摘" 要：在大數(shù)據(jù)和“雙一流”背景下，進行世界一流學(xué)科評價體系的研究是構(gòu)建和完善世界一流學(xué)科評價體系的重要工作。該文梳理主流國際學(xué)科評價體系對“雙一流”學(xué)科評價的局限性，探討大數(shù)據(jù)對學(xué)科評價的影響，在此基礎(chǔ)上，提出構(gòu)建基于大數(shù)據(jù)的世界一流學(xué)科評價體系，研究認(rèn)為，學(xué)科數(shù)據(jù)采集、處理、存儲和可視化是構(gòu)建中國特色、世界一流學(xué)科評價體系的實現(xiàn)途徑。

關(guān)鍵詞：大數(shù)據(jù)；世界一流學(xué)科；學(xué)科評價；局限性；學(xué)科數(shù)據(jù)

中圖分類號：G640" " " "文獻標(biāo)志碼：A" " " " " 文章編號：2096-000X（2023）13-0027-04

Abstract： In the context of big data and \"double first-class\"， it is an important work to build and improve the world-class discipline evaluation system to study the world-class discipline evaluation system. The article combed the mainstream international disciplines evaluation system for evaluation of the limitations of \"Double First-Class\"， analyzed investigate the influence of big data for evaluation of discipline， on this basis， put forward to build a World-class disciplines evaluation system. Research conclusions： discipline data acquisition， processing， storage and visualization is to construct the Chinese characteristic， the implementation way of the world first-class academic evaluation system.

Keywords： big data; world-class discipline; discipline evaluation; limitation; discipline data

世界一流大學(xué)和一流學(xué)科（簡稱“雙一流”）建設(shè)是黨中央、國務(wù)院做出的重大戰(zhàn)略決策，對于提升我國教育發(fā)展水平、增強國家核心競爭力、奠定長遠發(fā)展基礎(chǔ)，具有十分重要的意義。構(gòu)建創(chuàng)新多元的中國特色、世界一流學(xué)科評價體系，是適應(yīng)新時代高等教育的新發(fā)展，擴大世界一流學(xué)科的建設(shè)成效，保障“雙一流”建設(shè)戰(zhàn)略順利實施的有力舉措。在擁有海量數(shù)據(jù)的今天，借助大數(shù)據(jù)的支持構(gòu)建我國世界一流學(xué)科評價體系既是必然趨勢，也是當(dāng)務(wù)之急?；诖?，本文力圖在分析當(dāng)前國際學(xué)科排名的基礎(chǔ)上，利用大數(shù)據(jù)分析技術(shù)，構(gòu)建世界一流學(xué)科評價體系。

一" 主流學(xué)科排名不能體現(xiàn)中國特色、世界一流的建設(shè)目標(biāo)

截至目前，全球已有100家學(xué)科排名，以美國《美國新聞與世界報道》發(fā)布的 US News全球大學(xué)學(xué)科排名（以下簡稱 US News）、英國Quacquarelli Symonds公司發(fā)布的QS世界大學(xué)學(xué)科排名（以下簡稱QS）、英國《泰晤士高等教育》雜志發(fā)布的泰晤士世界大學(xué)學(xué)科排名（以下簡稱THE）以及上海軟科教育信息咨詢有限公司發(fā)布的世界一流學(xué)科排名（以下簡稱ARWU）為國際上較具公信力和代表性的四大國際學(xué)科排名，簡稱為“主流學(xué)科排名”。但即使是這四大排名，也一直因機構(gòu)受商業(yè)（政治）影響、學(xué)科分類不一致、評價指標(biāo)不完善、評價方法不科學(xué)等因素，屢遭質(zhì)疑和爭議。

（一）" 排名機構(gòu)受商業(yè)或政治影響

主流學(xué)科排名機構(gòu)分屬不同的國家和機構(gòu)。如QS是英國一家專門負責(zé)教育及升學(xué)就業(yè)的組織?！短┪钍扛叩冉逃纷畛跏且环萦霭娴母叩冉逃龍罂?，從2008年1月開始，出版形式變?yōu)殡s志。通過分析，可以看出世界學(xué)科排名的機構(gòu)均屬于商業(yè)組織。既然是商業(yè)組織，毫無疑問，獲得利益是其開展業(yè)務(wù)和服務(wù)的重要目的，同時，其排名機構(gòu)官網(wǎng)的學(xué)校介紹等廣告宣傳也是其獲利的重要途經(jīng)，如QS 推出的 QS Stars 服務(wù)旨在為大學(xué)分析問題、找到提升名次的途徑；THE借助排名向大學(xué)推銷其雜志廣告，以及數(shù)據(jù)分析系統(tǒng)THE Data Points[1]；在這一背景下，主流學(xué)科排名很難做到完全客觀和公允。查詢近年的學(xué)科排名不難發(fā)現(xiàn)，英國機構(gòu)發(fā)布的 THE 和 QS 世界大學(xué)學(xué)科排名中，英國本土大學(xué)排名靠前，而由美國機構(gòu)發(fā)布的 US News學(xué)科排名則由美國大學(xué)占據(jù)絕對優(yōu)勢。以計算機學(xué)科為例，牛津大學(xué)的計算機在THE、QS、US News中的排名分別為1、6、65；化學(xué)學(xué)科排名中，QS化學(xué)學(xué)科排名前十的大學(xué)包括美國高校5所，英國高校2所，然而在US News化學(xué)學(xué)科排名中，前十所高校包括美國高校6所，但不包括英國高校。

（二）" 學(xué)科分類不一致

主流學(xué)科排名的學(xué)科分類依據(jù)和種類有較大差別。如US News將學(xué)科分為22類，關(guān)于生命科學(xué)類學(xué)科領(lǐng)域劃分過細，包含生物學(xué)和生物化學(xué)、微生物學(xué)、分子生物學(xué)與遺傳學(xué)、環(huán)境生態(tài)學(xué)4個學(xué)科領(lǐng)域，但對人文學(xué)科和工程學(xué)領(lǐng)域劃分比較籠統(tǒng)，其人文類僅社會科學(xué)與公共衛(wèi)生一個學(xué)科，工程類僅工程學(xué)一個學(xué)科?！半p一流”學(xué)科入選的共有108種學(xué)科（一級學(xué)科或交叉學(xué)科），累計465次[2]。如物理學(xué)、化學(xué)、材料科學(xué)和計算機科學(xué)等理學(xué)或工學(xué)學(xué)科在國際上都有相應(yīng)的學(xué)科劃分，但是如中國史、中醫(yī)學(xué)、中國語言文學(xué)等具有中國特色的學(xué)科在主流學(xué)科排名中找不到其所屬學(xué)科領(lǐng)域，更無法對其排名。因此，完善我國的學(xué)科分類，建立中國特色的世界一流學(xué)科評價體系，是“雙一流”建設(shè)的前提。

（三）" 學(xué)科評價指標(biāo)存在缺陷

通過分析主流世界大學(xué)排名指標(biāo)體系可知，THE、QS 和 US News 均采用主客觀結(jié)合的方式進行評價。在結(jié)構(gòu)上，THE的評價指標(biāo)具有簡潔、客觀、全面等優(yōu)點，但指標(biāo)整體上軟性比重偏大，主觀性過強，對于綜合性大學(xué)和一些歷史悠久的名校有利；QS排名指標(biāo)體系較為多元，但其評價指標(biāo)學(xué)科聲譽的可靠性也遭受眾多質(zhì)疑，聲譽調(diào)查的地域和行業(yè)分布不均衡、調(diào)查對象的專業(yè)性和公正性、英語地區(qū)國家調(diào)查反饋率占優(yōu)等實際問題，給西方傳統(tǒng)名?；蛭挥趪H大都市的大學(xué)賦予了天然優(yōu)勢[3]。

（四）" 數(shù)據(jù)來源有局限性

當(dāng)前主流學(xué)科排名的數(shù)據(jù)來源依據(jù)WOS數(shù)據(jù)庫或愛思維爾數(shù)據(jù)庫，數(shù)據(jù)庫收錄的范圍直接影響了學(xué)科排名。隨著互聯(lián)網(wǎng)和大數(shù)據(jù)時代的到來，大數(shù)據(jù)技術(shù)為我們提供了獲得“大”而“全”數(shù)據(jù)庫的支持[4]。在高等教育領(lǐng)域，借助大數(shù)據(jù)技術(shù)對高校人才培養(yǎng)的各個環(huán)節(jié)進行評價與監(jiān)控已成為必然趨勢，通過教學(xué)評價實現(xiàn)學(xué)習(xí)變革的時代已經(jīng)到來[5]。因此，未來國際學(xué)科評價的數(shù)據(jù)來源將不僅限于WOS數(shù)據(jù)庫和愛思維爾數(shù)據(jù)庫，谷歌學(xué)術(shù)、Springer Link、Education resources information center等也將作為學(xué)科評價的數(shù)據(jù)源。學(xué)科評價范圍也將從國際知名大學(xué)延伸至普通高校和新建高校，評價指標(biāo)趨于多元化和國際化，評價過程趨于動態(tài)化和數(shù)字化，評價結(jié)果趨于個性化和可視化。

二" 大數(shù)據(jù)給學(xué)科評價帶來的影響

大數(shù)據(jù)時代，大數(shù)據(jù)、人工智能和云計算等新一代信息技術(shù)在教育領(lǐng)域廣泛應(yīng)用，基于大數(shù)據(jù)的科學(xué)研究范式、網(wǎng)絡(luò)新型學(xué)術(shù)資源、大數(shù)據(jù)分析工具等不斷發(fā)展，知識形式的多媒體化與富媒體化、知識內(nèi)容的關(guān)聯(lián)數(shù)據(jù)化、知識傳播的開放共享、學(xué)術(shù)合作的網(wǎng)絡(luò)化協(xié)作化等推動學(xué)術(shù)交流方式模式變革，對傳統(tǒng)的基于計量學(xué)和以指標(biāo)體系法為主的學(xué)科評價的評價對象、評價方法、評價工具都產(chǎn)生了較大影響[6]。

（一）" 支持學(xué)科數(shù)據(jù)的全面采集

海量的數(shù)據(jù)或大規(guī)模的數(shù)據(jù)是大數(shù)據(jù)的主要特征之一。大數(shù)據(jù)時代，數(shù)據(jù)的收集問題不再成為評價工作的困擾，采集全量的數(shù)據(jù)成為現(xiàn)實[7]。而學(xué)科評價最理想的狀態(tài)是對全部大學(xué)的所有學(xué)科數(shù)據(jù)進行采集，保障數(shù)據(jù)的全面性。在數(shù)據(jù)采集方面，既包括古老大學(xué)的學(xué)科數(shù)據(jù)，也包括新建高校的學(xué)科數(shù)據(jù)；既包括過去的數(shù)據(jù)，也包括正在發(fā)生的數(shù)據(jù)。因為擁有全部的數(shù)據(jù)，使我們從多角度進行分析，學(xué)科評價結(jié)果更客觀、更及時、更精確。

（二）" 支持多類型學(xué)科數(shù)據(jù)存儲

大數(shù)據(jù)時代，學(xué)科數(shù)據(jù)的類型包括結(jié)構(gòu)化數(shù)據(jù)，以文本為代表的非結(jié)構(gòu)化數(shù)據(jù)和以Web站點為代表的半結(jié)構(gòu)化數(shù)據(jù)。在學(xué)科發(fā)展過程中，半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)數(shù)據(jù)所占比重越來越大，傳統(tǒng)的關(guān)系數(shù)據(jù)庫不適合存儲大量非（半）結(jié)構(gòu)化數(shù)據(jù)。因此，學(xué)科數(shù)據(jù)的存儲系統(tǒng)不僅需要以極低的成本存儲海量數(shù)據(jù)，還要適應(yīng)多樣化的非結(jié)構(gòu)化數(shù)據(jù)管理需求，具備數(shù)據(jù)格式上的可擴展性[8]。目前，大數(shù)據(jù)存儲系統(tǒng)多采用Hadoop分布式存儲方式，擅長存儲大量的半結(jié)構(gòu)化的數(shù)據(jù)集，并以可靠、高效、可伸縮的方式進行數(shù)據(jù)處理。

（三）nbsp; 支持個性化學(xué)科評價

學(xué)科評價單一的排名呈現(xiàn)形式已經(jīng)不能滿足人們多樣化的需求。大數(shù)據(jù)可從多維度對學(xué)科進行個性化評價，如依據(jù)就業(yè)、科研、師資等單一指標(biāo)進行學(xué)科評價，也可以依據(jù)學(xué)科競爭力、學(xué)科排名等進行綜合評價。同時，利用Cite Space等數(shù)據(jù)可視化工具，將學(xué)科評價結(jié)果可視化呈現(xiàn)，保障學(xué)科評價精細化、專業(yè)化、個性化的需求。

三" 基于大數(shù)據(jù)技術(shù)構(gòu)建世界一流學(xué)科評價體系

目前大數(shù)據(jù)技術(shù)已經(jīng)廣泛應(yīng)用在監(jiān)測學(xué)生學(xué)習(xí)、預(yù)測學(xué)習(xí)成績、為學(xué)生提供個性化服務(wù)等方面[9]，但是其在學(xué)科評價領(lǐng)域的應(yīng)用研究較少。如何有效地應(yīng)用大數(shù)據(jù)？真正發(fā)揮數(shù)據(jù)的價值并進行科學(xué)的預(yù)測，促進“雙一流”學(xué)科的可持續(xù)發(fā)展？筆者在大數(shù)據(jù)技術(shù)的基礎(chǔ)上，嘗試構(gòu)建了世界一流學(xué)科評價體系，如圖1所示。

（一）" 確定學(xué)科數(shù)據(jù)

入選“雙一流”建設(shè)的世界一流學(xué)科共有108種（一級學(xué)科或交叉學(xué)科），累計465次。涉及哲學(xué)、經(jīng)濟學(xué)、法學(xué)、教育學(xué)、文學(xué)、歷史學(xué)、理學(xué)、工學(xué)、農(nóng)學(xué)、醫(yī)學(xué)、管理學(xué)和藝術(shù)學(xué)12個學(xué)科領(lǐng)域。工學(xué)門類擁有最多一流學(xué)科，哲學(xué)門類則最少，如圖2所示。

學(xué)科數(shù)據(jù)是反映學(xué)科發(fā)展的過去數(shù)據(jù)和正在發(fā)生的數(shù)據(jù)，是反映學(xué)科質(zhì)量的顯性數(shù)據(jù)和隱性數(shù)據(jù)。主要包括：①學(xué)科聲譽數(shù)據(jù)，學(xué)科聲譽評價大多傾向于同行專家對學(xué)科學(xué)術(shù)聲譽或教學(xué)聲譽的評價；②招生就業(yè)數(shù)據(jù)，主要包括學(xué)生的入學(xué)成績、學(xué)習(xí)來源、國際學(xué)生比、學(xué)習(xí)興趣、畢業(yè)率、就業(yè)去向、畢業(yè)后的薪酬等；③人才培養(yǎng)數(shù)據(jù)，主要包括課程設(shè)置、學(xué)術(shù)氛圍、科研環(huán)境等；④科研投入及產(chǎn)出數(shù)據(jù)，主要包括經(jīng)費投入、人均經(jīng)費情況、科研投入、科研成果產(chǎn)出、科研成果轉(zhuǎn)化、科研創(chuàng)新、社會貢獻等；⑤教師隊伍數(shù)據(jù)，主要包括教師學(xué)歷、職稱、科研素養(yǎng)、科研成果、職業(yè)道德等數(shù)據(jù)；⑥實驗室及設(shè)備數(shù)據(jù)，主要包括實驗室面積、生均面積、先進設(shè)備等。

（二）" 建立學(xué)科評價數(shù)據(jù)庫

數(shù)據(jù)采集。通過網(wǎng)絡(luò)爬蟲技術(shù)，在學(xué)校官網(wǎng)、教育部網(wǎng)站、地方政府網(wǎng)站、Web of Science、Elsevie、CNKI等網(wǎng)站獲得學(xué)科的各類數(shù)據(jù)。如：教師隊伍數(shù)據(jù)、經(jīng)費投入數(shù)據(jù)、生源質(zhì)量數(shù)據(jù)可主要通過學(xué)校官網(wǎng)、教育部等網(wǎng)站獲得；學(xué)科產(chǎn)出數(shù)據(jù)：科研產(chǎn)出、人才培養(yǎng)、社會貢獻等主要通過學(xué)校官網(wǎng)、Web of Science、Scope、CNKI等數(shù)據(jù)庫獲得；學(xué)科環(huán)境數(shù)據(jù)：學(xué)科文化氛圍、學(xué)術(shù)氛圍、犯罪率等可以從學(xué)術(shù)滿意度調(diào)查或高校評價網(wǎng)站等獲得。

數(shù)據(jù)預(yù)處理。通過網(wǎng)絡(luò)爬蟲或網(wǎng)站公開API等方式從網(wǎng)站上獲取數(shù)據(jù)信息。該方法可以將非結(jié)構(gòu)化數(shù)據(jù)從網(wǎng)頁中抽取出來，將其存儲為統(tǒng)一的本地數(shù)據(jù)文件，并以結(jié)構(gòu)化的方式存儲。它支持圖片、音頻、視頻等文件或附件的采集，附件與正文可以自動關(guān)聯(lián)。通過KNN、SVG降維、K-means聚類、LDA等方法對學(xué)科數(shù)據(jù)清洗、降維、分析。

數(shù)據(jù)存儲。對于從數(shù)據(jù)源采集到的各類學(xué)科數(shù)據(jù)，以數(shù)據(jù)庫的存儲方式對其進行保存，為應(yīng)對海量學(xué)科數(shù)據(jù)的存儲需求，這些存儲方式大多采用分布式架構(gòu)。為支持復(fù)雜的分析挖掘任務(wù)，數(shù)據(jù)存儲會以分布式數(shù)據(jù)倉庫為主要的存儲及管理方式，并分為臨時存儲區(qū)、操作性數(shù)據(jù)倉庫、大數(shù)據(jù)倉庫和數(shù)據(jù)集市四層。

（三）" 構(gòu)建世界一流學(xué)科評價體系

世界一流學(xué)科評價體系的構(gòu)建，需在“系統(tǒng)論”“測度論”“鉆石理論模型”等理論指導(dǎo)下，有效摒棄主流學(xué)科評價指標(biāo)體系零散、片面、繁冗的不足，直指我國“雙一流”建設(shè)目標(biāo)，構(gòu)建框架層次清晰、結(jié)構(gòu)分明，突出中國特色和中國魅力的評價體系。

1" 構(gòu)建評價模型

基于主流國際學(xué)科評價指標(biāo)，初步確定世界一流學(xué)科評價體系的一級指標(biāo)（見表1），即學(xué)科聲譽、學(xué)科環(huán)境、學(xué)科條件、學(xué)科產(chǎn)出。學(xué)科聲譽是同行、社會、學(xué)生等利益相關(guān)者對學(xué)科的一種主觀評價，是學(xué)科的隱性資產(chǎn)；學(xué)科環(huán)境主要是指影響學(xué)科發(fā)展的外部環(huán)境因素；學(xué)科條件是決定學(xué)科設(shè)立、發(fā)展的基礎(chǔ)因素；學(xué)科產(chǎn)出主要是指通過學(xué)科自身發(fā)展，在推進學(xué)科領(lǐng)域研究深入，促進學(xué)生能力提升，推動社會發(fā)展進步等方面取得的成績的總和。

2" 模型驗證及完善

將數(shù)據(jù)集分成k個子集，互相獨立，保證每個子集的數(shù)據(jù)分布一致。之后，每次使用k-1個子集合并作為訓(xùn)練集，剩下的一個子集作為驗證集，這樣可以得到k個訓(xùn)練集/驗證集。從而進行k次訓(xùn)練和測試。最終返回k個測試結(jié)果的平均值。通過Elastic Net回歸對模型進行訓(xùn)練，檢驗?zāi)Ｐ偷木?、泛化能力，以確定最優(yōu)的模型。最后，在前期驗證模型的基礎(chǔ)上，完善模型指標(biāo)的權(quán)重及內(nèi)涵。

四" 結(jié)束語

基于大數(shù)據(jù)理念構(gòu)建世界一流學(xué)科評價體系，該體系既支持海量數(shù)據(jù)的采集與存儲，又體現(xiàn)了世界一流學(xué)科評價的高效性和精確性。在評價內(nèi)容方面，既體現(xiàn)了國際化，又體現(xiàn)了民族性和中國特色。在評價結(jié)果方面，既可以用直觀的、可視化方式呈現(xiàn)，又可以多形式滿足個性化的需求。將學(xué)科大數(shù)據(jù)與世界一流學(xué)科評價體系進行多維的有機結(jié)合，實現(xiàn)工具理性與價值理性的統(tǒng)一，從局部樣本到全部樣本以實現(xiàn)海量數(shù)據(jù)下的評價對象突破，從指標(biāo)視野到大數(shù)據(jù)視野以實現(xiàn)大數(shù)據(jù)驅(qū)動下的學(xué)科評價理論突破，從碎片化到組織化以實現(xiàn)基于知識融合的學(xué)科評價方法突破，從排名功能到監(jiān)測與診斷功能以實現(xiàn)學(xué)科多元評價實踐突破，是“雙一流”建設(shè)背景下構(gòu)建創(chuàng)新、多元世界一流學(xué)科評價體系的科學(xué)戰(zhàn)略。

參考文獻：

[1] 楊清華，孫耀斌，許儀.建立中國特色的世界一流大學(xué)評價體系[J].中國高等教育，2017（19）：42-45.

[2] 邱均平，牛培源.我國國家重點學(xué)科的布局分析與發(fā)展建議——基于第三批國家重點學(xué)科的計量分析[J].學(xué)位與研究生教育，2008（5）：50-55.

[3] 李燕.世界一流學(xué)科評價及建設(shè)研究[D].合肥：中國科學(xué)技術(shù)大學(xué)，2018.

[4] RAY S， SAEED M. Applications of Educational Data Mining and LearningAnalytics Tools in Handling Big Data in Higher Education[J]. 2０１８（Ｃｈａｐｔｅｒ ７）：１３５－１６０．

[5] 馬星，王楠.基于大數(shù)據(jù)的高校教學(xué)質(zhì)量評價體系構(gòu)建[J].清華大學(xué)教育研究，2018，39（2）：38-43.

[6] 楊昭.大數(shù)據(jù)時代高校圖書館世界一流學(xué)科評價服務(wù)研究[J].圖書與情報，2018（5）：81-86.

[7] WILLIAMS P. Assessing collaborative learning： big data， analytics and university futures[J]. Assessment amp; Evaluation in Higher Education， 2016， 42：1-12.

[8] LI S， NI J. Evolution of Big-Data-Enhanced Higher Education Systems[C]//EighthInternational Conference on Internet Computing for Science amp; Engineering. IEEE， 2016.

[9] 李燕，陳偉，張淑林.大數(shù)據(jù)在高等教育領(lǐng)域應(yīng)用的探析[J].電子科技大學(xué)學(xué)報（社科版），2018，20（2）：102-108.

基金項目：教育部社會科學(xué)研究青年基金項目“以需求為導(dǎo)向的世界一流學(xué)科建設(shè)創(chuàng)新機制研究——以江蘇省為例”（20YJC880050）；2022年度省教育科學(xué)規(guī)劃課題高校青年教師專項“江蘇省高校一流學(xué)科建設(shè)績效評價研究——基于國際學(xué)科排名觀測視角”（C/2022/01/05）

作者簡介：李燕（1986-），女，漢族，河南濮陽人，博士，講師。研究方向為高等教育，教育數(shù)據(jù)挖掘。