本文：基于大数据的医学生综合素质评价算法

2023-03-21全国初高学生综合素质评价帮助中心浏览：141

学生综合素质评价帮助中心

摘要：本文借助大数据中的降维算法确定影响医学生综合素质的主要原因，构建医学生综合素质评价指标体系。根据评价指标体系内的各指标采集相关数据，生成医学生综合素质评价大数据集，选用约束参量分析法，分析融合后医学生综合素质评价大数据的控制变量和解释变量，实现医学生综合素质评价大数据评价。实例预测结果显示所探究方式评价所节省时间差值约为1.3s，与主观评判方式相比平均等级相关系数超过0.97，可提高医学生综合素质评价效率。

关键词：大数据预测；医学生；综合素质；指标体系；数据整合；相空间分布；约束参量

1引言

随着大数据和人工智能科技的演进，医学生综合素质的评判方式普遍受到了提高[1-3]，医学生综合素质与人民的生命和健康息息相关，因此医学生综合素质的评判成为当前医学教育变革的的探究热点之一[4-6]。为了取得理想的医学生综合素质评价结果，提出了基于大数据的医学生综合素质评价算法。相较于普通高等教育引入的综合素质评价算法[7-9]，该算法在医学生综合素质评价过程中采用大数据科技，通过数据化方式记录并统计医学生综合素质变化过程，并找到医学生综合素质的相关影响因素相较于综合素质评价平台，同时可基于即时数据汇总判断医学生综合素质需求与需调节的评价内容等[10]。基于这些汇总、分析医学生综合素质中最真实可靠的数据的方法，即可显示出大数据的宏观掌控性能，同时还可具体表述微观数据的剖析功能，使医学院校从整体到细节均可更好的掌握医学生综合素质变化特征，掌握医学生的培育规律，提升医学教育水平。

2基于大数据的医学生综合素质评价算法

基于大数据的医学生综合素质评价方式主要分为三个环节：（1）运用大数据中的降维算法确定这些原因是制约医学生综合素质的主要制约因素，集合很多主要制约因素形成医学生综合素质评价指标体系。（2）按照所建立医学生综合素质评价指标体系内的各指标，采集相关数据，生成医学生综合素质评价的大数据集，对医学生综合素质评价大数据进行融合。（3）采用约束参量分析法，分析融合后医学生综合素质评价大数据的控制变量和解释变量，实现医学生综合素质的大数据评价。2.1聚类算法成为大数据中的主要构成个别相较于综合素质评价平台湖北初中高中综合素质评价平台系统帮助中心，聚类分析算法可理解为是一种非监督机制识别方式[11-13]。聚类分析算法运行过程中，将数据对象分为簇，令每一个簇内部带有较高一致度，并推动簇与簇之间带有较低一致度。聚类算法在探讨数据内在规律方面造成关键性制约，聚类过程通过大幅确定距离种子点今天均值的方法完成，图1所示为卷积算法步骤。聚类算法流程总共分为5个环节：（1）用D表示样本数据集，依照实际需求将样本数据D集划分为k个簇，同时确认k个样本点，分别设定k个样本点值的阈值中心。（2）用表示D内全部样本点，以此确认各样本点同簇中心的距离。（3）基于相关计算方式确认关于的最小距离，该距离值用表示，基于的推导结果将划分到同距离最小的簇内。（4）重新确认各簇的聚类中心距离。（5）确认数据集D内全部点标准差E(t)，并将其同前一次标准差E(t-1)实施对比，若E(t)小于E(t-1)，表示计算过程不收敛，此时需转入（2），相反表示计算过程收敛可结束。依据大数据的降维算法对所收集的医学生综合素质数据实施聚类处理，构建医学生综合素质评价指标体系，如表1所示。2.2大数据整合根据所建立医学生综合素质评价指标体系内的各指标，采集相关数据，生成医学生综合素质评价的大数据集，对医学生综合素质评价大数据进行整合。2.3基于大数据的评判方式运用约束参量分析手段预测医学生综合素质评价大数据整合后的控制函数与解释参量[13]，以此评价医学生综合素质。

3实例应用

实验为测试本文所研究的基于大数据的医学生综合素质评价方式，选取厦门医学校教师为评价对象，利用本文方式对探究对象医学生综合素质进行检测测试，所得测试结果如下。3.1评价效率测试从大数据整合效率与整体检测精度两方面测试本文方式进行医学生综合素质评价的效率。3.1.1大数据融合效率对比在不同评价指标数据量条件下，本文方式大数据整合效率测试结果如表2所示。分析表2得到，采用本文方式进行医学生综合素质评价过程中，数据整合所需时间随着数据量的提高而增强。在各一级指标数据量超过5000个时，本文方式整合各一级指标数据所需时间均超过900ms。以上数据充分表明运用本文方式才能较快融合各评判指标数据，利于提高医学生综合素质评价的整体效率。3.1.2整体强度检测整体评价效率测试过程中，选择RBF神经网络和层次探讨法进行对比测试，选择9个对象成为测试目标，本文方式与对比技巧整体评价效率测试结果如图2所示。分析图2得到，三种评价方式中，本文原则评价全部评价对象医学生综合素质所用的时间最少，平均时间在1.3s左右。相较于本文方式，层次探讨法的评判过程所耗费的时间最长，平均时间在2.0s；RBF神经网络的评判过程所耗费的平均时间约为1.9s。同时由图1还可看到，本文方式评价过程中，各评判对象评价过程所花费的时间最为稳固，由此表明相较于对比方法，本文方式在评判效率方面具备绝对性优势。3.2评价结果验证通过对比本文方式评价结果与主观评判结果间的等级相关系数验证本文方式评价结果的靠谱性。等级相关系数Cij用于表述一种品质如何被另一种品质所表示的单调函数的指标，其中，D表示主观评判结果与本文方式评价结果间的差别度，N表示客观评判结果。等级相关常数Cij值取值范围为[01]，其值越越接近于1说明本文方式评价结果越精确。表3所示为本文方式对评判对象的评价结果与主管评价方式间等级相关系数推导结果。分析表3得到，采用本文方式对评判对象的素养实施评价，所得评判结果与主观评价结果的等级相关系数均超过0.95，平均等级相关系数超过0.97。与本文方式相比，两种对比技巧的平均等级相关系数分别增长0.02和0.01。以上实验结果表明本文方式的评判结果更具可靠性。

4结论

对于当前医学生综合素质评价方式存在的弊端，以提高医学生综合素质评价结果，提出基于大数据的医学生综合素质评价方式，通过收集医学生综合素质评价的相关数据，采用大数据预测方式对数据实施分析与评判，得到相对精确有效的医学生综合素质评价结果。

了解学生综合素质表填写规则，就上学生综合素质评价帮助中心

可能需要： 高校综合素质评价 综合素质评价论坛 综合素质评价汽修 广西素质综合评价 科学素质纳入综合素质评价 综合素质评价结果 杭州综合素质评价 综合素质评价自测 安徽综合素质评价平台 学生综合素质评价怎么写 综评自我陈述报告100字 安徽综合素质评价 综合素质评价档案 综合素质评价管理平台 综合素质评价登录平台 综合素质评价材料 综评学生端入口 扬大综合素质评价 综素平台自我评价50字 湘教云综合素质评价