【工业工程新型人才培育评价机制】 培育机制

工业工程新型人才培育评价机制

一级目标层划分为4个维度，分别是思想、学术与文体素养， 科技创新能力，学习、分析与实践能力，沟通与协调能力， 从这4个维度对学生进行宏观评价。二级目标层是对一级目 标层的细分和具体化。一级目标层分解为更加细致的9个维 度，构成评价体系的二级目标层。二级目标层是通过对学生 能力和素养的客观描述，说明社会和学校对工业工程人才培 养的要求。三级指标层是在二级目标层的基础上，结合育人 目标对评价指标进一步细化。根据学生在第一课堂和第二课 堂中的各项活动来评价学生的综合素质，共分为22个维度。

为了获得更加准确、全面的评价指标，通过专家法对初步确 立的评价指标体系进行调整和完善。选择的专家是具有从事 人才培养工作经历和实践经验的班（年级）主任及辅导员， 或在人才培养方面进行过深入研究的教师。在获得专家许可 之后，将访谈内容提前告知专家，使其有足够的时间对访谈内容进行思考，然后采用一对一访谈的方式征询他们对评价 指标的意见。在正式访谈时，主要围绕评价指标是否完整、 是否需要进行整合或筛选以及指标是否具有足够的客观性 来征求专家的修改意见。根据专家的修改意见对评价指标体 系进行修改和完善，并将修改结果反馈给专家，进行第二轮 讨论。经过四轮讨论之后，得到完整的、具有层次结构的评 价指标体系，如表1所示。

二、人才培养评价指标相对权重的确定 在确定具有层次结构的人才培养评价体系之后，采取对 比分析的方法，对评价指标的相对重要性进行研究。首先， 设计分析评价指标相对重要性的调查问卷，在清华大学选择 工业工程系和偏重于学术研究的某个工科系（记为MSE）进 行调研，收集相关专家关于评价指标之间的相对重要性数 据；
然后，对调查数据进行分类整理，分析两个系在人才培 养方面的相似性与差异性。

（一）评价指标的相对重要性与调查问卷设计 在评价指标体系基础上，针对工业工程系以及参照系 （MSE系）的情况，对评价指标间的相对重要性进行量化分 析。评价指标间重要性主要通过调查问卷来获得。相对重要 性的评语集包括9个重要性等级，分别为非常不重要、很不 重要、不重要、较不重要、同等重要、较重要、重要、很重 要、非常重要，分别对应着1~9中的一个数字。在调查问卷 设计中，要求调查对象对不同层级指标给出相对重要性的值。根据调查问卷的数据，可以得到相对重要性的判断矩阵。调 查问卷在正式发放给专家之前，首先需要进行预调研。在本 研究中，预调研的调研对象选择为有过调查问卷制作经验， 并学习过调查问卷设计相关理论知识的工业工程专业学生。

预调研采取的是当面调研的方法，调研对象在填写问卷的同 时，研究人员向调研对象提出关于问卷设计的问题，并将调 研对象的反馈记录在表格中。

根据预调研中获得的问题反馈信息，对调查问卷的填写 说明、问卷的表格设计以及问卷的整体结构进行调整，确定 调查问卷设计的最终方案，并开展正式的调研工作。为了多 视角考察各项评价指标的相对重要性，正式调研主要选择了 三类调研对象：各班（年级）主任与学生工作组组长（下称 教师）、学生辅导员、各班级现任班长和支书。这三类群体 平时与学生接触较多，对学生工作和学生的成长需求比较熟 悉，不仅了解学校层面的人才培养目标和社会需求，而且了 解学生层面的具体工作，因此这三类人员具有一定的代表性。

为了比较工科系之间在评价指标相对重要性方面的差异性 和相似性，分别在清华大学的MSE系和工业工程系（下面分 别称为A系、B系）进行调研。根据实际情况，问卷的发放采 用纸板直接调查与电子邮件发放两种途径。共发放调查问卷 65份，回收有效问卷63份。

（二）相对重要性数据的判断矩阵一致性 在处理数据之前，需要对判断矩阵的一致性进行检验。在一致性检验中，多数判断矩阵的一致性良好，随机一致性 比例（CR）值小于0.1，但是也有部分判断矩阵不满足一致 性，需要对这些判断矩阵进行一致性修正，使其满足判断矩 阵一致性要求[4][5]。在实际操作中，使用Matlab程序可以 求解矩阵对应的优化问题，获得一致性修正后的判断矩阵。

此外，通过Matlab程序可以进一步求得各个判断矩阵对应的 权重向量，即指标间的相对重要性。

（三）相对重要性数据的处理及对比分析 对A、B两系在一级目标层上评价指标的相对重要性数据 进行分析。本文使用箱线图描述A、B两系的权重数据，并通 过双样本的T检验以及单因子的方差分析法对数据进行对比 分析。首先，通过箱线图描述两系给出的相对重要性数据。

箱线图不仅可以发现不同集合数据的差异性，同时可以发现 数据中的异常点。在排除异常点后，可以得到A系与B系教师、 辅导员、班长支书以及系内综合相对重要性的对比箱线图， 如图1所示。

在箱线图上，A系与B系大部分数据在均值及分散程度上 表现出了差异性，少部分数据的相似性非常明显。为了从统 计意义上确定A、B两系数据的差异性，本研究对A、B两系的 数据进行了双样本的T检验。在双样本T检验中，原假设设定 为：A、B两系获得的相对重要性数据均值相等，备择假设设 定为：两系获得的相对重要性数据均值不相等，T检验的结 果如表2所示。由T检验的结果可以看到，A、B两系教师在四个一级指标上都未表现出显著的差异性，说明在教师层面上， A、B两系在人才评价方面具有很高的一致性。在辅导员层面 上，A、B两系在“科技创新能力”这一指标的判断方面存在 显著的差异性，在其他三个一级目标上未表现出明显的差异 性。在班长及支书层面上，A、B两系在“沟通与协调能力” 上具有显著的差异性，在其他三个一级目标上未表现出明显 的差异性。而综合三个层面发现，A、B两系在“思想、学术 与文体素养”与“科技创新能力”表现出了明显的差异性， 而在其他两个一级目标上的差异并不明显。在同一个系内部， 对教师、辅导员、班长支书给出的相对重要性数据进行了对 比。从图2的箱线图上可以看到，无论A系还是B系，在相对 重要性的均值和分散程度上都表现出了不同程度的相似性。

同时，本研究通过单因子方差分析来确定同一个系内部差异 性的显著程度。在方差分析中，影响因子为调查对象的身份， 该因子有三个水平，分别为教师、辅导员、班长支书，方差 分析结果见表3。

从表3中的统计数据可以发现，在A系中，教师、辅导员、 班长支书给出的一级目标层的相对重要性具有一定的相似 性，彼此间的差异性并不显著。在B系中，除了在“科技创 新能力”方面表现出明显的差异性之外，其他三个指标的相 对重要性差异都不显著。所以，从这一部分的结果中可以看 到，A、B两系内部教师、辅导员、班长支书三个群体的观点 基本一致，在人才培养方向上具有一定的共识。总之，从A、B两系的对比分析中可以看出，两系在“思想、学术与文体 素养”与“科技创新能力”重要性认知方面存在差异，而在 其他两个一级目标上的差异不明显。这反映出两个系在人才 培养导向方面还是存在一定的差异，但“学习、分析与实践 能力”和“沟通与协调能力”评价指标权重的相似性也反映 出，在学生的基本能力培养方面，不同的工科专业之间具有 共识。

三、可测指标层、人才矢量与创新型人才面的设定 人才评价指标体系由三个层次构成，虽然三个层次逐层 细化，但三级指标仍然难以直接测量。在人才评价体系的实 际操作过程中，对于每一个三级指标，需要找到若干个可测 量指标对其进行评估，这些可测量指标构成了人才培养评价 体系的可测量指标层。可测量指标层为人才评价体系收集评 估对象的可测量数据，可测数据经过后期处理，转化成反映 第三级评价指标的定量化数据。可测数据的处理方法包括定 性数据向定量数据的转换、定量数据的无量纲化等。总之， 以人才培养评价体系中第三级指标层的22个效用值作为分 量，可以构成22维空间中一个点，对于每一位评估对象，在 理论上都可以通过可测量指标层及其变换函数，获得其三级 指标层各项指标的评估（效用）值，形成一个该评估对象的 评价向量，可称之为一个22维人才矢量。所有可能的22维人 才矢量在22维空间中形成一个单位超方体，超方体上效用值 为1的面表示其对应的评估对象在相应指标方面存在特长，因此，将超方体上某个效用值为1的面称为创新型人才面。

根据创新型人才面的含义，本文把人才矢量能够达到或者接 近创新型人才面的评估对象视为需要重点培养的拔尖创新 型人才。当然，关于创新人才的含义，也可以借助于若干个 创新型人才面来界定，这与不同高校或者不同专业人才的评 价机制有紧密的关系。不同专业以及不同高校的办学特点， 可以通过所培养学生的人才矢量分布，以及与创新型人才面 的关系加以定量化界定。

四、结论 本文提出的关于工业工程人才培养的评价指标可以看 成一个模型，可测量指标涉及到评估对象的课内、课外活动 表现数据，将模型与数据分离有助于在实际操作过程中，根 据不同的需要将模型拓展到不同的专业和不同的高校，可以 针对不同的高校或者专业人才设计可测数据指标，也可以针 对不同的高校或者专业人才设计评价指标，获得用于该高校 或者专业的创新型人才评价体系。在后续研究中，可以通过 继续调研工业工程系毕业生以及具有代表性的接收工业工 程毕业生的单位，进一步完善工业工程人才培养评价体系的 各项评价指标。同时，基于研究中获得的人才培养评价体系， 有针对性地设计工业工程人才培养激励体系，引导工业工程 学生向创新型人才方向发展。