大学生科研创新能力评价指标体系及方法Word格式.docx
《大学生科研创新能力评价指标体系及方法Word格式.docx》由会员分享，可在线阅读，更多相关《大学生科研创新能力评价指标体系及方法Word格式.docx（12页珍藏版）》请在冰豆网上搜索。
二级要素
三级要素
自身科研素质
学习能力
大学生的语言理解能力
大学生对知识的分析能力
发挥想象力
获得知识的能力
大学生的洞察能力
大学生的记忆能力
大学生的注意能力
大学生的知识集成能力
科研活动能力
科研选题的能力
信息收集和查阅的能力
文献阅读和分析的能力
选择科研课题的能力
科研认识的能力
实践动手能力
逻辑思维推理能力
解决科研问题的能力
科研成果
发表学术论文情况
发表论文数
发表的论文被引用次数
论文收录情况
学位论文情况
论文选题的新颖性
理论或方法上的创新性
创新性的成果及效益
科研活动参与情况
参与项目数
科研成果奖项
专利情况
（二）黄维模，曹丽华的大学生初步科研能力评价体系
黄维模，曹丽华（2010），主要研究的是会计专业的学生在参加实习报告、学期论文、毕业论文三方面活动时表现出的科研能力的评价，主要将科研能力分解为发现解决问题能力，具体评价体系如下图。
（三）孔素然，于景华，张振荣的农科大学生科研能力评价体系
孔素然，于景华，张振荣（2010）基于AHP和模糊综合评判两种方法提出了农科大学生科研创新能力评价指标体系。
（四）其他可借鉴的科研能力评价体系
1。
阎英、刘伯红的研究生科研能力评价体系
阎英、刘伯红（2009）认为研究生的科研能力主要体现在科研项目、学术论文、著作与教材和学术交流四个方面，并对这四个方面相关的指标进行了进一步细化，在此基础上采用层次分析方法（AHP）来确定研究生科研能力评价指标的权重。
2。
王彩霞的博士生科研能力评价体系
王彩霞在其博士论文中，采用了层次分析法、正交投影法等方法建立了综合评价模型，对博士研究生的科研能力评价体系进行了详细的分解，并科学地赋予了权重。
二、构建大学生科研创新能力评价体系可采用的方法
在对科研创新能力进行定性的过程中，将指标定量化一直是研究中的难题。
在已有研究中，学者们提到和采用的方法主要有：
（一）线性加权求和法
线性加权求和法是利用简单的加权求和的方法来综合评价各研究对象，其计算公式为：
其中，Ei是i方案各指标标准数据的线性加权和，Wj为各指标的权重X，i为指标值，依据Ei的值，就可进行方案系统的总排序和择优，线性加权和最大的方案即为最优方案。
（二）综合指数评价法
综合指数评价法是根据指数分析的基本原理，采用加权算术平均数指数公式，对评价对象进行综合评价的一种方法，基本步骤为：
第一，将研究对象各项指标的实际水平与标准水平进行对比，得出各项指标的个体评价指数；
第二，根据各项指标在总体中的重要程度确定权数；
第三，用加权算术平均指数公式计算综合评价指标，即得出综合评价数值，计算公式为：
式中:
k为综合评价指数
K1为评价指标的实际水平
K为评价指标的标准水平
K/K为个体评价指数
W为权数
综合指数评价法的特点是概念明确，方法简便易行，既能进行动态比较，又能进行横向比较，可以综合反映研究对象实际水平的变动趋势和变动幅度，反映与标准水平之间的差异程度。
（三）层次分析法
层次分析法是美国著名运筹学家萨蒂于七十年代提出的一种定量与定性相结合的系统分析方法，它具有系统、简洁、灵活、实用等特点，尤其适用于对具有相互关联，相互制约的众多因素的复杂事物进行分析。
近年来，层次分析法己逐步地被运用于统计分析、经济计划、政策评价等诸多方面。
层次分析法的基本思想，是把复杂的问题分解为各个组成因素，将这些因素按支配关系分组成有序的递价层次结构，通过两两比较的方式确定层次中诸因素的相对重要性，然后综合人的判断以决策诸因素相对重要性总的顺序，层次分析法的基本分析步骤如下：
（1）建立层次结构的分析模型应用层次分析法首先应从众多的因素中选取主要因素，按各因素的相互关系将其划分为若干层次，各层次因素之间应标明其联系。
如图4-1所示：
（2）构造判断矩阵。
即针对上一层次某一因素Ai，下一层次中凡与该因素联系的全部因素进行两两比较，按标度表赋值后，构建mn矩阵形式，就是判断矩阵。
标度值
含义
1
表示因素Ui与Uj，比较，具有同等的重要性
3
表示因素Ui与Uj比较，Ui比Uj稍微的重要
5
表示因素Ui与Uj比较，Ui比Uj明显的重要
7
表示因素Ui与Uj比较，Ui比Uj强烈的重要
9
表示因素Ui与Uj比较，Ui比Uj极端的重要
2、4、6、8
2，4，6，8分别表示相邻判断1、3、5、7、9的中值
倒数
表示因素从，Ui与Uj比较得判断Uij，则Uj与Ui比较得判断1/Uij
对应于图4-1，指标U1比指标U2稍微重要，而比指标U3明显重要，指
标U2比指标U3较为重要，则指标U的判断矩阵如图4-2所示。
（3）计算重要性排序（单排序）
设判断矩阵T为：
根据判断矩阵，利用线性代数知识，精确地求出了的最大特征根所对应的特征向量。
所求特征向量即为各评价因素的重要性排序，归一化后，也就是权数分配。
可采用方根法求解。
第一步，计算判断矩阵每一行元素的乘积Wi
第二步，计算Wi的n次方根。
第三步，对向量作归一化或正规化处理，即
则，即为所求特征向量。
第四步，计算判断矩阵的最大特征λmax
式中，表示向量的第n个元素。
（4）检验
由于客观事物的复杂性或对事物认识的片面性，通过所构造的判断矩阵求出的特征向量（权值）是否合理，需要对判断矩阵进行一致性和随机性检验，检验公式为：
式中，CR为判断矩阵的随机一致性比率；
CI为判断矩阵一致性指标；
它由下式计算
λmax，为最大特征根；
m为判断矩阵阶数；
RI为判断矩阵的平均随机一致性指标；
RI由大量试验给出，对于低阶判断矩阵，取值列于表4-2对于高于12阶的判断矩阵，需要进一步查资料或采用近似方法。
当CR<
0.1时，即认为判断矩阵具有满意的一致性，说明权数分配是合理的；
否则就需要调整判断矩阵，直到取得满意的一致性为止。
（5）总排序
总排序是在单排序的基础上确定各层元素对最高层总目标的重要度权值，并据此做出最终排序。
如果将上一层元素对总目标的权重记为（j=1,2,3,4,…,n），下一层元素对上一层元素的单排序结果记为，则下一层元素对总目标的权重值可按下式计算：
AHP的应用主要针对那种方案大抵确定的决策问题；
AHP得出的结果是粗略的方案排序；
在AHP适用过程中，无论是建立层次结构还是构造判断矩阵，人的主观判断，选择对结果的影响较大，使得AHP进行决策的主观成分很大。
（四）距离综合评价法
综合评价是通过描述被评价事物的多个指标来进行的，如果将指标看成变量，则在几何上将形成一个高维空间，而每个被评价事物由反映它的多个指标值在该空间中决定一个点。
因此，从几何角度来看，综合评价的对象就是高维空间中的一些点，综合评价问题就变为对这些点做出总体评价或排序，受到聚类和判别分析的启示，一个直观而自然的想法就是在空间中确定出参考点，比如最优样本点、最劣样本点等，然后计算各样本点到参考点的距离，距最优样本点越近越好，距最劣样本点越远越好，这就是距离综合评价方法的基本思想。
（五）动态综合评价
是综合评价基于时间维度的扩展，其实质是在静态评价问题的基础上引入时间因素构成的具有时间、指标及方案三维结构的评价排序问题。
由于动态综合评价问题在实际应用中的普遍性、重要性，目前在该方向已有部分研究成果，动态综合评价模型计算过程如下所述：
由T年m个评价对象n个评价指标构成的样本数据称为时序立体数据，第j个评价对象的综合评价值记为：
由于样本既有时序数据（TimeSeriesdata）又有截面数据（CrossSectionaldata），为使不同评价对象之间在不同时刻t体现最大差异，用yi（t）的总离差平方和62最大的原则求评价系数，这里为：
当已标准化时有：
从而有：
式中，为nn矩阵，，B是标准化后的矩阵为：
定理：
若限定，当取W为矩阵H的最大特征值孤λmax（H）所对应的特征向量时，б取最大值，并且有
当H，>
0（t=1,2,3,4,…,T）时，式（4-55）中的Wij由式（4-58）确定，Wij是时间t的函数并且非负，在各时刻t的评价值y，（t）具有可比性，当存在某个Wij<
0时用下列规划解出:
动态综合评价法的主要优点是通过对多年数据的综合处理，可消除数据的偶然性。
（六）灰色关联度评价法
灰色系统理论认为，人们对客观事物的认识具有广泛的灰色性，即信息的不完全性和不确定性，因而由客观事物所形成的是一种灰色系统，即部分信息已知部分信息未知的系统。
比如社会系统、经济系统、生态系统等都可以看作是灰色系统。
人们对综合评价的对象——被评价事物的认识也具有灰色性，因而可以借助于灰色系统的相关理论来研究综合评价问题。
灰色关联分析是一种多因素统计分析方法，它是以各因素的样本数据为依据用灰色关联度来描述因素间关系的强弱、大小和次序的，如果样本数据对反映出两因素变化的态势（方向、大小、速度等）基本一致，则它们之间的关联度较大；
反之，关联度较小。
与传统的多因素分析方法（相关、回归等）相比，灰色关联分析对数据要求较低且计算量小，便于广泛应用，借助于灰色关联分析来进行综合评价时，比较序列自然是由被评事物的各项指标值构成的序列，可选最优样本数据作为参考序列，比较序列与参考序列的关联度越大则越好。
（七）模糊综合评价法
模糊综合评价就是以模糊数学为基础，应用模糊关系合成的原理，将一些边界不清，不易定量的因素定量化，从而进行综合评价的一种方法，其基本原理是通过确定被评对象对各等级模糊子集的隶属程度来评价被评对象的优劣。
模糊综合评价的基本程序是：
确定评价对象的因素论域（即评价指标）；
确定评语等级论域；
进行单因素评价，建立模糊关系矩阵；
确定评价因素的模糊权向量；
合成各被评事物的模糊综合评价结果向量；
对模糊综合评价结果向量进行分析。
在模糊综合评价中，模糊关系矩阵的建立至关重要，而这一过程与参与评价专家在该领域的经验有密切的关系。
因此，评价专家在该领域的知识及经验直接影响评价结果。
（八）DEA方法
DEA为DataEnvelopmentAnalysis的简称，即数据包络分析。
它是以相对效率概念为基础，根据多指标投入和多指标产出，对相同类型的单位（部门或企业）进行相对有效性或效益评价的一种方法。
DEA方法评价的对象OMU（决策单元，即DecisionMakingUnit，简记为DMU）是同类型
升级会员 