喬維德

（無錫開放大學(xué)，江蘇 無錫214011）

當(dāng)代高職院校肩負(fù)著人才培養(yǎng)、科學(xué)研究、社會(huì)服務(wù)等基本職能和任務(wù)，高職院校教師作為履行職能和任務(wù)的主要承擔(dān)者，其綜合能力的高低會(huì)直接影響履行職能和完成任務(wù)的成效。高職院校開展科學(xué)研究，可以更好地促進(jìn)專業(yè)教學(xué)和人才培養(yǎng)模式改革，提升專業(yè)化水平和社會(huì)服務(wù)能力。目前，很多高職院校雖然重視科研工作，但往往忽視對科研工作及其成果的績效評價(jià)，導(dǎo)致科研成果片面追求數(shù)量、成果水平普遍不高等現(xiàn)象?？蒲锌冃гu價(jià)的全面實(shí)施，能夠分析高職院校教師科研綜合水平和能力，能夠根據(jù)評價(jià)結(jié)果健全完善科研管理政策和制度，優(yōu)化科研經(jīng)費(fèi)分配，引導(dǎo)和調(diào)整高校教師科研方向，提高科研管理水平及成效。故此，對科研績效進(jìn)行客觀評價(jià)成為現(xiàn)代高職院?？蒲泄芾淼暮诵膬?nèi)容和重要任務(wù)。以下基于層次分析法和BP神經(jīng)網(wǎng)絡(luò)，建立粒子群—蛙跳算法與改進(jìn)BP算法優(yōu)化訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)的科研績效評價(jià)模型，進(jìn)而建立高職院校教師科研績效評價(jià)指標(biāo)體系，并合理賦予評價(jià)體系中各指標(biāo)權(quán)重，為高職院校科研績效評價(jià)提供更加科學(xué)化、智能化的評價(jià)手段和方法。

一、文獻(xiàn)綜述

目前，不少高職院校仍套用本科院校甚至本科“雙一流”大學(xué)的科研評價(jià)體系，其評價(jià)標(biāo)準(zhǔn)與高職院?？蒲泄ぷ鲗?shí)際存在較大差別。所以，高職院校的科研績效評價(jià)體系需要根據(jù)高職院校自身辦學(xué)定位和時(shí)代發(fā)展要求，對評價(jià)指標(biāo)進(jìn)行動(dòng)態(tài)調(diào)整，并且實(shí)施有效評價(jià)。

許多學(xué)者對高?？蒲锌冃гu價(jià)進(jìn)行多維度研究，蔡愛麗在分析高職院校科研工作特點(diǎn)基礎(chǔ)上，確定高職院校教師科研評價(jià)指標(biāo)，利用層次分析法評價(jià)教師科研績效[1]；丁洪提出多目標(biāo)多屬性的高?？蒲锌冃：u價(jià)模型[2]等。但由于高?？蒲锌冃гu價(jià)是一項(xiàng)復(fù)雜的系統(tǒng)工程，呈現(xiàn)復(fù)雜時(shí)變的非線性關(guān)系，單純采取傳統(tǒng)層次分析法、模糊評價(jià)方法來評價(jià)高校教師科研績效，往往會(huì)出現(xiàn)較大隨機(jī)性和局限性。于是有學(xué)者利用較強(qiáng)非線性映射功能的BP神經(jīng)網(wǎng)絡(luò)來評價(jià)科研績效，如張友海提出基于BP神經(jīng)網(wǎng)絡(luò)的科研績效評價(jià)模型結(jié)構(gòu)[3]；朱晴、王晶晶提出一種基于粒子群優(yōu)化的 BP神經(jīng)網(wǎng)絡(luò)評估模型[4]等。以上評價(jià)方法在教師科研績效評估中取得一定成效，但仍存在明顯的問題與不足，如BP算法的計(jì)算過程復(fù)雜、收斂速度慢、易陷入局部最?。涣Ｗ尤核惴ǖ木植繉?yōu)能力差，易陷入局部最小等。這些問題會(huì)導(dǎo)致評價(jià)結(jié)果與實(shí)際值存在較大偏差，評價(jià)結(jié)果往往準(zhǔn)確度不高，難以客觀、精準(zhǔn)地評價(jià)高校教師的科研績效。

二、研究目的與研究方法

通過構(gòu)建科學(xué)、規(guī)范的科研績效評價(jià)體系和評價(jià)方法，最大限度地挖掘和發(fā)揮高職院校教師本身及科研經(jīng)費(fèi)等科研要素的潛力，促進(jìn)高職院校科研發(fā)展模式由注重成果數(shù)量多的粗放型增長向注重成果質(zhì)量高的集約型增長轉(zhuǎn)變，助推高職院校科研高質(zhì)量發(fā)展，為本研究之目的。

研究方法是基于層次分析法構(gòu)建高職院校科研績效評價(jià)指標(biāo)體系，建立BP神經(jīng)網(wǎng)絡(luò)評價(jià)模型，利用粒子群—蛙跳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)初始結(jié)構(gòu)參數(shù)，通過改進(jìn)BP算法訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，最后將訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型用于科研績效評價(jià)。

三、研究成效

（一）科研績效評價(jià)指標(biāo)體系架構(gòu)

1.建立遞階層次結(jié)構(gòu)

影響高等職業(yè)院校教師科研績效評價(jià)的因素較多，并且各因素之間又存在一定的關(guān)聯(lián)，所以運(yùn)用層次分析法構(gòu)建科研績效評價(jià)指標(biāo)結(jié)構(gòu)體系時(shí)，需要遵循以下操作原則。

科研績效差異化評價(jià)原則。評價(jià)時(shí)要綜合考慮不同的學(xué)科類型，不同學(xué)科領(lǐng)域的科研活動(dòng)呈現(xiàn)不同的特點(diǎn)和側(cè)重點(diǎn)，科研成果也會(huì)有不同的呈現(xiàn)形式和研究價(jià)值。

科研績效持續(xù)發(fā)展評價(jià)原則。科研績效評價(jià)指標(biāo)要引領(lǐng)學(xué)科研究方向，實(shí)現(xiàn)教師專業(yè)化成長以及學(xué)生創(chuàng)新能力培養(yǎng)。

科研績效不交叉評價(jià)原則。評價(jià)指標(biāo)避免指標(biāo)之間存在因果、交叉等聯(lián)系，杜絕科研績效的交叉評價(jià)、重復(fù)評價(jià)等現(xiàn)象。

科研績效全面評價(jià)原則。評價(jià)指標(biāo)要綜合考慮科研項(xiàng)目、成果、獲獎(jiǎng)等各方面因素，指標(biāo)要系統(tǒng)、全方位地反映科研評價(jià)績效。

在參照蔡愛麗[1]的科研績效評價(jià)指標(biāo)以及咨詢高職院校教師、相關(guān)專家學(xué)者意見基礎(chǔ)上，建立高等職業(yè)院校教師科研績效評價(jià)指標(biāo)體系。該體系具有目標(biāo)層（A）、一級指標(biāo)層（B）和二級指標(biāo)層（C）、三級指標(biāo)層（X）的四層結(jié)構(gòu)模型，如表1所示。

表1 高職院校教師科研績效評價(jià)層次結(jié)構(gòu)

高職院校教師科研績效評價(jià)為目標(biāo)層；一級指標(biāo)層由科研項(xiàng)目、科研成果、指導(dǎo)學(xué)生項(xiàng)目組成；二級指標(biāo)層由課題立項(xiàng)、課題經(jīng)費(fèi)、課題結(jié)題、論文成果等10項(xiàng)指標(biāo)組成；三級指標(biāo)層由國家級科研課題立項(xiàng)、縱向課題資助、SCI收錄論文、學(xué)術(shù)專著、國家發(fā)明專利、學(xué)生科技競賽獲獎(jiǎng)數(shù)等51項(xiàng)指標(biāo)組成。

2.構(gòu)造權(quán)重判斷矩陣

利用1—9比率標(biāo)度法求取高職院校教師科研績效評價(jià)的一級指標(biāo)權(quán)重判斷矩陣A-B，二級指標(biāo)權(quán)重判斷矩陣B1-C、B2-C、B3-C，三級指標(biāo)權(quán)重判斷矩陣C11-X、C12-X、C13-X、C21-X、C22-X、C23-X、C24-X、C25-X、C31-X、C32-X，文中列出的表2、表3、表4分別為一級指標(biāo)權(quán)重判斷矩陣A-B、二級指標(biāo)權(quán)重判斷矩陣B1-C、三級指標(biāo)權(quán)重判斷矩陣C11-X，其它指標(biāo)權(quán)重判斷矩陣因版面限制在此略。其中，判斷矩陣中A-B中的“5”表示指標(biāo)B1（科研項(xiàng)目）比指標(biāo)B3（指導(dǎo)學(xué)生）明顯重要，“7”表示指標(biāo) B2（科研成果）比 B3（指導(dǎo)學(xué)生）強(qiáng)烈重要，“9”表示指標(biāo) B2（科研成果）比指標(biāo) B3（指導(dǎo)學(xué)生）絕對重要，而“1／5”表示B3（指導(dǎo)學(xué)生）明顯沒有B1（科研項(xiàng)目）重要，“1／7”表示 B1（科研項(xiàng)目）沒有 B2（科研成果）非常重要，“1／9”表示 B3（指導(dǎo)學(xué)生）絕對沒有B2（科研成果）重要，其它判斷矩陣類似。

表2 一級指標(biāo)權(quán)重判斷矩陣A-B

表3 二級指標(biāo)權(quán)重判斷矩陣B1-C

表4 三級指標(biāo)權(quán)重判斷矩陣C11-X

3.確定指標(biāo)單權(quán)重

利用方根法得到權(quán)重判斷矩陣的特征向量，然后通過歸一化數(shù)學(xué)處理求得高職院校教師科研績效評價(jià)各指標(biāo)相對于上一層指標(biāo)的權(quán)重向量。以一級權(quán)重判斷矩陣A-B為例，計(jì)算過程如下。

①求矩陣A—B每一行的乘積Mi，即：

②求乘積Mi的n次方根，得到

③對方根向量進(jìn)行歸一化處理計(jì)算，得到

由判斷矩陣A-B的權(quán)重向量W＝（W1，W2…Wn）T（n＝3）求得一級指標(biāo)相對于目標(biāo)層的權(quán)重向量為：

同理，按上述方法計(jì)算得到二級指標(biāo)相對于一級指標(biāo)權(quán)重向量分別為：

同樣，按上述方法計(jì)算得到三級指標(biāo)相對于二級指標(biāo)的權(quán)重向量分別為：

4.計(jì)算合成權(quán)重

通過對各指標(biāo)層的指標(biāo)單權(quán)重作合成計(jì)算后，可以得到三級評價(jià)指標(biāo)X1、X2、X3………X51對目標(biāo)層的合成權(quán)重，即為：W＝W（1）W（2）W（3）＝（0.03264，0.02112，0.01056，0.0048，0.0144， 0.00768， 0.0048， 0.0336， 0.0144，0.0528， 0.0352， 0.0176， 0.00704， 0.0264，0.01408，0.00704，0.01584，0.0187，0.0154，0.0132，0.011，0.011，0.0066，0.0044，0.011，0.0099， 0.0088， 0.02625， 0.015， 0.0188，0.015，0.056，0.042， 0.028， 0.014， 0.015，0.03，0.055，0.0255，0.0165，0.0083，0.004，0.01125， 0.006， 0.00375， 0.063， 0.0378，0.0252，0.0162，0.0324，0.0054）。

（二）科研績效評價(jià)模型建構(gòu)

首先，采用粒子群—蛙跳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始結(jié)構(gòu)，選取影響高職院校教師科研績效的指標(biāo)數(shù)據(jù)作為訓(xùn)練樣本對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練。其次，將訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)，進(jìn)行測試檢驗(yàn)。最后，將達(dá)到標(biāo)準(zhǔn)要求的檢測數(shù)據(jù)用于高職院校教師科研績效的實(shí)際評價(jià)，評價(jià)模型原理如圖1所示。

模型建構(gòu)具體過程：科研績效指標(biāo)數(shù)據(jù)經(jīng)過預(yù)處理（即歸一化）后作為BP神經(jīng)網(wǎng)絡(luò)輸入變量，網(wǎng)絡(luò)輸出變量S*經(jīng)過反歸一化處理后得到的S為高職院校教師科研績效的BP網(wǎng)絡(luò)評價(jià)結(jié)果。Q為BP神經(jīng)網(wǎng)絡(luò)的期望（理想）值，即基于層次分析法計(jì)算得出的專家評審結(jié)果。ωij為網(wǎng)絡(luò)輸入層與中間層之間的連接權(quán)值，Tki為網(wǎng)絡(luò)中間層與輸出層之間的連接權(quán)值，中間層、輸出層節(jié)點(diǎn)閾值分別為θi、θk，E為BP網(wǎng)絡(luò)輸出與期望值之間的誤差，BP神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)訓(xùn)練過程中，通過不斷調(diào)整結(jié)構(gòu)參數(shù)ωij、Tki、θi、θk，直至E達(dá)到規(guī)定的誤差精度。

圖1 高職院校教師科研績效評價(jià)模型原理圖

（三）科研績效評價(jià)模型中BP神經(jīng)網(wǎng)絡(luò)優(yōu)化及訓(xùn)練

圖1中高職院校教師科研績效評價(jià)模型中的BP神經(jīng)網(wǎng)絡(luò)，其結(jié)構(gòu)參數(shù)需要經(jīng)過反復(fù)學(xué)習(xí)訓(xùn)練實(shí)現(xiàn)優(yōu)化。因?yàn)樵谟?xùn)練過程中網(wǎng)絡(luò)輸出受參數(shù)初始值影響較大，學(xué)習(xí)很容易陷入局部極值，所以利用粒子群—蛙跳算法對網(wǎng)絡(luò)神經(jīng)元之間連接權(quán)值及節(jié)點(diǎn)閾值等參數(shù)進(jìn)行優(yōu)化，得到最優(yōu)初始參數(shù)，然后采取改進(jìn)BP算法訓(xùn)練BP網(wǎng)絡(luò)，最終實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)輸出與專家評審結(jié)果（即由層次分析法計(jì)算而得）之間的誤差滿足規(guī)定精度要求。

網(wǎng)絡(luò)優(yōu)化及訓(xùn)練步驟為[5]：確定BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，選取科研績效評價(jià)訓(xùn)練數(shù)據(jù)輸入至網(wǎng)絡(luò)，通過粒子群—蛙跳算法迭代運(yùn)算和搜尋，當(dāng)?shù)麓螖?shù)達(dá)到設(shè)定迭代數(shù)后，輸出蛙群最優(yōu)個(gè)體位置，然后將其作為BP網(wǎng)絡(luò)初始連接權(quán)值和節(jié)點(diǎn)閾值，再利用引入動(dòng)量項(xiàng)及自調(diào)整學(xué)習(xí)率的改進(jìn)BP算法訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，通過不斷調(diào)整網(wǎng)絡(luò)權(quán)值和閾值，最終實(shí)現(xiàn)網(wǎng)絡(luò)誤差在規(guī)定范圍內(nèi)。BP神經(jīng)網(wǎng)絡(luò)優(yōu)化及訓(xùn)練的流程圖如圖2。

（四）科研績效評價(jià)指標(biāo)模型應(yīng)用算例

1.數(shù)據(jù)歸一化處理

影響高職院校教師科研績效的評價(jià)指標(biāo)有51個(gè)，各指標(biāo)量綱、單位并不完全一致。如果選取的樣本數(shù)據(jù)過大，而且將這些數(shù)據(jù)直接用于輸入神經(jīng)網(wǎng)絡(luò)，往往會(huì)直接拖慢BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度以及精度，所以需要將數(shù)據(jù)進(jìn)行歸一化的數(shù)學(xué)處理[6]，轉(zhuǎn)換后的數(shù)據(jù)范圍為[0，1]。當(dāng)然，BP網(wǎng)絡(luò)輸出值同樣需要經(jīng)過反歸一化處理，便于將其還原成正常的科研績效評價(jià)值。轉(zhuǎn)換公式中的X*為歸一化數(shù)據(jù)值，X、S分別為原始數(shù)據(jù)樣本的輸入和輸出量，Xmax、Xmin分別為原始數(shù)據(jù)最大和最小值。

圖2 BP神經(jīng)網(wǎng)絡(luò)優(yōu)化訓(xùn)練流程圖

2.BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)確定

BP網(wǎng)絡(luò)輸入層神經(jīng)元節(jié)點(diǎn)數(shù)n選取為51，分別與高校教師科研績效評價(jià)的51個(gè)指標(biāo)相對應(yīng)。輸出層神經(jīng)元對應(yīng)網(wǎng)絡(luò)輸出評價(jià)結(jié)果S，輸出節(jié)點(diǎn)數(shù)m為1，S設(shè)定5個(gè)評價(jià)等級，分別為優(yōu)秀[100～90]、良好（90～80]、中等（80～70]、一般（70～60]、較差（60～0]，網(wǎng)絡(luò)中間層神經(jīng)元節(jié)點(diǎn)數(shù) h由 h＝[（2n+m）1／2，2n+m]確定，通過反復(fù)計(jì)算測試，確定h為36。BP網(wǎng)絡(luò)拓樸結(jié)構(gòu)為51—36—1，中間層神經(jīng)元傳遞函數(shù)采用tansig，輸出層神經(jīng)元傳遞函數(shù)選用purelin，中間層和輸出層節(jié)點(diǎn)激活函數(shù)均采用Sigmoid。

3.參數(shù)設(shè)置及BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練

初始化粒子群—蛙跳算法參數(shù)：粒子群規(guī)模為 N＝50，ω1＝1.4，ω2＝＝0.5；R1＝R2＝2，粒子群和蛙跳算法的最大迭代次數(shù)分別為300、150。BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練目標(biāo)誤差精度設(shè)定為0.0001。BP神經(jīng)網(wǎng)絡(luò)的最多迭代次數(shù)為350。選取某高校150位教師科研績效評價(jià)數(shù)據(jù)的訓(xùn)練樣本，訓(xùn)練樣本含各評價(jià)指標(biāo)x1～x51數(shù)據(jù)值以及專家評價(jià)得分Q，專家評價(jià)分是由層次分析法推算的綜合得分，即通過x1～x51指標(biāo)值與其指標(biāo)合成權(quán)重的乘積之和計(jì)算而得，得分Q作為BP神經(jīng)網(wǎng)絡(luò)的期望輸出值。利用表中150組數(shù)據(jù)對經(jīng)過粒子群—蛙跳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，學(xué)習(xí)算法采取改進(jìn)BP算法，當(dāng)網(wǎng)絡(luò)訓(xùn)練步數(shù)達(dá)到125步時(shí)，BP網(wǎng)絡(luò)滿足規(guī)定目標(biāo)誤差精度，網(wǎng)絡(luò)訓(xùn)練速度快、時(shí)間短。

4.BP神經(jīng)網(wǎng)絡(luò)測試

選取除訓(xùn)練樣本以外的另外26組數(shù)據(jù)作為測試樣本，樣本數(shù)據(jù)經(jīng)過歸一化處理后輸入至兩類BP神經(jīng)網(wǎng)絡(luò)，即一類是未優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)，另一類是經(jīng)過粒子群—蛙跳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)，分別對神經(jīng)網(wǎng)絡(luò)輸出誤差情況進(jìn)行統(tǒng)計(jì)分析，如圖3、圖4所示。從圖中明顯得出，沒有經(jīng)過粒子群—蛙跳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)輸出的科研績效評價(jià)誤差，最大可達(dá)0.78，而經(jīng)過粒子群—蛙跳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)輸出的科研績效評價(jià)誤差，最大值小于0.05，誤差減少了近16倍。即采取粒子群—蛙跳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)對科研績效進(jìn)行評價(jià)的準(zhǔn)確率得到顯著提升，所以更加適宜用于高職院校教師科研績效評價(jià)。

四、結(jié)語

基于層次分析法、BP神經(jīng)網(wǎng)絡(luò)、粒子群—蛙跳算法構(gòu)建了高職院?？蒲锌冃гu價(jià)指標(biāo)體系，架設(shè)了BP神經(jīng)網(wǎng)絡(luò)評價(jià)模型，有效用于高職院校科研績效評價(jià)。通過評價(jià)指標(biāo)的科學(xué)選取及其權(quán)重合理分配，增強(qiáng)了評價(jià)指標(biāo)體系的科學(xué)性、客觀性及可操作性。BP神經(jīng)網(wǎng)絡(luò)通過粒子群—蛙跳算法優(yōu)化其初始結(jié)構(gòu)參數(shù)，利用樣本數(shù)據(jù)及改進(jìn)BP算法對BP神經(jīng)網(wǎng)絡(luò)加以學(xué)習(xí)訓(xùn)練，建立了科研績效評價(jià)模型。實(shí)踐證明，該模型評價(jià)速度快、評價(jià)精準(zhǔn)度高，為高職院?？蒲锌冃гu價(jià)提供一種嶄新的方法，對于高?？蒲泄芾砼c評價(jià)工作具有一定的指導(dǎo)意義和推廣應(yīng)用價(jià)值。

圖3 未優(yōu)化BP神經(jīng)網(wǎng)絡(luò)評價(jià)誤差

圖4 經(jīng)粒子群—蛙跳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)評價(jià)誤差