沈孚，王碩，黃沁

(農(nóng)業(yè)農(nóng)村部南京農(nóng)業(yè)機(jī)械化研究所，南京市，210014)

0 引言

近年來(lái)，隨著農(nóng)業(yè)技術(shù)的飛速發(fā)展，傳統(tǒng)農(nóng)民已經(jīng)無(wú)法應(yīng)對(duì)當(dāng)前的形勢(shì),要破解“三農(nóng)”問(wèn)題關(guān)鍵在農(nóng)民。我國(guó)農(nóng)民存在人口基數(shù)大、學(xué)歷層次水平低、個(gè)體生產(chǎn)技術(shù)能力不足等諸多問(wèn)題，嚴(yán)重阻礙了鄉(xiāng)村振興戰(zhàn)略實(shí)施。然而面對(duì)農(nóng)民群體，抓住“關(guān)鍵少數(shù)”已然成為農(nóng)村區(qū)域發(fā)展的著力點(diǎn)。

2020年中央財(cái)政投入23億元在全國(guó)開(kāi)展高素質(zhì)農(nóng)民培育工作，實(shí)施農(nóng)民培訓(xùn)提質(zhì)增效三年行動(dòng)，高素質(zhì)農(nóng)民教育培訓(xùn)勢(shì)在必行[1]。如何將普通農(nóng)民迅速轉(zhuǎn)變成高素質(zhì)農(nóng)民成為了教育培訓(xùn)的難點(diǎn)，尤其是在突如其來(lái)的疫情之下，線上教育已逐漸成為傳統(tǒng)線下教育的補(bǔ)位與升級(jí)，人們不能集會(huì)、不能見(jiàn)面，線上教育的優(yōu)勢(shì)就更為明顯。通過(guò)農(nóng)民線上教育培訓(xùn)，能夠快速培育高素質(zhì)農(nóng)民，不僅可以解決“誰(shuí)來(lái)種地”“怎么種好地”的難題，還可以讓農(nóng)民中高素質(zhì)群體帶動(dòng)引領(lǐng)農(nóng)業(yè)農(nóng)村發(fā)展。

目前，面向農(nóng)民的教育培訓(xùn)系統(tǒng)還處在起步階段，且缺乏培訓(xùn)效果評(píng)價(jià)這一環(huán)節(jié)，國(guó)內(nèi)外教育行業(yè)的效果評(píng)價(jià)大多數(shù)使用的是CIPP模式即決策型模式的理論框架，對(duì)高素質(zhì)農(nóng)民培訓(xùn)評(píng)價(jià)模型研究現(xiàn)階段主要采用層次分析法和德?tīng)柗品╗2]，由于高素質(zhì)農(nóng)民群體在培訓(xùn)過(guò)程中培訓(xùn)效果影響因素多，需要對(duì)教學(xué)質(zhì)量效果評(píng)價(jià)方法進(jìn)行廣泛的調(diào)研和深入的分析，層次分析法能夠很好的解決此類問(wèn)題。

本文提出了一種基于教學(xué)質(zhì)量評(píng)價(jià)的培訓(xùn)系統(tǒng)，針對(duì)高素質(zhì)農(nóng)民教育培訓(xùn)特點(diǎn)通過(guò)建立教學(xué)質(zhì)量、學(xué)習(xí)效果層次模糊評(píng)價(jià)模型，重點(diǎn)研究評(píng)價(jià)算法，并結(jié)合培訓(xùn)案例給出了互聯(lián)網(wǎng)課程推薦的詳細(xì)設(shè)計(jì)方案及應(yīng)用范圍，對(duì)我國(guó)農(nóng)民整體素質(zhì)提升提供了可靠途徑[3]。

1 高素質(zhì)農(nóng)民教育培訓(xùn)現(xiàn)狀分析

近年來(lái)，針對(duì)高素質(zhì)農(nóng)民教育，很多農(nóng)業(yè)教育培訓(xùn)機(jī)構(gòu)在開(kāi)展培訓(xùn)過(guò)程中會(huì)不定期增加新課程，具體的培訓(xùn)方式和培訓(xùn)內(nèi)容也會(huì)隨著授課群體進(jìn)行適當(dāng)調(diào)整。在新形勢(shì)下，高素質(zhì)農(nóng)民對(duì)于培訓(xùn)的需求也呈現(xiàn)出了不同的特點(diǎn)。第一，培訓(xùn)內(nèi)容趨向多元化。地域性農(nóng)業(yè)發(fā)展特點(diǎn)各不相同[4]。全國(guó)農(nóng)機(jī)化教育培訓(xùn)中心在廣西農(nóng)戶進(jìn)行調(diào)研中發(fā)現(xiàn)，有超過(guò)一半的農(nóng)民希望學(xué)到一些新型農(nóng)業(yè)機(jī)械化種植與收獲的技術(shù)方法。例如，經(jīng)濟(jì)作物或是果樹(shù)等。還有一部分農(nóng)民希望能夠?qū)W習(xí)農(nóng)產(chǎn)品加工的技術(shù)方法，例如，糧食、蔬菜加工。第二，培訓(xùn)需求存在差異性[5]。部分中青年農(nóng)民希望學(xué)習(xí)提升技能，考取相關(guān)職業(yè)資格證書(shū)。部分新型職業(yè)農(nóng)民，響應(yīng)國(guó)家創(chuàng)新創(chuàng)業(yè)號(hào)召，希望能夠返鄉(xiāng)留鄉(xiāng)，利用自身所學(xué)將經(jīng)驗(yàn)和技術(shù)用于當(dāng)?shù)貏?chuàng)業(yè)。由于對(duì)當(dāng)?shù)剞r(nóng)業(yè)結(jié)構(gòu)及政策缺乏深入了解，導(dǎo)致項(xiàng)目遲遲無(wú)法落地。另外一部分是最容易忽視年齡較大的留守農(nóng)民，主要是進(jìn)行農(nóng)作物耕作與農(nóng)產(chǎn)品生產(chǎn)。雖然能夠積極參加培訓(xùn)，但是學(xué)習(xí)能力不強(qiáng)，培訓(xùn)周期意愿弱，新型種植方式與機(jī)械化技術(shù)接受度低。第三，培訓(xùn)方式的多元化。面授課是絕大多數(shù)農(nóng)民最喜歡的授課方式。但在農(nóng)忙時(shí)節(jié)，也需要增加一些短期的培訓(xùn)，或是線上培訓(xùn)方式。有時(shí)還希望能夠邀請(qǐng)專家實(shí)地指導(dǎo)，開(kāi)展現(xiàn)場(chǎng)培訓(xùn)。

1.1 高素質(zhì)農(nóng)民培訓(xùn)人群特征

根據(jù)2020年全國(guó)高素質(zhì)農(nóng)民發(fā)展報(bào)告統(tǒng)計(jì)，國(guó)家農(nóng)民教育培訓(xùn)專項(xiàng)工程基本覆蓋所有農(nóng)業(yè)縣，重點(diǎn)開(kāi)展農(nóng)業(yè)經(jīng)理人、新型農(nóng)業(yè)經(jīng)營(yíng)主體帶頭人、現(xiàn)代創(chuàng)業(yè)創(chuàng)新青年和農(nóng)業(yè)產(chǎn)業(yè)精準(zhǔn)扶貧培訓(xùn)，共培養(yǎng)高素質(zhì)農(nóng)民約93萬(wàn)人[6]。其中《報(bào)告》顯示的數(shù)據(jù)中全國(guó)高素質(zhì)農(nóng)民人群發(fā)展呈現(xiàn)了不同的特征。一是高素質(zhì)農(nóng)民隊(duì)伍質(zhì)量結(jié)構(gòu)不斷優(yōu)化[5]。受教育程度相對(duì)較高，年齡相對(duì)年輕，是高素質(zhì)農(nóng)民隊(duì)伍的典型特征，有近70%的高素質(zhì)農(nóng)民年齡在36～54歲之間，45%的高素質(zhì)農(nóng)民受教育程度為高中及以上，約20%的高素質(zhì)農(nóng)民正在接受學(xué)歷教育。二是地域之間高素質(zhì)農(nóng)民隊(duì)伍素質(zhì)存在差異。由于東部地區(qū)因經(jīng)濟(jì)產(chǎn)業(yè)發(fā)展發(fā)達(dá)，高素質(zhì)隊(duì)伍優(yōu)勢(shì)明顯，東北地區(qū)的高素質(zhì)隊(duì)伍發(fā)展和示范帶動(dòng)相對(duì)較弱，西部地區(qū)高素質(zhì)隊(duì)伍相對(duì)滯后。三是學(xué)員來(lái)源類別均衡。近年來(lái)，全國(guó)有90%以上高素質(zhì)農(nóng)民從業(yè)時(shí)間在5年以上，并接受了農(nóng)業(yè)相關(guān)培訓(xùn)，農(nóng)業(yè)生產(chǎn)經(jīng)營(yíng)經(jīng)驗(yàn)豐富，其中近50%的高素質(zhì)農(nóng)民為新生力量，進(jìn)城務(wù)工返鄉(xiāng)人員和大中專畢業(yè)生比例大幅增加，高素質(zhì)農(nóng)民后備力量較為充足。

1.2 培訓(xùn)質(zhì)量評(píng)價(jià)模式及作用

關(guān)于培訓(xùn)效果評(píng)價(jià)的理論模式多種多樣，本文根據(jù)高素質(zhì)農(nóng)民教育培訓(xùn)的學(xué)員分類及學(xué)歷特點(diǎn)，以授課專家和學(xué)員為中心，構(gòu)建了培訓(xùn)、評(píng)價(jià)、跟蹤反饋一體化的教育培訓(xùn)全過(guò)程評(píng)價(jià)模式，用作具體效果評(píng)價(jià)的理論框架，如圖1所示。

圖1 培訓(xùn)效果評(píng)價(jià)理論框架圖Fig.1 Frame diagram of training evaluation

這個(gè)模式表示反映了培訓(xùn)總體目標(biāo)—培訓(xùn)活動(dòng)—培訓(xùn)跟蹤反饋過(guò)程，強(qiáng)調(diào)了對(duì)培訓(xùn)質(zhì)量的形成性評(píng)價(jià)，同時(shí)注重培訓(xùn)質(zhì)量評(píng)價(jià)的及時(shí)跟蹤、反饋以及調(diào)整功能。培訓(xùn)質(zhì)量評(píng)價(jià)主要以專家及培訓(xùn)活動(dòng)為主要評(píng)價(jià)對(duì)象，突出在教學(xué)活動(dòng)方面的課程質(zhì)量的評(píng)價(jià)。通過(guò)對(duì)此方面評(píng)價(jià)促進(jìn)專家自身發(fā)展及授課質(zhì)量的提高，并對(duì)專家的授課做出質(zhì)量上的評(píng)定，以用作培訓(xùn)內(nèi)容效果考評(píng)的依據(jù)。培訓(xùn)跟蹤分析以學(xué)生及培訓(xùn)活動(dòng)為主要評(píng)價(jià)對(duì)象，突出的是學(xué)習(xí)過(guò)程的質(zhì)量的評(píng)價(jià)。評(píng)價(jià)的目的是以實(shí)現(xiàn)培訓(xùn)目標(biāo)為宗旨，注重學(xué)員在培訓(xùn)過(guò)程中的最終培訓(xùn)成果質(zhì)量上的評(píng)定，并對(duì)培訓(xùn)工作能夠作出積極的反饋。

2 綜合評(píng)價(jià)模型

基于層次式模糊評(píng)價(jià)模型，具體算法過(guò)程描述如圖2所示。

圖2 層次式模糊評(píng)價(jià)算法流程圖Fig.2 Flow charts of hierarchical fuzzy evaluation

培訓(xùn)質(zhì)量評(píng)價(jià)是一個(gè)多層次、多目標(biāo)的問(wèn)題，評(píng)價(jià)指標(biāo)涉及的內(nèi)容寬泛，其中評(píng)價(jià)因子受評(píng)價(jià)者主觀因素影響較大，故本文采用了分層次的模糊綜合評(píng)價(jià)[6]模型。通過(guò)對(duì)評(píng)價(jià)過(guò)程的非線性特點(diǎn)分析，運(yùn)用模糊算法用于培訓(xùn)系統(tǒng)中，將非線性的變論域進(jìn)行綜合量化，從而得出模糊評(píng)價(jià)結(jié)果。

針對(duì)復(fù)雜評(píng)價(jià)多因子的情況，我們對(duì)于這類評(píng)價(jià)因子分層次問(wèn)題，可以分別進(jìn)行綜合評(píng)價(jià)，即先對(duì)低層次評(píng)價(jià)因子進(jìn)行綜合評(píng)價(jià)后再對(duì)高一級(jí)的評(píng)價(jià)因子進(jìn)行綜合，最終至最高層。現(xiàn)將二級(jí)模糊綜合評(píng)價(jià)算法評(píng)價(jià)因子A是由若干評(píng)價(jià)因子集組成，即A={B1，B2，…,Bk},其中Ai={b1(i),b2(i),…,bni(i)},i=1,2,3,…,k。設(shè)Ai∩Aj=Φ，i≠j，i，j∈{1，2，…,K}。我們稱Ai為第一級(jí)評(píng)價(jià)因子，b1(i),b2(i),…,bni(i)為第二級(jí)評(píng)價(jià)因子集，i=1,2,3,…,k。

3 實(shí)例化應(yīng)用

3.1 建立培訓(xùn)效果評(píng)價(jià)指標(biāo)

本系統(tǒng)的效果評(píng)價(jià)指標(biāo)主要包含：培訓(xùn)態(tài)度、培訓(xùn)內(nèi)容、培訓(xùn)方法、培訓(xùn)效果等，同時(shí)選取13個(gè)評(píng)價(jià)指標(biāo)，要求學(xué)員以四個(gè)等級(jí)(很好，較好，一般，較差)選擇評(píng)價(jià)，主要依據(jù)某A農(nóng)機(jī)化教育培訓(xùn)中心《高素質(zhì)農(nóng)民培訓(xùn)手冊(cè)》，同時(shí)參考了新型職業(yè)農(nóng)民培訓(xùn)效能評(píng)價(jià)模型研究的部分指標(biāo)，并歸納了國(guó)內(nèi)新型農(nóng)民培訓(xùn)效果影響因素，結(jié)合多年來(lái)培訓(xùn)中心實(shí)際需求，按照層次模糊評(píng)價(jià)規(guī)則，我們?cè)O(shè)計(jì)了培訓(xùn)質(zhì)量評(píng)價(jià)表，如表1所示。

表1 培訓(xùn)質(zhì)量評(píng)價(jià)表Tab.1 Training quality evaluation lis

3.2 建立培訓(xùn)質(zhì)量評(píng)價(jià)因子模型

依據(jù)層次分析方法，我們用集合A表示學(xué)員對(duì)培訓(xùn)質(zhì)量評(píng)價(jià)，并分解為三個(gè)層次如圖3所示，A={B1，B2，B3，B4}，其中培訓(xùn)態(tài)度B1={B11，B12，B13}，培訓(xùn)內(nèi)容B2={B21,B22,B23,B24},培訓(xùn)方法B3={B31,B32,B33,B34}，培訓(xùn)效果B4={B41,B42}，Bi(i=11,12,13,21,22,23,24,31,32,33,34,41,42)為評(píng)價(jià)指標(biāo)。在層次評(píng)價(jià)因子中，通過(guò)對(duì)B1、B2、B3、B4中的因子進(jìn)行最低層次的模糊綜合評(píng)價(jià)后，再將上一層的評(píng)價(jià)矩陣對(duì)上一層進(jìn)行模糊綜合評(píng)價(jià)，最終得到評(píng)價(jià)結(jié)果。

圖3 培訓(xùn)質(zhì)量評(píng)價(jià)體系層次結(jié)構(gòu)圖Fig.3 Hierarchy diagram of training quality evaluation system

3.3 權(quán)重的分布依據(jù)

為了驗(yàn)證指標(biāo)之間權(quán)重的分布，我們依據(jù)Satty提出的1～9標(biāo)度法，假定評(píng)價(jià)目標(biāo)為A，A包含的j個(gè)元素，同時(shí)根據(jù)咨詢專家意見(jiàn)評(píng)價(jià)，通過(guò)元素間兩兩比較的重要性，構(gòu)造比較矩陣，既判斷矩陣。為了驗(yàn)證指標(biāo)權(quán)重的真實(shí)性，使權(quán)重能夠客觀的反應(yīng)評(píng)價(jià)指標(biāo)的真實(shí)性，需要對(duì)判斷矩陣進(jìn)行一致性檢驗(yàn)，其中一致性比例CR的值小于0.1時(shí)，說(shuō)明構(gòu)造的判斷矩陣的權(quán)重?zé)o需修改。

3.4 權(quán)向量計(jì)算

3.5 模型應(yīng)用

根據(jù)影響程度集E=(E1,E2,E3,E4)，設(shè)立評(píng)價(jià)結(jié)果集T={t1,t2,t3,t4}={很好、較好、一般、較差}，并選取了某農(nóng)機(jī)化教育培訓(xùn)中心30名學(xué)員現(xiàn)場(chǎng)培訓(xùn)質(zhì)量評(píng)價(jià)測(cè)試的結(jié)果，如表2所示。

表2 培訓(xùn)質(zhì)量評(píng)價(jià)結(jié)果統(tǒng)計(jì)表Tab.2 Training quality evaluation results statistics list

根據(jù)表1評(píng)價(jià)結(jié)果，對(duì)結(jié)果進(jìn)行歸一化處理，分別得到模糊評(píng)價(jià)結(jié)果如表3所示。根據(jù)所在評(píng)價(jià)結(jié)果表的數(shù)據(jù)我們可以發(fā)現(xiàn)，學(xué)員對(duì)整體培訓(xùn)質(zhì)量效果滿意，很好與較好的占比大，一般與較差占比幾乎沒(méi)有，符合培訓(xùn)過(guò)程評(píng)價(jià)中的實(shí)際情況。

表3 培訓(xùn)質(zhì)量模糊評(píng)價(jià)結(jié)果表Tab.3 Training quality fuzzy evaluation results list

4 系統(tǒng)課程推薦案例的實(shí)現(xiàn)

本系統(tǒng)通過(guò)學(xué)員對(duì)培訓(xùn)整體課程綜合評(píng)分實(shí)現(xiàn)在線課程的有效推薦，基于課程的協(xié)同過(guò)濾算法[7]，能夠?qū)崟r(shí)對(duì)在線培訓(xùn)中所有課程進(jìn)行優(yōu)先排序，利用新課程與舊課程共性評(píng)分，將其關(guān)聯(lián)讓學(xué)員們得到最感興趣的推薦課程。

4.1 基于課程與學(xué)員的協(xié)同過(guò)濾推薦算法設(shè)計(jì)

首先需要根據(jù)學(xué)員對(duì)培訓(xùn)課程質(zhì)量評(píng)價(jià)評(píng)分，并構(gòu)建學(xué)員—培訓(xùn)課程評(píng)分矩陣，根據(jù)學(xué)員培訓(xùn)課程評(píng)分矩陣進(jìn)行用戶聚類，由于聚類算法的計(jì)算周期長(zhǎng)，本系統(tǒng)聚類算法的初始中心點(diǎn)選擇采用隨機(jī)數(shù)組選擇，隨機(jī)數(shù)組選擇對(duì)聚類結(jié)果有一定的影響，每次聚類結(jié)果都不同，同時(shí)參數(shù)的調(diào)整也會(huì)影響聚類結(jié)果，最優(yōu)聚類結(jié)果，可通過(guò)定義JunitTest類進(jìn)行debug測(cè)試，用戶在系統(tǒng)首頁(yè)輸入用戶id，然后首先找到該用戶所在的聚類中的簇，將簇中所有用戶點(diǎn)構(gòu)建成用戶-課程評(píng)分矩陣，同時(shí)基于學(xué)員之間相似性計(jì)算[8]，將當(dāng)前用戶的信任用戶填充進(jìn)用戶-課程評(píng)分矩陣，并填充當(dāng)前用戶的評(píng)分?jǐn)?shù)據(jù)，如果信任用戶對(duì)相同課程有評(píng)分，則不填充該課程評(píng)分，這樣操作保證了用戶與信任用戶之間會(huì)有較高相似度[9]，最后根據(jù)用戶-課程評(píng)分矩陣計(jì)算當(dāng)前用戶的最近鄰用戶進(jìn)行推薦。具體工作原理如圖4所示。

圖4 推薦算法工作原理流程圖Fig.4 Flow charts of recommendation algorithm operating principle

4.2 課程推薦功能模塊的實(shí)現(xiàn)

課程推薦模塊包含了課程評(píng)分以及課程首頁(yè)瀏覽功能，通過(guò)統(tǒng)計(jì)在線所有學(xué)員對(duì)某個(gè)課程的閱讀量和單個(gè)學(xué)員對(duì)課程的評(píng)分集合，分別從課程閱讀表、課程評(píng)分表的數(shù)據(jù)庫(kù)中篩選一個(gè)月內(nèi)的數(shù)據(jù)，進(jìn)行課程閱讀相似矩陣構(gòu)建和學(xué)員對(duì)課程的評(píng)分矩陣構(gòu)建[10]，在構(gòu)建課程閱讀相似矩陣的同時(shí)，通過(guò)計(jì)算兩個(gè)課程的余弦相似度得出，于是需要構(gòu)建每個(gè)課程在所有學(xué)員中的評(píng)分矩陣[11]。

這里采用的方法是：如果兩個(gè)課程同時(shí)出現(xiàn)在某個(gè)學(xué)員的評(píng)分矩陣中，則計(jì)數(shù)加1，例如，課程1和課程2同時(shí)出現(xiàn)在同一矩陣中，因此課程1和課程2的相似度計(jì)為3，依次類推得出整個(gè)相似度矩陣，這個(gè)矩陣是一個(gè)對(duì)稱矩陣。為了更加客觀地評(píng)價(jià)，該系統(tǒng)中也設(shè)定了權(quán)重值，最終的相似度均需乘以相應(yīng)的權(quán)重值[12]。圖5包含了系統(tǒng)課程推薦功能實(shí)現(xiàn)的流程。

圖5 培訓(xùn)課程推薦功能實(shí)現(xiàn)流程圖Fig.5 Flow chart of training course recommendation function implementation

通過(guò)計(jì)算權(quán)重值排序如表4，將數(shù)組similarityMatrix所排序的值反饋給前臺(tái)推薦頁(yè)面，具體頁(yè)面顯示如圖6，通過(guò)學(xué)員的刷新可以自主顯示8個(gè)最感興趣的課程。

表4 系統(tǒng)課程評(píng)分權(quán)重排序表Tab.4 System course scoring weight sorting lis

圖6 系統(tǒng)推薦頁(yè)面Fig.6 System recommendation page

我們這里主要采用的是KMeans聚類方法[13]，通過(guò)構(gòu)建隨機(jī)多個(gè)聚類中心和學(xué)員的實(shí)體類，循環(huán)每個(gè)學(xué)員課程評(píng)分，閱讀量，找出每個(gè)用戶與聚類中心的距離，取相似度最高的前10個(gè)學(xué)員，組成相似學(xué)員的集合對(duì)Map按值進(jìn)行排序[14]，然后找到目標(biāo)學(xué)員所在的簇，用簇中的課程評(píng)分或者用戶進(jìn)行推薦，然后將推薦的結(jié)果根據(jù)權(quán)重進(jìn)行平均加權(quán)求和[15]，再分別計(jì)算不同操作行為的學(xué)員或者課程的相似度，將相似度進(jìn)行加權(quán)求和，然后再進(jìn)行最后的推薦。

5 結(jié)論

本文詳細(xì)闡述了基于層次模糊評(píng)價(jià)的高素質(zhì)農(nóng)民培訓(xùn)質(zhì)量評(píng)價(jià)建模過(guò)程，通過(guò)對(duì)協(xié)同過(guò)濾算法進(jìn)一步分析和設(shè)計(jì)后，最終實(shí)現(xiàn)了培訓(xùn)課程推薦功能及應(yīng)用，技術(shù)研究具有如下優(yōu)點(diǎn)：(1)層次模糊評(píng)價(jià)模型能夠很好的反應(yīng)高素質(zhì)農(nóng)民在日常培訓(xùn)課程中反饋的客觀性，通過(guò)系統(tǒng)可以全面了解培訓(xùn)課程的優(yōu)缺點(diǎn)，起到彌補(bǔ)不足的作用。(2)基于學(xué)員課程評(píng)分的協(xié)同過(guò)濾算法的設(shè)計(jì)，應(yīng)用于培訓(xùn)課程推薦中，能夠精準(zhǔn)推送給學(xué)員，極大的滿足了培訓(xùn)班學(xué)員個(gè)性化需求。(3)利用信息化手段解決了培訓(xùn)課程推薦推廣，加快推動(dòng)了高素質(zhì)農(nóng)民培訓(xùn)進(jìn)度，快速提高了學(xué)員的培訓(xùn)效率，促使高素質(zhì)農(nóng)民培訓(xùn)又好又快發(fā)展。