基于人工神经网络的高职辅导员绩效评价机制研究∗

陈承贵

（怀化职业技术学院 怀化 418000）

基于人工神经网络的高职辅导员绩效评价机制研究∗

陈承贵

（怀化职业技术学院 怀化 418000）

在构建高职辅导员绩效评价因素的基础上，提出了一种基于人工神经网络的辅导员绩效综合评价方法，用BP神经网络算法实现了辅导员绩效综合评价误差最小化，提升了辅导员的评价质量，完善了辅导员工作绩效水平。

人工神经网络；绩效评价；高职辅导员

1 引言

在高职院校辅导员队伍建设中，辅导员作为高校大学生思想政治工作的执行者和堡垒，是高职院校学生稳定的根本，如何公平公正的评价辅导员工作绩效，是当前急需解决的课题。本文研究人工神经网络辅导员考核评价机制，综合评价辅导员工作绩效各种因素，激励辅导员的工作能力，提高大学生思想政治工作建设，改善辅导员管理和指导大学生的质量和效果，促进学校的辅导员队伍建设，起到了很好的推动作用。

2 神经网络绩效评价因素

在高校的德育工作中，辅导员承担了主要的德育工作任务，对于辅导员的绩效评价方法目前主要有目标管理法、平衡计分法、关键业绩指标法和360 度绩效考评法［1～2］，还有基于关键绩效指标的高校辅导员绩效评价方法［3］，辅导员工作绩效评价因素涵盖了一主线，大学生思想政治教育主线，着重研究基于社会主义核心价值观体系［4］，同时覆盖了大学生的德育、学习、生活、养成、就业教育五大类。辅导员的工作包含了学生教育的过程和结果，有隐性和显性的工作绩效，有刚性和柔性［5］的绩效，因此绩效评价因素，既要突出辅导员学生教育的结果因素，又要考虑学生教育的过程因素，同时强调辅导员的类型的自身工作因素，本文提出了以辅导员工作的时间、频域、空间因素构成三位一体的综合绩效评价机制。

2.1 BP神经网络

人工神经网络［6］是对人类大脑系统的一阶特性的描述，是一个非线性自适应系统，可以用数学模型表示，也可用计算机的程序来模拟实现。人工神经网络表现了信息分布式，运算全局并行化，局部操作化和非线性数据处理的特点，符合辅导员的工作绩效数据，涉及多个部门多角度多样性地广泛分布特性，工作绩效处理同样呈现非线性。

神经元［7～8］是构成神经网络的最基本单元，它接受一组来自系统中其他神经元的输入信号，同时，每个输入信号对应的一个权，对所有的输入实现加权和决定该神经元的激活状态。神经元另一个激励因子，其实就是激励函数。通常，神经元在获取网络输入数据后，神经元响应，输出端就应有一个适当的输出。这就要神经元处于激活状态，执行对该神经元所获得的网络输入变换。

BP神经网络就是利用输出层的误差来估计输出层的直接前导层的误差，再利用这个误差估计更前导层的误差，并获得所有其他各层的误差估计，从而形成将输出端表现出误差沿着与输入信号传送相反的方向逐级向网络的输入端传递的过程，构建成BP算法并进行学习的多级非循环网络，其中BP神经网络的神经元要求激活处处可导。BP神经网络结构［9］如图1。

图1 BP神经网络结构图

其中，BP网络的输入样本集为表达式（1）：

网络实际输出Op为表达式（2）：

整个网络的误差E为表达式（3）：

2.2 辅导员绩效因素

高职院校由于生源地和生源的质量的不同，部分高职院校除了统招的高职生源的，还保留了少部分的五年制生源，学校开展了早操和晚自习的学生教育环节。从时间域分析，高职院校辅导员工作有五大教育结果，表现了刚性的显性因素，大学生的早操率、上课率、晚自习率、晚就寝率。其中早操率和晚自习率通常只是部分辅导员的绩效，而上课率、晚就寝率、巩固率面向是全校的辅导员，具有典型的绩效评价意义。

高校学生安全和稳定，大学生思想政治教育活动，辅导员起到了关键的决定性作用，辅导员的责任感和责任意识增加，学生教育危机管理加强，辅导员成为了全天候的代理人，从学生早上起床到晚就寝，辅导员管理了整个学生队伍。如何来保障辅导员的到位执行高效管理，以辅导员的自身管理为突破口，辅导员的考勤、辅导员的工作记录、辅导员日常工作完成情况等因素，影响辅导员的绩效评价。辅导员的工作多而杂，从工作频域分析，辅导员的工作评价涉及：班级建设、党团建设指导、学生信息、学生教育工作分析、自身学习和研究情况、养成教育、思想政治教育、学生思想教育谈话、学生活动策划、典型案例分析、工作日志、家校联系情况、职业规划等因素，这些都是辅导员学生教育管理的基本要素，也成为影响辅导员绩效评价的主要因素

同时辅导员对学生教育管理工作，大量是一些柔性的因素，为了保障学生有序学习生活，提供良好的环境，辅导员要消耗大量的时间，处理各种事务：学生各种违纪问题、学生心理健康问题、学生家长和社会事务处理、突发事件、学生生活问题、领导交办的临时性事务等，有的是学生事务，有的是其他事务。这些贯穿了整个辅导员工作过程，成为辅导员绩效评价的重要因素。

高职院校的辅导员，根据高校的现行体制，辅导员的工作性质和岗位，从工作空间域分析，辅导员分为专职辅导员、兼职辅导员和聘请辅导员三大类型，专职辅导员工作是院系学生教育工作的主要实施者，院系学生思想政治教育的专家。兼职辅导员通常具有班主任的身份，学生教育的具体执行人，学校的中坚力量，既有丰富的教学经验，承担更多的上课任务，同时可能还是从事学校管理工作。聘请辅导员则充当全职班主任，既要承担系部大学生思想政治教育工作，同时管理院系的班级工作。专职、兼职和聘请三类辅导员的工作任务和管理人数不同，辅导员的工作绩效就有了不同评价因素。高职院校辅导员的工作绩效评价因素如表1。

3 辅导员评价模型

辅导员的工作绩效评价是复杂而有趣的事情，在本文把辅导员分成了时间、频域、空间三类工作因素，从三个不同维度评价辅导员的工作绩效，综合评价辅导员的工作成绩，公平公正的利益获取，激励了辅导员的工作斗志，保证了学校的长远发展。

表1 高职院校辅导员的工作绩效评价因素

3.1 辅导员评价函数

辅导员时间域的工作绩效评价，包含了大学生的早操率、上课率、晚自习率、晚就寝率四大参数指标。这些指标反映的是辅导员对学生管理的效果显现，作为辅导员的绩效结果表现的是刚性和显性的，辅导员的大学生思想政治工作是否深入学生心里，学生的早操、上课、晚自习、晚就寝的主动性、纪律性、团结性和责任性可以衡量辅导员的工作效果。

辅导员在时间域的评价，可用表达式（4）表示：

其中，y(t)为辅导员的时间域工作绩效评价结果，a(x)为早操率，b(x)为上课率，c(x)为晚自习率为，d(x)为晚就寝率。a，b，c，d分别为辅导员的对应时间域评价指标的管理系数。

辅导员频域的工作评价指标，主要评价了辅导员的工作量和能动性，衡量辅导员的工作效能。指标评价了辅导员某个时段对某项学生工作完成任务的情况的评价，大一的辅导员的重点评价：班级建设情况、党团建设指导、学生信息、养成教育、职业规划教育、家校联系情况、学生教育谈话谈心活动、学生教育工作日志。大二、大三年级辅导员的评价，则更多关注学生教育工作分析、自身学习和研究情况、思想政治教育、学生活动策划、学生典型案例分析、就业指导等工作内容。这些工作任务相互交织在一起，相辅相成，统一形成了辅导员工作的绩效评价的基本依据。

辅导员的频域工作绩效Y( j w )，综合考虑影响评价因素，用表达式（5）描述：

其中，F( j w)是各评价因素的加权值，不同的评价指标，其相应的加权值也跟随发生变化；H( j w)是辅导员绩效工作评价因素响应函数，反映了辅导员的工作量能和效能；w反映辅导员学生教育工作的频率，体现了学生教育工作周期性；m，n则表示不同的学生教育工作内容，其加权值和工作效能表现的不一致性。

辅导员从工作空间指标，专职辅导员、兼职辅导员和聘请辅导员三大类型，对学院从事的工作任务及作用侧重点不一样，管理学生人数有所区别，工作任务繁重比例相应也就不同。从评价系统来考虑，引入评价管理系数β。

根据对全院的学生进行辅导员分类测算，辅导员的工作性质不同，辅导员的平均基数相应的要求有所差别。一类专职辅导员的学生教育基数N要大，一般N取为200～400人；二类兼职辅导员学生指导基数N较小，N取为20～60人；三类聘请辅导员学生教育管理基数N居中，N取为100～200人。m表示辅导员学生教育的人数。

辅导员在学生教育管理中，有计划、过程和结果，包含了时域性的、频域性的和空间域的学生工作，涉及学生的方方面面。学生教育内容有些是立马就能显现出来，出现成效，有的教育内容，沉淀于学生思想至生命中几年，甚至一生。辅导员做好每一项学生工作内容，对于学生教育至关重要，影响意义其深远。因此，辅导员的绩效评价面对如此复杂的因素，根据辅导员的评价因素分析，绩效评价函数为表达式（7）：

其中，S为辅导员的绩效评价函数，反映了学生教育管理的总效能。

3.2 辅导员评价BP算法

根据人工神经网络的BP算法，为了消除辅导员工作绩效样本顺序的影响，辅导员的加权取为W，控制精度设为ε，对辅导员的每一项工作完成任务情况进行采样，形成样本集中的每一个样本(Xp，Yp)，通过网络计算出输入数据对应的实际输出，并计算出误差E。

BP算法表示［9］：

用不同的小波随机数初始化w，v；

初始化精度控制参数ε，学习率α；

循环控制参数E=ε+1；循环最大次数为M；循环次数控制参数N=0；

当whileE＞ε&N＜M do

N=N+1；E=0；

对所有的i，j，h：∆wi(jh)=0；

对s中的每个样本（Xp，YP），执行如下操作：

计算：o1=F1(XPv)；o2=F2(o1w)；

计算输出误差：fori=1 to m

对所有的i，j，计算输出层的权修改量：fori=1 to m&j=1 to n

对所有的i，j，计算输出层的权矩阵修改量：fori=1 to m&j=1 to n

对所有的i，j，计算隐层的权修改量：fori=1 to H

对所有的i，j，计算隐层的权矩阵修改量：fori=1 to H&j=1 to m

修改输出层和隐层的权矩阵：fori=1 to m&k=1 to H&j=1 to n

3.3 构建BP神经网络辅导员绩效评价模型

BP神经网络模型基于Matlab软件，调用其构建BP神经网络newff（）［10］函数：

Net=newff（PR，［S1 S2 …SN1］，｛TF1 TF2 …TFN1｝，BTF，BLF，PF）

其中，矩阵PR为辅导员评价网络的工作任务输入向量取值范围，矩阵的大小为2列，第一列反映了辅导员工作任务变量的最小值，也就是完成任务的最差情况，第二列则是辅导员工作任务变量的最大值，反映了辅导员工作完成最好情况的样本。［S1 S2…SN1］表示此网络隐含层和输出层的节点数。｛TF1 TF2…TFN1｝用来表示网络的输出层和隐含层，传递函数为‘tagsig’。BTF，BLF，PF分别为网络训练函数、网络权值学习函数和网络性能评价函数。基于BP神经网络的辅导员绩效评价网络结构如图2，其中，第一层的传递函数为logsig（），输出层则为purelin（）函数。

图2 基于BP神经网络的辅导员绩效评价网络结构图

辅导员绩效评价的样本数据如下：

P=［时域样本；频域样本；空间域样本］

其中，辅导员工作时域样本=［早操率、上课率、晚自习率、晚就寝率］=［0，40%，100%，60%］，对其进行归一化处理后，这时辅导员的工作时域样本为［0，0.04，0.1，0.06］，辅导员评价系统输出的时域目标数据=［1，1，1，1］。

频域样本=［班级队伍建设情况，党团建设指导，学生信息，养成教育，职业规划教育，家校联系情况，学生教育谈话谈心活动，学生教育工作日志，学生教育工作分析，自身学习和研究情况，思想政治教育，学生活动策划，学生典型案例分析，就业指导］。对频域样本数据进行归纳，简化成八方面的样本。即频域样本=［学生思想政治教育，党团和班级建设，学业指导，学生教育日常事务管理，学生心理健康教育，突发和危机事件处理，职业规划与就业反导，自身理论学习与研究］=［12，0，8，25，9，13，9，7］，同样，对数据进行归一化处理，频域样本=［0.012，0，0.008，0.025；0.009，0.013，0.009，0.007］。

辅导员空间域样本=［专职辅导员管理系数，兼职辅导员管理系数，聘请辅导员管理系数］=［400，15，120］，同样，对样本数据进行归一化处理，辅导员空间域样本=［0.4，0.015，0.12，0］，输出目标数据=［4，0.6，2］。

因此，辅导员BP神经网络评价系统的样本数据：

P=［0，0.04，0.1，0.06；0.012，0，0.008，0.025；0.009，0.013，0.009，0.007；0.4，0.015，0.12，0］；

T=［1，1，1，1］；

输入向量的取值范围：［0，1；0，1；0，1；0，4］。

4 神经网络评价应用

基于BP神经网络的辅导员评价机制，通过合理选择评价网络参数，训练函数采用traingdm算法，学习方法设置为learngdm学习法，辅导员绩效评价误差如图3中的曲线。BP神经网络的辅导员绩效评价机制中，全面充分考虑了辅导员工作的评价因素，辅导员的学生教育工作得到了肯定，其结果得到了显著改善。

图3 辅导员绩效评价误差

5 结语

辅导员的工作绩效，通过BP神经网络评价机制，实现了辅导员绩效综合评价误差最小化，改善了辅导员的评价质量，为辅导员的工资核算提供了参考依据，同时有利于更好地改进辅导员学生教育工作方法和措施。今后的研究工作，主要挖掘出更加优秀的辅导员，提升高职院校辅导员队伍建设水平，促进学院学生教育的发展。

［1］王晓飞，史济纯.高校辅导员绩效评价研究综述［J］.新西部（理论版），2016（3）：89-90.WANG Xiaofei，SHI Jichun.Summary of the performance evaluation of college counselors［J］.New West（Theory），2016（3）：89-90.

［2］刘双丽，石勇，陶荣兄，等.高校辅导员绩效评价指标体系研究与实践［J］.科技创新导报，2012（7）：222-223.LUI Shuangli，SHI Yong，TAO Rongxiong，et al.Research practice of performance evaluation index system of University counselors［J］.Science and Technology Innovation Herald，2012（7）：222-223.

［3］李凤威，罗嘉司，赵乐发.基于关键绩效指标的高校辅导员绩效评价方法［J］.现代教育管理，2012（7）：66-69.LI fengwei，LUO Jiasi，ZhAO Lefa.A Method-Research on PerformanceAppraisalofUniversitiesCounselors Based on KPI［J］.Modern Education Management，2012（7）：66-69.

［4］陈德虎.高校辅导员胜任力研究——基于社会主义核心价值体系的视角［J］.浙江理工大学学报（社会科学版），2015，34（3）：247-250.CHEN Dehu.Study on Competency of College Counselors-Based on Perspective of Socialist Core Value System［J］.Journal of Zhejiang Sci-Tech University（Social Sciences），2015，34（3）：247-250.

［5］庞志伟.高校辅导员柔性绩效评价机制研究［J］.黑龙江教育（高教研究与评估），2011（11）：57-58.PANG Zhiwei.Study on the performance evaluation of fiexible mechanism of college counselors［J］.Heilongjiang Education（Higher Education Research&Appraisal），2011（11）：57-58.

［6］朱大奇.人工神经网络研究现状及其展望［J］.江南大学学报，2004，3（1）：104-105.ZHU Daqi.The Research Progress and Prospects of Artificial Neural Networks［J］.Journal of Southern Yangtze University，2004，3（1）：104-105.

［7］蒋宗礼.人工神经网络导论［M］.北京：高等教育出版社，2001，8：16.JIANG Zongli.Introduction to Artificial Neural Networks［M］.Beijing：Higher Education Press，2001，8：16.

［8］王存宇，古卫明，吴翀，等.神经网络算法研究［J］.计算机时代，2016（10）：8-9.WANG Cunyu，GU Weiming，WU Chong，et al.Study on neural network algorithm［J］.Computer Era，2016（10）：8-9.

［9］陈承贵，罗克露.基于神经网络库存融合控制技术［J］.微型机与应用，2009，28（8）：8-12.CHEN Chenggui，LUO Kelu.Neural network-baseed inventory control technology integration［J］.Microcomputer&Its Applications，2009，28（8）：8-12.

［10］王薇.MATLAB从基础到精通［M］.北京：电子工业出版社，2012，5：389.WANG Wei.MATLAB From Basic to Proficient［M］.Beijing：Publishing House of Electronics Industry，2012，5：389.

Higher Vocational Counselor Performance Evaluation Mechanism Based on Artificial Neural Network Research

CHEN Chenggui
（Huaihua Vocational and Technical College，Huaihua 418000）

On the basis of the construction of higher vocational counselor performance evaluation factors，this paper proposes a counselor performance comprehensive evaluation method based on artificial neural network，using BP neural network algorithm to achieve the counselor performance comprehensive evaluation of error minimization，improving the quality of the counselor's evaluation，perfect the counselor work performance levels.

artificial neural network，the performance evaluation，higher vocational counselor

TP183；TP301.6

10.3969/j.issn.1672-9722.2017.10.006

Class Number TP183；TP301.6

2017年4月13日，

2017年5月23日

怀化职业技术学院教改研究资助课题项目（编号：YJ15013）；湖南省大学生思想政治教育示范建设项目（编号：15SF09）资助。

陈承贵，男，硕士，副教授，研究方向：电路设计与信号处理。