数据挖掘技术在高校教师科研管理中的应用研究

摘要

近年来，在国家大力推进科技创新、不断加大对大学科研投入和大学自身对科研工作高度重视的社会大背景下，对于教师的科研评价问题引起了大学和教师自身的最广泛关注。科研评价已经成为衡量高校教师科研能力、职称评审、岗位评聘、津贴福利发放的主要依据和学校科研管理以及调控科研活动的重要手段。但至今为止，如何构建公正合理、具有激励作用的教师科研业绩评价体系仍然是饱受各方争议最多的问题之一。同时，伴随着数据挖掘技术在教育领域应用的日益广泛，利用数据挖掘技术实现知识发现，通过知识发现建立以多元目标为导向的评价体系方法为科研评价问题提供了一种新的研究思路。
　　本文主要的研究内容聚焦于数据挖掘技术在高校教师科研业绩评价领域的应用研究，所关注的问题包括三个方面，分别是:教师科研业绩的度量与评价问题、教师自身的特征属性与其科研业绩之间的关联规则、学校科研投入对教师科研产出的影响。本研究在现有理论与方法的基础上，利用某高校教师2014年的科研和人事数据，围绕上述三个问题开展了相关研究。首先，依据教育部“学科评估”标准并结合高校实际情况建立高校教师的科研业绩评价指标体系，在此基础上利用一种改进的聚类算法构建了高校教师科研指数;然后针对教师自身的特征属性对其科研指数的影响关系不明确问题，提出了一种基于分类规则的分析方法，用以发现高校教师科研指数与个人特征属性因素之间的关联关系;最后，提出了一种改进的两阶段DEA模型，对高校教师科研资源投入与科研产出之间的内在关系进行了分析和说明。

目录

声明

摘要

第1章 绪论

1．1 研究背景和意义

1．2 我国高校教师科研业绩评价研究综述

1．2．1 高校教师科研评价的发展历程

1．2．2 高校教师科研评价的主要方法

1．2．3 高校教师科研评价指标体系及指标权重确定方法

1．2．4 存在的主要问题

1．3 论文主要研究内容与技术路线

1．4 论文的组织结构

第2章 相关知识介绍

2．1 数据挖掘概述

2．2 聚类理论及方法

2．2．1 划分式聚类

2．2．2 层次化聚类

2．2．3 基于密度的聚类

2．3 关联规则理论与方法

2．3．1 关联规则基本概念

2．3．2 关联规则的挖掘过程及其挖掘方法

2．3．3 Apriori算法

2．4 决策树分类理论及方法

2．4．1 特征选择

2．4．2 决策树的生成

2．4．3 决策树的剪枝

2．5 DEA方法与模型

2．6 本章小结

第3章 基于聚类算法的教师科研指数构建

3．1 问题的提出

3．2 教师科研业绩评价指标体系构建

3．2．1 科研评价指标的选取

3．2．2 科研业绩评价指标的当量积分计算规则

3．3 数据预处理

3．3．1 实验数据获取

3．3．2 数据归一化处理

3．3．3 探索性分析

3．4 基于聚类算法的教师科研指数构建方法

3．4．1 基础算法选择

3．4．2 聚类离散点检测

3．4．3 聚类个数的选择

3．4．4 聚类算法

3．5 实验结果及分析

3．6 本章小结

第4章 基于分类算法的教师科研指数影响因素研究

4．1 问题的提出

4．2 数据预处理

4．2．1 实验数据获取

4．2．2 人事信息特征构造及数据预处理

4．3 基于分类规则的教师科研指数影响因素获取方法

4．3．1 分类规则

4．3．2 分类规则算法

4．4 实验过程及结果分析

4．4．1 实验过程设计

4．4．2 结果分析

4．5 本章小结

第5章 基于DEA模型的高校资源投入与教师科研产出关系研究

5．1 问题的提出

5．2 两阶段关联DEA模型

5．2．1 传统的DEA模型分析

5．2．2 两阶段关联DEA模型

5．3 DEA模型输入与输出指标体系的构建

5．3．1 教师科研工作过程结构

5．3．2 模型输入输出指标体系的建立及说明

5．4 实验过程及结果分析

5．4．1 实验数据获取

5．4．2 实验过程及结果分析

5．5 本章小结

第6章 总结与展望

6．1 研究工作总结

6．2 对进一步研究工作的展望

参考文献

致谢