[摘? 要]我國高校教師績效管理體系評價領域具有缺乏堅實理論基礎、評級指標欠科學的問題。本文提出了基于模糊貝葉斯網絡的高校教師績效管理體系的評價方法，運用模糊數(shù)學和概率推理方法構建教師績效管理體系貝葉斯網絡模型，實現(xiàn)對高校教師績效管理體系水平的量化評價，并利用貝葉斯網絡的后驗功能預測了高校教師績效管理體系關鍵考核指標。

[關鍵詞]高校教師? 績效管理體系? 貝葉斯網絡? 評價方法

近年來，國內高校紛紛通過人事制度改革，除了采用傳統(tǒng)的學術標準外，還采用了商業(yè)性導向的績效評價測量，激發(fā)教師的潛能，達到深度開發(fā)和使用智力資源的目的。目前，我國高校教師績效管理體系評價領域的理論研究和實踐還存在不足，因此關注高校教師績效管理體系的研究，打破高校傳統(tǒng)僵化的評價體系具有重要意義。本文提出了基于模糊貝葉斯網絡的高校教師績效管理體系，運用模糊數(shù)學和概率推理方法構建教師績效管理體系貝葉斯評價網絡模型，實現(xiàn)對高校教師績效管理體系水平的量化評價。

理論支撐

1.模糊理論

模糊數(shù)學是一種對模糊事件進行研究和處理的方法，能有效地解決現(xiàn)實中邊界不明確，難以確切表述的問題。模糊集合的定義為，設X為論域，論域X到[0，1]的一個映射為[A]，即[A]：x[→][0，1]，X[→][A][（x）]，則[A]在論域X上的模糊集合隸屬度函數(shù)就是[A][（x）]，元素x是模糊集合的隸屬度。當[A][（x）]越大時，就說明x更加符合模糊集合。

為了應對模糊系統(tǒng)事件以及缺乏準確數(shù)據的基本事件，可利用人們使用的語言變量代替數(shù)值描述的變量，即自然語言變量。非常高、高、偏高、中等、偏低、低和非常低是本文引用的7個自然語言變量。

2.模糊貝葉斯網絡

貝葉斯網絡（Bayesian Networks，簡稱BN）又稱信念網絡，是基于概率推理的圖形數(shù)據模型。BN將原因與結果聯(lián)系起來的復雜因果鏈分解為明確的條件關系，也可以通過更新某些變量的信息來豐富本身的網絡，并獲得其他節(jié)點更新后的概率，概率傳播的準確性取決于構建信念網絡的推理算法。當網絡的子節(jié)點產生概率變化時，根據貝葉斯總概率公式：從數(shù)據或其他改進算法中恢復貝葉斯網絡結構的算法，以估計網絡根節(jié)點的新概率，然后進行分析和比較，其中，A是根節(jié)點i的狀態(tài)，B是子節(jié)點j的狀態(tài)，||A||是節(jié)點的總數(shù)。

模糊貝葉斯網絡就是在已有的貝葉斯網絡基礎上將有關模糊集理論知識引入其中，即將貝葉斯網絡中的節(jié)點變量利用模糊集理論知識轉化為模糊節(jié)點變量，以解決不確定、多態(tài)以及模糊的問題。運用模糊貝葉斯網絡可實現(xiàn)對不確定的、多態(tài)的事件記性進行預測、診斷、關聯(lián)分析、混合推理。本文將運用模糊貝葉斯網絡構建高校教師管理體系的評價模型。

構建績效管理體系的貝葉斯評價網絡

1.績效管理體系的評價指標

高校教師工作績效的管理體系是把握教師個人素質發(fā)展方向和提升學校培養(yǎng)水平的重要驅動力，因此高校教師績效考核管理體系是一個復雜的系統(tǒng)工程，其管理體系及方法需重點考慮教師群體的職業(yè)特點，不能僅遵循行政管理體系或企業(yè)管理體系的機制，應確立符合學科特點、關注師生發(fā)展、體制清晰但靈活的高校教師績效管理體系。

雖然績效管理體系需要各高校各學院根據自身發(fā)展特點設定，但均需遵循SMART原則，主要內容為：明確具體（Specific）原則，對教師工作績效的考核指標體系應盡量明確而具體；可量化（Measurable）原則，該考核指標體系應是可明確權衡和量化的；可實現(xiàn)（Attainable）原則，該考核指標體系應是可達到的而非觸不可及的；相關性（Relevant）原則，該考核指標體系之間應具有相關性；時限性（Time-bound）原則，該考核指標體系應具有明確的截止期限。

本文從多個維度解析了高校教師工作績效管理體系的評價指標，構建了高校教師工作績效管理體系的評價結構。該管理體系的評價結構分為三個層級：第一層級為高校教師工作績效管理體系的評價量化值；第二層級包括績效體系的全面性、績效體系的壓力源、績效體系的宣傳與溝通、績效考核的實施、績效反饋機制、績效改進機制、績效考核結果的應用、績效體系的更新這八個中層指標；第三層級包括八個中層指標下的多個細分指標。

2.構建績效管理體系的貝葉斯評價網絡

貝葉斯網絡是由多個可變節(jié)點和連接這些節(jié)點的有向邊組成的網絡圖，節(jié)點表示隨機變量，有向邊從父節(jié)點指向子節(jié)點表示父節(jié)點影響子節(jié)點的概率，子節(jié)點可由一個或多個父節(jié)點引起，最終與代表根本原因的根節(jié)點聯(lián)系，建立高校教師績效管理體系的貝葉斯評價網絡首先要建立績效管理體系的評價指標結構。本文將高校教師工作績效管理體系的評價量化值作為貝葉斯網絡的目標節(jié)點；將包括績效體系的全面性、壓力源、宣傳與溝通，績效考核的實施、績效反饋機制、績效改進機制、績效考核結果的應用、績效體系的更新這八個中層指標作為貝葉斯網絡的中間節(jié)點；將八個中層指標下的多個細分指標作為貝葉斯網絡的根節(jié)點。

建立績效管理體系的評價指標結構是構建貝葉斯網絡評價模型的基礎，之后需要分析指標因素之間的影響關系并建立有向邊形成網絡框架，然后通過估計根節(jié)點的概率，推論整個網絡的條件概率表。根節(jié)點先驗概率的數(shù)據來源于專家意見，并通過專家評價獲取根節(jié)點與中間節(jié)點、中間節(jié)點與目標節(jié)點的條件概率值。

算例驗證

1.貝葉斯網絡的先驗概率

本文以A高校M學院的教師績效管理體系為研究案例，運用所構建的高校教師績效管理體系的貝葉斯網絡評價模型推理該學院教師績效管理體系的量化評價值。貝葉斯網絡的根節(jié)點運用問卷調查的方式邀請7位相關管理學科的專家對節(jié)點的概率進行評價。但評判的結果均為模糊語言，無法將各指標進行具體數(shù)值衡量，而且績效管理體系的貝葉斯網絡評價模型的診斷屬于模糊理論范疇，很難進行精確計算。因此本文將對根節(jié)點引用相關的語言評價等級來描述，將引用“非常高、高、偏高、中、偏低、低、非常低”這七個自然語義變量衡量根節(jié)點指標的水平值。為了將模糊的自然語言變量轉化為數(shù)據指標，在此將三角模糊數(shù)與自然變量進行對應，以便將模糊屬性量化。

下限、中間的可能值和上限是模糊數(shù)的基本組成部分，假設A是績效管理體系評價的隸屬集，a、b是三角模糊數(shù)的上限和下限，k為A的隸屬度是1時的取值。那么三角模糊數(shù)A可表示為=（a，k，b），它的隸屬函數(shù)表達式如下：

其中，[ka，bk]，a、b代表模糊的程度，當a和b之間的差距越大，就表示他們之間的模糊程度越大。隨后將問卷收集到的模糊語言評價通過均值化和解模糊計算出所有根節(jié)點的先驗概率值。

2.貝葉斯網絡推理

依據根節(jié)點的先驗概率值與模糊全概率計算公式，可求取中間節(jié)點和目標節(jié)點的先驗概率值，即可推理出該學院教師績效管理體系的量化評價值，獲得該學院教師績效管理體系水平。將根節(jié)點的先驗概率值輸入至GeNIe軟件中所構建的高校教師績效管理體系的貝葉斯網絡評價模型中。驅動模型后即可推理出評價網絡中八個中間指標的先驗概率值如表1所示，以及M學院高校教師績效管理體系的評價值，如圖1所示。

由圖1可知，A高校M學院的教師績效管理體系的評價值為0.702，大于標準值0.671（當根節(jié)點均為0.6時推理出的目標節(jié)點值），表明該學院教師績效管理體系的水平較高。

3.貝葉斯網絡診斷

貝葉斯網絡不僅可以推理出高校教師績效管理體系的評價值，還可以運用其后驗推理能力對績效管理體系的關鍵性細分指標進行預測，對指導改進教師績效管理體系具有重要作用。若將高校教師績效管理體系的貝葉斯網絡評價模型中的根節(jié)點假設為F=1，則表示高校教師績效管理體系的評價最高值事件發(fā)生。然后利用GeNIe軟件的逆向自動推理功能驅動貝葉斯網絡模型，可獲得每個細分指標的貝葉斯后驗概率值。基于后驗概率分析可以預測高校教師績效管理體系中關鍵性細分指標，以優(yōu)化高校教師績效管理體系。

由貝葉斯后驗概率值可知，“教學能力”“學術科研”“較小的績效壓力”“較小的時間壓力”四個細分指標的后驗概率值較大，均大于0.62，表明四個細分指標在高校教師績效管理體系中的重要度較高，對績效管理體系的量化評價值的影響度較大，所以將這四個細分指標視為關鍵性細分指標?？冃Ч芾砣藛T或人力資源管理人員應加強這四個關鍵性細分指標的考核內容設定與實施方式，對提高整體高校教師績效管理體系水平具有重要影響作用。

參考文獻：

[1]李業(yè)昆.績效管理系統(tǒng)研究[M].北京：華夏出版社，2007.

[2]林杰，吳亞麗.普通高校專任教師職業(yè)發(fā)展的需求及影響因素分析——基于北京地區(qū)高校的抽樣調查[J].教育學報，2011，7（3）：92-104.

[3]宋永濤，蘇秦.基于貝葉斯網絡的質量管理實踐對績效的影響評價[J].系統(tǒng)工程理論與實踐，2011，31（8）：1440-1446.

（喬彩燕：西北工業(yè)大學管理學院）