楊曉吟

（廈門醫(yī)學(xué)院信息中心 福建省廈門市 361023）

1 引言

隨著大數(shù)據(jù)和人工智能技術(shù)的發(fā)展，醫(yī)學(xué)生綜合素質(zhì)的評價手段普遍得到了提升[1-3]，醫(yī)學(xué)生綜合素質(zhì)與人民的生命和健康息息相關(guān)，因此醫(yī)學(xué)生綜合素質(zhì)的評價成為當(dāng)前醫(yī)學(xué)教育改革的的研究熱點(diǎn)之一[4-6]。

為了獲得理想的醫(yī)學(xué)生綜合素質(zhì)評價結(jié)果 ，提出了基于大數(shù)據(jù)的醫(yī)學(xué)生綜合素質(zhì)評價算法。相較于普通高等教育采用的綜合素質(zhì)評價算法[7-9]，該算法在醫(yī)學(xué)生綜合素質(zhì)評價過程中引入大數(shù)據(jù)技術(shù)，通過數(shù)據(jù)化形式記錄并統(tǒng)計醫(yī)學(xué)生綜合素質(zhì)變化過程，并找到醫(yī)學(xué)生綜合素質(zhì)的相關(guān)影響因素，同時可基于實時數(shù)據(jù)匯總判斷醫(yī)學(xué)生綜合素質(zhì)需求與需調(diào)節(jié)的評價內(nèi)容等[10]?；谶@種匯總、分析醫(yī)學(xué)生綜合素質(zhì)中最真實可靠的數(shù)據(jù)的方式，即可顯示出大數(shù)據(jù)的宏觀掌控性能，同時還可詳細(xì)描述微觀數(shù)據(jù)的分析功能，使醫(yī)學(xué)院校從整體到細(xì)節(jié)均可更好的把握醫(yī)學(xué)生綜合素質(zhì)變化特點(diǎn)，掌握醫(yī)學(xué)生的培養(yǎng)規(guī)律，提升醫(yī)學(xué)教育水平。

2 基于大數(shù)據(jù)的醫(yī)學(xué)生綜合素質(zhì)評價算法

基于大數(shù)據(jù)的醫(yī)學(xué)生綜合素質(zhì)評價方法主要分為三個環(huán)節(jié)：

（1）利用大數(shù)據(jù)中的聚類算法確定哪些因素是影響醫(yī)學(xué)生綜合素質(zhì)的主要影響因素，集合這些主要影響因素構(gòu)建醫(yī)學(xué)生綜合素質(zhì)評價指標(biāo)體系。

（2）根據(jù)所構(gòu)建醫(yī)學(xué)生綜合素質(zhì)評價指標(biāo)體系內(nèi)的各指標(biāo)，采集相關(guān)數(shù)據(jù)，生成醫(yī)學(xué)生綜合素質(zhì)評價的大數(shù)據(jù)集，對醫(yī)學(xué)生綜合素質(zhì)評價大數(shù)據(jù)進(jìn)行融合。

（3）選用約束參量分析法，分析融合后醫(yī)學(xué)生綜合素質(zhì)評價大數(shù)據(jù)的控制變量和解釋變量，實現(xiàn)醫(yī)學(xué)生綜合素質(zhì)的大數(shù)據(jù)評價。

2.1 聚類算法

作為大數(shù)據(jù)中的主要組成部分，聚類分析算法可理解為是一種非監(jiān)督模式識別方法[11-13]。聚類分析算法運(yùn)行過程中，將數(shù)據(jù)對象分為簇，令每一個簇內(nèi)部具有較高一致度，并確保簇與簇之間具有較低一致度。聚類算法在分析數(shù)據(jù)內(nèi)在規(guī)律方面產(chǎn)生關(guān)鍵性影響，聚類過程通過持續(xù)確定距離種子點(diǎn)最近均值的方式完成，圖1所示為聚類算法流程。聚類算法流程總共分為5個環(huán)節(jié)：

（1）用D表示樣本數(shù)據(jù)集，依照實際需求將樣本數(shù)據(jù)D集劃分為k個簇，同時確定k個樣本點(diǎn)，分別設(shè)定k個樣本點(diǎn)值的聚類中心。

（4）再次確定各簇的聚類中心距離。

（5）確定數(shù)據(jù)集D內(nèi)全部點(diǎn)標(biāo)準(zhǔn)差E(t)，并將其同前一次標(biāo)準(zhǔn)差E(t-1)實施對比，若E(t)小于E(t-1)，表示計算過程不收斂，此時需轉(zhuǎn)到（2），相反表示計算過程收斂可結(jié)束。

依據(jù)大數(shù)據(jù)的聚類算法對所采集的醫(yī)學(xué)生綜合素質(zhì)數(shù)據(jù)實施聚類處理，構(gòu)建醫(yī)學(xué)生綜合素質(zhì)評價指標(biāo)體系，如表1所示。

表1：醫(yī)學(xué)生綜合素質(zhì)評價指標(biāo)體系

2.2 大數(shù)據(jù)融合

根據(jù)所構(gòu)建醫(yī)學(xué)生綜合素質(zhì)評價指標(biāo)體系內(nèi)的各指標(biāo)，采集相關(guān)數(shù)據(jù)，生成醫(yī)學(xué)生綜合素質(zhì)評價的大數(shù)據(jù)集，對醫(yī)學(xué)生綜合素質(zhì)評價大數(shù)據(jù)進(jìn)行融合。

用W表示醫(yī)學(xué)生綜合素質(zhì)評價大數(shù)據(jù)的相空間分布，其在本質(zhì)上可定義為醫(yī)學(xué)生綜合素質(zhì)評價的控制矩陣[11]，用n×m表示。構(gòu)建特征分布向量與概率分布函數(shù)，分別用ρq和表示，其中，rkj表示特征系數(shù)，以此實施醫(yī)學(xué)生綜合素質(zhì)評價大數(shù)據(jù)的融合分析。

利用大數(shù)據(jù)中的關(guān)聯(lián)規(guī)則特征提取算法提取醫(yī)學(xué)生綜合素質(zhì)評價大數(shù)據(jù)的關(guān)聯(lián)規(guī)則特征[14]，并構(gòu)建式（1）所示的回歸分析模型對所提取的關(guān)聯(lián)規(guī)則特征數(shù)據(jù)實施回歸分析：

式（1）內(nèi)，ρ和n(t)分別表示醫(yī)學(xué)生綜合素質(zhì)評價指標(biāo)概率分布數(shù)量和干擾項，si(t)表示回歸函數(shù)。

利用式（2）描述構(gòu)建醫(yī)學(xué)生綜合素質(zhì)評價大數(shù)據(jù)識別的模糊隸屬函數(shù)：

根據(jù)上述過程構(gòu)建式（3）所示的醫(yī)學(xué)生綜合素質(zhì)評價大數(shù)據(jù)可融合分解式：

2.3 基于大數(shù)據(jù)的評價方法

利用約束參量分析方法分析醫(yī)學(xué)生綜合素質(zhì)評價大數(shù)據(jù)融合后的控制變量與解釋參量[13]，以此評價醫(yī)學(xué)生綜合素質(zhì)。

設(shè)置醫(yī)學(xué)生綜合素質(zhì)評價大數(shù)據(jù)評價過程中的隱含狀態(tài)和觀測狀態(tài)[15-17]，利用式（4）描述醫(yī)學(xué)生綜合素質(zhì)評價大數(shù)據(jù)的模糊聚斂控制函數(shù)：

式（4）內(nèi)，Mh表示醫(yī)學(xué)生綜合素質(zhì)評價大數(shù)據(jù)傳輸負(fù)載，w1表示隱含數(shù)據(jù)1，w2表示隱含數(shù)據(jù)2，w3表示隱含數(shù)據(jù)3，Hi表示數(shù)據(jù)融合參數(shù)，Si表示控制參量，Vi表示大數(shù)據(jù)的模糊系數(shù)。

利用式（5）描述醫(yī)學(xué)生綜合素質(zhì)評價大數(shù)據(jù)有限數(shù)據(jù)集：

式（5）內(nèi)，ji,i=1,2,…,n和n分別表示醫(yī)學(xué)生綜合素質(zhì)評價大數(shù)據(jù)集合內(nèi)樣本和樣本數(shù)量。

利用式（6）表示醫(yī)學(xué)生綜合素質(zhì)評價的量化特征關(guān)系：

表2：大數(shù)據(jù)的醫(yī)學(xué)生綜合素質(zhì)評價融合效率

通過優(yōu)化后的支持向量機(jī)學(xué)習(xí)模型劃分醫(yī)學(xué)生綜合素質(zhì)評價結(jié)果類別，選取統(tǒng)計平均互信息方法獲取具體評價結(jié)果，式（7）描述醫(yī)學(xué)生綜合素質(zhì)評價的目標(biāo)函數(shù)：

式（7）內(nèi)，w表示醫(yī)學(xué)生綜合素質(zhì)評價的目標(biāo)參數(shù)，C表示醫(yī)學(xué)生綜合素質(zhì)評價的量化比，ξi表示評價前的評價結(jié)果，表示評價后的評價結(jié)果，yi表示統(tǒng)計樣本數(shù)據(jù)，表示醫(yī)學(xué)生綜合素質(zhì)平均評價函數(shù)，b表示關(guān)聯(lián)規(guī)則參數(shù)，ε表示數(shù)據(jù)融合的解釋參量。

基于上述描述即可實現(xiàn)基于大數(shù)據(jù)的醫(yī)學(xué)生綜合素質(zhì)評價線。

3 實例應(yīng)用

實驗為測試本文所研究的基于大數(shù)據(jù)的醫(yī)學(xué)生綜合素質(zhì)評價方法，選取廈門醫(yī)學(xué)院學(xué)生為評價對象，利用本文方法對研究對象醫(yī)學(xué)生綜合素質(zhì)進(jìn)行評估測試，所得測試結(jié)果如下。

3.1 評價效率測試

從大數(shù)據(jù)融合效率與整體評估效率兩方面測試本文方法進(jìn)行醫(yī)學(xué)生綜合素質(zhì)評價的效率。

3.1.1 大數(shù)據(jù)融合效率對比

在不同評價指標(biāo)數(shù)據(jù)量條件下，本文方法大數(shù)據(jù)融合效率測試結(jié)果如表2所示。分析表2得到，采用本文方法進(jìn)行醫(yī)學(xué)生綜合素質(zhì)評價過程中，數(shù)據(jù)融合所需時間隨著數(shù)據(jù)量的提升而提升。在各一級指標(biāo)數(shù)據(jù)量達(dá)到5000個時，本文方法融合各一級指標(biāo)數(shù)據(jù)所需時間均低于900ms。以上數(shù)據(jù)充分說明利用本文方法能夠較快融合各評價指標(biāo)數(shù)據(jù)，利于提升醫(yī)學(xué)生綜合素質(zhì)評價的整體效率。

3.1.2 整體效率測試

整體評價效率測試過程中，選擇RBF神經(jīng)網(wǎng)絡(luò)和層次分析法進(jìn)行對比測試，選擇9個對象作為測試目標(biāo)，本文方法與對比方法整體評價效率測試結(jié)果如圖2所示。分析圖2得到，三種評價方法中，本文方法評價全部評價對象醫(yī)學(xué)生綜合素質(zhì)所用的時間最少，平均時間在1.3s左右。相較于本文方法，層次分析法的評價過程所花費(fèi)的時間最長，平均時間在2.0s；RBF神經(jīng)網(wǎng)絡(luò)的評價過程所花費(fèi)的平均時間約為1.9s。同時由圖1還可發(fā)現(xiàn)，本文方法評價過程中，各評價對象評價過程所花費(fèi)的時間最為穩(wěn)定，由此說明相較于對比方法，本文方法在評價效率方面具有絕對性優(yōu)勢。

圖2：整體效率測試結(jié)果

3.2 評價結(jié)果驗證

通過對比本文方法評價結(jié)果與主觀評價結(jié)果間的等級相關(guān)系數(shù)驗證本文方法評價結(jié)果的可靠性。等級相關(guān)系數(shù)Cij用于描述一種質(zhì)量如何被另一種質(zhì)量所表示的單調(diào)函數(shù)的指標(biāo)，其計算公式：

其中，D表示主觀評價結(jié)果與本文方法評價結(jié)果間的差異度，N表示客觀評價結(jié)果。等級相關(guān)系數(shù)Cij值取值范圍為[0 1]，其值越越接近于1說明本文方法評價結(jié)果越準(zhǔn)確。

表3所示為本文方法對評價對象的評價結(jié)果與主管評價方法間等級相關(guān)系數(shù)計算結(jié)果。分析表3得到，采用本文方法對評價對象的素質(zhì)實施評價，所得評價結(jié)果與主觀評價結(jié)果的等級相關(guān)系數(shù)均高于0.95，平均等級相關(guān)系數(shù)達(dá)到0.97。與本文方法相比，兩種對比方法的平均等級相關(guān)系數(shù)分別下降0.02和0.01。以上實驗結(jié)果說明本文方法的評價結(jié)果更具可靠性。

表3：等級相關(guān)系數(shù)計算結(jié)果

4 結(jié)論

針對當(dāng)前醫(yī)學(xué)生綜合素質(zhì)評價方法存在的缺陷，以提升醫(yī)學(xué)生綜合素質(zhì)評價結(jié)果，提出基于大數(shù)據(jù)的醫(yī)學(xué)生綜合素質(zhì)評價方法，通過收集醫(yī)學(xué)生綜合素質(zhì)評價的相關(guān)數(shù)據(jù)，采用大數(shù)據(jù)分析方法對數(shù)據(jù)實施分析與評價，得到相對準(zhǔn)確有效的醫(yī)學(xué)生綜合素質(zhì)評價結(jié)果。