大学教育评价指标体系

这是一篇指标类硕士学位毕业论文范文,与大学教育评价指标体系相关硕士论文开题报告。是大学毕业论文专业与指标及评价及权重方面相关的免费优秀学术论文范文资料，可作为指标方面的大学硕士与本科毕业论文开题报告范文和职称论文论文写作参考文献下载。

摘 要 ：面对知识经济与科学技术的发展,高等学校正面临着新的挑战.以传承知识为主的传统教育模式正向强调知识、能力与素质培养的现代教育模式转变,以培养具有创新精神和创新能力为基本价值取向的创新教育,成为当代大学教育创新的重要任务.构建大学创新教育评价指标体系,有利于高校客观认知创新教育所取得的效果,高校之间能够在评价指标的基础上立足优势,取长补短,借鉴经验.

关 键 词 ：大学；创新教育；指标体系

【中图分类号】G40-034

一、大学创新教育评价研究背景和现状

2010年6月,《国家中长期人才发展规划纲要（2010-2020年）》颁布实施,创新机制是《人才纲要》中人才发展的指导方针之一,营造创新文化和创新人才培养机制,最大限度地解放人的创造性,是我国教育改革与发展面临的最大挑战.

对于创新教育,朱永新、杨树兵教授认为：创新教育是根据创新原理,以培养学生具有一定的创新意识、创新思维、创新能力以及创新的个性为主要目标的教育理论和方法,使学生牢固、系统地掌握科学知识的同时发展他们的创新能力；阎立钦教授认为：创新教育是指在基础教育阶段以培养人的创新精神和创新能力为基本价值取向的教育实践.其核心是着重研究和解决如何培养学生创新意识、创新精神和创新能力的问题,是素质教育的重要组成部分.在创新教育评价方面,陈周见在硕士论文中具体论述了创新教育评价的基本特征、基本原则与基本方法,从创新教育工作评价、创新教育教师评价和创造力测评三个方面综合评价创新教育.

创新教育是全面素质教育的重要组成部分.我国自90年代提出创新教育理念以来,真正实施了创新教育并且成绩显著的学校并不多,大多数学校的创新教育仍停留在形式化、平庸化、浅层次的局面.有些学校虽然开展了一些创新教育的尝试,但是真正坚持下去的极少.其中的原因较多,创新教育评价的不完善是其原因之一.创新教育评价是实施创新教育的必不可少的环节,没有关于创新教育的评价就不可能有真正意义上的创新教育.

教育评价是以建立在一定的教育价值观基础之上的目标体系为依据,运用现代科学技术与方法,解析教育系统的状态变量,对其社会价值进行判断,并为教育决策提供反馈信息的过程.

创新教育评价是以一定的创新教育价值观指导下建立的目标分类体系为基准,运用现代人文科学方法及数学方法与技术,解析教育系统状态变量,对创新教育的个人本体价值和社会价值进行评鉴和判断,并为教育导向、激励和改进提供信息反馈的过程.

创新教育评价作为一个研究领域来说是绝不可忽视的.不管是在理论的研究方面,还是在实践的探索方面,其意义重大而深远.本研究课题主要从实证方面构建大学创新教育评价指标体系,将教育对象、教育内容和教育方法等一级评价指标细化为二级指标,理论与实证研究相结合,为大学创新教育的评估提供实证依据,进而正确地评价我国大学教育改革的优势.

二、大学创新教育评价指标体系设置的基本思路

创新机制是《人才纲要》中人才发展的指导方针之一,营造创新文化和创新人才培养机制,最大限度地解放人的创造性,是我国教育改革与发展面临的最大挑战.总书记在庆祝清华大学建校100周年大会上发表重要讲话,向各高校提出了"全面提高高等教育质量"的要求,大学教育要在现有基础上有所创新,与时俱进.这是推动教育事业特别是高等教育科学创新发展的纲领性文献.

大学教育要把提高质量作为教育改革发展最核心最紧迫的任务,大力提升人才培养水平,大力增强科学研究能力,大力服务经济社会发展,大力推进文化传承创新.要深化教育质量问题调查研究,建立健全适合中国国情、具有国际视野的教育质量标准.要健全高等教育质量评价体系,出台高等学校本科教学评估新方案,加强分类评价、分类管理、分类指导.要加强教育教学质量监管监测,创造条件发布有关教育教学质量年度报告.要积极推动协同创新,鼓励高等学校同科研机构、行业企业开展深度合作,加强产学研用结合.

因此,大学创新教育状况评价应适合中国国情,建立具有国际化的评价标准.本课题正是以《国家中长期人才发展规划纲要（2010-2020年）》为依据,从大学教育对象、教育内容和教育方法等方面全面评价高校开展创新教育的状况.

大学创新教育状况的评价可简单地表示为：

大学创新教育状况指数 等于 大学创新教育对象指数 + 大学创新教育内容指数 + 大学创新教育方法指数.

本课题的大学创新教育评价指标体系设置的基本思路如下图1和图2所示.

图1

图2

三、大学创新教育状况实证评价方法的选取

(一)主观赋权法与客观赋权法

大学创新教育状况的实证评价的关键是对已选取的各指标的权重的确定.

对实际问题选定被评价的指标后,确定各个指标的权重系数,常有以下几种方法：主观赋权法,客观赋权法.

主观赋权法是由评价分析人员根据自己理解的各项指标重要性而赋权的一类方法,其原始数据主要由评价分析人员根据经验主观判断得到,常见的有专家咨询法、循环打分法、排序法、二项系数法和层次分析法等.

客观赋权法是指利用指标值所反映的客观信息确定权重的一种方法,其原始数据由各指标在被评价对象中的实际数据形成,常见的有均方差法、主成分分析法、离差最大化法、熵值法、代表计数法等.

总体来说,这两类方法各有优缺点：主观赋权法客观性较差,但解释性强；客观赋权法确定的权系数虽然大多数情况下客观性较强,但有时会与各指标的实际重要程度相悖,而且解释性较差,对所得的结果难以给出明确的解释.

在主观赋权中,一般将专家咨询法与循环打分法结合使用,具体做法是：召集或挑选同行业的一批专家,先让他们分别根据个人的经验和主观感受给每个指标确定一个权数,经过处理后,将第一轮的赋权结果反馈给各位专家,并进行第二轮评估,如此反复几次,直至专家们的评定意见比较吻合时为止.

本文中,由于各高校的发展水平不同,创新教育系统的完善程度相差较大,专家的意见比较分散,专家评价时难以把握分寸,所以不适合运用专家咨询法和循环打分法来评价本课题的指标权重. 层次分析法（AHP）是美国著名运筹学家T·L·Saaty于上世纪七十年代提出的,它体现了人类决策思维的基本特征：分解、判断、综合,并以它的简洁性、实用性、适应性和系统性得到了世界各国广泛的应用,引起了数学界和经济学界的高度重视.层次分析法的基本原理则是把复杂的问题分解为各个组成元素,将这些元素按支配关系分组形成有序的递阶层次结构,根据一定的比率标度,通过两两比较的方式,将判断定量化,形成比较判断矩阵,计算确定层次中诸元素的相对重要性,典型的应用实例是综合评价我国的网可靠性.

本文中确定了两个级别的指标,在评价指标的权重过程中,上层指标所支配的下层指标并没有出现相互交叉的现象,不能利用主观判断的两两比较而忽略了实际所收集数据的客观存在性,还会导致二级指标的主观叠加.排序法和二项系数法都存在主观排序的步骤,无法建立对本课题中所收集数据的支撑,再者,指标（变量）的数量众多造成在系数的计算上存在困难,所以不适合应用于本课题的评价体系中.

在客观赋权中,均方差法和离差最大化法相对简便,结合使用更能体现它们在数据处理上的优越性,均方差在数值上面的体现就是数据在均值上产生的波动,如果波动（均方差）越大,提供的信息就越多,但是,就本课题来说,指标值没有所谓的阈值,而且没有统一的量纲,如果利用最大离差法进行数据归一化处理后,均方差法处理的标准化数据不能代表各指标真正的均值和均方差,从而最终的权值和评价结果可靠性不是最好的.主成分分析法是一种降维的统计方法,它借助于一个正交变换,将其分量相关的原随机向量转化成其分量不相关的新随机向量,这在代数上表现为将原随机向量的协方差阵变换成对角形阵,在几何上表现为将原坐标系变换成新的正交坐标系,使之指向样本点散布最开的p个正交方向,然后对多维变量系统进行降维处理,使之能以一个较高的精度转换成低维变量系统,再通过构造适当的价值函数,进一步把低维系统转化成一维系统,这在难以量化的指标评价体系中用得比较频繁.本课题中未涉及到多维变量,无需利用主成分分析法来进行降维处理和线性拟合,简单的问题复杂化不符合科学性规律,所以不予采用主成分分析法.

熵原本是一热力学概念,它最先由申农（C.E.Shannon）引入信息论,现已在工程技术,社会经济等领域得到十分广泛的应用.根据信息论的基本原理,信息是系统有序程度的一个度量；而熵是系统无序程度的一个度量,二者绝对值相等,但符号相反.如果系统可能处于多种不同状态.而每种状态出现的概率为Pi （i等于1,2..,m）时,则该系统的熵就定义为：

显然,当Pi等于1/m （i等于1,2..,m）,即概率相等时,熵取得最大值为：

若现设有m个待评项目,n个评价指标,形成原始指标数据矩阵R等于 （rij）m×n,对于某个指标rj,有信息熵

不难理解,如果某个指标的熵Ej越小,就表明其指标值的变异程度越大,提供的信息量越多,在评价体系中所起的作用越大,则其权重也应越大；反之,某个指标的熵Ej越大,就表明其指标值的变异程度越小,提供的信息量越少,在评价中所起的作用越小,则其权重也应越小.所以在具体分析过程中,可根据各个指标值的变异程度利用熵来计算出各个指标权重,利用各个指标权重对所有指标进行加权,从而得出较为客观的评价结果.

综上所述,熵值法能够比较充分利用本课题中所收集的数据,得到所需的信息量,其原理已经阐述过,广泛地应用在企业经营绩效评价、银行竞争力评价系统中,是目前常用的一种指标赋权方法.

最终,本课题采用均方差法和熵值法来分别评价知识产权竞争力状况,一方面可以比较两种常用的客观方法的优劣,另一方面验证评价结果的一致性.

(二)利用均方差模型进行评价的方法

假定需要评价某城市m个年度的知识产权发展和保护状况,评价指标体系包括n个指标.这是一个由m个样本组成,用n个指标做综合评价的问题,对此,可以建立如下的数学模型：

样本的集合为：

每一样本（评价对象）ui由n个指标的数据表征：

ui 等于 { Xi1,Xi2..,Xij..,Xin } （j 等于1,2..,n）

采集数据,得到评价系统的初始数据矩阵：

X 等于 { xij } m×n （1）

上式中xij表示第i个样本第j项评价指标的数值.对初始数据进行标准化处理,以消除指标的量纲、数量级和方向的差异,得到数据的标准化矩阵：

X' 等于 { x'ij } m×n （2）

上式中x'ij为xij的标准数据.将指标标准数据转化为概率值,得到概率矩阵：

由概率矩阵计算各指标的均值E（）：

由各指标的均值计算它们的均方差：

根据得出各指标的权重：

用第j项指标权重,与标准化矩阵中的第i个样本第j项评价指标接近度的乘积作为的评价值,即：

第i个样本的评价值

显然,越大,样本的效果越好.最终比较所有的数值,即可得到评价结论.

对于多层结构的评价系统,由于均方差的不可相加性,利用最底层结构指标的均方差值来计算上层结构指标的评价值,若上层结构的某一指标包含n'个最底层结构的指标,那么该指标的评价值为：

(三)利用熵值模型进行运行绩效评价的方法1

熵值模型评价方法的前两个步骤与均方差模型相同,由此接下去,

P 等于 {pij} m×n （3）'

式中常数K与系统的样本数m有关.对于一个信息完全无序的系统,有序度为零,e等于1,当m个样本处于完全无序分布状态时,由此得出

某项指标的信息效用价值取决于该指标的信息熵与1之间的差值

'

利用熵值法估算各指标的权重,其本质还是利用该指标信息的价值系数来计算的,其价值系数越高,对评价的重要性就越大.最后可以得到第j项指标的权重为：

用第j项指标权重,与标准化矩阵中的第i个样本第j项评价指标接近度的乘积作为的评价值,即：

第i个样本的评价值

同样,越大,样本的效果越好.最终比较所有的数值,即可得到评价结论.

对于多层结构的评价系统,根据熵的可加性,可以进行层次结构分析,利用下层结构的指标信息效用值,按比例确定对应于上层结构的权重数值.以两层指标体系为例,对下层指标的效用值求和,记作（k等于1,2..,q）.

下层指标对应于上层结构的权重为：

（9）'

若下层指标的评价值为,则下层指标对应于上层结构的评价值为：

（10）'

如上层指标包含个下层指标,第个样本的上层指标评价值为：

1.蒋玉宏：上海城市竞争力与知识产权制度的关系研究,同济大学博士学位论文,2007.