高职学生顶岗实习质量评价方法及其应用

摘 要 根据高职院校的顶岗实习特点和高职人才培养目标，构建由岗位任务、职业素养、职业能力、实习成果等组成的多层次顶岗实习评价体系，用改进层次分析确定指标权重；应用TOPSIS法对测评数据进行分析处理，根据求得的相对接近度对学生顶岗实习质量进行优劣排序；利用系统聚类方法中的离差平方和聚类法对学生顶岗实习质量进行定性评判，确定其质量等级。结果表明，将定量分析与定性评判相结合，提高了顶岗实习质量评价的科学性、合理性。

关键词 高职院校；顶岗实习；TOPSIS法；聚类分析；质量评价

中图分类号 G642.44 文献标识码 A 文章编号 1008-3219（2013）17-0050-05

《关于全面提高高等职业教育教学质量的若干意见》（教高[2006]16号）中指出，高等职业院校要保证在校生至少有半年时间到企业等用人单位顶岗实习。顶岗实习不是单纯的“预就业”，是高职院校实践教学的重要组成部分，是培养学生职业能力的关键环节，在人才培养过程中起着不可替代的作用。由于顶岗实习是学校利用社会资源实现人才培养目标的综合性实践课程，具有管理主体多元、实习单位众多、地点分散、实习内容多样等特点，加之实习指导教师数量不足、管理方式传统、制度不完善、考核体系不健全、评价方法不科学、校企共管机制不成熟等原因，导致顶岗实习管理粗放，企业偏重“顶岗”劳动，学校缺失甚至放弃指导，使顶岗实习的育人目标难以实现。

一、评价指标体系的构建

为充分体现高职院校顶岗实习的特点，从“工学结合、校企合作”的视角出发，围绕提高学生的职业素养和锻炼其职业技能为中心，依据能力本位和工作导向理论，参照相关顶岗实习评价文献[1][2]，按照评价指标体系的全面、科学、可比性及可操作性要求，邀请教学专家、企业管理人员、实习学生、专兼职指导教师等共同参与，构建由岗位任务、职业素养、职业能力、实习成果等4个一级指标、12个二级指标组成高职学生顶岗实习评价指标体系，详见表1。

二、分析方法及原理[3][4][5]

为了提高顶岗实习质量评价的科学性、合理性，提出将TOPSIS法与聚类分析法有机结合构建一种新的组合评价方法，实现对评判对象的定量分析与定性评判。即先应用TOPSIS法求得相对接近度，对学生顶岗实习质量进行优劣排序。再取若干主成分对评价对象进行聚类分析，结合TOPSIS法的量化评价结果对评价对象进行分类排名，确定学生的顶岗实习质量等级。

TOPSIS法，即逼近理想解排序法，是一种广为应用的多属性决策分析方法，常用于效益评价、决策、管理等领域。其基本思想是：基于归一化后的原始数据矩阵，找出有限方案中的最优方案和最劣方案，分别计算各评价对象与最优方案和最劣方案的距离，获得评价对象与最优方案的相对接近程度，以此作为评判评价对象优劣的依据。

聚类分析是研究“物以类聚”的多指标统计分析方法，主要用于对事物类别的面貌尚不清楚、甚至连几类都不能确定的情形下分类问题的研究。系统聚类法是聚类分析中应用最为广泛，凡是具有数值特征的变量和样品都可以通过选择不同的距离和系统聚类方法而获得满意的数值分类效果。把个体逐个地合并成一些子集，直至整个总体都在一个集合之内为止。

评价方法的计算步骤如下：

第一，初始决策矩阵构建。设某一多目标决策问题有n个评价对象，p个评价指标，得到各评价对象的指标值xij，初始决策矩阵为X=|xij|nxp，即：

第二，指标值的规范化处理。由于评价指标之间通常存在不可分度性和矛盾性，需对原始指标值进行规范化处理。对“高优”指标，即指标值越大越好，则：

（i=1，2，…，n；j=1，2，…，p）

对“低优”指标，即指标值越小越好，则：

（i=1，2，…，n；j=1，2，…，p）

规范化决策矩阵Z=|zij|nxp，由各指标值经过规范化处理后得到。

第三，加权规范化决策矩阵构建。根据各指标在综合评价中所处的地位或所起的作用，对Z中各指标按照下式加权：

uij=wj×zij，式中0≤wj≤1， ，便得到加权规范化决策矩阵U：

第四，指标的最优值和最劣值确定。TOPSIS综合评价没有以往的“既定标准”可供参考，所以只有在自身向量内来确定最优和最劣的标准，作为分析比较时的参考。根据正向指标取大，负向指标取小的原则，确定最优向量U+；根据正向指标取小，负向指标取大的原则，确定最劣向量U-。

其中，=max{u1j，u2j，…，unj}，=min{u1j，u2j，…，unj}，（j=1，2，…，p）。

第五，计算各指标值与最优和最劣向量的距离，即：

，

（j=1，2，…，p）

第六，计算相对接近度，确定评价对象的优劣排序。，即指标值与最优值的相对接近度，然后依据数值来评定评价对象的优劣，进行量化排序。评价对象的值在0与1之间，该值越接近于1，表示评价对象越接近最优目标。的计算公式：

（i=1，2，…，n）

第七，评价对象的聚类分析。为了提高聚类效果，先对初始决策矩阵x=|xij|nxp进行主成分分析，将多个指标转化为少数几个综合变量，并且尽可能反映原来指标的信息量。然后，选定若干个综合变量构成新的决策矩阵，采用系统聚类法进行聚类分析，实现对学生顶岗实习质量的定性评判。

三、应用实例

（一）数据来源与评价标准

为了实现对顶岗实习学生的全面、客观评价，采用多元化的评价主体，校企双方共同参与，邀请专兼职专业指导教师、企业管理人员和教学专家组成考评小组，全面考察学生的顶岗实习情况。将构建的顶岗实习评价指标体系，借鉴李克特量表的格式设计问卷，指标利用语义学标度分为5个测量等级：好、良好、一般、较差、差。为了便于计算，将主观评价的语义学标度进行量化，并依次赋值为5、4、3、2、1。所采取的评价定量分级标准，见表2。

目前，大多数学生参加分散性顶岗实习，实习单位和实习岗位差异大，学生掌握的技能也不尽相同。为了全面、客观地掌握学生的实习情况，在实习结束后采用答辩的方式进行考核。考评小组成员根据学生实习单位的评价和答辩表现，结合观察点和评价标准，独立完成问卷，给出每个评价指标的等级，然后当场收回，经统计汇总后，计算出各分项指标的平均得分。同时，为确保评价信度、效度，减少主观随意性，对回收的问卷进行有效性审查，剔除打分比较随意的评议表。某校机电类专业的12位参加顶岗实习学生的各项指标平均得分，汇总后如表3所示。

（二）指标权重的确定

为了避免人为因素的干扰，提高权重赋值的科学性、准确性，采用层次分析法（AHP）确定指标权重。构建成对判断矩阵时，传统层次分析法常用1～9及其倒数的标度方法，用来对一个层次中的各因素相对于上一层次的各准则进行两两比较。传统标度法虽简单、直观，但存在许多缺陷，使得AHP法的应用受到了较大限制。为了弥补传统标度方法的不足，参考相关文献[6][7]，建立了一种基于转化函数和调和系数的新标度方法，如表4所示。

针对构建的顶岗实习语言体系，咨询相关专家，采用新标度表示指标的重要性程度，由此得到各层指标之间的判断矩阵如表5～表9。

经计算，各判断矩阵的CR

式中：wij为第i个指标在第j层的权重值；k为指标层数。

（三）指标值的加权规范化处理

由于评价指标之间通常存在不可分度性和矛盾性，加之各指标在综合评价中所起的作用不同，不能直接进行比较，需对原始指标值进行加权规范化处理。

顶岗实习的评价指标值应越大越好，利用Excel软件，先对表3中的测评数据采用“高优”指标的规范化处理方法，再对各指标数值进行加权计算，指标权重采用表1中的组合权重。各指标值的加权规范化处理结果见表10。

（四）相对接近度计算

根据TOPSIS法的原理与方法，先利用Excel软件，在加权规范化处理结果中找出各指标的最优值和最劣值，见表10。根据公式分别计算出各指标值与最优向量、最劣向量的距离（D+、D-）。计算各指标与最优评价对象之间的相对接近度，结果见表11。

由于评价对象的值越接近于1，表明评价对象越接近最优水平，由此得到各学生顶岗实习质量的优劣排序。由表11可知，学生JD07的顶岗实习表现最优秀，学生JD01次之，而学生JD03的顶岗实习表现最差。

（五）系统聚类分析

由于顶岗实习质量评价涉及到较多指标，对原始数据直接采用聚类分析效果较差[8]。为了提高评价效能，先使用主成分分析方法对原始数据进行降维处理，求得第一、第二主成分的贡献率已达到91.90%，保留了原始指标的绝大部分信息。

研究采用第一、第二主成分的得分构成新的决策矩阵，借助DPS数据处理软件，选择最广泛使用的欧式距离，采用离差平方和聚类法，结果如图1所示。

根据聚类谱系图，结合表11学生顶岗实习质量的优劣排序，将参加顶岗实习的12位学生分成5个等级，即学生JD01、JD07的实习表现“优秀”，JD02、JD05、JD08、JD10、JD11的实习表现“良好”，JD04、JD12的实习表现“一般”，JD06实习表现“差”，而JD03、JD09的实习表现则“较差”。

综上，影响顶岗实习质量的因素众多，通过将TOPSIS法与系统聚类分析相结合，可最大限度减少人为因素影响，增强决策的客观性和科学性。顶岗实习管理是各高职院校的一项共性工作，各校可根据各自的顶岗实习特点与工作要求，适当调整评价体系和指标权重，使评价更具针对性和可操作性，使评价结果更加符合实际。

参考文献：

[1]龚江南.高职分散型顶岗实习考核评价体系的构建[J].职教通讯，2012（3）：49-51.

[2]刁洪斌.基于能力本位的高职生顶岗实习评价模式[J].职教论坛，2010（11）：21-23.

[3]黄会明，陈宁，严小明，等.应用AHP与TOPSIS法评价高职学生综合素质[J].职业技术教育，2009（13）：46-49.

[4]秦寿康.综合评价原理与应用[M].北京：电子工业出版社，2003：14-16.

[5]卢纹岱.SAS/PC统计分析软件实用技术[M].北京：国防工业出版社，1996：179～283.

[6]黄会明，鲍海君.运用层次分析与系统聚类评价汽车维修服务质量研究[J].系统科学学报，2010（3）：72-75.

[7]张淑娟，何勇，葛晓锋，等.改进层次分析法用于农用运输车综合性能的评价[J].农业工程学报，2002（6）：91-94.

[8]黄会明，鲍海君，赵匀.高职院校实践课堂教学质量评价研究[J].职业技术教育，2009（22）：42-46.

Research on the Evaluation Method for Students’ Internships of Higher Vocational Colleges

HUANG Hui-ming

（College of Electrical & Electronics Engineering， Zhejiang Institute of Mechanical & Electrical Engineering，Hangzhou Zhejiang 310053，China）

Abstract According to the characteristics of internships and talent training goals of higher vocational schools， the evaluation system for internships was built consisting of post tasks， professional qualities， professional abilities and practical outcomes，and the weight coefficients of indicators were determined by improved AHP； TOPSIS method was applied to analyze and deal with the evaluation statistics，and the internship quality of students was ranked from good to bad according to the approximation degree； finally， students’ internships quality was evaluated qualitatively by system cluster analysis method，and the internships quality level was determined. The results show that，the combination of quantitative analysis with qualitative judgement can enhance the scientificity and rationality of evaluation of internships.

Key words higher vocational colleges； internships； TOPSIS method； system cluster analysis； quality evaluation