管桩体积公式大学生科研创新能力评价指标体系和方法

2020年10月14日发(作者：武迪生)

现有大学生科研创新能力评价指标体系及方法
一、现有的大学生科研能力评价体系
目前国内已有学者对大学生科研创新能力的评价体系进行了研究，并取得了
一定的研究成果。在 CNKI数据总库中，用“大学生科研创新能力”词条进行检
索。（并使用了“本科生科研创新能力”、 “大学生科研创新能力评价”、“大学生
课外科研创新”等词条检索）。全文检索共检索出结果8130 条，主题检索出结果
451条 在进行文献检索时，和大学生科研创新有关的词条还包括团队、机制、
管理、项目和体系。发表文章的机构相对比较分散，但是浙江大学还是遥遥领先
共发表了124 篇文章，这可能和浙江大学在1998年就开始实施大学生科研训练
计划有关。其次是中南大学和大连理 工。由于项目的主要目的是建立大学生科研
创新能力评价体系，所以，项目组主要对和大学生科研创新能 力评价体系相关的
文章进行了精读，总结出目前已有的主要的评价体系及可借鉴的科研创新能力评
价体系。
（一）亓璇璇，周典恩的三维度评价体系
亓璇璇，周典恩（2012），将科研 能力划分为三层维度，初层维度：自身科
研素质，中层维度：科研活动能力，高层维度：科研成果。在此 基础上还将科研
能力构成要素划分为三级，可以表示为下表：
一级要素
自身科研素质
二级要素
学习能力
三级要素
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
解决科研问题的能力
科研成果 发表学术论文情况
实践动手能力
逻辑思维推理能力

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
科研活动参和情况 参和项目数
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（2 010）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、著作和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< br>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，E
i
是i方案各指标标准数据的线性加权和，W
j
为各指标的权重X，i
为指标值，依据E
i
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和标准水平进行对比，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
K
1
为评价指标的实际水平
K为评价指标的标准水平
KK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< br>和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和定性相
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使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A
i
，下一层次中凡和该因 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
1
3
5
7
9
2、4、6、8
倒数
含义
表示因素U
i
和U
j
，比较，具有同等的重要性
表示因素 U
i
和U
j
比较，U
i
比U
j
稍微的重要
表示因素U
i
和U
j
比较，U
i
比U
j< br>明显的重要
表示因素U
i
和U
j
比较，U
i
比U
j
强烈的重要
表示因素U
i
和U
j
比较， U
i
比U
j
极端的重要
2，4，6，8分别表示相邻判断1、3、5、7、9的中值
表示因素从，U
i和U
j
比较得判断U
ij
，则U
j
和U
i比较得
判断1U
ij


对应于图4-1，指标U
1< br>比指标U
2
稍微重要，而比指标U
3
明显重要，指
标U
2
比指标U
3
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W
i


第二步， 计算W
i
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；

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
W
0
j
(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
W
元素对总目标的权重值可按下式计算：
s
ij
，则下一层

AHP的使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< br>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
价问题在实际使用中的普遍性、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
体数据，第j个评价对象的综合评价值记为：
称为时序立

由于样本既有时序数据(Time Series data)又有截面数据(Cross Sectional
data)，为使不同评价对象之间在不 同时刻t体现最大差异，用y
i
(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W
ij
由式(4-58 )确定，W
ij
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W
ij
<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。和传统的多因
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
于广泛使用，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，比较序列和参考
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，使用模 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，而这一过程和参和评价专家在该
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Data Envelopment Analysis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 Decision Making Unit，简记为DMU）是同类型的，其基本的特点就是有
相同种类的投入和产出，这些投入产出数据就是评价相对有效性的依据。通过对
DEA模型求解可以 将参评的多个DMU分成三类：第一类是DEA有效的DMU，第二
类是仅为弱DEA有效的DMU，第 三类是非DEA有效的DMU。这三类显然已经序化，
依次由好到不好，对于第一类DMU，DEA方法 并不做出排序，对于第二类DMU，
也不做出排序，对于第三类DMU可按各DMU的相对有效性值来排 序。另外，更为
重要的是，对第二类和第三类DMU可以找出其生产过程中问题所在，为管理提供
更为丰富的信息。
（九）基于人工神经网络的评价方法
人工神经网络是在现代神经科学研 究成果的基础上，依据人脑基本功能特征，
模仿生物神经系统的功能或结构而发展起来的一种新型信息处 理系统或计算体
系。从本质上来说，这是一类由大量信息处理单元通过广泛联接而构成的动态信
息处理系统。这种系统在处理各种含悖、模糊、随机、量大、动态、低精度信息
等方面具有其独特的功能 ，引入神经元网络构造创新效果评价模型，通过对神经
网络的系统训练，把专家的评价思想以连接权的方 式赋予网络上。这样，不仅可
以模仿专家的评价工作，而且还避免了评价过程中的人为失误，这种评价模 型训
练好以后，使用起来操作简便又具有很强的容错能力。同时，根据评价的需要也
可以模仿专 家的评价工作，而且还避免了评价过程中的人为失误。这种评价模型
训练好以后，使用起来操作简便又具 有很强的容错能力，同时，根据评价的需要
也可以随时对模型进行重新训练和调整。基于BP网络的创新 效果评价模型和传
统的评价方法相比，其明显的优点是：（1）将综合评价转化成了关于输入输出间模式匹配的非线性数学映射问题，它无须建立准确的数学模型；（2）模型的权值
是通过对训练样本 学习而自动获得的，这就较好地避免了传统方法人为计取权值
和相关系数过程中的主观影响和不确定性； （3）模型训练（学习）过程，只须少
量训练样本，一旦通过对少量典型样本进行学习，确定各权值和阂 值，以后便可
对大量待评数据进行评定，计算简单、准确、快捷、可靠、省力。得指出的是：
第 一，将神经网络使用于评价问题还处于探索阶段，有些问题的解决还有待于理
论研究的深入，如网络中隐 含层节点个数的确定问题。第二，这种方法本身也有
它的局限性，主要表现在：（1）训练样本要求是可 信度高的权威性评价结果。否
则，用这些训练样本训练出来的评价模型去评价待评项目，评价结果会产生 系统
误差；（2）如果所要评价的项目量少、可比性差，则不宜采用这种评价模型，最
后要强调 指出的是基于BP网络的评价的重点在于模型的构成和学习算法的选择。
（十）各种评价数学方法的比较分析
评价方法
法及综合指数
特点 不足
受主观因素影响
大。
线性加权求和概念明确，方法简便易行。

评价法
层层次分析法 是把复杂的问题分解为各个组成因素，将AHP得出的结果是
这些因素按支配关系分组成有序的递价层粗略的方案排序；
次结构，通过两种比较的方式确定层次中主观 成分很大。
诸因素的相对重要性，然后综合人的判断
断断以决策诸因素相对重要性总的顺序，
具有系统、简洁、灵活、实用等特点，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。
距离综合评价在高维空间中，计算各样本点到参考点的参考样本点对评
法 距离，距最优样本点越近越好，距最劣样价结果的影响大，
本点越远越好。
法
评价法
的偶然性。
且不易合理确定。
方法复杂。
动态综合评 价通过对多年数据的综合处理，可消除数据较静态综合评价
灰灰色关联度灰色系统是部分信息己知，部分 信息未知最优样本数据难
法的系统，灰色关联分析是一种多因素统以确定。
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。
模糊综合评价 是以模糊数学为基础，使用模糊关系合成不适合对精确量
的原理，将一些边界不 清，不易定量的因的处理；主观成分
素定量化。
DEA方法
较大。
以相 对效率概念为基础，根据多指标投入不能对所有参评
和多指标产出对相同类型的单位(部门或对象直接进 行排
企业)进行相对有效性或效益评价的一种序，只能进行好到
序方法，主要用于从若干同类单 位中找到不好的大致分类。
较优的，即位于前沿(称位于包络)的单位。
人人工神经网模型是在学习过程中逐步完善的，无须首样本的可信度要
络 先建立准确的数学模型；模型的权值是过求高；方法不成
对训练样本学习而自动获得的，避免了传熟。
统方法中主观影响和不确定性；模型训练
(学习)过程，只须少量训练样本，特别是
能 处理任意类型的数据，无须知道数据的
分布规律。