复杂数据条件下一级学科评估方法探究
——基于SPCA构建一级学科评估模型分析

李 霞 王 星 任 超 林梦泉

复杂数据条件下一级学科评估方法探究
——基于SPCA构建一级学科评估模型分析

李 霞 王 星 任 超 林梦泉

提出利用SPCA构建一级学科评估模型的思路，并利用实际数据对模型进行了分析和测试。结果表明，在目前复杂数据环境下利用SPCA构建的一级学科评估模型较一般方法更容易发现影响学科水平的主要指标，便于高校或评估机构从宏观和微观角度开展学科分析和有针对性的建设工作；另外，SPCA能够有效提高学科评估工作效率和评估结果的稳定性。

大数据；SPCA；一级学科；评估模型；学科建设

学科是大学最基本的元素，是大学教学、人才培养、科研、师资等方面实力的综合反映，学科建设水平直接反映出大学的办学能力和办学特征。评估一校的学科建设水平，大量的数据信息是基础，运用数理、系统工程以及统计学知识识别有效数据、构建与评估目标相适应的学科评估模型更为重要。SPCA（Sparse Principal Component Analysis）是当前国际上比较前沿的、对复杂大数据进行综合评价的多元统计分析方法，通过对复杂数据主成分的有效稀疏和降解，突显影响复杂数据的主要因素，目前多应用于生物医学领域，而将其应用于学科评估和分析不失为一种大胆尝试。

一、研究背景

1．大数据时代下，反映学科水平的数据变得越来越复杂

随着我国高等教育的快速发展，学科评估和评价功能更加多元化，由满足政府部门检查验收和民间大学排名逐渐向提供全局性、科学性和针对性的集咨政和民意为一体的学科服务转型，这表明学科评估将具有更多的社会性，要求学科评估结果具有更多的准确性和可信度。……