物流管理创新与实践

导语：物流管理创新与实践一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：本文就高职物流专业学生核心能力评价体系研究现状及存在问题进行了深入分析，并在核心能力评价体系构建基本原则的基础上，建立了基于遗传算法与小波神经网络的高职物流专业学生核心能力评价模型。

关键词：高职学生；物流管理；核心能力；评价体系

随着经济快速发展，我国产业结构转型升级加速，人才竞争日益激烈，加强学生核心能力培养，提升人才培养质量，已成为高职教育必须面对的一个重要课题。而作为强化学生核心能力培养关键环节之一的能力评价体系地研究就显得举足轻重。鉴于此，本文以物流管理专业为切入点，探讨在产业转型升级背景下基于遗传算法和小波神经网络的高职物流管理专业学生核心能力评价体系相关问题。

一高职物流管理专业学生核心能力评价体系构建的必要性

近年来，现代物流业发展成为建立在物联网、大数据、人工智能技术等基础上的高度信息化与数字化、知识与高端技术紧密耦合的创新智慧型产业。在物流产业大跨度转型升级的背景下，高职物流专业学生核心能力培养重心也随之发生变化。评价体系作为学生核心能力培养最重要的环节之一，一方面可以使高职院校进一步明确人才培养目标,全面、科学、准确地对学生核心能力做出评价；另一方面通过构建有针对性地评价指标体系及评价自身地反馈功能，可以准确帮助高职院校厘清学生核心能力培养关键要素，有的放矢，将核心能力地培养动态地贯穿于高职教育全生命周期，有效提高学生岗位地适应能力，强化就业核心竞争力。因而，建立一套科学高效、符合高职教育教学规律和行业需求特点的高职学生核心能力评价体系势在必行。

二高职物流专业学生核心能力评价体系现状及存在问题分析

目前高职物流专业学生核心能力评价地研究主要集中在评价指标体系和评价方法两个层面。颜文华在《高职物流专业学生职业能力评价指标构建研究》一文中提出了以目标层、系统层、要素层和指标层所组成的递阶层次结构的高职物流专业学生职业能力评价指标体系[1]；王浩澂在《高职物流管理专业学生物流基层作业能力评价研究》一文中运用模糊理论层次法提出了能力评价模型和研究方法，并运用该方法对实例进行了考评论证[2]。综上所述，目前在高职学生核心能力评价体系地研究中涌现了很多有建设性思路，也收获了一定的效果。但还普遍存在评价主体过于单一、评价方法主观定性、评价指标设置不科学合理，严重影响了评价效果，制约了高职教育教学改革的步伐和学生核心能力地提升。同时，研究缺乏专业指向性，即便是有针对物流专业地研究，也是寥寥无几，更重要的是没有充分考虑到产业转型升级对物流学生核心能力培养与评价的导向性，因而构建基于产业转型升级背景下的高职物流专业学生核心能力评价体系，对创新高端技能型物流职业人才培养模式、推进职业教育与社会需求紧密衔接、更好地服务于区域经济建设都具有重要的现实意义。

三高职物流专业学生核心能力评价体系构建原则

（一）评价主体多元化，评价过程规范化。核心能力评价体系的构建与完善，应由社会、企业、学校、学生等共同组成多元化评价主体，在客观、科学、开放的评价氛围中，共同制定评价原则、评价方法以及评价指标体系。（二）评价标准应具备职业与创业双轨导向性。评价标准要始终和物流专业人才培养目标紧密结合，以就业和创新创业为导向，既要体现鲜明的职业特色，又要贴近创新创业所需要具备的素质与能力。（三）评价指标体系构建应兼具现实性与发展性。学生核心能力是一个动态发展地过程，在构建评价指标体系时不但要考虑专业技能，还要充分考虑学生踏入社会后的职业适应能力以及职业生涯发生变动时的岗位迁移能力。（四）过程性评价与成果性评价相结合。学生核心能力评价要坚持过程性评价与成果性评价相结合的综合评价模式，通过定性与定量方法，全方位、多角度、深层次对学生核心能力进行全面评价。

四高职物流专业学生核心能力评价模型的构建

（一）高职物流管理专业学生核心能力评价指标体系。笔者在综合考虑核心能力评价指标现实性与发展性相结合的基础上，通过采用问卷调研、召开物流专家访谈会以及对5届高职物流管理专业毕业生持续跟踪调查等方式，最终确定了高职物流管理专业学生三级核心能力评价指标体系。（二）基于遗传算法和小波神经网络的高职物流专。业学生核心能力评价模型的构建本文所采用的小波神经网络结构为一个输入层，输入数据为评价指标体系三级指标，神经元个数为22；一个小波型隐含层，神经元激励函数为Molert小波函数，神经元个数为5；一个线性输出层，输出数据为评价结果，神经元激励函数为Purelin线性函数，神经元个数为1。根据遗传算法的编码方法，本文采用实数编码，初始种群的数目采用试算法确定，选取小波神经网络全局误差平方和的倒数作为遗传算法的适应度函数，选择算子采用基于标准几何分布的排序选择算法，交叉算子采用算术交叉算法，变异算子采用非均匀变异算法，交叉概率与变异概率采用自适应的方法取值；在小波神经网络的参数设置中，网络期望误差目标为0.001，初始学习速率为0.01。[3]笔者在对5届高职物流管理专业毕业生核心能力评价调研数据经过归一化处理后，选择其中的80组数据作为模型的训练样本，用MATLAB工具箱中的神经网络和遗传算法工具箱，在计算机上实现对神经网络的训练学习。经过训练，结合遗传代数与适应度函数值变化曲线及遗传代数与平方和误差值变化曲线，发现当种群数目为50时模型效果相对较好。最后再选择10组数据作为测试样本代入网络进行验证，其均等系数为0.9612；评价体系模型效果较好，证明了所构建的基于遗传算法与小波神经网络的高职物流专业学生核心能力评价模型的正确性与可行性。

五结语

本文构建的基于遗传算法和小波神经网络的高职物流专业学生核心能力评价模型，不但能够进一步深化教育教学改革，有的放矢地夯实学生核心能力，同时能够为各高职院校学生核心能力综合评价研究提供新的思路和方法。

参考文献

[1]颜文华.高职物流专业学生职业能力评价指标构建研究[J].出国与就业:就业版,2012(01):32-33.

[2]王浩澂.高职物流管理专业学生物流基层作业能力评价研究[J].物流科技,2013(07):125-129.

[3]尹清.基于遗传算法与小波神经网络的高速公路服务区规模参数研究[D].长安大学,2009.

[4]罗玫.物流管理专业本科毕业论文质量追踪评价方法[J].教育现代化,2017,4(07):103-104.

作者:尹清 尹靖 单位:1.陕西工商职业学院 2.南京大学金陵学院