基于贝叶斯网络的高校教师绩效管理评价方法

[摘  要]我国高校教师绩效管理体系评价领域具有缺乏坚实理论基础、评级指标欠科学的问题。本文提出了基于模糊贝叶斯网络的高校教师绩效管理体系的评价方法，运用模糊数学和概率推理方法构建教师绩效管理体系贝叶斯网络模型，实现对高校教师绩效管理体系水平的量化评价，并利用贝叶斯网络的后验功能预测了高校教师绩效管理体系关键考核指标。

[关键词]高校教师  绩效管理体系  贝叶斯网络  评价方法

近年来，国内高校纷纷通过人事制度改革，除了采用传统的学术标准外，还采用了商业性导向的绩效评价测量，激发教师的潜能，达到深度开发和使用智力资源的目的。目前，我国高校教师绩效管理体系评价领域的理论研究和实践还存在不足，因此关注高校教师绩效管理体系的研究，打破高校传统僵化的评价体系具有重要意义。本文提出了基于模糊贝叶斯网络的高校教师绩效管理体系，运用模糊数学和概率推理方法构建教师绩效管理体系贝叶斯评价网络模型，实现对高校教师绩效管理体系水平的量化评价。

理论支撑

1.模糊理论

模糊数学是一种对模糊事件进行研究和处理的方法，能有效地解决现实中边界不明确，难以确切表述的问题。模糊集合的定义为，设X为论域，论域X到[0，1]的一个映射为[A]，即[A]：x[→][0，1]，X[→][A][（x）]，则[A]在论域X上的模糊集合隶属度函数就是[A][（x）]，元素x是模糊集合的隶属度。当[A][（x）]越大时，就说明x更加符合模糊集合。

为了应对模糊系统事件以及缺乏准确数据的基本事件，可利用人们使用的语言变量代替数值描述的变量，即自然语言变量。非常高、高、偏高、中等、偏低、低和非常低是本文引用的7个自然语言变量。

2.模糊贝叶斯网络

贝叶斯网络（Bayesian Networks，简称BN）又称信念网络，是基于概率推理的图形数据模型。BN将原因与结果联系起来的复杂因果链分解为明确的条件关系，也可以通过更新某些变量的信息来丰富本身的网络，并获得其他节点更新后的概率，概率传播的准确性取决于构建信念网络的推理算法。当网络的子节点产生概率变化时，根据贝叶斯总概率公式：从数据或其他改进算法中恢复贝叶斯网络结构的算法，以估计网络根节点的新概率，然后进行分析和比较，其中，A是根节点i的状态，B是子节点j的状态，||A||是节点的总数。

模糊贝叶斯网络就是在已有的贝叶斯网络基础上将有关模糊集理论知识引入其中，即将贝叶斯网络中的节点变量利用模糊集理论知识转化为模糊节点变量，以解决不确定、多态以及模糊的问题。运用模糊贝叶斯网络可实现对不确定的、多态的事件记性进行预测、诊断、关联分析、混合推理。本文将运用模糊贝叶斯网络构建高校教师管理体系的评价模型。

构建绩效管理体系的贝叶斯评价网络

1.绩效管理体系的评价指标

高校教师工作绩效的管理体系是把握教师个人素质发展方向和提升学校培养水平的重要驱动力，因此高校教师绩效考核管理体系是一个复杂的系统工程，其管理体系及方法需重点考虑教师群体的职业特点，不能仅遵循行政管理体系或企业管理体系的机制，应确立符合学科特点、关注师生发展、体制清晰但灵活的高校教师绩效管理体系。

雖然绩效管理体系需要各高校各学院根据自身发展特点设定，但均需遵循SMART原则，主要内容为：明确具体（Specific）原则，对教师工作绩效的考核指标体系应尽量明确而具体；可量化（Measurable）原则，该考核指标体系应是可明确权衡和量化的；可实现（Attainable）原则，该考核指标体系应是可达到的而非触不可及的；相关性（Relevant）原则，该考核指标体系之间应具有相关性；时限性（Time-bound）原则，该考核指标体系应具有明确的截止期限。

本文从多个维度解析了高校教师工作绩效管理体系的评价指标，构建了高校教师工作绩效管理体系的评价结构。该管理体系的评价结构分为三个层级：第一层级为高校教师工作绩效管理体系的评价量化值；第二层级包括绩效体系的全面性、绩效体系的压力源、绩效体系的宣传与沟通、绩效考核的实施、绩效反馈机制、绩效改进机制、绩效考核结果的应用、绩效体系的更新这八个中层指标；第三层级包括八个中层指标下的多个细分指标。

2.构建绩效管理体系的贝叶斯评价网络

贝叶斯网络是由多个可变节点和连接这些节点的有向边组成的网络图，节点表示随机变量，有向边从父节点指向子节点表示父节点影响子节点的概率，子节点可由一个或多个父节点引起，最终与代表根本原因的根节点联系，建立高校教师绩效管理体系的贝叶斯评价网络首先要建立绩效管理体系的评价指标结构。本文将高校教师工作绩效管理体系的评价量化值作为贝叶斯网络的目标节点；将包括绩效体系的全面性、压力源、宣传与沟通，绩效考核的实施、绩效反馈机制、绩效改进机制、绩效考核结果的应用、绩效体系的更新这八个中层指标作为贝叶斯网络的中间节点；将八个中层指标下的多个细分指标作为贝叶斯网络的根节点。

建立绩效管理体系的评价指标结构是构建贝叶斯网络评价模型的基础，之后需要分析指标因素之间的影响关系并建立有向边形成网络框架，然后通过估计根节点的概率，推论整个网络的条件概率表。根节点先验概率的数据来源于专家意见，并通过专家评价获取根节点与中间节点、中间节点与目标节点的条件概率值。

算例验证

1.贝叶斯网络的先验概率

本文以A高校M学院的教师绩效管理体系为研究案例，运用所构建的高校教师绩效管理体系的贝叶斯网络评价模型推理该学院教师绩效管理体系的量化评价值。贝叶斯网络的根节点运用问卷调查的方式邀请7位相关管理学科的专家对节点的概率进行评价。但评判的结果均为模糊语言，无法将各指标进行具体数值衡量，而且绩效管理体系的贝叶斯网络评价模型的诊断属于模糊理论范畴，很难进行精确计算。因此本文将对根节点引用相关的语言评价等级来描述，将引用“非常高、高、偏高、中、偏低、低、非常低”这七个自然语义变量衡量根节点指标的水平值。为了将模糊的自然语言变量转化为数据指标，在此将三角模糊数与自然变量进行对应，以便将模糊属性量化。

下限、中间的可能值和上限是模糊数的基本组成部分，假设A是绩效管理体系评价的隶属集，a、b是三角模糊数的上限和下限，k为A的隶属度是1时的取值。那么三角模糊数A可表示为=（a，k，b），它的隶属函数表达式如下：

其中，[ka，bk]，a、b代表模糊的程度，当a和b之间的差距越大，就表示他们之间的模糊程度越大。随后将问卷收集到的模糊语言评价通过均值化和解模糊计算出所有根节点的先验概率值。

2.贝叶斯网络推理

依据根节点的先验概率值与模糊全概率计算公式，可求取中间节点和目标节点的先验概率值，即可推理出该学院教师绩效管理体系的量化评价值，获得该学院教师绩效管理体系水平。将根节点的先验概率值输入至GeNIe软件中所构建的高校教师绩效管理体系的贝叶斯网络评价模型中。驱动模型后即可推理出评价网络中八个中间指标的先验概率值如表1所示，以及M学院高校教师绩效管理体系的评价值，如图1所示。

由图1可知，A高校M学院的教师绩效管理体系的评价值为0.702，大于标准值0.671（当根节点均为0.6时推理出的目标节点值），表明该学院教师绩效管理体系的水平较高。

3.贝叶斯网络诊断

贝叶斯网络不仅可以推理出高校教师绩效管理体系的评价值，还可以运用其后验推理能力对绩效管理体系的关键性细分指标进行预测，对指导改进教师绩效管理体系具有重要作用。若将高校教师绩效管理体系的贝叶斯网络评价模型中的根节点假设为F=1，则表示高校教師绩效管理体系的评价最高值事件发生。然后利用GeNIe软件的逆向自动推理功能驱动贝叶斯网络模型，可获得每个细分指标的贝叶斯后验概率值。基于后验概率分析可以预测高校教师绩效管理体系中关键性细分指标，以优化高校教师绩效管理体系。

由贝叶斯后验概率值可知，“教学能力”“学术科研”“较小的绩效压力”“较小的时间压力”四个细分指标的后验概率值较大，均大于0.62，表明四个细分指标在高校教师绩效管理体系中的重要度较高，对绩效管理体系的量化评价值的影响度较大，所以将这四个细分指标视为关键性细分指标。绩效管理人员或人力资源管理人员应加强这四个关键性细分指标的考核内容设定与实施方式，对提高整体高校教师绩效管理体系水平具有重要影响作用。

参考文献：

[1]李业昆.绩效管理系统研究[M].北京：华夏出版社，2007.

[2]林杰，吴亚丽.普通高校专任教师职业发展的需求及影响因素分析——基于北京地区高校的抽样调查[J].教育学报，2011，7（3）：92-104.

[3]宋永涛，苏秦.基于贝叶斯网络的质量管理实践对绩效的影响评价[J].系统工程理论与实践，2011，31（8）：1440-1446.

（乔彩燕：西北工业大学管理学院）