灰关联度分析法在高校人文社科科研绩效评价中的应用
沈意文, 刘娟娟
(扬州大学, 江苏扬州225009)
摘要: 科研绩效的评价一直是一个比较复杂的问题, 也是人们长期关注和研究的问题。人文社会科学科研绩效的评价相对于自然科学又更具有其特殊性, 这是由于人文社科的学科特点以及研究成果的特点所决定的。聚类分析法是科研绩效评价的方法之一, 用灰关联度分析的方法对一个连续时间段内的科技统计指标进行分析, 研究其在一个时间段内的科技发展趋势, 具有相对的合理性和可行性, 如果与其他评价方法结合使用, 可以更好地反映和评价人文社科科研绩效的真实情况。
关键词: 人文社科; 科研绩效评价; 灰关联度分析

中图分类号: G644 文献标识码: A
高校人文社科科研绩效评价的现状与问题
科研绩效的评价一直是一个复杂而又具有挑战性的问题。相对于自然科学而言, 人文社会科学科研绩效的评价又自有其特殊性, 这既与其学科特点有关, 更与其科研绩效的体现形式有关。具体到学科内部, 无论是人文学科所涵盖的文学、史学、哲学, 还是社会科学包括的经济学、法学、社会学、管理学等众多学科, 都有自身鲜明的特色。人文社科成果的非定量化、非公式化, 社会、经济效益的时滞性, 产生价值的潜在性, 都给人文社科科研绩效评价指标的科学确定带来了很大的难度。从目前的实际情况看, 高校人文科研绩效评价中普遍存在着评价方法单一、评价手段落后、评价思路模糊的问题。科研业绩的评价主要应该侧重于产出端的评价, 而实践中有时却变成了输入端的评价(如: 把拿多少项目、获得多少科研经费作为评价的重点。
这些不是不要考虑, 但不能简单地将之作为评价的重要内容) ; 科研业绩的评价主要应该侧重于科研成果自身的评价, 可实践中却往往演变成了对科研成果载体的评价(如: 很多情况下与其说是对成果和业绩的评价, 倒不如说是对杂志、出版社的评价);科研业绩的评价应该是一种综合和系统的评价, 而在实践中却往往简化为单一的和割裂的评价(如:只注重数量而忽略质量; 只强调总量而忽略了普及率、贡献率和投入产出率)。另外, 人文社会科学科研绩效的评价缺乏客观、科学的方法, 人为的主观评判标准和主观意识在绩效评价中起着非常大的作用, 目标设定也是一个突出的问题, 对科研绩效的评价往往围绕着学科建设和学位点的建设来展开,这就在权重设置、变量赋值等方面影响到科研绩效的评价。对科研绩效进行客观评价是高校科研管理部门的重要工作之一, 评价方法的科学与否不仅直接关系到科研激励政策的公正性, 而且还会影响到整个学校科研导向的正确与否, 因此, 建立科学合理的科研绩效评价方法是高校科研管理部门工作的重点。以往的研究提出了各种科研绩效评价的方法, 这些方法都各有其独特性和优越性, 但同时也都存在着一定的不足和缺陷。
事实上, 任何试图用一种方法来取代所有方法和解决所有问题的想法都是不科学的; 同样, 任何因为各种方法都存在不足就试图否定和放弃对评价方法的研究的想法也是不可取的。我们需要有评价的方法, 我们因为现有方法的不足需要进行改进和进一步探索, 在这里永远都是没有最好只有更好。
基于这样一种理念, 我们试图把灰关联度分析法引入到高校人文社科科研绩效评价过程, 为更加科学合理和更加真实可信地反映和评价文科科研绩效做一些有益的尝试。对科研指标灰关联度分析是基于灰色系统理论,将科研管理中大量难以描述的量作为灰色量来处理,弱化随机因素的干扰, 且考虑了科技指标在科技活动中作用的大小, 引入了指标权重的概念, 建立模型来认识和估计科学研究活动主要指标变化发展规律, 从而揭示高校科技活动的变化发展规律。与传统的统计方法相比, 传统的统计分析方法都要求有大量的样本, 要求样本有较好的分布规律, 并且计算量大, 对于如科学研究活动主要指标这类少数据问题的研究往往不足, 而灰色系统理论中动态建模的理论方法是运用微分拟合方程来描述科学研究的发展情况, 是用尽可能少的原始数据反映尽可能多的状态信息的较理想的方法。
灰关联度分析方法的基本原理
设系统的全体方案为S = {S1, S2, , Sn }, 指标集为P = {P 1, P2, , P n }, 则记S的属性矩阵为:S =x11, x12, , x1nx21, x22, , x2nxm1, xm 2, , xmn其中xij为第i个序列的第j个属性。确定参照方案S0, 假定其标准序列S0 = { x01,x02, , x0n }固定不变, 参照方案的各项指标可以人为预选确定, 该方案可以是现实中的最优方案、最劣方案或其它意义上的方案, 这样能使序列有相同的比较基准, 以保证其稳定性。将S0 加到S 中, 得到增广属性矩阵: S!=S0S。由于统计指标的类型和量纲各不相同, 为了使指标之间具有可比性, 需要对这些不同类型和量纲的指标进行无量纲化、统一测度和归一化处理, 使之成为数量级大体相近的无量纲数据。处理后的增广矩阵为S,= ( Xij,) ( m+ 1) ∀ n, 经过变换后的标准序列为S0, = { x01, , x 02, , , x0n, }, 根据灰色关联度计算方法, 以S0, 为母序列, 在S , 中计算xij, 与x0, 的关联系数为: ij =m inim inj|x oj, - xij, | +  m aximaxj|x oj, - x ij, ||x oj, - x ij, | +  maximaxj|x oj, - xij, |( i= 1, 2, m; j= 1, 2, n)式中P 为分辨系数, 一般P # [ 0, 1] , 通常取 =5。给出指标权重!j, !j # ( 0, 1), ∃ !j = 1, 从而得到X ij, 与S0, 的加权关联度为ri = ∃nj= 1!j ∀ij, 它表示方案X的各指标序列从整体上与参照方案的接近程度, 由此得到全体X上的关联度集为: R = { r1, r2, , rn }。以关联度集R 为基础可以进行聚类分析, 确定灰色相似关系矩阵G, 由G 直接做聚类。为保证划分的是等价类, 可采用编网法、最大生成树法等[ 1- 2] 。
3 基于某综合性大学的实证分析
31 统计指标选取与计算结果本文以某综合性大学10所二级学院(文学院、社会发展学院、法学院、教育学院、外国语学院、体育学院、经济学院、管理学院、旅游烹饪学院、艺术学院) 2005! 2009 年的科技统计数据指标为例, 从科技投入和产出两方面选取了能全面反映各学院科技活动过程的10个指标(见表1) , 这10个指标分别为: P1 为当年获得厅局级以上项目总数,单位: 项; P2 为当年获得国家级项目数, 单位:项; P3 为当年获得省部级项目数, 单位: 项; P4 为当年出版专著数, 单位: 部; P5 为当年出版教材、编著、译著数, 单位: 部; P6 为当年发表CSSC I论文数, 单位: 篇; P7 为当年省级以上获奖成果数,单位: 项; P8 为当年厅局级获奖成果数, 单位:项; P9 为当年获得横向项目数, 单位: 项; P10为当年横向项目到账经费数, 单位: 万元。本文拟对该大学1998! 2002年这连续5年的科技统计指标分年度进行灰关联度分析, 分析各学院在此期间的科技发展走势, 探索高校人文社科科研绩效评价的途径。__本文在对各学院科技活动进行分析时, 直接对各学院的科技统计指标进行分析, 不考虑不同类型学院对科技活动的影响。考虑到投入和产出指标在科技活动中作用的大小, 经广泛征求意见, 本文分析时暂且将10个指标的权重定为。由于表1中各指标均为收益型指标, 且为了使五年指标关联度相互具有可比性, 因此参照方案S0 的指标, 选取所有学院五年中相应指标的最大值。经计算, 10所高校科技统计指标在2005! 2009 年间关联度集分别为:上述分析的参照方案为理想方案, 故关联度Rk说明了Sk 与S 0的接近程度, 即R k 的计算结果形成了各学院历年来科技活动的优劣排序。其排序结果是:2005年: S1 > S2 > S7 > S8 > S3 > S6 > S9 > S5 > S4> S10, 即: 文学院、社会发展学院、经济学院、管理学院、法学院、体育学院、旅游烹饪学院、教育学院、外国语学院、艺术学院。2006年: S2 > S1 > S7 > S8 > S6 > S3 > S5 > S9 > S4> S10, 即: 社会发展学院、文学院、经济学院、管理学院、体育学院、法学院、教育学院、旅游烹饪学院、外国语学院、艺术学院。2007年: S8 > S2 > S7 > S1 > S4 > S3 > S6 > S9 > S5> S10, 即: 管理学院、社会发展学院、经济学院、文学院、外国语学院、法学院、体育学院、旅游烹饪学院、教育学院、艺术学院。2008年: S8 > S2 > S1 > S7 > S4 > S3 > S6 > S5 > S9> S10, 即: 管理学院、社会发展学院、文学院、经济学院、外国语学院、法学院、体育学院、教育学院、旅游烹饪学院、艺术学院。2009年: S2 > S1 > S8 > S7 > S3 > S5 > S4 > S10 > S9> S6, 即: 社会发展学院、文学院、管理学院、经济学院、法学院、教育学院、外国语学院、艺术学院、旅游烹饪学院、体育学院。 3-2 结果分析与讨论本文采用的是年度灰关联度分析的方法, 产生239沈意文等: 灰关联度分析法在高校人文社科科研绩效评价中的应用的结果是分别是2005! 2009年度的各院科技绩效优劣排序。由于在进行年度灰关联度分析时, 标准序列选取的是五年中各项指标的最大值, 即五年指标分析时参照的标准方案相同, 因此这五个年度的关联系数具有可比性, 据此, 我们可得出五年中各院科技发展趋势图(见图1)。需要特别说明的是, 本文的目的不是在于排名, 而是在于探讨科技发展的研究方法, 希望能为高校科技发展提供一些参考依据。图1  某大学各学院五年中的科技发展趋势从图1中我们可以看出, 文学院、社会发展学院、经济学院、管理学院这四所学院近五年来排名始终位于前四, 且呈你追我赶之势; 法学院五年来科技绩效曲线稳中有升, 与学院对科研工作的重视密切相关; 外国语学院2005! 2008年由于学院领导对科研的重视, 相继出台了一系列有关科研项目和成果的激励措施, 科研绩效曲线走势上扬明显,2009年由于成果奖励数为零导致走势下降。在科技奖励成为科技创新重要标志的今天, 这一问题值得大家予以高度重视。随着高校面向经济建设和社会发展主战场的进一步推进, 高校服务地方、服务经济的作用日趋显现, 科技最终要转化为生产力, 所以各文科学院,特别是基础较强的老牌学院要转变观念, 引导广大教师积极争取横向项目和经费, 立足地方、立足市场, 发挥高校的服务职能, 同时也为自身发展开辟另一片广阔天地。
4  结语
通过在某大学的真实数据上进行实证分析, 得出关于科研绩效评价的结论基本符合该校的实际情况, 该方法对其他同类高校科研绩效评价应该有借鉴意义。当然, 如果能考虑到各学院的历史积淀及所拥有资源的差异, 结合其投入产出率、科研普及率和科研贡献率等相关分析, 结果可能会更科学、更合理、更符合实际情况。在分析的过程中, 我们认为高校要完善科研评价体系, 还有以下一些问题需要进一步研究解决:一是如何进一步研究确立不同指标项目的权重值,对评估指标的分类可否分为必要指标和充分指标,即评估体系中哪些指标是必须应该达到的, 例如我们在某对大学进行评价的过程中, 选择了科研项目、科研成果、科研奖励、地方服务四大类指标着重进行了分析, 目的就是针对这些必要指标来体现科研单位的科研水平。二是在评价中如何进一步处理好数量与质量的关系进行更为深入的研究。质量是学术研究的生命, 创新是繁荣人文社会科学的灵魂[ 3],尽管我们在评价指标的选择上尽可能向这一方向努力, 但与科研绩效评价中数量与质量的统一还有一定的距离, 如科研奖励指标的确立只考虑了数量,没有考虑到级别等。在实践上可行的评价并不以追求评价判断的完备性、终极性为目标, 而是以是否符合评价主体的意愿为实践的价值选择[ 4] 。随着越来越多的研究者加入到评价方法和评价标准的探索中来, 人文社科评价体系将会逐步完善。
参考文献:

[ 1] 刘思峰, 郭天榜. 灰色系统理论及其应用[M ] 郑州: 河南大学出版社, 1991.

[ 2] 刘娟娟. 高校科技活动指标静态聚类趋势分析研究[ J] . 科技管理研究, 2009 ( 5) : 259- 261.

[ 3] 吴树青. 创新是繁荣哲学社会科学的灵魂[ N ]. 光明日报,2006 - 01- 16.

[ 4] 刘大椿. 关于人文社会科学评价的若干问题[ N ] . 光明日报,2004 - 10- 08.