董 章 鄭曉齊

1 前 言

高校作為國防科技人才的主要培養(yǎng)基地，在國防建設中扮演著極其重要的角色。為國防科技工業(yè)創(chuàng)新發(fā)展提供人才及技術支撐，是高校的一項重要職能［2］。在新發(fā)展階段和新發(fā)展格局下，高校培養(yǎng)新型國防科技人才的一個重要途徑就是加強與國防相關的學科建設，特別是抓好國防特色學科建設。在國家層面，教育部、工業(yè)和信息化部、國防科工局等部門已經采取大量措施來支持國防特色學科建設和發(fā)展，如通過條件建設支持國防特色學科發(fā)展、通過科研計劃支持國防特色學科開展研究工作、通過設立國防重點學科實驗室等創(chuàng)新基地支持國防特色學科發(fā)展［3］。各高校作為相對獨立的個體，若能積極配合國家政策進行國防特色學科建設，特別是補足其中相對弱勢的學科，在國防特色學科人才培養(yǎng)的過程中更具針對性、目的性，將對提升我國國防科技水平，推動國防建設產生深遠影響。

然而，對于如何評估國防特色學科人才培養(yǎng)效果的好壞以及如何加強國防特色學科人才培養(yǎng)的針對性、目的性等問題，目前暫無一個明確的尺度或標桿，國防特色學科的建設及人才培養(yǎng)水平仍存在一定的提升空間。為了對國防特色學科建設的成效進行公平準確的評價，建立一套客觀、合理、實用的國防特色學科人才培養(yǎng)效果評估指標體系及其對應的評估方法，是十分有必要的。

本文的研究目標是為考核國防特色學科人才培養(yǎng)效果提供綜合評估體系。具體的，本文提出了國防特色學科人才培養(yǎng)效果評估指標體系，將模糊層次分析法（FAHP）和BP神經網絡組合模型應用于國防特色學科人才培養(yǎng)效果評估，充分利用模糊數學能較好解決模糊的、難以量化問題以及神經網絡非線性映射的優(yōu)勢，通過模糊層次分析法獲得初定指標權重，然后利用BP神經網絡對評價指標權重進行優(yōu)化，使得評估結果更加科學、客觀。同時，以第二批國防特色學科為例，進行綜合評估，并分析評估結果，提出相關建議。

2 文獻綜述

2.1 國外人才培養(yǎng)評價指標體系構建的相關研究

國外（以美、英為例）的學科評價體系建設體系體現(xiàn)出以社會機構為主的特點，政府、高校在學科評價中起到發(fā)起及協(xié)調的作用。各國的學科評價體系也都有較大的不同。

李燕（2018）［4］對美國社會機構開展的學科評價進行了研究比較。在這些評價中最具影響力的為USnews。USnews評價指標體系具有以下顯著特點：一是選擇如學術聲譽、學生選擇等共性特征；二是將學科輸入環(huán)節(jié)評判為最重要的標準；三是減小因規(guī)模、數量的變化對評判結果的影響；四是在調查過程中，注意聲譽的影響；五是賦予教學質量以較高的權重。

朱明（2015）［5］對于英國影響較大的三類學科評價進行了比較研究：第一，科研水平評價（RAE）；第二，以QAA為代表的學科教學水平評價；第三，以THE為代表的分學科領域的評價。其中THE對商業(yè)和經濟學、計算機科學、教育學等11個學科領域進行排名。在結構上，THE是選擇了若干關鍵性指標的綜合性水平評價，具有較強的國際可比性。在內容上，THE強調教學在學科建設中的重要性，并將教學指標的權重提高。RAE的排名結果將作為國家財政撥款系數的評價制度，RAE設置了三個一級指標（學科聲譽、研究環(huán)境、研究成果），采用水平等級制，強調學科活力和發(fā)展?jié)摿Γ⒅爻晒膭?chuàng)造性、領先性，并以研究經費為直接導向。QAA以確保高等教育方面的投資價值為目的，將學科領域的教學供應水平作為評價標準，并集中于教學質量和學術上，是一種學校自評和外部評價相結合的評價形式。其主要從課程設計、內容與組織、教學以及評價、學生成績、對學生支持和指導、學習資源、質量管理和提升等方面出發(fā)，進行量化評價并賦分，只有達到了一定的分值才可進行資助撥款。

Buela-Casal（2007）［6］從學術排名方法論的發(fā)展角度出發(fā)，在選擇標準上，確定了五個不同的標準。同時，Gualberto Buela-Casal選擇了包括US News在內的四個國際大學排名。把四個不同排名在同一高校、同一學科上的排名情況進行了指標頻率和權重比較分析，結果表明，雖然四個學科排名在指標選擇上不盡相同，在排名上的差異很大，甚至許多指標都是獨特的，但無論在哪個排名中，大學學術人員的研究能力和科學研究的生產力等指標都發(fā)揮著重要作用。

2.2 國內人才培養(yǎng)評價指標體系構建的相關研究

在國內，有不少學者提出了建設學科評價體系時應遵循的原則，并構建了自己的學科評價體系。在指標的選擇上，國內學科評價通過選定學術隊伍、人才培養(yǎng)、科學研究、硬件條件等一級指標，并將一級指標繼續(xù)劃分為二級指標、三級指標。在指標權重的確定方面，通常以層次分析法為主，結合最小二乘法、平衡計分卡以及全面質量管理等方法。

（1）國內人才培養(yǎng)評價指標選擇

古瑤（2007）［7］指出高校學科建設評價指標體系主要涉及的三方面指標：資源投入、成果產出和環(huán)境協(xié)同。資源投入主要反映高校在知識資源、人力資源、財力資源和平臺資源等四個方面的投入情況。成果產出主要反映在人才培養(yǎng)以及科研成果等方面的數量和質量。環(huán)境協(xié)同要求在構建學科評價體系時除設置量化的指標之外，還應重視學術創(chuàng)新氛圍。

鄭志翔（2011）［8］一共設置了五項一級指標（教學條件、師資隊伍、社會聲譽、學生質量、建設目標）和19項二級指標。鄭志翔提出在確定特色專業(yè)的指標權重時，不能照搬綜合性高校的學科評價，而是根據學科的具體特點來設定不同的權重，并選用AHP（Triantaphyllou，1998）［9］法來確定各級權重。

張泉泉（2016）［10］建立了以項目決策、投入、實施、項目績效為一級指標的績效評價指標體系。并引用了數據包絡分析方法，對部分高校的資金使用績效進行了時間序列和橫截面分析。

（2）國內人才培養(yǎng)評價指標權重確定

古瑤（2007）［7］采用層次分析法（AHP）來確定各個指標的權重，并進行一致性檢驗，對于可直接獲取的數據（如科研經費、發(fā)表論文數等），進行數據處理和重要度比較。對于無法直接獲取客觀指標的數據，采取專家打分和問卷調查的方式進行度量。此外，增設特色建設加分項，提高獨特性學科的地位，鼓勵高校結合實際，建設特色學科，打造自己的競爭優(yōu)勢。

萬莉（2016）［12］采用4 項一級指標、11 項二級指標、50 項三級指標構成的指標體系，涵蓋了人才培養(yǎng)、科學研究和社會服務等方面。采用了BSC的管理理念，把客戶、內部運營、財務、學習與成長等4 個維度列為了一級指標，并進而細化產生出含二級和三級指標的體系。引入全面質量管理( TQM)，將四個維度細化為二級三級指標，定量定性交叉考慮，構建適應于不同學科門類和層次的高等學校學科評估體系。

2.3 文獻評述

總結國內外學科評價及評價體系，存在以下不足：

（1）缺乏對特色學科的重視

雖然綜合性的學科評估對于能對高校的整體水平做出較為客觀的反映，但卻缺乏對特色學科的重視，體現(xiàn)出個性不足的缺點。由于學科評估的導向性，尋求一套適用于所有學科的評價指標體系，并將其作為高校辦學質量的評判標準和財政撥款的重要參考，會使高校針對評估指標進行針對性的“學科建設”，使學科評估本末倒置。為盡可能避免學科評估的導向型帶來的弊端，在構建評估體系時，應充分考慮不同學科的特色。

（2）指標權重的確定不夠客觀

現(xiàn)有學科評價常常采用層次分析法（AHP）來確定各級指標的權重并進行比較。但是單純的層次分析法存在的弊端，要檢驗評估矩陣的一致性會非常困難，特別是在某一層次評價指標很多時（大于四個），就很難保證層次分析法的思維一致性。在上述列舉的論文中，選定的一級指標數目往往大于四個，二級指標則接近20個。因此，在學科評估中，僅使用層次分析法并不能對學科水平進行非?？陀^的評價。

3 研究方法與數據

3.1 研究框架

本文采用基于模糊層次分析法與BP神經網絡法相結合的評估方法，該方法充分利用模糊數學能較好解決模糊的、難以量化的問題以及神經網絡的非線性映射能力的優(yōu)勢，有效避免評估過程中受過多主觀因素影響，保證評估結果的客觀性。

3.1.1 模糊層次分析法（fuzzy analytic hierarchy process，F(xiàn)AHP）

模糊層次分析法是一種以模糊數學隸屬度為理論依據的綜合性評價方法，具有系統(tǒng)性強、結果清晰的特點，能較好地解決難以量化的、模糊的問題，適合解決各類非確定性問題。該方法的核心思想為將定性評價問題轉換為定量評價問題，并利用模糊數學對受到多個因素制約的客體對象做出一個總體性評價（王杰，2012［13］）。層次分析法作為一種定量與定性相互結合的評估方法，雖然其具有系統(tǒng)性強、思路清晰、方法簡便等特點，但其仍存在一定的缺陷，例如在判斷矩陣的一致性時會存在一定偏差，以及一致性檢驗的標準目前仍缺乏相關科學依據。因此，模糊層次分析法利用模糊數學的優(yōu)勢來彌補層次分析法的不足，引入模糊判斷矩陣概念，并通過模糊一致性矩陣進一步降低專家主觀因素的影響。

3.1.2 BP神經網絡（Back-propagation Neural Networks，BPNN）

BP神經網絡算法是目前應用最廣泛的神經網絡，利用誤差反向傳播算法訓練多層前饋神經網絡。BP神經網絡的學習記憶能力和自適應能力強大，這得益于其由大量處理單元互聯(lián)組成的非線性、自適應的信息處理系統(tǒng)。BP神經網絡的一個優(yōu)點是省去了預先訓練固定模型的步驟，要獲得較為理想的預測結果，只需學習訓練樣本，而后積累經驗知識。BP神經網絡是由輸入層、隱藏層和輸出層三部分組成，構成多層前饋感知器網絡。圖1為包含兩個隱藏層的神經網絡結構。

圖1 BP神經網絡結構

3.2 國防特色學科人才培養(yǎng)效果評估指標

3.2.1 國防特色學科人才培養(yǎng)效果評價維度劃分

通過國防特色學科人才培養(yǎng)效果評價維度的劃分，從不同視角做出構建指標體系的分析，為構建科學、客觀的高校人才流動績效評價體系框架打下基礎。至2017年，國防科工局共在53所高校布局了280個國防特色學科點［3］。調研參考相關文獻，本文從學術隊伍、科學研究、學生培養(yǎng)三個維度，構建三維立體的國防特色學科人才培養(yǎng)效果評價指標體系。

（1）學術隊伍

高等教育的價值核心，是人才培養(yǎng)質量和學科建設水平。對于人才的培養(yǎng)，離不開學術隊伍的支撐。學術隊伍一級指標，涉及教學、科研兩大部門，涵蓋全校教學與科研人員。其中，包括高層次人才、正高級職稱學者數、副高級職稱學者數、博士生導師數、碩士生導師數、專職教師及研究人員總數、省部級及以上教學名師數6個二級指標。

（2）科學研究

高校的特色學科的科學研究水平，直接能夠反映出該學科的反展現(xiàn)狀與水平。其中，科學研究一級指標下包含科研基礎、獲獎與專利情況、學術研究、科研經費4個二級研究指標。同時，為了能夠更好的反映出各學校學科中學者的學術研究水平，將學術研究二級指標，再次細分為論文數、專利數、項目數、學者職稱以及學者科技創(chuàng)新活躍度5個三級指標，由這5個三級指標進行加權求得最終學術研究二級指標的得分。

（3）學生培養(yǎng)

學生的學習與成長是學校人才培養(yǎng)和科學研究的基礎，作為高校最基本任務和核心使命，可以直觀反映學科發(fā)展的潛力。將人才培養(yǎng)的過程和人才培養(yǎng)的結果共同納入考核指標中，保證終結性評價與形成性評價并重，才能真正反映人才培養(yǎng)的質量（張東明，2020［14］）。學生培養(yǎng)包含授予博士學位數、授予碩士學位數、碩博留學生數、赴境外交流學生數、在讀本科生數5個二級指標。

3.2.2 國防特色學科人才培養(yǎng)效果評估指標

評價指標體系是一個由不同環(huán)節(jié)構成的整體系統(tǒng)，各環(huán)節(jié)之間相互聯(lián)系，相互制約，不可分割。故本文依據國防特色學科人才培養(yǎng)效果評估指標確定原則與維度劃分，最終確定了學術隊伍、科學研究、學生培養(yǎng)3個一級評價指標，圍繞每個一級指標，又根據不同屬性內涵，細分為16個二級指標，其中學術研究二級指標下包含5個三級指標。指標體系如圖2和表1所示。

圖2 國防特色學科人才培養(yǎng)效果評估指標體系

表1 學術研究指標細分

3.3 國防特色學科人才培養(yǎng)效果評價指標體系權重確定

3.3.1 權重方法介紹

本文提出了基于模糊層次分析法與BP神經網絡法相結合的評估方法，首先通過模糊層次分析法獲取先驗樣本，然后使用先驗樣本訓練BP神經網絡模型，最后利用神經網絡模型非線性計算的優(yōu)勢，進一步優(yōu)化指標權重，將定量與定性相結合，得到最終各指標的權重，進行評估。評估指標權重獲取過程如圖3所示。

圖3 基于FAHP-BP神經網絡的國防特色學科人才培養(yǎng)效果評估模型

3.3.2 權重計算過程

（1）指標權重初定

首先建立模糊互補判斷矩陣，其次要建立模糊一致性矩陣，而后利用模糊一致性方法，確定各指標權重值。

①建立模糊互補判斷矩陣

通過專家調查問卷的形式，對各層次的各個指標因素進行兩兩之間相對重要性的判別比較，采用“0.1-0.9”標度法表示其相對重要程度，從而構造對應指標的模糊互補判斷矩陣。

相關數學符號規(guī)定如下：

記兩個比較因素為ai和aj；元素相對于的比較標度為rij,0≤rij≤1；則有rij表示aj相對于ai的比較標度，且rij=1 - rij。

記對應的模糊互補判別矩陣為R=(rij)n×n，n表示該層次指標元素共n個。對各元素比較判斷標度rij的取值規(guī)定，見表2所示。

表2 “0.1-0.9”標度取值及含義

②確立模糊一致性矩陣并計算指標權重

設模糊互補判別矩陣R=（rij）n×n，對矩陣按行求和：

進行數學變換：

得到模糊一致性矩陣。

模糊一致性矩陣滿足以下特性：

（1）rij=0.5表示自身相比同等重要。

（2）rij+rij=1，說明元素i和元素j相比較的重要性，與元素j和元素i相比較的重要性，恰好互補。

在模糊一致性矩陣的基礎上，計算得到各指標因素的初定權重：

③數據集制定

為了消除指標數據量綱的影響，需要將指標數據進行歸一化處理，本文采用最大值-最小值歸一化處理方法，將指標數值先映射到［0,1］,然后乘以100，使得指標得分取值范圍為［0,100］，轉換方法如下所示：

利用樣本各指標數據構建神經網絡數據集，將各指標數據作為神經網絡輸入層的輸入，利用各指標初定權重計算出樣本指標的線性加權值作為樣本輸出標簽，如公式6所示。同時，將數據集劃分為訓練集、驗證集和測試集，各占比70%、15%、15%。

④BP神經網絡模型評估指標權重的優(yōu)化

為進一步避免模糊層次分析法中不同專家的主觀隨意性及其偏好對指標權重的影響，提高評價指標權重的可靠性和客觀性，故利用BP神經網絡的非線性映射能力進一步優(yōu)化指標權重。

1）BP神經網絡模型的構建

將BP神經網絡應用于國防特色學科人才培養(yǎng)效果評估，只需把評估指標的實際數據值作為BP神經網絡的輸入，將相對應的FAHP評價結果當作BP神經網絡的目標輸出值，用足夠多的樣本進行訓練，直到神經網絡模型收斂，便可得到國防特色學科人才培養(yǎng)效果評估模型。具體結構設計如下：

I.網絡層數確定。研究表明三層的BP神經網絡結構可以實現(xiàn)任意的非線性映射，因而本文選擇典型的3層BP神經網絡模型。

II.節(jié)點數的設計。輸入層節(jié)點數，即評估指標體系的指標數量，等于12；輸出層，即評估的結果，等于1；隱藏層節(jié)點數，則需要根據實驗而確定，本文模型隱藏層節(jié)點數設置為3。

2）BP神經網絡指標的權重計算

利用已訓練好的BP神經網絡模型輸出所得到的各層節(jié)點權重，可計算出優(yōu)化后的各評估指標權重，具體計算如下：

4 結果與討論

本文以第二批國防特色學科人才培養(yǎng)效果評估為例，獲取第二批國防特色學科布局名單中高校的相關評估指標數據，利用模糊層次分析法實現(xiàn)指標權重的初定，構建數據集，訓練BP神經網絡模型，得到最終的國防特色學科人才培養(yǎng)效果評估模型。

4.1 國防特色學科人才培養(yǎng)效果評價-以大數據信息共享平臺的軍工人才評價為例

4.1.1 大數據下的國防特色學科數據收集整理

本文實驗數據來源于科搜的大數據信息共享平臺以及高校官網，將大數據進行整合處理，獲得第二批國防特色學科人才培養(yǎng)指標數據，數據真實可靠。數據為截止到2021年的最新數據，并利用公式（4）和公式（5）對數據進行歸一化處理。

第二批部分國防特色學科方向布局名單如表3所示。

表3 第二批部分國防特色學科方向布局名單

4.1.2 基于第二批國防特色學科人才培養(yǎng)效果評估的指標體系

第二批國防特色學科人才培養(yǎng)效果評估的指標體系與本文提出的評估指標體系一致，具體指標如下所示：

表4 第二批國防特色學科人才培養(yǎng)效果評估的指標體系

4.1.3 評價結果

（1）調查問卷設計

在使用模糊層次法進行權重初定時，需要以調查問卷的形式，對各層次的各個指標因素進行兩兩之間相對重要性的判別比較，采用“0.1-0.9”標度法表示其相對重要程度，從而構造對應指標的模糊互補判斷矩陣。

向全國國防教育領域相關專家共發(fā)放45份調查問卷，回收有效問卷40份。調查問卷設計如下所示，表格中同一行中左邊指標相對于右邊指標進行比較，對符合選項的列中進行勾選。一級指標權重確定調查問卷如表5所示，二級指標類似，由于篇幅關系在此省略，結果備索。

表5 一級指標重要性比較權重確定

（2）專家信息統(tǒng)計

填寫調查問卷專家共45人，分別從性別、年齡、所屬機構等方面對專家進行信息統(tǒng)計，結果如下圖4.1、4.2、4.3、4.4、4.5 所示。

性別統(tǒng)計：

圖4 專家性別統(tǒng)計

年齡統(tǒng)計：

圖5 專家年齡統(tǒng)計

最后學位統(tǒng)計：

圖6 最后獲取學位統(tǒng)計

所屬機構：

圖7 專家所屬機構信息統(tǒng)計

工作角色：

圖8 工作角色信息統(tǒng)計

（3）指標權重初定

首先建立模糊互補判斷矩陣。根據調查問卷結果，對各指標的打分結果取平均值，計算得到4個模糊互補判斷矩陣，分別為R，R1，R2，R3，具體得分備索。

最后在模糊一致性矩陣的基礎上，通過公式（3）得到各層指標初定權重向量。

（4）指標權重優(yōu)化

1）數據集確定

利用初定權重計算出樣本指標的線性加權值作為樣本輸出標簽，構建出神經網絡需要的數據集。將我們得到的數據集，按照相關比例劃分為訓練集、測試集和驗證集，其中的訓練集包含600條數據，測試集和驗證集分別包含200條數據。

2）訓練BP神經網絡模型

采用三層前饋神經網絡結構，輸入層節(jié)點數為16，隱藏層節(jié)點數為3，輸出層節(jié)點數為1。設置最大訓練回合數epoch為1000，學習率為0.005，批處理batch size為3。在訓練回合結束時，使用驗證集進行測試，若模型在驗證集上的平均誤差小于0.001，則提前結束訓練，防止繼續(xù)訓練出現(xiàn)過擬合現(xiàn)象。經過實驗，BP神經網絡在訓練完成第42輪時，滿足結束條件，在驗證集上測試平均誤差為,在測試集上測試平均誤差為0.0513。

3）BP神經網絡指標權重計算

利用公式（12）可計算出優(yōu)化后的各指標權重，本文所提出的組合模型中，BP神經網絡模型的作用是對模糊層次分析法得到的初定權重進行進一步的優(yōu)化，降低專家主觀因素對權重確定的影響，因此通過訓練后的神經網絡模型的指標權重，應與初定權重接近，這樣也會增加神經網絡模型的可解釋性和合理性。經過多次試驗后，最終模型優(yōu)化后的指標權重如表6所示。

表6 國防特色學科人才培養(yǎng)效果評估指標及權重

（5）評估結果

利用訓練好的BP神經網絡模型，得到各指標對應的權重值，可計算出各高校的國防特色學科綜合評估得分，具體得分備索。

4.2 實證研究

本文針對國防特色學科人才培養(yǎng)效果評價問題開展了20人次的專家訪談，訪談對象包括高校領導、高校教師、國防單位及企業(yè)的領導等，每次訪談時間在40分鐘左右。訪談中，各位專家對國防特色學科人才培養(yǎng)的現(xiàn)狀、本文的評價體系以及發(fā)展建議等都作出了評價，為我們的后續(xù)工作提供了資料和參考。

受訪者普遍對國防特色學科人才培養(yǎng)效果評估指標體系給予較高評價。人才培養(yǎng)最直觀的結果就是學生數量，學生數量多才能廣育人才。要培養(yǎng)國防特色學科人才，就必須要盡快提升人才培養(yǎng)的質量，滿足行業(yè)發(fā)展對人才的多樣化需求（張建衛(wèi)，2021［15］）。而要想培養(yǎng)人才，需要擁有高水平的科研隊伍，對于學生的科研、教學工作都有重要意義。通過科學研究狀況，可以評價人才培養(yǎng)的水平。這三者相輔相成，共同構成了人才培養(yǎng)效果評價體系。本文對于這三個方面細致地劃分了指標，比較全面。一位高校教師說：“對于科學研究這塊，你們劃分得很好。特別是學者科技創(chuàng)新活躍度這個指標，在以往類似的評價體系中是少見的，是很好的補充。”

專家們對本文的評價指標權重普遍表示認同。正因為學術隊伍、科學研究、學術培養(yǎng)這三方面相輔相成，所以權重都不低于30%。學術隊伍以及學生培養(yǎng)的各指標重要性相近，所以權重相對平均，其中高層次人才數和授予博士學位數都是各自方面中最重要的，權重也是最高的。在科學研究方面，學術研究包含了論文總數、專利總數、學者職稱等等，是最重要的指標?？蒲薪涃M是科研活動的基礎，第二重要。科研基礎包含國家重點實驗室等，是科研活動的平臺，第三重要。獲獎和專利情況對于人才培養(yǎng)的重要性排名最末。

受訪專家還就各高校在國防特色學科上的得分情況作出了評價。哈爾濱工程大學表現(xiàn)突出，各學科得分均超過了60分。一位國防單位領導稱贊道：“哈爾濱工程大學作為工信部直屬高校，秉承哈軍工‘工學并舉’的教育思想和‘理論聯(lián)系實際’的優(yōu)良作風，培養(yǎng)了一批又一批的留得住、用得上、干得好的國防科技工業(yè)人才?！敝斜贝髮W在各科平均分在59分左右，各科表現(xiàn)較好，其中材料學科比較突出，已進入ESI全球排名前1%。其他高校各學科發(fā)展情況還相對不理想。

5 結論與政策建議

本文針對我國國防特色學科人才培養(yǎng)效果研究，提出了我國國防特色學科人才培養(yǎng)效果評價體系的構建方法。通過模糊層次分析法和BP神經網絡進行指標權重計算的評價，最終確定國防特色學科人才培養(yǎng)效果評估指標及權重。

同時，以第二批國防特色學科人才培養(yǎng)效果評估為例，對我國國防特色學科人才培養(yǎng)效果評價體系進行了驗證。實驗中FAHP法初定權重：學術隊伍（0.34）、科學研究（0.333）、學生培養(yǎng)（0.327）；BP神經網絡權重：學術隊伍（0.34）、科學研究（0.333）、學生培養(yǎng)（0.327）?？梢姡谶M行國防學科建設時，應至始至終以提高和保證人才培養(yǎng)的質量為目的，因為學科建設水平的高低與人才培養(yǎng)質量的好壞直接且密切相關。

在對國防高校的學科建設研究中發(fā)現(xiàn)，目前部分高校在學科建設過程中，還存在以下不足：第一，不同高校之間的國防學科建設水平存在差異，且在部分學科領域差距較大。國防特色學科平均得分方面，哈爾濱工程大學與北華航天工業(yè)大學的得分差距在20分以上。在控制領域排名中，哈爾濱工程大學與沈陽理工大學的得分差距則超過了30分。第二，同一高校的不同學科建設之間存在不平衡的現(xiàn)象，存在明顯的弱勢學科。以材料、信息、機械、控制四門公共國防特色學科為例，控制領域及信息領域評估結果較好，材料領域與機械領域明顯處于弱勢。在高校的發(fā)展以及學科建設過程中，受資金、人才等因素影響，不同高校之間的建設水平會存在差異，眾多學科發(fā)展中總會存在個別弱勢學科，這對于我國國防科研的開展、國防人才的培養(yǎng)以及全方位提高我國國防實力會帶來一定的不利影響。

通過結論分析，本文提出以下幾點政策建議：

首先，要做好學科建設與人才培養(yǎng)評價體系的迭代優(yōu)化。學科評價對學科建設具有重要的指導作用，此外，學科建設評價也是學科建設活動的重要組成部分，能夠有效的評價高校學科建設狀況。無論是學科建設的運行還是最后的效益都需要學科評價的指導。學科建設評價還能對未來學科的發(fā)展情況、未來可能的研究方向、以及如何配置學科建設資源等問題做出解答,就如何提高學科建設和人才培養(yǎng)的質量和效益給出方案（趙坤，2004［16］）。因此要調控學科建設發(fā)展，就需要構建出構建一套完整的、符合學科特色且能夠充分考慮的社會經濟發(fā)展情況的學科評價體系。

其次，在未來國防學科建設及人才培養(yǎng)過程中，應該適當給予弱勢學科一些重視，為其創(chuàng)造發(fā)展空間，補足短板。應該緊扣國防這個關鍵詞，堅持以國家政策為導向，通過自身學科的發(fā)展促進國防事業(yè)的發(fā)展。應該充分認識學科建設與國防人才培養(yǎng)的重要性，并在此基礎上做好學科建設與人才培養(yǎng)的聯(lián)動機制，促進高校國防學科建設的開展，為國家、為社會輸送更多的人才，為祖國的國防事業(yè)添磚加瓦。

最后，在國防特色學科評價方面，應通過學科評價引導資源配置方向，引導高校學科建設的方向，改變學科建設時只注重規(guī)模、總量的做法。通過開展學科評價活動，促進高校形成學科競爭力，以利于更好地承擔人才培養(yǎng)、科學研究和服務社會等職能。同時要做好學科建設與人才培養(yǎng)評價體系的迭代優(yōu)化，構建一套完整的、符合學科特色且充分考慮學科發(fā)展環(huán)境的學科建設評價機制，更好的指導國防特色學科建設的高效有序開展。