基于卷积神经网络的高职产教融合评价算法研究杨斐①1,石磊2(1阜阳职业技术学院工程科技学院,安徽阜阳236031;2阜阳职业技术学院团委,安徽阜阳236031)摘要:本文通过对卷积神经网络的高职产教融合评价算法进行两轮筛选,选出功能相对独立且具有代表性的评价指标,构建评价指标体系。利用改进层次分析法(AnalyticHierarchyProcess,AHP)计算每个评价指标的权重;利用卷积神经网络得出高职产教融合评价分值,确定产教融合效果等级。关键词:卷积神经网络;高职院校;产教融合;指标选取;权重计算中图分类号:G71文献标志码:A文章编号:20959699(2022)060129061高职产教融合评价体系构建相比较理论型人才,就业市场上更偏向应用型人才。而产教融合正是一种学校与企业相互依存的新型办学模式,旨在培养应用型人才。产教融合是一种长期复杂的人才培养模式,涉及内容较多,评价指标较多[1]。为了构建一个合理的评价指标体系,指标选取环节至关重要。指标既不能过于冗余,指标间的功能最好能够保证相互独立,也不能过少,所选择的指标最好能够全面反映出对产教融合的影响[2]。面对这种较高的指标选取要求,进行两轮的指标选取工作。1.1第一轮评价指标选取第一轮指标选取工作主要筛选出功能较为重复的指标,降低指标重复性。具体过程如下:首先查阅以往相关文献、资料、期刊等,尽可能将所有涉及的指标收集起来,组成一个相对全面的指标体系[3]。然后计算平均值,公式如下:x-=∑ni=1xin,(i=1,2,…,n)⑴式中,x-代表产教融合评价指标的平均值;n代表评价的数量;xi代表第i个评价指标;∑ni=1xi代表所有产教融合评价指标的总和。将指标与平均值x-进行对比,选取不同的标准化方法处理[4]:x⌒i=xix-,xi≤x-x⌒i=x-xi,xi>x-ìîíïïïïïï,(i=1,2,…,n)⑵式中,x⌒i代表标准化处理的第i个评价指标。计算评价指标之间的相关系数:aij=∑ni,j=1(x⌒i-x-)(x⌒j-x-)∑ni,j=1(x⌒i-(x⌒j)2;(i,j=1,2,…,n)⑶按照下述规则筛选出功能重复的指标。aij>T,d(xiorxj)aij≤T,r(xiandxj){⑷式中,T代表设定的临界值;d代表删除;r代表保留。1.2第二轮评价指标选取第二轮评价指标选取工作旨在筛选出具有代表第37卷第6期2022年12月景德镇学院学报JournalofJingDeZhenUniversityVol.37No.6Dce.2022①收稿日期:20220926基金项目:安徽高校自然科学研究项目(KJ2021ZD0154);安徽省教育厅高水平专业群(高职)(2020zyq63)作者简介:杨斐(1983),男,安徽阜阳人。副教授,硕士,从事大数据及人工智能研究。性的指标。...
