一种学科发展的多维评价预测方法

1.本发明属于学科发展预测技术领域，具体为一种学科发展的多维评价预测方法。


背景技术：

2.生物医学工程和生命科学是学校“双一流”重点建设学科，学科建设重点依托一级学科生物医学工程，生物医学工程一级博士学位授权点在2017年全国第四轮学科评估中排名前十位，面向生命科学发展前沿和健康产业发展的重大需求，学院以生物医学为牵引，发展生物医学科学、生物医学工程、生物制药紧密结合的学科，围绕肿瘤学、免疫学、干细胞、生物医用材料、纳米医学、医学影像、细胞治疗、生物大分子药物等学科前沿领域实现基础性、前瞻性、战略性突破，坚持基础理论、前沿科学研究及应用技术相融合的理念，开展国际化的教育和科学研究，旨在培养具有创新能力和实践能力的高素质人才，从事生物医学领域高水平的学术研究及创新研发，并为医、药、械行业和监管部门培养具有国际化视野的高端技术管理与决策的创新人才。
3.学科的形成与发展是人类实践的产物，在对经济、政治、社会生活的规律总结、反思、凝练的基础上逐步积累而成，学科发展作为社会发展的重要组成部分，参与、推动了社会的变迁，在时代和社会发展过程中，有新成立的学科，也有被撤销的学科，有失而复得的学科，也有得而复失的学科
……
这些都属于正常现象，体现了学科发展与时俱进的特点，“历史地看，每一个新学科的诞生，往往就意味着一个新时代的产生”，从学科发展规律而言，学科发展是与社会实践发展要求相一致的，体现了人们对客观世界认识的深化过程。一方面，随着认识的深化，原有学科在内涵上会进一步拓展，学科内部知识分工更精细化、专业化，大大提高知识生产和运用的效率。另一方面，认识的深化也使原有学科发展空间得到拓展，或使原有学科之间的联系更加紧密，产生一些交叉性学科或新学科，可以被定义为时代的发展，学科是在交叉融合中不断前行的，20世纪以来，知识结构不断变化，传统知识被新兴知识取代或补充，新旧知识的不断演化，反映到学科结构上，即有些学科取得快速发展，有些学科逐渐被弱化，大学是由不同学科组成的，各个学科有着自身的知识特性与话语体系，但各个学科并不是孤立的，而是融合发展的，由此，学科建设的目的应该是推进学科之间的有机发展，从深层次内涵上来说，导致学科分工变化的因素包括社会需要和社会生产，在社会需要方面，它与人们对美好生活的向往、人们的精神追求、好奇心等有关。在社会生产方面，则与社会分工协作有关，应从整体出发强调影响学科分工因素的合力作用，而不能单独强调某一个侧面或某一个部分，不同的大学有着共同的使命，即为推动社会发展、国家进步作出应有的贡献，学科调整应是大学依据自身发展规律和社会需求而进行的，不应单纯受学科排名或学校排名的影响。
4.学科评估及学科建设既要遵循学科领域自身的学术价值追求、坚守学科作为分门别类知识形态而存在的差异化禀赋，又不能脱离社会而单独谈论学科或忽视学科作为特殊供给生产体系时质量和效能的发挥。以教育部学位与研究生教育发展中心所组织的“一级学科整体水平”评估为基点，从学科领域知识形态本身的学术价值维度、知识传播应用的供
给侧改革维度、不同学科门类层级的差异维度以及不同社会群体的利益共享维度等多个视角，基于整体观、系统化视阈对教育部学科评估发展历程予以探究，在竭力寻求学科评估科学路径的同时推动学科健康成长，学科虽以分门别类的知识形态而存在，但它并非孤立、静止地存在。作为一个涵盖知识生产、创造、传播、应用各环节的复杂系统，学科从产生之初便不可避免地要参与大学知识传承、人才培养、社会服务的全过程，并在此过程中与其所依存的组织—大学和社会，以及组织体系内的个体—教育者、受教育者之间建立密不可分的联系。基于此，对学科整体水平的评估不仅要观察学科自身，还必须同时观察学科与组织体系及组织成员之间的互动，换而言之，学科评估既要遵循学科作为知识体系的内生逻辑即学理上的学术发展逻辑，也要兼顾学科生存所倚赖的社会环境以及社会群体的需求逻辑即现实意义的学科生存逻辑，学术性是以知识形态为载体的学科所持有的最本质特征，亦是学科创新发展的源泉所在。学科评估的第一要义便是对学科领域知识形态本身学术价值的认定与推崇；既要尊重学科自在自为的知识逻辑，又要鼓励学科领域知识探索的不断深入。不仅如此，还须通过采纳国际通用的学术评价准则，甚至建立适合汉语学术的国际化评价体系来破除学术探究的故步自封，使学科在国际学术界获得更多的话语权，学科原始创新力主要体现为原创性知识生产的潜力和能力，对其进行科学评价亦是学科评估学术层面的本质归属，随着国与国之间的利益纷争日甚一日地取决于知识创新能力的高下，对学科原始创新能力的强调已从知识层面上升至国家战略层面，学科也由此而承载起国家和社会的万千期许，随着知识生产与社会结合的日益紧密，一种在应用语境下与政府、产业界高度融合，并以解决实际问题为导向的知识生产新模式在大学中迅速成长，作为大学基本构成单元的学科也随着大学一起从“象牙塔”落地现实，最显著的变化便是学科“育人”和“服务”的载体效能凸显，甚至与知识生产、创新的原初功能不分伯仲，毋庸置疑，学科“育人”“服务”的对象—人才和社会是学科建设的直接或间接受众者，与他们需求的对接已成为学科学术价值转化为现实价值的关键环节，供给侧改革视域下作为“育人”载体的学科，不仅应为人才提供科研素养和科研技能的培育与训练，还须结合德育完成“培养什么样的人”和“怎样培养人”的立德树人重任，唯有如此，才能使知识得以延续、文明得以传承。
5.随着经济与科技的快速发展和人类认识的不断深化，“双一流”建设背景下的世界一流学科绝非传统意义上的学科概念，而是对人类社会发展和科技进步具有知识贡献的研究领域，可以是某一学科新发现的或某科学原理创新应用而产生的富有深入挖掘价值的研究方向，但更多的是由多学科、跨学科交叉融合或协同攻关的新学科，遴选及建设世界一流学科，必须针对能够占据知识与技术发展的制高点、对改变人类生存和发展方式具有突破性的知识创新领域，以及在我国相对薄弱且受科技发达国家限制的高新科学技术，一流学科建设，不仅要依靠增加投入、改善制度环境及办学条件，还要通过内部治理结构创新，激发学科发展活力。把研究领域相对固定、专业化程度较高的实验室作为“一流学科”进行投资建设，或许是一种颇富建设效率的选择。
6.产业结构是现代经济学发展的永恒主题，学科结构是高等教育人才培养和社会服务职能的基础及根本保证，作为经济与教育关系的微观反映一产业结构和学科结构的相关性也越来越大。面对产业结构的不断演化和发展，为了适应这种变化高等教育学科结构也要及时做出相应调整，只有二者相互促进相互协调，才能获得共同发展。因此，研究产业结构与高校学科结构的关系，把握其协调发展程度就显得十分必要。但到目前为止，国内外对
学科结构与产业结构系统协调性评价与预测方面的研究较少，一般来说，文献主要集中探讨高校学科结构与经济发展之间的动态演化关系以及高校学科结构的变化与产业结构变化的相互影响，大多数研究都借助于探讨高等教育发展与产业结构调整二者之间的动态演化关系来进行山，真正涉及到高校学科结构与产业结构之间的协调性研究就更少。
7.随着社会经济的发展，各投资机构、媒体、财政及高校时刻关注着科研热点的变动，期望能够找到一种精确预测方法能够提前得知下一个科研热点，因此需一种学科发展的多维评价预测方法来解决上述问题。


技术实现要素：

8.(一)解决的技术问题
9.为了克服现有技术的上述缺陷，本发明提供了一种学科发展的多维评价预测方法，解决了投资机构、媒体、财政及高校时刻关注着科研热点的变动，难以找到一种精确预测方法能够提前得知下一个科研热点的问题。
10.(二)技术方案
11.为实现上述目的，本发明提供如下技术方案：一种学科发展的多维评价预测方法，包括以下步骤：
12.s1、首先获取各学科在一端历史时间内的多个评价维度的表现数据，反映学科在多个评价维度上的表现情况，时间段以年为单位，历史时间段为(过往1年、3年或n年)。
13.s2、将所获取的多个评价维度的表现数据作为协调模型的输入数据，构建一段时间内协调模型，所述协调模型输出各学科基于表现数据的学科比重数据，对各学科与市场协调度序列进行预测。
14.s3、当计算po值后，且po值【-1,1】，取值越大表示单个学科与市场协调度越接近，反之则越低，将各评价维度的序列参量分量e1、e2、...、en分别带入s203中公式进行计算，按照po的大小依次进行排序，形成协调度值对应各学科的矩阵图，对po值的动态行为进行判断，预测某学科对应市场协调度的发展趋势。
15.作为本发明的进一步方案：所述s1中，用以(n-2、n、n 2)来体现各历史时间段，根据人为选择历史时间段区间。
16.作为本发明的进一步方案：所述学科包含工学科、理学科、管理学科、经济学科、教育学科和文学科。
17.作为本发明的进一步方案：所述评价维度包含科研经费分布信息、研究成果信息、入学人数信息、人才需求信息。
18.作为本发明的进一步方案：所述协调模型的构建方式如下：
19.s201、首先将多个评价维度，即科研经费分布信息x1、研究成果信息x2、入学人数信息x3和人才需求信息x4的原始表现数据转化为标准化数据，标准数据均值为0，标准差为1，计算公式为：
20.[0021][0022]
s(1,4)为x1-x4的单个样本标准差，为样本均值，n为维度评价数量。
[0023]
s202、通过s(1,4)标准化数据的计算将其分为各评价维度的序列参量分量e总，用以e1、e2、...、en来表示，a和b分别表示e总中的最大值和最小值，e总的其中某项有序度wen通过以下公式计算：
[0024][0025]
s203、在对多项评价维度的有序度进行计算后，wen【0,1】，且数值越大，某一项评价维度作用越大，则优先对该评价维度有序度进行计算预测，具体计算方式如下：
[0026][0027][0028]
初始时刻有序度为t0，当前时刻有序度为t1，计算各评价维度的有序度对市场的协调度值po,q＝
±
1，且表示为协调度的正负号，q＝-1，则学科与市场协调度至少存在一个维度未向有序化方向转变。
[0029]
(三)有益效果
[0030]
与现有技术相比，本发明的有益效果在于：通过获取的多个评价维度的表现数据作为协调模型的输入数据，构建一段时间内协调模型，协调模型输出各学科基于表现数据的学科比重数据，对各学科与市场协调度序列进行预测，并且根据评价维度包含科研经费分布信息、研究成果信息、入学人数信息和人才需求信息构建协调模型，计算各评价维度的有序度对市场的协调度值，对协调度值值的动态行为进行判断，预测某学科对应市场协调度的发展趋势，对市场科研热点的判断提供有效依据。
附图说明
[0031]
图1为本发明的流程示意图。
具体实施方式
[0032]
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
[0033]
如图所示，本发明提供一种技术方案：一种学科发展的多维评价预测方法，包括以下步骤：
[0034]
s1、首先获取各学科在一端历史时间内的多个评价维度的表现数据，反映学科在多个评价维度上的表现情况，时间段以年为单位，历史时间段为(过往1年、3年或n年)。
[0035]
s2、将所获取的多个评价维度的表现数据作为协调模型的输入数据，构建一段时间内协调模型，协调模型输出各学科基于表现数据的学科比重数据，对各学科与市场协调度序列进行预测。
[0036]
s3、当计算po值后，且po值【-1,1】，取值越大表示单个学科与市场协调度越接近，反之则越低，将各评价维度的序列参量分量e1、e2、...、en分别带入s203中公式进行计算，按照po的大小依次进行排序，形成协调度值对应各学科的矩阵图，对po值的动态行为进行判断，预测某学科对应市场协调度的发展趋势。
[0037]
s1中，用以(n-2、n、n 2)来体现各历史时间段，根据人为选择历史时间段区间。
[0038]
学科包含工学科、理学科、管理学科、经济学科、教育学科和文学科。
[0039]
评价维度包含科研经费分布信息、研究成果信息、入学人数信息、人才需求信息。
[0040]
协调模型的构建方式如下：
[0041]
s201、首先将多个评价维度，即科研经费分布信息x1、研究成果信息x2、入学人数信息x3和人才需求信息x4的原始表现数据转化为标准化数据，标准数据均值为0，标准差为1，计算公式为：
[0042][0043][0044]
s(1,4)为x1-x4的单个样本标准差，为样本均值，n为维度评价数量。
[0045]
s202、通过s(1,4)标准化数据的计算将其分为各评价维度的序列参量分量e总，用以e1、e2、...、en来表示，a和b分别表示e总中的最大值和最小值，e总的其中某项有序度wen通过以下公式计算：
[0046][0047]
s203、在对多项评价维度的有序度进行计算后，wen【0,1】，且数值越大，某一项评价维度作用越大，则优先对该评价维度有序度进行计算预测，具体计算方式如下：
[0048][0049][0050]
初始时刻有序度为t0，当前时刻有序度为t1，计算各评价维度的有序度对市场的协调度值po,q＝
±
1，且表示为协调度的正负号，q＝-1，则学科与市场协调度至少存在一个维度未向有序化方向转变。
[0051]
综上所得：
[0052]
通过获取的多个评价维度的表现数据作为协调模型的输入数据，构建一段时间内协调模型，协调模型输出各学科基于表现数据的学科比重数据，对各学科与市场协调度序列进行预测，并且根据评价维度包含科研经费分布信息、研究成果信息、入学人数信息和人才需求信息构建协调模型，计算各评价维度的有序度对市场的协调度值，对协调度值值的动态行为进行判断，预测某学科对应市场协调度的发展趋势，对市场科研热点的判断提供有效依据。
[0053]
上面对本专利的较佳实施方式作了详细说明，但是本专利并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本专利宗旨的前提下作出各种变化。