李鹏LIPeng
(江苏科技大学经济管理学院,镇江212003)
(CollegeofEconomics&Management,JiangsuUniversityofScienceandTechnology,Zhenjiang212003,China)
摘要:提出我国研究生培养绩效的评价指标体系构建的原则,构建一套适合我国研究生培养现状的绩效评价指标体系,结合证据理论构建出相应的评价模型,分析我国研究生培养绩效评价模型的现实意义。
Abstract:ConstructingprinciplesoftheevaluationindexsystemoftheperformanceofpostgraduateeducationinChinawasputforward.Then,evaluationindexsystemoftheperformanceofpostgraduateeducationinChinawasproposed.BasedonD-Sevidencetheory,anevaluationmodelofpostgraduateeducationinChinawaspresented.Finally,theperformanceofevaluationofpostgraduatestudenttrainingofpracticalsignificancewasanalyzed.
关键词:证据理论;研究生培养;绩效评价体系
Keywords:evidencetheory;postgraduatetraining;performanceevaluationsystem
中图分类号院G643文献标识码院A文章编号院1006-4311(2014)29-0272-02
1问题的提出
创新是国家繁荣发展的源泉,是民族不断进步的灵魂,是实现中华民族伟大复兴的关键。而创新型人才是国家兴旺发达的基础,是提高国家竞争力的重要战略资源。高等教育承担着培养高质量、多样化的创新性人才的伟大而艰巨的使命,是我国成为人力资源强国的关键。国际上公认,研究生教育特别是博士研究生教育是各国高等教育的最高层次。研究生教育在每个国家的人才培养体系和创新体系中,都具有至关重要的地位。从1999年开始,我国研究生招生规模大幅加快,招生规模从1999年的9.2万人发展到2013年的60.8万人,短短十几年期间增长了接近7倍。短期的招生人数的暴涨促使研究生培养质量与数量存在较大的矛盾,如何合理对研究生培养质量进行合理评价,并在此基础上找出培养模式的缺陷和不足,是当今社会高度关注的一个问题。因此,亟需建立一套合理的评价指标体系,并在此基础上提出科学合理的评价方法,研究生培养机构和管理部门作出合理判断提供理论依据和技术支持。证据理论是Shafer等(1976)提出来的一种处理不确定问题的方法,在处理不确定问题上具有独特的优势和特点,现已广泛的应用在评价和决策领用,如文献[2-5]。由于研究生培养绩效在某些评价指标上具有较大的不确定性,因此本文结合证据理论提出一种不确定评价方法,对研究生培养绩效进行评价研究。
2评价指标体系的构建
2.1指标的选择依据和原则
科学客观性原则。以科学的理论作为指导,客观分析我国高校多年来对研究生培养情况,结合实际,采用科学的方法对客观实际进行描述,做到选取全面合理。
精简性原则。由于不同高校培养研究生的条件和情况差异很大,选取的效率评价指标比较复杂,建立评价指标体系应在能够反映评价有效性基础上尽量精简指标,避免指标过于繁冗。盂可比性原则。指标数据具有可比性,能够反映出我国各高校研究生培养绩效的真实水平。
2.2指标的选择
本文在参考了1995年研究生院评估指标体系和浙江大学、天津大学等知名院校的研究生培养经验,设计了如下指标体系:淤师生比;于政府划拨资金;盂学生培养产出;榆科研成果;虞学校声誉。
3证据理论模型简介
最后,运用D-S合成法则进行信息融合,根据信度函数最大化原则进行评价。
5结论
通过研究生培养绩效评价,首选可以帮助研究生培养机构和管理部门发现研究生培养过程中存在的不足和问题;其次,通过对研究生培养绩效的评价结果进行纵向和横向比较,可以促进学校相关部门进行合理完善和整顿,提出一些有针对性的政策和措施。
参考文献:
[1]ShaferG.Amathematicaltheoryofecidengce[M].NJ:PrincetonUniversityPress,1976.
[2]段新生.证据理论与决策、人工智能[M].北京:中国人民大学出版社,1993.
[3]段新生.证据决策[M].北京:经济科学出版社,1996.
[4]林志贵.基于证据理论的信息融合研究及其在水质监测中的应用[D].南京:河海大学博士论文,2004.
[5]徐从富,耿卫东,潘云鹤.Dempster-Shafer证据推理方法理论与应用综述[J].模式识别与人工智能,1999,12(4):424-430.