大数据下培训师评价模型设计

（国网技术学院， 济南 250000）

[摘 要] 分析了大数据下培训机构培训师评价模型的理论基础，构建了培训师评价指标体系，给出了评价过程，介绍了测试结果，具有较大的推广价值。

[关键词] 大数据；培训师；评价；模型

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 07. 049

[中图分类号] F272.92； F224 [文献标识码] A [文章编号] 1673 - 0194（2017）07- 0105- 02

0 前 言

培训机构对培训师进行科学的综合评价与培训师队伍建设目标的实现有极其密切的联系。只有对培训师个人准确的评价，才能保证培训中心专业技术职务晋升、师资教育培训、教学科研政策的有效执行，才能满足客户需求，提供优质的培训服务，所以对培训师综合的素质科学评价是当前培训中心人力资源的重要课题。培训师综合素质的评价是一个复杂的过程，需要使用定性和定量相结合的分析方法，对这样的系统完全使用定性方法因其缺乏科学性很难有说服力，而完全使用定量方法因其数据难以获得并且数据不一定合乎情理也不能被良好地接受。随着大数据的应用，本文提出了一种大数据下培训师模糊综合评价决策模型。

1 培训师评价模型的理论基础

对于培训师综合评价辅助决策来说，最重要的是各因素权重指标体系的确定。但是，各培训中心会随着自身定位及所处发展阶段的不同而对培训师提出不同的要求，例如一个对技能培训为主的培训中心，会更注重培训师的实践操作指导能力，而对一个以干部培训为主的培训中心，可能会更看重培训师对本专业前沿理论的掌握和知识面的款厚度。为延长系统的生命周期，不能将权重指标体系固定在系统逻辑中，而是要提供一个权重指标体系建立功能，其思路就是由决策层对各项指标的重要性进行判断，并生成判断矩阵，最终将生成的权重数据保存在数据库中。

在构建指标体系后，选择合适的综合评价方法，建立一个广义的目标函数即综合评价模型，将各个子系统有机组合起来，从而可以从总体的角度来实现定量地评价对象系统的综合评价。常见的综合评价方法有主成分分析法、因子分析法、常规综合评价法及模糊综合评价法等。

本文所确定的指标之间都是低度或微弱相关的，所以采用了模糊综合评r原理来构建其评价的数学模型。该模型描述如下。

对于同层目标的评价指标体系，综合评判有三个要素：

因素集合，U={u1，u2，…，un}，被评价对象的各项评价指标所组成的集合；

判断集合，V={v1，v2，…，vm}，对被评价对象的评语构成的集合；

单因素判断，即对单个因素u1（i=1，2，…，n}的评判，得到上的模糊集（ri1，ui2，…，uim），所以它是从U到V的一个模糊映射

f： UF（V）

ui（ri1，ui2，…，uim）

这样，由U与V中任意搭配的元素对（ri，vj）构成关于n个评价因素条件下m项评语的笛卡尔乘积集。将元素对（ui，vj）的评价因素值记为rij，称rij为评价因素ui对评价等级vj的隶属度，因此n×m个rij构成待评价项目的隶属度评价矩阵R=（rij）n×m，即

由于各因素地位未必相等，所以需要对各因素加权。用U上的模糊集A=（a1，a2，…，an）表示各因素的权重分配。进而，按照模糊逻辑评价理论，需要对与进行模糊矩阵的合成运算最后，根据模糊逻辑推理的最大隶属度原则即可得出整体的模糊组合评价等级。

由上面综合评价模型可以看出，模糊综合评价的关键是模糊隶属度评价矩阵R和评价因素的权值A的确定，对于模糊评判隶属度系数rij的确定有专家评分法、经验修正法等，进而构成相应的隶属度评价矩阵R。

2 培训师评价指标体系的构建

指标体系权重值的确定直接影响着综合评价的结果，因此，合理地确定综合评价中各主要因素的权数，是进行综合评价能否成功的最关键问题。为体现主观和客观相结合，准确、科学地确定指标权重，本文采取层次分析法，保证所确定指标权重的科学性和合理性。层次分析法实施步骤如下：

首先，根据培训中心定位广泛征求专家意见，对培训师综合评价体系中各指标间的重要程度给出判断。

其次，构造判断矩阵。依据层次分析法原理和程序，通过对层次分析模型各指标两两比较的方式判断重要性强度，构造判断矩阵。采用Satty九标度法来反映专家的判断结果。

然后，对判断矩阵进行一致性检验。

在使用层次分析法计算评价指标体系的权重过程中，重要的一条是保持思维逻辑的一致性，即专家在判断矩阵的重要性时，判断标准应协调一致，不能出现矛盾的结果。为保证一致性，需要运用层次分析法的一致性检验方法对此进行检验。如果判断矩阵不能通过一致性检验，就需要有关专家对判断矩阵进行修正，直到通过一致性检验为止。

3 培训师评价的具体过程

在对待评估培训师的综合素质进行评价时，只能够给出一个定性的描述，例如，对待评估培训师综合素质评价结果可能是优、一般或差，而这些结果都是一些模糊的概念。为了能用定量的方法给出最后的定性评价结果，引入了模糊数学的思想。模糊数学是研究和处理模糊性现象的数学方法，是对不确定现象进行定量分析的重要工具。

为此本文将待评价项目的评语集合分成5级，即评价等级域为：

V={差，较差，一般，较好，优}

在确定评价矩阵R=（rij）n×m的过程中，采用专家打分的方法，打分的范围控制在1～10之间，即专家打分的分值∈[1，10]；打分的原则为：专家给出的分值越高，说明待评估教师的综合素质越高。

为了评价培训师综合素质，将判断待评估培训师的综合素质作为目标层，其指标体系中的一级指标为研究成果和潜力、培训教学能力和学问、为团体和培训中心的服务、个人素质和身体素质；影响研究成果和潜力的二级指标为课题与出版物；影响培训教学能力和学问的二级指标为知识和学问的深度、表达能力、教学量和积极性、指导实训能力；影响为团体和培训中心的服务的二级指标为参与学术活动、获得研究资金和资助的能力、公民的作用和责任心；影响个人素质的二级指标为组织协调能力、进取心、能动性、幽默感、谦虚谨慎；影响身体素质的二级指标为健康状况与心理测评。

4 试用情况

利用该数学模型，对某培训机构的98位培训师进行了测评，通过该方法测评的结果，与平时对培训师的观察及实际能力情况比较，其吻合度为96%，说明该模型有较大的实用价值。

5 结 论

本文论述了大数据下培训管理信息系统中培训师综合素质模型的设计理论，构建了评价指标体系，进行了实际测试，作为一个与实际吻合较好的模型，有较大的推广价值。