基于灰色理论的硕士研究生科技创新能力评价研究

吴泽九

摘 要 文章遵循全面性、科学性、可操作性原则，构建了硕士研究生科技创新能力评价指标体系，利用灰色理论模型，对硕士研究生科技创新能力进行了综合评价，以找出制约硕士研究生科技创新能力提升的关键因素，供高校管理者在制定相关政策时作一定的参考。

关键词 硕士研究生 科技创新能力 灰色理论

中图分类号：G644 文献标识码：A

Evaluation of the Science and Technology Innovation Ability of

Graduate Students Based on Grey System Theory

WU Zejiu

（Department of Mathematics， School of Science， East China Jiaotong University， Nanchang， Jiangxi 330013）

Abstract Following the comprehensive， scientific and operational principles， we construct indicators of evaluation and conduct the comprehensive evaluation on the science and technology innovation ability of graduate students by using the grey model. And we find the key factors which control ability promotion to provide reference when University administrators formulate relevant policies.

Key words Graduate students； science and technology innovation ability； grey system theory

科技创新能力是一个民族进步的灵魂、经济竞争的核心。研究生作为科技创新的人才的“储备库”， 其科技创新能力的强弱直接影响对高校人才培养质量的评价。如何有效提升研究生的科技创新能力，已成为各大高校关注的焦点。本文构建一套科学合理的评价体指标体系，利用灰色理论模型，对硕士研究生科技创新能力进行评价，以找出制约硕士研究生科技创新能力提升的关键因素，供高校管理者在制定相关政策时作一定参考。

1 高校硕士研究生科技创新能力评价指标体系的构建

硕士研究生科技创新能力是多因素、多指标的综合反映。充分借鉴多元智能理论，结合社会对创新型人才培养的需求，遵循全面性、可操作性、科学性原则，对硕士研究生科技创新能力指标体系进行分解，咨询十多位专家意见的基础上，经反复筛选与整合，最终构建了由 5个评价模块（一级指标）、14个评价指标（二级指标）构成的硕士研究生创新能力综合评价指标体系，见表1。

表1 高校硕士研究生科技创新能力评价指标体系

2 高校硕士研究生科技创新能力的灰色评价模型

2.1 确定参评数据序列和标准数据序列

对于高校硕士生科技创新能力评价，本文选用的评价指标体系由5个一级指标和14个二级指标组成，每所高校所对应的14个二级指标的评价数据形成一个参评数据序列。设有所学校，则参评数据序列描述为：

= {（1）， （2），…， （）， （）}

其中（）表示第所学校的第个指标。以参评序列中的最优值作为标准数据，构成一个标准数据序列，记为：

= {（1）， （2），…， （）， （）}

2.2 初始化处理

评价过程中，由于评价指标的量纲不同，数据在数量上差异性很大，无法进行关联评价计算，需对各指标的数据进行归一化处理。归一化处理模型为：①

（）= ， = 1， …， ， = 1， …，

2.3 计算灰色关联系数

定义标准数据序列中的任一指标数据（）与参评数据序列中对应的指标数据（）的灰色关联程度，即灰色关联系数（）为：②

其中为分辨系数，为提高灰色关联系数间的差异显著性而人为给定，取值范围为0.1～1.0，一般取0.5。

2.4 计算灰色关联度

因为关联系数（）数目较多，信息不集中，不能够进行单元比较，为此将对其取平均值，定义此平均值为与序列之间的关联度，即 = （）。

3 高校硕士研究生科技创新能力实证分析

3.1 建立原始数据表

笔者选取南昌市5所高校A，B，C，D，E，并邀请高校行政管理人员，教师、在校硕士生进行打分和测评，所得数据取平均值，见表2。

表2 高校硕士研究生科技创新能力评价指标及其数据

3.2 对定性指标量化处理及初始化处理

采用以下赋值将定性数据转换为定量数据，由于主要讨论的是各评价学校的相对创新能力，因此转换不会改变评价结果。其中转换公式为：

对相关指标进行定量转换及初始化，可得到新参评的序列数据，见表3。

表3 新参评的序列数据

表4 相关序列数据结果

3.3 确定标准数据序列并计算极差数据

以参评序列中的最优值做作为标准数据，计算出一个标准数据序列为：

= {1，0.75，0，75，1，1，0.75，1，1，1，1，1，1，1，1}

利用标准数据，及公式（）= ∣（）（）∣，分别计算（），∣（）（）∣，∣（）（）∣∣（）（）∣，∣（）（）∣，计算结果见表4。

3.4 计算关联系数

利用表4，得到关联系数，见表5。

表5 关联系数

3.5 计算关联度及排序结果

根据公式 = （），得 = 0.646， = 0.805， = 0.855， = 0.593， = 0.575，关联度排序为>>>>。可以看出，科技创新能力最好的是C学校，其次是B学校，A学校一般，D学校较差，E学校最差。

基金项目：江西省社会科学规划课题（项目编号：12JYW01、12YJW01）；江西省高等学校教改课题（项目编号：JXJG-12-5-6）

注释

① 邓聚龙.灰预测与灰决策（修订版）[M].武汉：华中科技大学出版社，2002.9.

② 刘思峰，党耀国，方志耕.灰色系统理论及其应用（第三版）[M].北京：科学出版社，2004.11.endprint