夏燕，徐娜，舒健，馮暉

?

加權(quán)樸素貝葉斯模型在高校學(xué)科評(píng)價(jià)中的應(yīng)用

夏燕，徐娜，舒健，馮暉

摘 要：學(xué)科評(píng)價(jià)是高等教育評(píng)估的重要內(nèi)容，是加強(qiáng)高校學(xué)科建設(shè)的重要手段。如何采用科學(xué)的方法開展學(xué)科評(píng)價(jià)，客觀地對(duì)學(xué)科進(jìn)行分類，遴選優(yōu)勢(shì)學(xué)科和潛力學(xué)科在學(xué)科建設(shè)中至關(guān)重要。提出了一種基于加權(quán)樸素貝葉斯模型的高校學(xué)科分類方法，依據(jù)不同權(quán)重的學(xué)科評(píng)價(jià)屬性和互信息量計(jì)算綜合權(quán)重，構(gòu)造高校學(xué)科分類器，實(shí)現(xiàn)了一個(gè)自動(dòng)化的高校學(xué)科分類預(yù)測(cè)系統(tǒng)，并對(duì)上海高校學(xué)科樣本進(jìn)行應(yīng)用分析。實(shí)驗(yàn)結(jié)果表明，應(yīng)用基于加權(quán)樸素貝葉斯模型的高校學(xué)科分類預(yù)測(cè)系統(tǒng)對(duì)學(xué)科進(jìn)行預(yù)測(cè)分類，準(zhǔn)確率達(dá)到86.67%，為高校學(xué)科綜合評(píng)價(jià)提供了基本依據(jù)，為新一輪學(xué)科發(fā)展戰(zhàn)略的制定奠定了基礎(chǔ)。關(guān)鍵詞：數(shù)據(jù)挖掘；樸素貝葉斯；評(píng)價(jià)指標(biāo)；學(xué)科分類；學(xué)科評(píng)價(jià)

0 引言

學(xué)科是高校的基本組成單位，學(xué)科建設(shè)是高校各項(xiàng)建設(shè)的核心，是提高學(xué)校人才培養(yǎng)、科學(xué)研究和服務(wù)社會(huì)能力的基礎(chǔ)。目前中國(guó)大部分高校已基本完成學(xué)科布局調(diào)整，確定學(xué)科結(jié)構(gòu)規(guī)模，將進(jìn)入提高學(xué)科建設(shè)質(zhì)量、培育學(xué)科特色、形成學(xué)科優(yōu)勢(shì)、促進(jìn)學(xué)科發(fā)展的階段[1]。在這一階段，積極發(fā)展高校的優(yōu)勢(shì)學(xué)科和潛力學(xué)科極其關(guān)鍵。因此，如何采用科學(xué)的方法開展學(xué)科評(píng)價(jià)，客觀地遴選優(yōu)勢(shì)學(xué)科和潛力學(xué)科至關(guān)重要。目前，高校學(xué)科評(píng)價(jià)的指標(biāo)體系，由師資隊(duì)伍與資源、科學(xué)研究水平、人才培養(yǎng)質(zhì)量、學(xué)科聲譽(yù)等4大方向組成。借助權(quán)威數(shù)據(jù)庫(kù)對(duì)各方向的客觀數(shù)據(jù)進(jìn)行分析，通過(guò)數(shù)據(jù)挖掘的方式確定優(yōu)勢(shì)學(xué)科和潛力學(xué)科是學(xué)科建設(shè)過(guò)程中常用的方法。目前，常采用的數(shù)據(jù)挖掘方法為文獻(xiàn)計(jì)量法，通過(guò)與論文相關(guān)的各指標(biāo)對(duì)學(xué)科進(jìn)行評(píng)價(jià)，確定優(yōu)勢(shì)和潛力學(xué)科。但是，僅從科學(xué)研究水平中論文的視角進(jìn)行評(píng)價(jià)，難以真正實(shí)現(xiàn)科學(xué)全面的學(xué)科評(píng)價(jià)[2]。因此，建立一套基于客觀數(shù)據(jù)的學(xué)科評(píng)價(jià)體系，科學(xué)地對(duì)高校學(xué)科進(jìn)行分類，使教育主管部門和學(xué)校便捷地了解學(xué)科發(fā)展的現(xiàn)狀，促進(jìn)我國(guó)高等教育的健康快速發(fā)展，已成為高等教育研究的一個(gè)熱點(diǎn)課題。

本文提出了一種基于加權(quán)樸素貝葉斯模型的高校學(xué)科分類方法，依據(jù)不同權(quán)重的學(xué)科評(píng)價(jià)屬性和互信息量計(jì)算綜合權(quán)重，構(gòu)造高校學(xué)科分類器，實(shí)現(xiàn)了一個(gè)自動(dòng)化的學(xué)科分類預(yù)測(cè)系統(tǒng)。探索了數(shù)據(jù)挖掘技術(shù)在高校學(xué)科評(píng)價(jià)中的應(yīng)用，為高校學(xué)科建設(shè)提供了基本依據(jù)。

1 相關(guān)工作

優(yōu)勢(shì)學(xué)科和潛力學(xué)科是世界一流學(xué)科發(fā)展的基礎(chǔ)，它們?cè)趯W(xué)科集群化發(fā)展過(guò)程中擔(dān)當(dāng)主體學(xué)科，利用學(xué)科間的優(yōu)勢(shì)互補(bǔ)，帶動(dòng)相關(guān)學(xué)科共同發(fā)展。目前可通過(guò)學(xué)科評(píng)價(jià)的方式確立優(yōu)勢(shì)和潛力學(xué)科。高校學(xué)科評(píng)價(jià)的研究工作，可分為以下幾類?；诖髮W(xué)專業(yè)排名的學(xué)科評(píng)價(jià)，如英國(guó)泰晤士高等教育排名（THE）[3]，美國(guó)新聞與世界報(bào)道排名（USNWR）[4]，中國(guó)教育部學(xué)位與研究生教育發(fā)展中心學(xué)科排名（CDR）[5]?；诳茖W(xué)映射的學(xué)科評(píng)價(jià)，如荷蘭萊頓大學(xué)科學(xué)研究中心（CWTS）啟動(dòng)的“基于映射的文獻(xiàn)計(jì)量”項(xiàng)目[6]?；诎l(fā)展態(tài)勢(shì)研究的學(xué)科評(píng)價(jià)，如法國(guó)科學(xué)研究中心（CNRS）長(zhǎng)期以來(lái)對(duì)高校學(xué)科進(jìn)行的價(jià)值評(píng)價(jià)[7]。基于科學(xué)基金管理的學(xué)科評(píng)價(jià)，如英國(guó)生物技術(shù)與生物科學(xué)研究理事會(huì)（BBSRC）對(duì)其資助的生物類學(xué)科開展的評(píng)價(jià)工作[8]。以上各類學(xué)科評(píng)價(jià)主要采用傳統(tǒng)的專家評(píng)價(jià)法和文獻(xiàn)計(jì)量法相結(jié)合的方式，對(duì)高校學(xué)科進(jìn)行評(píng)價(jià)，存在評(píng)價(jià)流程復(fù)雜，評(píng)審結(jié)果容易受到主觀性影響等缺陷。

為了解決目前學(xué)科評(píng)價(jià)工作中存在的問(wèn)題，本文提出了一種基于加權(quán)樸素貝葉斯模型的高校學(xué)科分類方法，構(gòu)建了一個(gè)自動(dòng)化的高校學(xué)科分類預(yù)測(cè)系統(tǒng)，并對(duì)上海高校學(xué)科樣本進(jìn)行應(yīng)用分析，為教育主管部門和高校進(jìn)行學(xué)科綜合評(píng)價(jià)和制定學(xué)科發(fā)展戰(zhàn)略提供基本依據(jù)。

2 基于加權(quán)樸素貝葉斯模型的高校學(xué)科分類方法

基于加權(quán)樸素貝葉斯模型的高校學(xué)科分類方法，依據(jù)學(xué)科評(píng)價(jià)屬性的權(quán)重和互信息量計(jì)算綜合權(quán)重，構(gòu)造高校學(xué)科分類器。

2.1 基本定義

其中sik 是評(píng)價(jià)屬性Ak中具有值xk 的類別屬性Ci 的樣本數(shù)，si是樣本數(shù)據(jù)集S中類別屬性為Ci的樣本數(shù)為公式（7）：

定義6 考慮到不同評(píng)價(jià)屬性對(duì)分類的影響不一致，對(duì)評(píng)價(jià)屬性按其重要性賦予不同的權(quán)值，未知數(shù)據(jù)樣本X的目標(biāo)類別定義擴(kuò)展為公式（8）：

其中，wi表示評(píng)價(jià)屬性的權(quán)重。權(quán)重越大，該評(píng)價(jià)屬性對(duì)分類決策的影響越大。

定義7 評(píng)價(jià)屬性Ai的權(quán)重wi定義為公式（9）：

其中，λi可依據(jù)高校學(xué)科評(píng)價(jià)指標(biāo)體系中不同評(píng)價(jià)指標(biāo)的權(quán)重進(jìn)行度量。δi可根據(jù)評(píng)價(jià)屬性Ai與類別屬性Cj的互信息量計(jì)算，

2.2 方法流程

根據(jù)上述相關(guān)定義給出基于加權(quán)樸素貝葉斯模型的高校學(xué)科分類方法，流程描述如方法1所示：

方法1： 基于加權(quán)樸素貝葉斯模型的高校學(xué)科分類方法DCM-WNBM (Discipline Classification Method based on Weighted Naive Bayes Model)輸入：訓(xùn)練樣本集Samples，評(píng)價(jià)屬性集E_Attributes，類別屬性集C_Attributes輸出：加權(quán)樸素貝葉斯分類器方法：DCM-WNBM(Samples, E_Attributes, C_Attributes) Begin掃描訓(xùn)練樣本集Samples，統(tǒng)計(jì)類別屬性集C_Attributes中各屬性的概率概率學(xué)習(xí)：根據(jù)式(5-1)和(5-2)，對(duì)評(píng)價(jià)屬性集E_Attributes中各屬性計(jì)算所有劃分的先驗(yàn)概率權(quán)重值學(xué)習(xí)：根據(jù)式(7)，對(duì)評(píng)價(jià)屬性集E_Attributes中各屬性計(jì)算權(quán)值生成加權(quán)樸素貝葉斯模型的概率統(tǒng)計(jì)表和權(quán)重值統(tǒng)計(jì)表。調(diào)用概率統(tǒng)計(jì)表及權(quán)重值統(tǒng)計(jì)表中數(shù)據(jù)，根據(jù)式（6），生成基于加權(quán)樸素貝葉斯模型的高校學(xué)科分類器。End

3 基于加權(quán)樸素貝葉斯模型的高校學(xué)科分類方法的應(yīng)用

3.1 高校學(xué)科評(píng)價(jià)指標(biāo)體系

本文以教育部學(xué)位與研究生發(fā)展中心頒布的2012年學(xué)科評(píng)估指標(biāo)體系[10]為依據(jù)，選取相應(yīng)指標(biāo)作為評(píng)價(jià)屬性。學(xué)科評(píng)價(jià)指標(biāo)體系如表1所示：

表1　教育部學(xué)位與研究生發(fā)展中心頒布的2012年學(xué)科評(píng)估指標(biāo)體系

3.2 高校學(xué)科評(píng)價(jià)指標(biāo)數(shù)據(jù)選取

為確保數(shù)據(jù)的真實(shí)性、可靠性和權(quán)威性，與指標(biāo)體系相關(guān)的原數(shù)據(jù)，可直接或間接從教育主管部門信息數(shù)據(jù)庫(kù)、高校行政部門信息數(shù)據(jù)庫(kù)、第三方電子文獻(xiàn)數(shù)據(jù)庫(kù)中獲取，主要包含可度量的三級(jí)指標(biāo)。將數(shù)據(jù)集成到數(shù)據(jù)庫(kù)的高校學(xué)科基本信息表中，表結(jié)構(gòu)如表2所示：

表2　高校學(xué)科基本信息表結(jié)構(gòu)

共定義了76個(gè)評(píng)價(jià)屬性。另需設(shè)置概率統(tǒng)計(jì)表和權(quán)重值統(tǒng)計(jì)表，存儲(chǔ)評(píng)價(jià)屬性的概率大小和權(quán)重值。

從源數(shù)據(jù)庫(kù)中獲取的數(shù)據(jù)，易受到空缺、不一致、冗余等現(xiàn)象的影響，需要對(duì)數(shù)據(jù)進(jìn)行清理、集成、變換、規(guī)約，做好預(yù)處理工作[11][12]。

3.3 高校學(xué)科分類預(yù)測(cè)系統(tǒng)

3.31 高校學(xué)科分類預(yù)測(cè)系統(tǒng)架構(gòu)

基于加權(quán)樸素貝葉斯模型的高校學(xué)科分類預(yù)測(cè)系統(tǒng)的架構(gòu)如圖1所示：

圖1　高校學(xué)科分類預(yù)測(cè)系統(tǒng)架構(gòu)圖

基本過(guò)程如下。

建立模型：應(yīng)用DCM-WNBM方法，在已知樣本集上進(jìn)行訓(xùn)練，構(gòu)造高校學(xué)科分類器；

優(yōu)化模型：對(duì)于已構(gòu)建的分類器，采用測(cè)試樣本進(jìn)行評(píng)估分析和優(yōu)化。

應(yīng)用模型：利用優(yōu)化的分類器，對(duì)新數(shù)據(jù)樣本進(jìn)行分類。

3.3.2 設(shè)定高校學(xué)科分類訓(xùn)練樣本集

本文將研究重點(diǎn)放于上海高校學(xué)科評(píng)價(jià)上，對(duì)上海高校各學(xué)科進(jìn)行分類。依據(jù)教育部學(xué)位與研究生教育發(fā)展中心2012年學(xué)科評(píng)估結(jié)果，將上海高校學(xué)科分為4類，頂尖學(xué)科、優(yōu)勢(shì)學(xué)科、潛力學(xué)科、一般學(xué)科，在數(shù)據(jù)庫(kù)中設(shè)立類別屬性。對(duì)于極少量未參加2012年學(xué)科評(píng)估的學(xué)科，由上海教育行政部門專家，根據(jù)該高校歷年學(xué)科建設(shè)的基本數(shù)據(jù)和2012年學(xué)科評(píng)估指標(biāo)體系，進(jìn)行綜合評(píng)價(jià)，判定其類別屬性。

上海高校學(xué)科分類訓(xùn)練樣本集示例，如表3所示：

表3　上海高校學(xué)科分類訓(xùn)練樣本集示例

表3中選取了上海26所高校的98門學(xué)科作為樣本，其中，屬性，為“高校學(xué)科基本信息表結(jié)構(gòu)”中定義的評(píng)價(jià)屬性。將應(yīng)用DCM-WNBM方法對(duì)上海高校學(xué)科分類樣本集進(jìn)行訓(xùn)練，生成基于加權(quán)樸素貝葉斯模型的高校學(xué)科分類器。

3.3.3 建立高校學(xué)科分類器

運(yùn)行高校學(xué)科分類預(yù)測(cè)系統(tǒng)，分類預(yù)測(cè)模型從數(shù)據(jù)庫(kù)表文件“上海高校學(xué)科分類訓(xùn)練樣本集示例”中選擇并抽取樣本，應(yīng)用DCM-WNBM方法，構(gòu)建基于加權(quán)樸素貝葉斯模型的高校學(xué)科分類器。高校學(xué)科分類器預(yù)測(cè)的部分評(píng)價(jià)屬性的重要性以及評(píng)價(jià)屬性A1的先驗(yàn)概率，如圖2所示：

圖2　高校學(xué)科分類器預(yù)測(cè)的部分評(píng)價(jià)屬性重要性及先驗(yàn)概率

其中，左側(cè)紅色為類別屬性結(jié)點(diǎn)，右側(cè)藍(lán)色為評(píng)價(jià)屬性結(jié)點(diǎn)。運(yùn)行分類器后，使用不同深淺藍(lán)色標(biāo)記評(píng)價(jià)屬性的重要性高低。點(diǎn)擊評(píng)價(jià)屬性結(jié)點(diǎn)后，顯示其先驗(yàn)概率。分類器預(yù)測(cè)的部分評(píng)價(jià)屬性重要性的三維分布圖及投影圖如圖3所示：

圖3　高校學(xué)科分類器預(yù)測(cè)的部分評(píng)價(jià)屬性重要性的三維分布及投影

3.3.4 評(píng)估并優(yōu)化高校學(xué)科分類器

評(píng)估分類器的準(zhǔn)確性非常重要。需使用測(cè)試樣本集，對(duì)基于加權(quán)樸素貝葉斯模型的高校學(xué)科分類器進(jìn)行評(píng)估。將分類器的預(yù)測(cè)結(jié)果與實(shí)際結(jié)果進(jìn)行比較，當(dāng)準(zhǔn)確率達(dá)到80%以上，表明使用該分類器進(jìn)行高校學(xué)科分類，是可行和有效的。

選取2012年上海高校一流學(xué)科數(shù)據(jù)作為測(cè)試樣本集，包含22所高校的161門學(xué)科[13]，從數(shù)據(jù)庫(kù)中抽取典型的60條記錄作為測(cè)試樣本。應(yīng)用基于加權(quán)樸素貝葉斯模型的高校學(xué)科分類預(yù)測(cè)系統(tǒng)，導(dǎo)入測(cè)試樣本，運(yùn)行分類器，對(duì)預(yù)測(cè)結(jié)果的準(zhǔn)確率進(jìn)行分析，如圖4所示：

60條測(cè)試樣本中50條樣本預(yù)測(cè)正確，預(yù)測(cè)準(zhǔn)確率達(dá)83.33%。重合矩陣比較了各類別屬性預(yù)測(cè)值和實(shí)際值的差異，置信度報(bào)告說(shuō)明了預(yù)測(cè)值的精準(zhǔn)度。

對(duì)基于加權(quán)樸素貝葉斯模型的高校學(xué)科分類器進(jìn)行評(píng)估分析后，為進(jìn)一步提高分類器的準(zhǔn)確性，可對(duì)權(quán)重計(jì)算公式的權(quán)重系數(shù)進(jìn)行微調(diào)，得到優(yōu)化的貝葉斯分類器。經(jīng)高校學(xué)科分類預(yù)測(cè)系統(tǒng)評(píng)估分析后，其準(zhǔn)確率提高到86.67%，如圖5所示：

圖5　優(yōu)化后的高校學(xué)科分類器評(píng)估結(jié)果

3.4 應(yīng)用高校學(xué)科分類預(yù)測(cè)系統(tǒng)對(duì)高校學(xué)科進(jìn)行動(dòng)態(tài)評(píng)價(jià)

基于加權(quán)樸素貝葉斯模型的高校學(xué)科分類預(yù)測(cè)系統(tǒng)通過(guò)對(duì)客觀數(shù)據(jù)的讀取，預(yù)測(cè)高校學(xué)科的類別屬性，為構(gòu)建基于客觀數(shù)據(jù)的學(xué)科質(zhì)量評(píng)價(jià)體系奠定了基礎(chǔ)。對(duì)于首次進(jìn)入數(shù)據(jù)庫(kù)的上海高校學(xué)科樣本進(jìn)行初始化和分類，對(duì)于已進(jìn)入數(shù)據(jù)庫(kù)的高校學(xué)科樣本進(jìn)行動(dòng)態(tài)監(jiān)測(cè)和評(píng)價(jià)。通過(guò)對(duì)學(xué)科的動(dòng)態(tài)評(píng)價(jià)，教育主管部門能更便捷地了解上海高校學(xué)科的布局結(jié)構(gòu)和發(fā)展現(xiàn)狀，為今后拓展發(fā)展性評(píng)估奠定基礎(chǔ)。

4 總結(jié)

在對(duì)現(xiàn)有的高校學(xué)科評(píng)價(jià)方法進(jìn)行廣泛調(diào)研、認(rèn)真分析的基礎(chǔ)上，我們提出了一種基于加權(quán)樸素貝葉斯模型的高校學(xué)科分類方法，構(gòu)建了高校學(xué)科分類預(yù)測(cè)系統(tǒng)，并對(duì)上海高校學(xué)科樣本進(jìn)行應(yīng)用分析。此方法的研究和應(yīng)用，有助于揭示高校學(xué)科的發(fā)展趨勢(shì)及所處的發(fā)展階段，預(yù)測(cè)未來(lái)可能取得的進(jìn)展和突破，為教育主管部門和高校制定新一輪的學(xué)科發(fā)展戰(zhàn)略提供基本依據(jù)。

在未來(lái)工作中，希望根據(jù)高校學(xué)科的特點(diǎn)，進(jìn)一步開展貝葉斯網(wǎng)絡(luò)在高校學(xué)科分類中的研究，對(duì)高校學(xué)科進(jìn)行更科學(xué)合理的評(píng)價(jià)。

參考文獻(xiàn)

[1] 韓文瑜,梅士偉.把握學(xué)科規(guī)律培育學(xué)科文化促進(jìn)學(xué)科發(fā)展[J].中國(guó)高等教育,2011(7):22-24．

[2] Hood W.W, Wilson C.S. The literature of bibliometrics, scientometrics,and informetrics [J]. Scientometrics, 2001, 52(2): 291-314.

[3] Marijk van der Wender. Ranking and Classification in Higher Education: A European Perspective [J]. Higher Education, 2008(23): 49-71.

[4] Jamil Salmi, Alenoush Saroyan. League Tables as Policy Instrument: Uses and Misuses[J]. Higher Education Management and Policy(OECD), 2007, 19(2): 24-62.

[5] 教育部學(xué)位與研究生教育發(fā)展中心．學(xué)科評(píng)估工作簡(jiǎn)介[EB/OL].

http://www.chinadegrees.cn/xwyyjsjyxx/xxsbdxz/ 276985.shtml, 2013-12.

[6] Moed H F. Bibliometric Rankings of World Universities [R]. The Netherlands: Centre for Science and Technology Studies (CWTS), Leiden University, 2006.

[7] Center national de la recherche scientifique. Missions [EB/OL]. http://www.cnrs.fr/en/aboutCNRS/overview.htm, 2014-10.

[8] Aghion P, Dewatripont M, Hoxby C, et al. The governance and performance of universities: evidence from Europe and the US [J]. Economic Policy, 2010, 25(6): 7-59.

[9] Jiawei Han, Micheling Kamber, Jian Pei. Data Mining: Concepts and Techniques [M]. 3rd ed. Morgan Kaufmann, 2011: 390-395.

[10] 教育部學(xué)位與研究生教育發(fā)展中心．2012年學(xué)科評(píng)估指標(biāo)體系 [EB/OL].

http://www.chinadegrees.cn/xwyyjsjyxx/xxsbdxz/ 277134.shtml, 2013-3.

[11] Carlo Batini. Data Quality: Concepts, Methodologies and Techniques [M]. Springer-Verlag Berlin and Heidelberg GmbH & Co. K, 2010: 133-143．

[12] CAI Z, Identifying product failure rate based on a conditional Bayesian network classifier [J], Expert Systems with Applications, 2011, 38(5): 5036-5043.

[13] 上海市政務(wù)門戶網(wǎng)．上海高校一流學(xué)科名單公布[EB/OL].http://www.shanghai.gov.cn/shanghai/no de2314/node2319/node12344/u26ai33230.html, 2012-9

Application of Weighted Naive Bayes Model in Discipline Evaluation

Xia Yan1, Xu Na2, Shu Jian3, Feng Hui1
(1.Shanghai Education Evaluation Institute, Shanghai 200031, China; 2.Shanghai Municipal Education Examinations Authority, Shanghai 200235, China; 3.Shanghai General Motor, Shanghai 201206, China)

Abstract:Discipline evaluation is an important part in higher education evaluation. It plays a significant role in discipline construction in colleges and universities. It is significant challenge how to adopt scientific discipline evaluation to choose advantageous disciplines and newly-emerging ones. This paper proposes a discipline classification method based on Weighted Naive Bayes model. It establishes Discipline Classifier according to weighted discipline evaluation attributes and mutual information. An automatic discipline classification system is implemented, verifying the method and analyzing data from universities in Shanghai. Experimental results show that the used scheme can achieve about 86.67% accuracy in forecasts. It provides advice and guidance for discipline evaluation, and establishes foundation for discipline development strategy.

Key words:Data Mining; Naive Bayes; Evaluation Indicator; Discipline Classification; Discipline Evaluation

收稿日期：（2015.11.02）

作者簡(jiǎn)介：夏 燕（1981-），女，上海市教育評(píng)估院，工程師，碩士，研究方向：數(shù)據(jù)挖掘、高校學(xué)科評(píng)價(jià)等，上海，200031 徐 娜（1982-），女，上海市教育考試院，工程師，碩士，研究方向：軟件工程、教育信息系統(tǒng)等，上海 200235 舒 ?。?982-），男，上海通用汽車有限公司，工程師，碩士，研究方向：數(shù)據(jù)挖掘、自動(dòng)化控制等，上海，201206 馮 暉（1970-），男，上海市教育評(píng)估院，副研究員，博士，研究方向：系統(tǒng)評(píng)價(jià)、高等教育管理等，上海，200031

基金項(xiàng)目：上海市教育委員會(huì)上海高校青年教師培養(yǎng)資助計(jì)劃（編號(hào)：ZZPGY14002）

文章編號(hào)：1007-757X(2016)01-0015-04

中圖分類號(hào)：TP181

文獻(xiàn)標(biāo)志碼：A