企业信息

（一）评价主体多元化，评价过程规范化。核心能力评价体系的构建与完善，应由社会、企业、学校、学生等共同组成多元化评价主体，在客观、科学、开放的评价氛围中，共同制定评价原则、评价方法以及评价指标体系。（二）评价标准应具备职业与创业双轨导向性。评价标准要始终和物流专业人才培养目标紧密结合，以就业和创新创业为导向，既要体现鲜明的职业特色，又要贴近创新创业所需要具备的素质与能力。（三）评价指标体系构建应兼具现实性与发展性。学生核心能力是一个动态发展地过程，在构建评价指标体系时不但要考虑专业技能，还要充分考虑学生踏入社会后的职业适应能力以及职业生涯发生变动时的岗位迁移能力。（四）过程性评价与成果性评价相结合。学生核心能力评价要坚持过程性评价与成果性评价相结合的综合评价模式，通过定性与定量方法，*、多角度、深层次对学生核心能力进行全面评价。

四高职物流专业学生核心能力评价模型的构建

（一）高职物流管理专业学生核心能力评价指标体系。笔者在综合考虑核心能力评价指标现实性与发展性相结合的基础上，通过采用问卷调研、召开物流*访谈会以及对5届高职物流管理专业毕业生持续跟踪调查等方式，较终确定了高职物流管理专业学生三级核心能力评价指标体系。（二）基于遗传算法和小波神经网络的高职物流专。业学生核心能力评价模型的构建本文所采用的小波神经网络结构为一个输入层，输入数据为评价指标体系三级指标，神经元个数为22；一个小波型隐含层，神经元激励函数为Molert小波函数，神经元个数为5；一个线性输出层，输出数据为评价结果，神经元激励函数为Purelin线性函数，神经元个数为1。根据遗传算法的编码方法，本文采用实数编码，初始种群的数目采用试算法确定，选取小波神经网络全局误差平方和的倒数作为遗传算法的适应度函数，选择算子采用基于标准几何分布的排序选择算法，交叉算子采用算术交叉算法，变异算子采用非均匀变异算法，交叉概率与变异概率采用自适应的方法取值；在小波神经网络的参数设置中，网络期望误差目标为0.001，初始学习速率为0.01。[3]笔者在对5届高职物流管理专业毕业生核心能力评价调研数据经过归一化处理后，选择其中的80组数据作为模型的训练样本，用MATLAB工具箱中的神经网络和遗传算法工具箱，在计算机上实现对神经网络的训练学习。经过训练，结合遗传代数与适应度函数值变化曲线及遗传代数与平方和误差值变化曲线，发现当种群数目为50时模型效果相对较好。最后再选择10组数据作为测试样本代入网络进行验证，其均等系数为0.9612；评价体系模型效果较好，证明了所构建的基于遗传算法与小波神经网络的高职物流专业学生核心能力评价模型的正确性与可行性。

五结语

本文构建的基于遗传算法和小波神经网络的高职物流专业学生核心能力评价模型，不但能够进一步深化教育教学改革，有的放矢地夯实学生核心能力，同时能够为各高职院校学生核心能力综合评价研究提供新的思路和方法。