际应用出发，结合数据挖掘技术，对江苏省内部分高职院校的毕业生和毕业生用人单位主管人员进行调查问卷，对数据进行筛选比较研究，对职业院校的人才培养质量进行定量分析。该数据包含了28个指标的调查，包括了学生的基本信息，就业调查。对学校的满意度调查，技能的水平及重要度调查等信息，这些信息是对已毕业半年的学生和用人单位进行调查所得到的，是学生工作之后对在学校中学习到的技能的一个反馈，用人单位对毕业生的评价也可以反应出学校的人才培养质量。通过对该数据建立合理的数据挖掘模型，教学有效性、就业质量以及基本工作能力、社会效益等四个方面对人才培养质量进行定量分析，从而为学校在课程设置、就业指导、学生能力培养、社会认可度等方面提供参考，帮助管理者做出更好的决策。
本方法重点从毕业生的调查反馈数据中进行数据挖掘，在实际的数据集上建立数据挖掘模型进行分析，是有意义的。职业院校根据从这些反馈中挖掘得到的知识，调整教育教学方案，使培养出来的毕业生具备的素质更加符合社会发展的需要，找到与自己专业、兴趣相关的工作，能够契合用人单位对人才的需求，实现学校、学生、用人单位、家长及社会的多赢局面。
参考文献：
[1] 李健宁.高职院校人才培养质量评价研究[D].苏州大学，2007.
[2] 李忠华.高素质创新型人才培养质量评估体系研究[D].武汉理工大学，2005.
[3] 倪丽娟，陈辉.制约大学人才培养质量的因素分析[J].黑龙江教育，2007.
[4] 陈衍泰.基于方法集的组合评价研究[D].福州大学，2004.
[5] 郭秀琴.我国现行的高等教育质量研究[D].东北师范大学，2007.
[6] 张德江.人才培养质量的影响因素与对策探析[J].中国大学教学，2012（2）.
