CN114611945B - 一种基于多维数据的飞行学员胜任力画像方法 - Google Patents

Abstract

本发明提供一种基于多维数据的飞行学员胜任力画像方法，包括：步骤一：选取飞行学员胜任力画像指标；步骤二：根据选取的所述指标建立飞行学员胜任力画像指标体系；步骤三：对所述一级评价指标和二级评价指标进行处理，获取相关评价指标的无量纲评价值；步骤四：采用组合赋权法对所述无量纲评价值进行计算，得到评价对象的组合权重；步骤五：根据所述组合权重建立行学员胜任力画像模型；步骤六：根据所述模型,采用改进雷达图法来构建飞行学员胜任力画像雷达图；步骤七：根据所述飞行学员胜任力画像雷达图构造综合评价函数来评价飞行学员胜任力综合水平。本发明方法既能够反映飞行学员胜任力的综合水平，又能展现出各评价指标的均衡程度。

Description

一种基于多维数据的飞行学员胜任力画像方法

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于多维数据的飞行学员胜任力画像方法。

背景技术

近年来，随着中国社会经济的繁荣和发展，我国民航事业不断取得进步和突破，对于民航从业人员的需求也在与日俱增。面对日益增长的民航飞行员队伍，飞行学员的培养成为了中国民航的重要任务。

随着航空技术的不断发展，飞机设备功能不断完备、可靠性也越来越高，造成飞行事故的主要原因已从50年前飞机本身的机械故障变成了人为因素。根据相关调查研究结果发现，70％以上的飞行事故都是由于飞行员的操作直接造成的，飞行员的操作行为与飞机运行安全密切相关。因此，重视“人为因素”是提高民航运行安全水平的着力点，通过科学方式提高民航飞行学员胜任力水平刻不容缓。飞行学员的综合能力素质受到诸多因素影响，但是对于飞行学员能力素质的研究，目前国内外大多偏向于飞行技术水平评估，比如飞行训练品质监控与评估、飞行训练预警系统开发、起飞着陆阶段飞行安全分析等。飞行技能水平的高低并不能完全反映出飞行学员的综合能力素质，缺乏全面性和整体性。

中国专利“CN113312424A一种基于QAR数据的飞行员飞行技能画像方法及系统”提供了一种飞行员飞行技能画像模型构建方法。此专利针对设定机型在设定周期内获取多次飞行任务数据；对飞行任务数据进行预处理确定有效数据；对有效数据积习难改筛选，构建飞行员飞行技能画像指标体系；利用灰色关联度法对飞行员的飞行技能维度进行评分，构建画像模型；利用可视化应用程序包构建飞行技能画像雷达图。然而，该专利存在以下缺点：

(1)评价对象针对的是航线运输飞行员；(2)只选取了飞行技能方面来评估飞行员的能力，忽略了理论知识、心理素质和行为作风等因素的影响，(3)存在一定局限性；可视化程序采用的是传统雷达图来构建飞行技能画像，不能直观显示印象飞行技能水平各指标的权重大小。

发明内容

本发明的目的是提出一种飞行学员胜任力画像的构建方法，根据多维数据建立飞行学员胜任力画像指标体系模型，利用组合权重法对各评价指标进行权重设置，根据各指标得分情况利用改进雷达图法构建飞行学员胜任力画像，并计算综合得分。

一种基于多维数据的飞行学员胜任力画像方法，包括以下步骤：

步骤一：选取飞行学员胜任力画像指标；该指标通过综合文献法、结合执照理论考试大纲、飞行训练大纲和飞行学员操行评定来选取；

步骤二：根据选取的所述指标建立飞行学员胜任力画像指标体系；该体系包括一级评价指标和二级评价指标；

步骤三：对所述一级评价指标和二级评价指标进行处理，获取相关评价指标的无量纲评价值；

步骤四：采用组合赋权法对所述无量纲评价值进行计算，得到评价对象的组合权重；所述组合赋权法为将主观权重法、客观权重法相结合采用基于博弈论来计算二级指标的组合权重；

步骤五：根据所述组合权重建立行学员胜任力画像模型；

步骤六：根据所述模型,采用改进雷达图法来构建飞行学员胜任力画像雷达图；

步骤七：根据所述飞行学员胜任力画像雷达图构造了新的评价向量，根据所述新的评价向量构造评价函数，通过所述评价函数构造综合评价函数来评价飞行学员胜任力综合水平；

所述新的评价向量包括面积评价向量和周长评价向量。

进一步地，如上所述的基于多维数据的飞行学员胜任力画像方法，步骤二中所述一级评价指标包括：理论知识、飞行技能、心理素质、行为作风。

进一步地，如上所述的基于多维数据的飞行学员胜任力画像方法，所述二级指标包括：理论知识项下的指标，分别为：航空气象、航空规章、飞机性能与飞行程序、飞机系统、通信导航、机场地形知识；

飞行技能项下的指标，分别为：违规记录、模拟机训练数据、起落航线飞行数据、空域机动飞行数据、转场飞行数据、夜间飞行数据；

心理素质项下的指标，分别为：风险感知、情绪稳定、应变能力、注意力分配、沟通表达能力、自信心；

行为作风项下的指标，分别为：操作评定考核、学校惩奖情况、年度考评、团队协作能力。

进一步地，如上所述的基于多维数据的飞行学员胜任力画像方法，所述步骤三包括：对所述一级评价指标和二级评价指标进行标准化处理，计算各评价指标的无量纲评价值，得到标准化的评价矩阵，指标标准化处理如下：

正向指标：

固定性指标：C₀为指标最佳取值；C_j评价指标数值；

负向指标：

进一步地，如上所述的基于多维数据的飞行学员胜任力画像方法，所述步骤四中：

所述主观权重法选择层次分析法，即：首先计算二级指标相对于一级指标的权重，然后计算一级指标相对于评价对象的权重，最终得到二级指标相对于评价对象的权重；

所述客观权重法采用熵权法，计算各二级指标相对于评价对象的权重；基于博弈论计算二级指标的组合权重。

进一步地，如上所述的基于多维数据的飞行学员胜任力画像方法，所述基于博弈论计算二级指标的组合权重的过程如下：

步骤1、采用M种方法对评价指标进行赋权，得到M个指标权重向量：

u_k＝(u_k1,u_k2,...,u_kn)，k＝1,2,...,M

步骤2、M个权重向量的任意线形组合为

α_k代表权重系数，u代表基本权重向量集的一种可能向量；

步骤3、博弈论的基本思想是在不同的权重之间寻找一致或妥协，即极小化可能的权重跟各个基本权重之间的各自偏差，最终的目标是使u与各个u_k的离差的极小化，对策模型如下：

代表采用第j种方法得到的指标权重向量的转置，/>代表采用任意一种方法得到的指标权重向量的转置；

步骤4：对策模型最优化的一阶导数条件为：

步骤5；求解上述一阶导数，得到最优的权重系数α₁，α₂，α₃，…，α_m，对其进行归一化处理：

步骤6：求得最终组合权重：

步骤7：当采用层次分析法和熵权法两种方法确定指标权重时，m＝2，将求得的权重系数带人最终组合权重公式中可得到各个指标的综合权重：

进一步地，如上所述的基于多维数据的飞行学员胜任力画像方法，所述步骤六中：

所述改进雷达图法具体包括以下步骤：

步骤1：利用组合赋权法确定n个评价指标的权重u_j，j＝1,2,3,......,n；

步骤2：计算第j项评价指标对应的圆心角ω_j＝2π·u_j；

步骤3：做标准圆，从圆心O引长度为1的射线OA，以OA为基准顺时针旋转依次绘出共n个扇区，每个扇区的圆心角即为ω_j＝2π·u_j；

步骤4：对m个评价对象n个评价指标的数值进行标准化处理，得到处理后的评价数值C_ij，i＝1,2,3,......m；j＝1,2,3,......,n，将C_ij作为对应扇区的半径，依次画出圆弧，连接起来就是第i个评价对象的改进雷达图。

进一步地，如上所述的基于多维数据的飞行学员胜任力画像方法，所述评价函数的构造方法为：

步骤1：构造趋于最佳程度的评价函数v_i1越大表示该评价对象趋于最佳的程度最高；/>

步骤2：构造各指标均衡程度的评价函数v_i2表示为评价对象改进雷达图的面积与相同周长的圆的比值，如果v_i2越大表示各指标越均衡；/>

S_i为评价对象的总体综合水平高低，等于各评价指标扇形区域面积之和，面积越大，表示该评价对象总体优势越大，反之越小；L_i为评价对象各方面的发展协调程度，等于各评价指标的弧长之和，当面积一定，圆周长越长，评价对象各指标越均衡；

步骤3：构造综合评价函数f越大表示评价对象越好。

本发明提出的方法从胜任力角度出发，综合考虑了各个方面对于飞行学员的评估，应用雷达图画像可视化展示飞行学员胜任力各指标的评价结果，可以针对性提高飞行学员的薄弱环节，为飞行训练机构掌握飞行学员能力情况、提高训练水平具有现实意义。

本发明采用多维数据全方位评估飞行学员胜任力水平的方法，克服了传统只考虑飞行技能的单一评价方式的不足。利用改进雷达图展示飞行学员胜任力画像，既能够反映飞行学员胜任力的综合水平，又能展现出各评价指标的均衡程度。

本发明在获得飞行学员胜任力评价指标的主客观权重后，利用博弈论赋权法计算出组合权重；然后利用改进雷达图法构建胜任力画像，雷达图展示了评价指标得分的高低以及所占权重；接着利用雷达图的属性构造了新的评价向量(面积评价向量和周长评价向量)，既能够反映飞行学员胜任力的综合水平，又能展现出各评价指标的均衡程度；最后构造了评价函数，对飞行学员的胜任力水平进行评价。

与现有方法相比，本发明提出的技术方案采用了多维数据的方式，对飞行学员的综合能力进行全方位评价。同时，改进雷达图法相较于传统雷达图法，能更加直观展示各指标的得分和权重情况，有利于飞行训练机构对学员的短板进行针对性加强和管理。构造的面积和周长评价向量，在反映飞行学员胜任力水平高低的同时，也能说明各指标的均衡程度。

附图说明

图1为本发明基于多维数据的飞行学员胜任力画像方法流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

飞行学员的培养是一个漫长且复杂的过程，包括理论学习、模拟机训练和教练机本场训练等环节。学员能力的高低不仅由飞行技术水平决定，还和理论知识、心理素质、行为作风等有关，因此需要对其进行全面综合的有效评估。针对飞行学员个人的薄弱环节进行专门的训练和管理，是提升其综合能力素质的重要途径，也是提高民航飞行学员胜任力、确保民航运行安全的坚实保障。

对于飞行学员来说，除了飞行技能以外，理论知识、心理素质、行为作风、认知能力等都能反映其胜任力特征。飞行学员通过学习理论知识、获取前人经验，能够在飞行训练中保持警觉，对飞行过程中的差错进行识别判断并作出合理决策。飞行学员的心理特征是否复合飞行运行安全的需要是十分重要的，这关系到学员在飞行时的风险感知能力和面对突发情况的情绪保持能力。除此之外，良好的行为作风能够确保飞行学员保持和他人的有效沟通和配合，具有严谨的飞行态度，不会因为个人的疏忽大意而影响飞行的顺利完成。

本发明提供了如下方案：一种基于多维数据的飞行学员胜任力画像方法，包括：

步骤一：飞行学员胜任力画像指标选取

通过综合文献法，并结合执照理论考试大纲、飞行训练大纲和学员操行评定等参数，选取飞行学员胜任力画像指标。

步骤二：飞行学员胜任力画像指标体系建立

编制飞行学员胜任力画像指标问卷，发放给飞行训练教员进行评选。利用SPSS软件对问卷调查结果进行主成分分析，对所选取的指标进行筛选。按照累计方差贡献率≧85％原则确定前k个主成分作为公因子，将公因子用选取的评价指标表示，并结合因子载荷矩阵对公因子命名。因此，共提取出4项一级评价指标和22项二级评价指标，建立飞行学员胜任力画像指标体系。其中，一级评价指标分别为理论知识、飞行技能、心理素质和行为作风。22项二级指标如下表：

步骤三：多维数据的获取和处理

针对飞行学员胜任力评价体系所涉及到的各项评价指标，从飞行训练机构获取相应的考核指标数据。

根据飞行训练评分规则对所收集的飞行训练指标数据进行打分，得到飞行技能相关评价指标的评价值。由于各指标的评分规则不同，得到的评价值标准也不相同，必须对各指标评价值进行标准化处理，计算各评价指标的无量纲评价值，得到标准化的评价矩阵。指标标准化处理如下：

正向指标：

固定性指标：C₀为指标最佳取值；C_j评价指标数值；

负向指标：

步骤四：飞行学员胜任力画像模型的权重设置

通过主客观权重相结合的组合赋权法方式对飞行学员胜任力画像模型进行权重设置。主观权重法选择层次分析法，首先计算二级指标相对于一级指标的权重，然后计算一级指标相对于评价对象的权重，最终得到二级指标相对于评价对象的权重。客观权重法采用熵权法，计算各二级指标相对于评价对象的权重。基于博弈论计算二级指标的组合权重。博弈论算法计算组合权重的过程如下：

1、采用M种方法对评价指标进行赋权，得到M个指标权重向量：

u_k＝(u_k1,u_k2,...,u_kn)，k＝1,2,...,M

2、M个权重向量的任意线形组合为

3、博弈论的基本思想是在不同的权重之间寻找一致或妥协，即极小化可能的权重跟各个基本权重之间的各自偏差，最终的目标是使u与各个u_k的离差的极小化。对策模型如下：

4、对策模型最优化的一阶导数条件为：

5、求解上述一阶导数，得到最优的权重系数α₁，α₂，α₃，…，α_m，对其进行归一化处理：

6、求得最终组合权重：

7、由于本发明采用层次分析法和熵权法两种方法确定指标权重，因此m＝2，将求得的权重系数带人最终组合权重公式中可得到各个指标的综合权重：

步骤五：基于改进雷达图法的飞行学员胜任力画像雷达图构建；

基于建立的飞行学员胜任力画像模型，采用改进雷达图法来构建飞行学员胜任力画像雷达图。不仅可以呈现各多维数据(即各评价指标)的差异，还能展现各维度数据所占比重。

在改进雷达图分析法中，有n个评价指标，每个指标的权重由步骤四已算出为u_j，则在雷达图中绘制n条数轴，数轴与数轴之间的夹角则根据各个评价指标的权重来计算ω_j＝2π·u_j。ω_j代表第j项指标对应的圆心角。

基于改进雷达图法还可以重新提取依赖于扇形的特征向量---面积和周长，构造方法如下：

面积：

周长：

C_ij代表第i个评价对象的第j项评价指标数值，代表第i个评价对象的第j项评价指标数值的平方。

S_i为评价对象的总体综合水平高低，等于各评价指标扇形区域面积之和，面积越大，表示该评价对象总体优势越大，反之越小；L_i为评价对象各方面的发展协调程度，等于各评价指标的弧长之和，当面积一定，圆周长越长，评价对象各指标越均衡。因此，基于改进雷达图构建的新的特征向量也可以用于评价飞行学员胜任力高低。

1、构造的评价向量如下：

步骤1：构造趋于最佳程度的评价函数v_i1越大表示该评价对象趋于最佳的程度最高。

步骤2：构造各指标均衡程度的评价函数v_i2表示为评价对象改进雷达图的面积与相同周长的圆的比值，如果v_i2越大表示各指标越均衡。

步骤3：构造综合评价函数f越大表示评价对象越好。

面积评价向量数值越大，表示飞行学员胜任力综合水平越高，反之越小；周长评价向量表示为与相同周长的圆面积的比重，数值越大表示飞行学员胜任力各指标均衡程度越好，反之越差。

本发明通过综合文献法，并结合执照理论考试大纲、飞行训练大纲和学员操行评定等参数，选取飞行学员胜任力画像指标，并通过发放问卷，利用主成分分析法建立飞行学员胜任力画像指标体系。对选取的多维评价指标数据进行标准化处理，得到标准化的评价矩阵。利用层次分析法和熵权法分别确定评价指标的主客观权重，基于博弈论的方法计算评价指标的组合权重，从而完成飞行学员胜任力画像模型的权重设置。最后采用改进雷达图的方法构建飞行学员胜任力画像雷达图，基于雷达图构造了新的评价向量，不仅能够直观全面展示飞行学员胜任力水平，还能体现各指标(即各维度)的均衡发展程度。能够可视化呈现飞行学员的短板，为飞行训练机构评价学员的能力，提高学员水平提供一种有效方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (3)

1.一种基于多维数据的飞行学员胜任力画像方法，其特征在于，包括以下步骤：

步骤一：选取飞行学员胜任力画像指标；该指标通过综合文献法、结合执照理论考试大纲、飞行训练大纲和飞行学员操行评定来选取；

步骤二：根据选取的所述指标建立飞行学员胜任力画像指标体系；该体系包括一级评价指标和二级评价指标；

步骤三：对所述一级评价指标和二级评价指标进行处理，获取相关评价指标的无量纲评价值；

步骤四：采用组合赋权法对所述无量纲评价值进行计算，得到评价对象的组合权重；所述组合赋权法为将主观权重法、客观权重法相结合采用基于博弈论来计算二级指标的组合权重；

步骤五：根据所述组合权重建立行学员胜任力画像模型；

步骤六：根据所述模型,采用改进雷达图法来构建飞行学员胜任力画像雷达图；

步骤七：根据所述飞行学员胜任力画像雷达图构造了新的评价向量，根据所述新的评价向量构造评价函数，通过所述评价函数构造综合评价函数来评价飞行学员胜任力综合水平；

所述新的评价向量包括面积评价向量和周长评价向量；

步骤二中所述一级评价指标包括：理论知识、飞行技能、心理素质、行为作风；

所述二级指标包括：理论知识项下的指标，分别为：航空气象、航空规章、飞机性能与飞行程序、飞机系统、通信导航、机场地形知识；

飞行技能项下的指标，分别为：违规记录、模拟机训练数据、起落航线飞行数据、空域机动飞行数据、转场飞行数据、夜间飞行数据；

心理素质项下的指标，分别为：风险感知、情绪稳定、应变能力、注意力分配、沟通表达能力、自信心；

行为作风项下的指标，分别为：操作评定考核、学校惩奖情况、年度考评、团队协作能力；

所述步骤三包括：对所述一级评价指标和二级评价指标进行标准化处理，计算各评价指标的无量纲评价值，得到标准化的评价矩阵，指标标准化处理如下：

正向指标：

固定性指标：C₀为指标最佳取值；C_j评价指标数值；

负向指标：

所述步骤六中：

所述改进雷达图法具体包括以下步骤：

步骤1：利用组合赋权法确定n个评价指标的权重μ_j，j＝1,2,3,......,n；

步骤2：计算第j项评价指标对应的圆心角ω_j＝2π·u_j；

步骤3：做标准圆，从圆心O引长度为1的射线OA，以OA为基准顺时针旋转依次绘出共n个扇区，每个扇区的圆心角即为ω_j＝2π·u_j；

步骤4：对m个评价对象n个评价指标的数值进行标准化处理，得到处理后的评价数值C_ij，i＝1,2,3,......m；j＝1,2,3,......,n，将C_ij作为对应扇区的半径，依次画出圆弧，连接起来就是第i个评价对象的改进雷达图；

所述评价函数的构造方法为：

步骤1：构造趋于最佳程度的评价函数V_i1越大表示该评价对象趋于最佳的程度最高；/>

步骤2：构造各指标均衡程度的评价函数V_i2表示为评价对象改进雷达图的面积与相同周长的圆的比值，如果V_i2越大表示各指标越均衡；/>

S_i为评价对象的总体综合水平高低，等于各评价指标扇形区域面积之和，面积越大，表示该评价对象总体优势越大，反之越小；L_i为评价对象各方面的发展协调程度，等于各评价指标的弧长之和，当面积一定，圆周长越长，评价对象各指标越均衡；

步骤3：构造综合评价函数f越大表示评价对象越好。

2.根据权利要求1所述的基于多维数据的飞行学员胜任力画像方法，其特征在于，所述步骤四中：

所述主观权重法选择层次分析法，即：首先计算二级指标相对于一级指标的权重，然后计算一级指标相对于评价对象的权重，最终得到二级指标相对于评价对象的权重；

所述客观权重法采用熵权法，计算各二级指标相对于评价对象的权重；基于博弈论计算二级指标的组合权重。

3.根据权利要求2所述的基于多维数据的飞行学员胜任力画像方法，其特征在于，所述基于博弈论计算二级指标的组合权重的过程如下：

步骤1、采用M种方法对评价指标进行赋权，得到M个指标权重向量：

u_k＝(u_k1，u_k2，...，u_kn)，k＝1，2，...，M

步骤2、M个权重向量的任意线形组合为

α_k代表权重系数，μ代表基本权重向量集的一种可能向量；

步骤3、博弈论的基本思想是在不同的权重之间寻找一致或妥协，即极小化可能的权重跟各个基本权重之间的各自偏差，最终的目标是使u与各个μ_k的离差的极小化，对策模型如下：

代表采用第j种方法得到的指标权重向量的转置，/>代表采用任意一种方法得到的指标权重向量的转置；

步骤4：对策模型最优化的一阶导数条件为：

步骤5；求解上述一阶导数，得到最优的权重系数α₁，α₂，α₃，…，α_m，对其进行归一化处理：

步骤6：求得最终组合权重：

步骤7：当采用层次分析法和熵权法两种方法确定指标权重时，m＝2，将求得的权重系数带人最终组合权重公式中可得到各个指标的综合权重：