數(shù)學(xué)建模論文教師科研水平和學(xué)術(shù)價值

1、科研水平和學(xué)術(shù)價值評定摘要本文研究科研水平和學(xué)術(shù)價值評定方法。首先，本文對科研價值評定重要因素sci引文數(shù)據(jù)庫影響因子進行研究，肯定其合理因素，并對發(fā)現(xiàn)的弊端建立模型一進行了修正。其次，基于蒙特卡羅算法，制定了利用引文數(shù)據(jù)庫對教師科研水平進行評定的評價方案。最后，使用層次分析法和灰色樣本聚類法，建立了綜合評定科研人員學(xué)術(shù)造詣和成就的模型。對于問題一，逐個分析了sci引文數(shù)據(jù)庫影響因子定義式中涉及到的變量，肯定了定義中的合理因素，并歸納了時間因素、期刊學(xué)科差異因素、sci期刊庫缺陷三大不合理因素，以此為依據(jù)推斷出如：時滯問題、期刊來源國家分布、期刊語種分布等干擾因素。最后，針對以上問題，提出了新

2、的修正定義模型：。對于問題二，首先，確定科研論文價值影響因素，然后，以蒙特卡羅算法思想為基礎(chǔ)，建立了模型二。為了消除包括影響因子在內(nèi)的各影響因素本身統(tǒng)計方法和定義缺陷造成的數(shù)據(jù)局限性和不可比性，對相關(guān)數(shù)據(jù)進行歸一化預(yù)處理，使三個影響因素達到無量綱化、測度統(tǒng)一化和標(biāo)準(zhǔn)化的特點。最后，給出了以模型為基礎(chǔ)的評價方案，并借助matlab軟件編程實現(xiàn)對燕山大學(xué)的15名教師的模擬評價，得到了15名教師的評價結(jié)果（見表 1）。對于問題三，首先，根據(jù)相關(guān)資料建立起指標(biāo)評價體系，然后，以先排序后聚類，對這些指標(biāo)采用層次分析法和灰色樣本聚類法進行分析，建立起以灰類白化權(quán)函數(shù)分等級，以層次分析法定評分的綜合評價模型

3、。最后借助matlab軟件編程實現(xiàn)綜合評價系統(tǒng)，對燕山大學(xué)11名科研人員進行了模擬評定，求得其結(jié)果（見表 8），并與實際情況作比較驗證模型。關(guān)鍵詞： 科研水平和學(xué)術(shù)價值的評定 蒙特卡羅算法 層次分析法 灰色樣本聚類 1. 問題重述為了進區(qū)分不同期刊的價值，isi于二十世紀(jì)七十年代又推出了用于期刊定量評價的期刊引證報告（journal citation reports）。學(xué)術(shù)界有這樣的認(rèn)識，若論文a被論文b在文中提及，或a中的結(jié)果、方法等被b采用，則a的學(xué)術(shù)價值得到了體現(xiàn)。這在sci數(shù)據(jù)庫中表現(xiàn)為a在b的參考文獻中出現(xiàn)，稱為引用。isi提出的衡量期刊學(xué)術(shù)價值的指標(biāo)稱為影響因子（impact fa

4、ctor），期刊j某一年度的影響因子if的計算方式是 1用數(shù)學(xué)方法分析影響因子定義中的合理因素和不合理因素，以及它易受到哪些因素的干擾，如何修正其計算方式可使其更好地承擔(dān)衡量期刊學(xué)術(shù)價值的作用； 2利用科學(xué)引文數(shù)據(jù)庫對教師的科研水平作出評價并給出評價方案，用不超過兩頁紙的篇幅向有關(guān)領(lǐng)導(dǎo)介紹你的方法； 3開發(fā)一種新的評價系統(tǒng)對科研人員的學(xué)術(shù)造詣和成就作出評價和排序。 2. 問題分析科研水平及學(xué)術(shù)成果的評定綜合性很強，影響因素多而繁雜，重要性不一。選擇合適的指標(biāo)體系和適當(dāng)?shù)臋?quán)值設(shè)定非常重要，同時考慮到現(xiàn)實中的一些具體情況，要適當(dāng)?shù)膶Υu教師及科研人員進行分類研究，才能更好的體現(xiàn)每位教師及科研人員的

5、科研水平和學(xué)術(shù)造詣。對于問題一，首先觀察期刊影響因子的定義式可知，期刊影響因子與論文發(fā)表時間、論文發(fā)表期刊、論文被引用頻次、所發(fā)表期刊上所有論文數(shù)以及sci收錄期刊數(shù)等變量相關(guān)，且其中影響因子與論文被引用頻次成正相關(guān)，與所發(fā)表期刊上所有論文數(shù)成負(fù)相關(guān)。故以此為依據(jù)評價影響因子定義的合理因素和不合理因素，及容易受到的影響，并針對以上問題對定義進行修正，最后建立新的更有價值的定義模型。對于問題二，在利用科學(xué)引文數(shù)據(jù)庫評價高校教師科研水平的過程中，需考慮到不同學(xué)科的sci論文數(shù)量和sci期刊影響因子差別很大，單純比較論文篇數(shù)或影響因子大小都有失偏頗，本文認(rèn)為較好的方法是從數(shù)量指標(biāo)和質(zhì)量指標(biāo)兩個方面去

6、權(quán)衡教師的科研水平，質(zhì)量指標(biāo)由發(fā)表論文被引頻次和論文發(fā)表期刊的影響因子及半衰期三部分組成，為解決不同學(xué)科的影響因子的差別問題，對不同學(xué)科期刊的影響因子進行歸一化處理，使得各學(xué)科論文的被引頻次和期刊影響因子具有可比性。最后運用蒙特卡洛算法解決權(quán)值設(shè)定問題，最終獲得教師的科研水平評分。對于問題三，對科研人員的綜合評定不僅要縱向評價科研人員排名在所有科研人員中的次序，更要能夠?qū)蒲腥藛T的等級進行分類，這樣便于科研人員縱向橫向雙向的比較，是評價結(jié)果更有價值，故應(yīng)采用先排序后聚類的原則。同時，為了更全面客觀的評價教師在科研水平及學(xué)術(shù)成果上的綜合實力，我們引入了更多的參考指標(biāo)和影響因素，使得模型結(jié)果更加合

7、理可靠。3. 模型假設(shè)1) 論文是科研活動的重要產(chǎn)出形式，也是傳播科研成果的重要載體，可設(shè)教師發(fā)表的論文的數(shù)量和質(zhì)量是衡量教師科研水平的唯一標(biāo)準(zhǔn)。2) 假設(shè)論文的質(zhì)量僅由它所在期刊的影響因子、半衰期和它的被引頻次決定。3) 假設(shè)論文中所有作者貢獻與名字排序無關(guān)。4) 假設(shè)除本文所用指標(biāo)外，其他相關(guān)數(shù)據(jù)對教師科研水平評定影響甚微，可以忽略。4. 符號說明符號說明第個學(xué)科的第篇論文所在期刊影響因子標(biāo)準(zhǔn)化后的第個學(xué)科的第j篇論文所在期刊影響因子第個學(xué)科的第j篇論文被引頻次修正后的第個學(xué)科的第j篇論文被引頻次標(biāo)準(zhǔn)化后的第個教師的第篇論文的影響因子修正后的第個教師的第篇論文被引頻次第篇論文所在期刊的半衰

8、期第個教師發(fā)表論文的總數(shù)所有教師發(fā)表的論文的總數(shù)第個教師的第n篇論文所產(chǎn)生的科研價值第個教師的科研水平影響科研人員學(xué)術(shù)造詣和成就的第個指標(biāo)影響科研人員學(xué)術(shù)造詣和成就的第個影響因素第個科研人員的影響因素因素的值修正后的第i個科研人員的因素的值指標(biāo)的權(quán)重指標(biāo)中因素在中的權(quán)重因素的權(quán)重科研人員的總數(shù)第i個科研人員的學(xué)術(shù)造詣和成就評分 隨機數(shù)發(fā)生器第k次產(chǎn)生的隨機數(shù) 第k次的影響因子、半衰期和被引頻次的權(quán)重5. 模型建立與求解5.1 問題一期刊影響因子的計算方法雖然在很長的一段時間內(nèi)對衡量論文學(xué)術(shù)價值乃至作者科研水平做出了重要貢獻，但是，其局限性也隨著使用的增加而逐漸顯著，為了更好的利用影響因子進行學(xué)

9、術(shù)評價，本文通過分析影響因子定義式及相關(guān)數(shù)據(jù)得出其定義中的合理因素和不合理因素。合理因素：1. 某期刊上的論文被引用頻次與影響因子正相關(guān)。論文的被引用頻次可以反映出該論文在學(xué)術(shù)領(lǐng)域的影響力以及業(yè)內(nèi)同行對論文的重視程度，正相關(guān)的數(shù)學(xué)關(guān)系很好的在微觀個體上表現(xiàn)了這一特點。2. 某期刊上的所有發(fā)表論文數(shù)與影響因子負(fù)相關(guān)。期刊論文的被引用數(shù)量雖然可以很好的反應(yīng)微觀個體的質(zhì)量，但是宏觀看來，期刊整體優(yōu)秀論文率更加能夠說明一份期刊的影響力，而隨著論文發(fā)表總數(shù)的上升如果優(yōu)秀論文增量不明顯，即說明期刊質(zhì)量下降，負(fù)相關(guān)的數(shù)學(xué)特征也很好的在宏觀總體上反映了這一特征。3. 體現(xiàn)了文獻計量學(xué)中的引文分析法，較為科學(xué)的

10、定量分析了學(xué)術(shù)科研價值的方法。不合理因素：1. 時間因素：從統(tǒng)計學(xué)角度看，選取期刊論文的時間區(qū)間限定在2年內(nèi)導(dǎo)致以期刊被引用次數(shù)為觀察對象的樣本選取局限性很大。首先，出版時滯較短的刊物更容易獲得更高的影響因子，因為對于研究成果相同或相近的論文來說，較早被公開則更有可能引起較大的影響或引證，尤其對于科研成果實效性較強、持續(xù)時間較短的熱點研究領(lǐng)域的論文。其次，不同研究領(lǐng)域的成果在實驗或驗證過程中經(jīng)歷的時間階段很不相同，即有的論文在兩年內(nèi)沒達到被引證的高峰期，而有的已經(jīng)較早達到。2. 期刊學(xué)科差異因素：不同學(xué)科由于發(fā)展速度和成熟度的不同，期刊基數(shù)的差異很大，從而導(dǎo)致sci收錄的不同學(xué)科的期刊數(shù)目差別

11、很大，而相同或相近領(lǐng)域的論文傾向于相互印證，這又反過來在很大程度上導(dǎo)致不同學(xué)科間刊物的影響因子產(chǎn)生較大的差異，如圖 1。圖 1 期刊學(xué)科差異示例3. sci期刊庫因素：這一因素的不合理主要由兩方面構(gòu)成，一方面各國被sci收錄的期刊數(shù)極不平衡，如圖 2所示：1997年sci 選用的3449種期刊中美國、英國、荷蘭和德國被收錄的期刊數(shù)目分別為1392、732、339和266種，即約占總刊數(shù)的80%，其中在該年度被收錄的中國刊物有9種，只占總刊物數(shù)的0.2%；另一方面，被收錄的語種分布極不平衡，同語種刊物間相互引證的概率較大，而sci傾向于收錄英文刊，這就使得sci源期刊庫中為數(shù)不多的其他語種期刊的

12、影響因子相對較低，且被sci收錄論文的語種比率和不同語種論文被引證頻次的比率具有較相似的倍數(shù)關(guān)系。可以認(rèn)為目前sci數(shù)據(jù)庫中期刊的組成十分有利于英、美等以英語為母語國家的刊物獲得高影響因子，相反，對于其他國家的非英文刊物來說，獲得高影響因子的難度則相對較大。圖 2 1997年sci收錄期刊國別差異分析可知，該計算方法容易受到如下因素的干擾：1) 發(fā)表期刊的出版時滯。2) 不同學(xué)科不同領(lǐng)域的研究規(guī)律和時間特點。3) 不同學(xué)科發(fā)展程度。4) 源期刊庫所收錄來自不同國家期刊數(shù)量比重。5) 源期刊庫收錄期刊的語種構(gòu)成比重。6) 自引行為降低了引文數(shù)量的價值。綜上，我們建立模型一對影響因子的定義做如下的

13、修正：5.1.1 模型建立1. 修正引用次數(shù)，用去除自引次數(shù)后的數(shù)值作為有效引用次數(shù)。2. 由于一般期刊被引用的半衰期不超過十年，據(jù)此可以把定義中的兩年改為十五年，其表達式為：3. 對由于語種差異引起的影響因子不合理，增加一比例系數(shù)作為修正，以英語作為標(biāo)準(zhǔn)，取系數(shù)k=1，其余語種均根據(jù)與英語所占比重的比例關(guān)系進行調(diào)整，得到：4. 為消除期刊因素的不同學(xué)科差異，對不同學(xué)科影響因子進行歸一化處理，具體如下：首先，利用公式對影響因子進行一個標(biāo)準(zhǔn)正態(tài)轉(zhuǎn)換：其中，是期刊的影響因子，是整個學(xué)科期刊影響因子的平均值，是影響因子的標(biāo)準(zhǔn)差。經(jīng)過轉(zhuǎn)化后的影響因子可以很好的表示論文對于本學(xué)科的貢獻程度?？紤]到經(jīng)公式

14、轉(zhuǎn)換所得影響因子可能為負(fù)，不便于比較，再次利用線性變換對分布區(qū)間進行調(diào)整：經(jīng)過正態(tài)轉(zhuǎn)換和區(qū)間調(diào)整后，不同學(xué)科的影響因子將符合統(tǒng)一分布。即得到定義模型：5.2 問題二為公平客觀的綜合評價高校教師的科研水平，我們對表現(xiàn)教師論文質(zhì)量的期刊影響因子、期刊半衰期和被引頻次進行綜合評價，通過蒙特卡洛算法獲得作者單篇論文關(guān)于上述三個因素的加權(quán)值，并累加作者單篇論文質(zhì)量加權(quán)值作為作者科研水平評分。5.2.1 數(shù)據(jù)預(yù)處理1. 原理同模型一，對影響因子進行歸一化處理，獲得歸一化后的影響因子：其中，a = 2, b = 10用于區(qū)間調(diào)整，為第i個學(xué)科的第j篇論文所在期刊影響因子，是第i個學(xué)科影響因子的均值,是影響因

15、子的標(biāo)準(zhǔn)差，經(jīng)過處理可以得到歸一化后的影響因子矩陣。2. 運用公式對半衰期進行歸一化，使其滿足無量綱化、標(biāo)準(zhǔn)化和測度統(tǒng)一化，：其中，第v篇論文所在期刊的半衰期。3. 對教師相關(guān)數(shù)據(jù)進行處理，首先可列出有n篇論文和其指標(biāo)（標(biāo)準(zhǔn)化的影響因子修正后的被引頻次）組成的n*3階矩陣并根據(jù)各指標(biāo)的屬性即指標(biāo)值越大越好, 進行數(shù)據(jù)生成。 生成的數(shù)據(jù)應(yīng)滿足無量綱化、標(biāo)準(zhǔn)化和測度統(tǒng)一化。以歸一化后的影響因子矩陣為基礎(chǔ)，我們可以得到教師論文影響因子矩陣，其中元素表示第m位教師的第n篇論文的影響因子。利用公式對進行無量綱化，測度統(tǒng)一化和標(biāo)準(zhǔn)化處理：4. 然后對教師論文的被引頻次做同樣的無量綱化，測度統(tǒng)一化和標(biāo)準(zhǔn)化處

16、理得到：其中，表示第m位作者第n篇論文的被引頻次。5.2.2 模型建立借助蒙特卡羅算法思想，建立如下模型：1. 產(chǎn)生三個隨機權(quán)重、，并對其進行規(guī)范化，得到規(guī)范化權(quán)重：2. 根據(jù)以上權(quán)重，計算得到加權(quán)值：。3. 大量重復(fù)第1、2兩步共k次，獲得一系列的加權(quán)值，通過公式得到平均加權(quán)值，即：第m個教師第n篇論文產(chǎn)生的科研價值：將第m名教師的共篇論文進行累加即得該名教師的科研水平評分：此模型通過分組大量設(shè)置隨機規(guī)范化權(quán)重，使得三個因素對于論文質(zhì)量的影響程度不再依賴于權(quán)重進行表達，因為經(jīng)過大量實驗并取均值后，權(quán)重對于模型結(jié)果的影響可以基本忽略，克服了權(quán)重因子設(shè)置不當(dāng)可能造成的影響，使制約模型結(jié)果的只有三

17、個指標(biāo)因素本身。故模型結(jié)果即可被認(rèn)為是由三個指標(biāo)因素所確定的教師科研水平。5.2.3 模型求解利用蒙特卡洛算法并根據(jù)查得數(shù)據(jù)，對模型進行檢驗，驗證其結(jié)果是否能夠較為公平合理的反映教師科研水平，同時本例亦作為示例，展示模型在實際使用中的操作方法，并概括出評價方案如圖 3，并寫信想相關(guān)領(lǐng)導(dǎo)推薦（見附錄五）：圖 3 評價方案圖示本文選用燕山大學(xué)15位教師論文數(shù)據(jù)（見附錄三）作為樣本，使用matlab編程（程序見附錄一）按照如圖 3的評價方案對燕山大學(xué)該15名教師科研水平進行評價。求解結(jié)果如下：表 1學(xué)科機械工程學(xué)科學(xué)科科研評分3014.1學(xué)科排名1教師金振林李金良王敏婷趙鐵石趙永生教師科研評分615

18、.65206.23909.57514.948767.671教師排名49153論文篇數(shù)721379學(xué)科數(shù)學(xué)學(xué)科學(xué)科科研評分1898.5學(xué)科排名2教師徐秀麗武懷勤王坤趙冰金燕生教師科研評分329.225871.547338.726198.94160.055教師排名7261012論文篇數(shù)411532學(xué)科生物醫(yī)藥工程學(xué)科學(xué)科科研評分730學(xué)科排名3教師徐永紅季淑梅洪文學(xué)宋佳霖彭勇教師科研評分310.3862.008125.8855.8471175.934教師排名814131511論文篇數(shù)41213圖 4 15名教師評分分布根據(jù)圖 4和表 1，可以各學(xué)科的教師都獲得了與其自身實力相符的評分。模型很好的表

19、現(xiàn)了各位教師的真實科研水平，其結(jié)果真實可靠。5.3 問題三要綜合評價一名科研人員的學(xué)術(shù)造詣及成就，所要考慮的因素不止于學(xué)術(shù)論文的質(zhì)量和數(shù)量，要同時考慮到科研人員主持的學(xué)術(shù)項目指標(biāo)，項目經(jīng)費指標(biāo)以及包括學(xué)術(shù)論文在內(nèi)的學(xué)術(shù)成果指標(biāo)，同時，考慮到對于學(xué)術(shù)地位相差很多的科研人員，一味的進行縱向比較，意義不大，通過聚類分析，讓不同等級的科研人員知道自己在本等級內(nèi)的橫向排名，更有價值，也更合理且具有現(xiàn)實意義，故使用層次分析方法和灰色樣本聚類方法先排序后類聚，對科研人員的上述評價指標(biāo)進行了分析，并給出了模型三。5.3.1 數(shù)據(jù)預(yù)處理由于各指標(biāo)各影響因素的單位不同，無法直接進行比較分析。故用公式對影響因素的數(shù)

20、據(jù)進行無量綱化處理，使各因素滿足無量綱化和測度統(tǒng)一化，并對個因素進行歸一化處理，使每個因素都處于0到1之間：5.3.2 模型建立1. 首先運用層次分析法求得指標(biāo)及因素的權(quán)重進行初步分析。1） 構(gòu)建如圖 5層次結(jié)構(gòu)模型：（這一頁空這麼多不太好）圖 5 教師評價體系層次結(jié)構(gòu)圖2） 通過查閱相關(guān)資料【】【】，構(gòu)造兩兩比較判斷矩陣，其比較標(biāo)準(zhǔn)如下：表 2元素與元素的影響相同1元素比元素的影響稍強3元素比元素的影響強5元素比元素的影響明顯強7元素比元素的影響絕對強9元素與元素的影響之比在上述兩個相鄰等級之間2,4,6,8元素與元素的影響之比為上面的互反數(shù)1,1/2，1/9根據(jù)表 2我們構(gòu)造了如下兩兩比較

21、判別矩陣： 3） 計算矩陣最大特征值及對應(yīng)向量：求以上每個矩陣的最大特值及對應(yīng)的特征向量，下面僅列出矩陣a的求解步驟：（1） 歸一化矩陣a的各列向量：（2） 對按行進行求和： （3） 將歸一化：（4） 得到近似特征向量：（5） 得到最大特征根的近似值：可解出結(jié)果為：表 3最大特征值最大特征向量3.0092（0.3873,0.1698,0.4429）3.0183（0.1638,0.2973,0.5390）2（0.3333,0.6667）5.3302（0.3159,0.1085,0.1818,0.3292,0.0647）4） 一致性檢驗其中成為一致性指標(biāo)，同時又有隨機一致性指標(biāo)，其數(shù)值如下：表 4

22、n123456ri000.580.901.121.24n7891011ri1.321.411.451.491.51表 4中n=1,2時ri=0，是因為1,2階矩陣的正互反陣總是一致陣。而當(dāng)n3時的成對比較陣，當(dāng)時認(rèn)為該向量的不一致性在容許范圍之內(nèi)，可用其特征向量歸一化作為權(quán)向量。結(jié)合該題，求出的具體值為：表 5cr0.01580.007900.0062觀察可知：以上數(shù)據(jù)皆符合一致性。5） 進而可求出組合權(quán)向量即為各因素所對應(yīng)的權(quán)重，結(jié)果如表 6：表 60.06340.11510.20870.05660.11320.13990.04800.08050.14580.0286綜上，可得科研人員學(xué)術(shù)價

23、值和科研水平的評分可由公式得：2. 運用灰色樣本聚類分析，進一步對教師科研水平進行分析：首先，根據(jù)所輸入的樣本數(shù)據(jù)，確定各指標(biāo)的等級界限，即：高、中、低三類，并構(gòu)造白化權(quán)函數(shù)，步驟如下：影響因素的平均值為：影響因素的標(biāo)準(zhǔn)差為：可得高(),中(),低()三個等級的界限分別為：以此為基礎(chǔ)構(gòu)造白化權(quán)函數(shù)如下：確定聚類系數(shù)如下：比較以上三者，取值最大的系數(shù)所對應(yīng)的等級即為第名科研人員所對應(yīng)的等級。這樣我們就根據(jù)灰色聚類法得到被評科研人員所處等級，并可以根據(jù)公式算得教師的科研水平及學(xué)術(shù)造詣評分，并以該評分為標(biāo)準(zhǔn)對教師進行詳細(xì)排名。5.3.3 模型求解對于模型三，選擇燕山大學(xué)十三位科研人員（數(shù)據(jù)見附錄四）

24、進行評價，并將評價結(jié)果與燕山大學(xué)評價科研人員評價信息進行比較，來驗證模型是否符合實際。將待評科研人員數(shù)據(jù)帶入模型，借助matlab軟件編程計算（程序見附錄二），所得結(jié)果如下：表 7 各指標(biāo)及其影響因素權(quán)重科研人員項目權(quán)重0.3873經(jīng)費權(quán)重0.1698成果權(quán)重0.4429總項 目數(shù)先進性高水平 項目數(shù)總 經(jīng)費年平均經(jīng)費sci 收錄數(shù)知名期刊論文數(shù)總 論文數(shù)專利數(shù)獲獎數(shù)層次權(quán)重0.16380.29730.5390.33330.66670.31590.10850.18180.32920.0647組合權(quán)重0.06340.11510.20870.05660.11320.13990.0480.08050

25、.14580.0286通過表 7，可以看出成果因素對科研人員的學(xué)術(shù)造詣和成就評價影響最大，主持項目的水平次之，經(jīng)費的影響第三。表 8層次分析法結(jié)果序號1234567姓名 白明華 張文志 李憲奎 李強 任延志 周慶田 王海儒學(xué)術(shù)水平90.4417.783535.01375.885420.498623.80710.4165排名113528712序號8910111213姓名 史艷國 安子軍 王連東 李文平 梁晨 楊樹軍學(xué)術(shù)水平54.6426.58738.26317.012715.385616.8303排名36491110表 8顯示了受評科研人員的學(xué)術(shù)造詣和成就的評分及其排名，評分越高的教師排名越靠前

26、，且可以看出教師水平相差很有層次，表現(xiàn)了現(xiàn)實中不同教師由于資歷和參加工作時間等客觀因素造成的階梯式的差距。表 9灰色聚類系數(shù)及結(jié)果序號1234567姓名 白明華 張文志 李憲奎 李強 任延志 周慶田 王海儒第一類0.46050.19930.31230.75310.14580.1370.0669第二類0.25680.30150.54880.19640.36670.46140.3335第三類0.28270.49920.13880.05050.48750.40170.5996分類1321323序號8910111213姓名 史艷國 安子軍 王連東 李文平 梁晨 楊樹軍第一類0.25150.27780.

27、40520.00240.00950.0487第二類0.50680.51370.47080.3530.44850.3806第三類0.24170.20850.1240.64460.5420.5707分類222333表 9是灰色聚類分析法進行分類的結(jié)果，這樣的結(jié)果體現(xiàn)了不同教師所處的類別。6 模型分析與評價6.1 模型優(yōu)點：1） 模型大量對變量都進行預(yù)處理，降低了數(shù)據(jù)本身局限性對模型結(jié)果的影響，是模型結(jié)果可靠性更高。2） 模型二中使用蒙特卡洛模擬的方法給n組權(quán)重進行計算加權(quán)平均價值，客觀上克服了人為地僵化權(quán)重而造成的評價誤差，增加了評價的可信度。3） 模型三中，使用層次分析法能夠?qū)σ粋€比較復(fù)雜的問題

28、通過分解，比較判斷，綜合的過程，將復(fù)雜轉(zhuǎn)化為簡單問題進行求解，降低了求解難度。并且它將定性與定量方法結(jié)合起來，能夠處理傳統(tǒng)優(yōu)化方無法著手的實際問題，有很廣的應(yīng)用范圍。4） 本文模型的系統(tǒng)性、靈活性為在其他各領(lǐng)域的推廣應(yīng)用提供了可能性。只要對評估指標(biāo)加以修改, 即可應(yīng)用于方案評估、人員素質(zhì)分析、管理績效排序等。5） 通過大量查閱文獻資料，所建立的指標(biāo)體系較為完備，使模型更好的涵蓋了主要影響因子，結(jié)果合理可靠。6） 綜合使用層次分析法和灰色樣本聚類法，不僅可以相互驗證彼此結(jié)果的正確，更可以同時定性、定量的作出評價，并為科研人員提供了橫向評比和縱向評比的機會，是最終結(jié)果更具有現(xiàn)實意義和利用價值。6.

29、2 模型缺點與改進：6.2.1 模型缺點：1） 模型簡單的把各種因素并列在一起進行加權(quán)求和，盡管盡量選擇彼此互不影響的指標(biāo)建立指標(biāo)體系，然而難免一些指標(biāo)之間的存在相互關(guān)聯(lián)，可能對模型結(jié)果造成一定影響。2） 不同樣本計算出來的具體值不具有可比性，這是因為指標(biāo)修正式中的的參考不一樣。3） 在算一個教師科研水平的時候，是把每篇論文的科研價值相加，可能會對那些少產(chǎn)高質(zhì)量的優(yōu)秀教師不利；卻對那些多產(chǎn)而質(zhì)量低的教師有利。4） 模型中的指標(biāo)引用頻次存在很多問題：一方面，引用行為存在“自引”和“他引”兩種，顯然，“自引”產(chǎn)生的被引頻次價值很低；另一方面，論文被高影響因子期刊上的論文引用價值明顯高于被低影響因子

30、期刊上的論文引用，所以，不同論文對引用頻次的貢獻也不能一概而論。5） 從建立層次結(jié)構(gòu)模型到給出成對比較矩陣，人的主觀作用因素很大。6.2.2 模型改進：這里我們通過仔細(xì)思考和研究對上面提到的缺點2）對模型二作出改進：首先對于第個學(xué)科第篇論文,考慮其對應(yīng)的各種屬性(如第一作者、第二作者、影響因子) ,可建立一個包含這些屬性的行向量: 然后,將引用該論文的篇論文構(gòu)成一個行數(shù)為的向量:根據(jù)和是否有相同的元素來判斷是“自引”還是“他引”,利用上述兩步的結(jié)果可得出修正的論文被引用次數(shù)：其中:表示第k個引用論文所在期刊的影響因子，當(dāng)文章被他引時, = 1;當(dāng)文章被自引時,= 0;自引包括原文所有作者所著文

31、章的引用。這樣，我們就可以求出考慮到“自引”現(xiàn)象與期刊影響因子綜合影響的被引頻次，從而彌補了原方法的不足。7 參考文獻編號 作者，書名，出版地：出版社，出版年。編號 作者，論文名，雜志名，卷期號：起止頁碼，出版年。編號 作者，資源標(biāo)題，網(wǎng)址，訪問時間（年月日）。8 附錄附錄一：load data.txt %數(shù)據(jù)保存在文本中%對影響因子進行歸一化處理a=data(:,1);k=38 25 11;f=zeros(sum(k),1);mea1=mean(a(1:38);std1=std(a(1:38);mea2=mean(a(39:63);std2=std(a(39:63);mea3=mean(a(

32、64:74);std3=std(a(64:74);for i=1:sum(k) if i=1&i=38 f(i)=(a(i)-mea1)/std1; elseif i=63 f(i)=(a(i)-mea2)./std2; else f(i)=(a(i)-mea3)./std3; endendfs=2*f+10*ones(sum(k),1) %歸一化處理后的影響因子a=data;a(:,1)=fs;%用蒙特卡洛方法求解每篇論文的質(zhì)量值e，并對其進行比較pmshuxin=1 1 1; %每個指標(biāo)的屬性值x0=a;m=length(x0(:,1);n=length(x0(1,:);e=zeros(m

33、,1);d=zeros(m,m);x=zeros(m,n);l=2000;for j=1:n if shuxin(j)=1 ma=max(x0(:,j); for i=1:m x(i,j)=x0(i,j)/ma; end else mi=min(x0(:,j); for i=1:m x(i,j)=mi/x0(i,j); end end endfor k=1:l r=rand(1,n); w=r./sum(r); er=zeros(m,1); for i=1:m er(i)=sum(x(i,:)*w); end e=e+er; b,ind=sort(er); b1=eye(m); b1=rot9

34、0(b1); b=b1*ind; for i=1:m d(b(i),i)=d(b(i),i)+1; endende=e./10b,ind=sort(e);b1=eye(m);b1=rot90(b1); pm=b1*ind %每篇論文的排名c=zeros(1,74);for i=1:74 c(i)=find(pm=i);endcp=d./l;%根據(jù)已求出的每篇論文價值e，求出每個人的科研水平值peopl,并對所有人進行排名比較paimings=7 2 13 7 9;4 11 5 3 2;4 1 2 1 3; %每位教師被收錄的論文數(shù)m,n=size(s);peop=zeros(m,n);k=0;

35、for i=1:m for j=1:n peop(i,j)=sum(e(k+1:k+s(i,j); k=k+s(i,j); endendpeopl=reshape(peop,m*n,1)b,ind=sort(peopl);xh=flipud(ind);cj=flipud(b);paiming=xh;cj %每位教師的排名%計算每個學(xué)科的科研水平值xuke=zeros(m,1);for i=1:m xuke(i)=sum(peop(i,:);endxuke%繪制所有教師的科研水平條形圖x=1:15;y=peopl;bar(x,y)xlabel(教師);ylabel(科研水平);title(全部學(xué)

36、科);%繪制機械工程學(xué)科教師的科研水平條形圖figure(2)x1=1:5;y1=peop(1,:);bar(x1,y1)xlabel(教師);ylabel(科研水平);title(機械工程學(xué)科);%繪制數(shù)學(xué)學(xué)科教師的科研水平條形圖figure(3)x2=1:5;y2=peop(2,:);bar(x2,y2)xlabel(教師);ylabel(科研水平);title(數(shù)學(xué)學(xué)科);%繪制生物醫(yī)學(xué)工程學(xué)科教師的科研水平條形圖figure(4)x3=1:5;y3=peop(3,:);bar(x3,y3)xlabel(教師);ylabel(科研水平);title(生物醫(yī)學(xué)工程學(xué)科);附錄二：%首先采用

37、和法求解最大特征根和特征向量，然后再求出組合權(quán)向量a=1 2 1;1/2 1 1/3;1 3 1;b1=1 1/2 1/3;2 1 1/2;3 2 1;b2=1 1/2;2 1;b3=1 3 2 1 4;1/3 1 1/2 1/3 2;1/2 2 1 1/2 3;1 3 2 1 5;1/4 1/2 1/3 1/5 1;wa=zeros(3,3);wb1=zeros(3,3);wb2=zeros(2,2);wb3=zeros(5,5);for j=1:5 %將正互反陣每一列向量歸一化 for i=1:5 if i=2&j=2 wa(i,j)=a(i,j)/sum(a(:,j); wb1(i,j)

38、=b1(i,j)/sum(b1(:,j); wb2(i,j)=b2(i,j)/sum(b2(:,j); wb3(i,j)=b3(i,j)/sum(b3(:,j); elseif i=3&j=3 wa(i,j)=a(i,j)/sum(a(:,j); wb1(i,j)=b1(i,j)/sum(b1(:,j); wb3(i,j)=b3(i,j)/sum(b3(:,j); else wb3(i,j)=b3(i,j)/sum(b3(:,j); end endendwa=zeros(3,1);wb1=zeros(3,1);wb2=zeros(2,1);wb3=zeros(5,1);for i=1:5 %將

39、歸一化后的矩陣按行求和 if i=2 wa(i)=sum(wa(i,:); wb1(i)=sum(wb1(i,:); wb2(i)=sum(wb2(i,:); wb3(i)=sum(wb3(i,:); elseif i=3 wa(i)=sum(wa(i,:); wb1(i)=sum(wb1(i,:); wb3(i)=sum(wb3(i,:); else wb3(i)=sum(wb3(i,:); end endw0=zeros(3,1);w1=zeros(3,1);w2=zeros(2,1);w3=zeros(5,1);for i=1:5 %將求和后的向量歸一化，即為近似特征向量 if i=2

40、w0(i)=wa(i)/sum(wa); w1(i)=wb1(i)/sum(wb1); w2(i)=wb2(i)/sum(wb2); w3(i)=wb3(i)/sum(wb3); elseif i=ch(j) fh(i,j)=1; fm(i,j)=0; fl(i,j)=0; elseif a0(i,j)=cm(j) fh(i,j)=(a0(i,j)-cm(j)/(ch(j)-cm(j); if a0(i,j)=cm(j) fm(i,j)=1; fl(i,j)=(cm(j)-a0(i,j)/(cm(j)-cl(j); else fm(i,j)=(ch(j)-a0(i,j)/(ch(j)-cm(j

41、); fl(i,j)=0; end elseif a0(i,j)=cl(j) fh(i,j)=0; fm(i,j)=(a0(i,j)-cl(j)/(cm(j)-cl(j); fl(i,j)=(cm(j)-a0(i,j)/(cm(j)-cl(j); else fh(i,j)=0; fm(i,j)=0; fl(i,j)=1; end endendeh=fh*w; %計算灰度系數(shù)em=fm*w;el=fl*w;e=eh em el;resul=zeros(m,1);for i=1:m %根據(jù)灰度系數(shù)對樣本進行分類 resul(i)=find(max(e(i,:)=e(i,:); endresul附錄三： 附錄四：附錄五：模型推薦信xx領(lǐng)導(dǎo)：您好。隨著科學(xué)技術(shù)的不斷進步，科技水平及科研能力已經(jīng)成為國家綜合國力和國家競爭力的重要體現(xiàn)，而高等院校是我國科學(xué)技術(shù)研究的生力軍，是創(chuàng)新型國家建設(shè)的重要力量，承擔(dān)著原始創(chuàng)新（知識創(chuàng)新）和集成創(chuàng)新之重任。近幾年來，高校加強了成果轉(zhuǎn)化，對經(jīng)濟社會建設(shè)做出了重要貢獻。有些成果帶動了相關(guān)產(chǎn)業(yè)變革，在國際上也有較大影響。加強對科技工作的管理是高等院校整合科技資源、充分發(fā)掘