時(shí)間：2023-06-07 09:37:17
開篇：寫作不僅是一種記錄，更是一種創(chuàng)造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇熵值法論文，希望這些內(nèi)容能成為您創(chuàng)作過(guò)程中的良師益友，陪伴您不斷探索和進(jìn)步。
關(guān)鍵詞 撫州市；耕地集約利用；DPSIR模型；改進(jìn)熵值法
作者簡(jiǎn)介廖 娟（1988—），女，東華理工大學(xué)地球科學(xué)學(xué)院土地資源管理專業(yè)碩士研究生，主要研究方向?yàn)橥恋乩靡?guī)劃與土地資源可持續(xù)利用。（江西南昌 330013）
一、引言
隨著我國(guó)社會(huì)經(jīng)濟(jì)的快速發(fā)展，工業(yè)化、城市化進(jìn)程不斷加快，部分耕地非農(nóng)化已成必然，耕地面積減少的趨勢(shì)在短時(shí)期內(nèi)難以逆轉(zhuǎn)。只有在嚴(yán)格保護(hù)耕地的同時(shí)，在耕地利用的過(guò)程中走集約化道路，注重內(nèi)涵挖潛，才能實(shí)現(xiàn)具有中國(guó)特色的農(nóng)業(yè)現(xiàn)代化，保障我國(guó)的糧食安全。耕地集約利用是基于區(qū)域耕地資源科學(xué)和優(yōu)化配置的前提，在有限的耕地面積上合理增加相關(guān)生產(chǎn)要素投入，以最大限度提高耕地利用的綜合效益，充分挖掘耕地利用潛力，從而在耕地利用上走內(nèi)涵挖潛和持續(xù)發(fā)展道路的一種土地利用方式1。
二、耕地利用的DPSIR模型
DPSIR？穴驅(qū)動(dòng)力—壓力—狀態(tài)—影響—響應(yīng)？雪模型是由EEA？穴歐洲環(huán)境署？雪提出的一種評(píng)價(jià)模型，它是作為衡量環(huán)境及可持續(xù)發(fā)展的一種指標(biāo)體系開發(fā)出來(lái)的。它涵蓋了資源利用、環(huán)境保護(hù)和社會(huì)經(jīng)濟(jì)發(fā)展等多個(gè)領(lǐng)域，可以將土地利用及其環(huán)境問(wèn)題、社會(huì)經(jīng)濟(jì)發(fā)展?fàn)顩r、政府政策導(dǎo)向等方面按照因果順序有機(jī)地整合在一起，為評(píng)估農(nóng)業(yè)土地資源持續(xù)利用提供了較好的研究思路2。DPSIR模型在自然資源的評(píng)價(jià)過(guò)程中能夠反映出自然環(huán)境與人類活動(dòng)之間的普遍聯(lián)系和特征，對(duì)造成環(huán)境變化的原因以及人類對(duì)此做出的響應(yīng)等多個(gè)因素綜合到一個(gè)模型中，使事物更具有條理性和整體性3。
三、撫州市耕地集約利用評(píng)價(jià)
撫州市位于江西省東部，撫河上中游，總面積18817平方千米。2011年撫州市耕地總面積為311293.95hm2， 占全市土地總面積的16.54% ，主要分布于臨川區(qū)、東鄉(xiāng)縣、樂(lè)安縣、金溪縣和崇仁縣。撫州市是國(guó)家區(qū)域性商品糧生產(chǎn)基地，因此，研究撫州市耕地集約利用水平及其影響因素，為撫州市合理利用耕地資源、提高利用效益、保障糧食安全具有重要的現(xiàn)實(shí)意義。
（一）評(píng)價(jià)指標(biāo)體系建立
在綜合參考了相關(guān)成果的基礎(chǔ)上3-5，考慮到數(shù)據(jù)等資料的可獲取性，結(jié)合撫州市實(shí)際情況，基于耕地利用的DPSIR模型，遵照科學(xué)性與可操作性、綜合性與主導(dǎo)性、系統(tǒng)性與層序性等原則，建立了反映撫州市耕地集約利用水平的評(píng)價(jià)指標(biāo)體系，共18個(gè)指標(biāo)因子（表1）。
（二）評(píng)價(jià)指標(biāo)權(quán)重確定
為了避免主觀因素的影響，使指標(biāo)權(quán)重更加具有科學(xué)性，本文采用客觀賦權(quán)法中的信息熵值法來(lái)確定指標(biāo)權(quán)重6。在熵值法的計(jì)算過(guò)程中，運(yùn)用了熵和對(duì)數(shù)的概念，根據(jù)相應(yīng)的約束規(guī)則，負(fù)值和極值不能直接參與運(yùn)算，應(yīng)對(duì)其進(jìn)行一定的變換，即應(yīng)該對(duì)熵值法進(jìn)行一些必要的改進(jìn)，本文采用標(biāo)準(zhǔn)化變換法對(duì)熵值法進(jìn)行改進(jìn)7。
步驟如下：
1.評(píng)價(jià)指標(biāo)標(biāo)準(zhǔn)化處理。
式中，X′ij為標(biāo)準(zhǔn)化處理后的指標(biāo)值，Xij為第j項(xiàng)指標(biāo)的算術(shù)平均值，Si為第j項(xiàng)指標(biāo)的標(biāo)準(zhǔn)差。
2.為了清除負(fù)數(shù)，進(jìn)行坐標(biāo)平移：X″ij=X′ij+H，式中，X″ij 為平移后的指標(biāo)值，H為指標(biāo)平移幅度。
3.計(jì)算第j項(xiàng)指標(biāo)下的i個(gè)樣本值的比重：
4.計(jì)算第j項(xiàng)指標(biāo)的熵值，熵值越小，指標(biāo)間的差異性越大，指標(biāo)就越重要。ej=-k∑PijlnPij （k=1/lnm），0≤ej≤1。
5.計(jì)算第j項(xiàng)指標(biāo)的信息效用值：hj =1-ej。
6.計(jì)算第j項(xiàng)指標(biāo)的權(quán)重：wj=hj/∑hj （j=1，2，…，n），按照改進(jìn)熵值法確定撫州市各評(píng)價(jià)指標(biāo)的權(quán)重（表1）。
（三）耕地利用集約度計(jì)算
運(yùn)用功效函數(shù)評(píng)價(jià)法對(duì)影響耕地集約利用的各項(xiàng)指標(biāo)進(jìn)行綜合評(píng)價(jià)，得到耕地利用集約度8。假定耕地集約利用各評(píng)價(jià)指標(biāo)為uj（j=1，2，3…n），aj，bj 分別為耕地集約利用評(píng)價(jià)指標(biāo)的最大值與最小值。指標(biāo)值xij對(duì)耕地集約利用的功效Ui（uj ）由下式確定：
然后，根據(jù)確定的各指標(biāo)的權(quán)重wj，計(jì)算出耕地集約利用度Fi，F(xiàn)i=∑wjUi。
四、撫州市耕地集約利用評(píng)價(jià)結(jié)果分析
（一）撫州市耕地集約利用動(dòng)態(tài)分析
按照表1確定的各評(píng)價(jià)指標(biāo)的權(quán)重，根據(jù)集約度的評(píng)價(jià)方法，得到耕地利用集約度評(píng)價(jià)結(jié)果（表2）。從總體上看，2002—2011年撫州市耕地集約利用指數(shù)不斷增長(zhǎng)，從2002年的0.411上升到2011年的0.737，年均上升3.26%。
由表2可知，驅(qū)動(dòng)力指數(shù)從2002年的最高，持續(xù)下降，2011年為五個(gè)子系統(tǒng)最低；壓力指數(shù)2002年僅次于驅(qū)動(dòng)力指數(shù)，10年間呈緩慢波動(dòng)下降態(tài)勢(shì)，2011年僅高于驅(qū)動(dòng)力指標(biāo)；狀態(tài)、影響和響應(yīng)指數(shù)除個(gè)別年份短暫下降外，呈快速上升趨勢(shì)，狀態(tài)指數(shù)連續(xù)幾年位居第一；從影響指數(shù)看出農(nóng)戶在耕地利用過(guò)程中的經(jīng)濟(jì)收益和挖掘耕地生產(chǎn)潛力的能力都在持續(xù)提高；響應(yīng)指數(shù)增幅最大、上升速度最快，從2002年的0.035上升到2011年的0.265，說(shuō)明人對(duì)耕地集約利用的響應(yīng)增強(qiáng)，通過(guò)提高對(duì)耕地投入促進(jìn)耕地的集約利用。
（二）撫州市耕地集約利用空間分析
從圖1可以看出，撫州市各縣區(qū)耕地集約利用水平空間差異不十分明顯，從空間分布看，中部各縣集約利用水平相對(duì)較高，最高的是南豐縣，主要是南豐縣狀態(tài)、影響和響應(yīng)指數(shù)均位居撫州市各縣區(qū)首位，南豐縣對(duì)農(nóng)業(yè)的投入較大，農(nóng)業(yè)產(chǎn)值及農(nóng)民收入均為各縣第一位，反映南豐縣耕地利用效果很好；金溪縣、臨川區(qū)、黎川縣和崇仁縣各項(xiàng)指標(biāo)都屬中上水平，耕地集約利用水平相差不大，高于撫州市耕地集約利用水平；宜黃縣、樂(lè)安縣、南城縣等其他各縣與撫州市耕地集約利用水平相比較低，其中，廣昌縣最低，影響耕地集約利用的四個(gè)子系統(tǒng)分值均很低，致使廣昌縣耕地集約利用綜合指數(shù)最低。
五、建議
綜合以上分析，對(duì)撫州市耕地集約利用提出以下建議：加強(qiáng)基本農(nóng)田保護(hù)，大力開展土地整理項(xiàng)目，增加耕地?cái)?shù)量；加快農(nóng)業(yè)生態(tài)環(huán)境建設(shè)，提高耕地質(zhì)量；完善土地利用總體規(guī)劃，嚴(yán)格控制建設(shè)用地?cái)U(kuò)張規(guī)模，規(guī)劃好村鎮(zhèn)建設(shè)，控制農(nóng)村宅基地占用耕地；加強(qiáng)科技投入和農(nóng)民的科技培訓(xùn)，提升農(nóng)民的科技素質(zhì)；增加資金、機(jī)械等各項(xiàng)投入，完善農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)，提高耕地利用效率；優(yōu)化耕地的用地結(jié)構(gòu)，促進(jìn)現(xiàn)代農(nóng)業(yè)的產(chǎn)業(yè)發(fā)展。
參考文獻(xiàn)
1金衛(wèi)華，唐國(guó)滔，劉微微.耕地集約利用評(píng)價(jià)指標(biāo)體系研究——以湖南省永州市為例J.國(guó)土資源科技管理，2008，.
2于伯華，呂昌河.基于DPSIR概念模型的農(nóng)業(yè)土地資源持續(xù)利用評(píng)價(jià)J.農(nóng)業(yè)工程學(xué)報(bào)，2008.
3鄧超.武漢市耕地集約利用評(píng)價(jià)研究D.武漢：華中農(nóng)業(yè)大學(xué)碩士論文，2010.
4陳玨.黑龍江省耕地集約利用指標(biāo)體系的構(gòu)建與評(píng)價(jià)J.科技促進(jìn)發(fā)展，2008.
5安玉娟.河北省耕地利用集約度變化特征J.地理科學(xué)進(jìn)展，2009.
6陶曉燕，章仁俊，徐輝，等. 基于改進(jìn)熵值法的城市可持續(xù)發(fā)展能力的評(píng)價(jià)J. 干旱區(qū)資源與環(huán)境，2006.
【關(guān)鍵詞】 厭學(xué)青少年；腦電α波；熵值；心理活動(dòng)
Prevailing Frequency Competitive Condition of Alpha Electroencephalographic Wave s among School-weariness Teenagers and Its Influence on Psychological Activitie s . Zhang Xiaoming. Department of Psychological Clinic, Jinan Generral Hos pital of PLA, Jinan 250031, P.R.China
【Abstract】 Objective To explore distribution condition of the prevai ling fre quency of alpha electroencephalographic waves among school-weariness teenagersand put forward scientific psychological consult scheme. MethodsTake the teenag ers for psychological consult involving in school-weariness the research group, and those for routine physical examination the control group. Measure the prevai ling competitive condition of alpha electroencephalographic waves and entropy va lues of the two groups with ML-2001 brain function status inspecting apparatus t o learn the function status and cognitive ability of brain activities. Compare a nd analyze entropy and the difference between prevailing and non-prevailing fre q uencies of alpha waves, trying to find exactly the psychological problems of tho se need help and make out instruction strategy for them. Results There is no significant difference between research group and control group onthe primary prevailing frequency of alpha electroencephalographic waves, but th e difference of entropies between primary and secondary frequencies is significa nt(P
【Key words】 School-weariness teenagers; Alpha electroencephalographicwaves; Entropy value; Psychological activities
厭學(xué)青少年是指對(duì)學(xué)校學(xué)習(xí)和生活失去興趣，產(chǎn)生厭倦或持冷漠態(tài)度學(xué)習(xí)的“差生”。 隨著人們對(duì)心理學(xué)科的認(rèn)識(shí)提高，目前因厭學(xué)進(jìn)行心理咨詢的青少年越來(lái)越多。由于這類青 少年智力正常，對(duì)學(xué)校多門課程的學(xué)習(xí)不感興趣，人們已習(xí)慣把這種行為歸為貪玩、叛逆或 缺乏動(dòng)機(jī)、理想和目標(biāo)等，對(duì)策研究也多是端正學(xué)習(xí)態(tài)度，激發(fā)興趣等。臨床觀察這種心理 指導(dǎo)效果有的不佳。為了在心理咨詢中準(zhǔn)確地把握厭學(xué)青少年逃避學(xué)習(xí)的真正原因 ，我們對(duì)厭學(xué)咨詢的青少年實(shí)施腦功能狀態(tài)檢查，從學(xué)習(xí)的生物性機(jī)能方面分析厭學(xué)青少年 腦功能狀態(tài)和α波競(jìng)爭(zhēng)頻的特點(diǎn)，了解其厭學(xué)者的學(xué)習(xí)能力和認(rèn)知特點(diǎn)。從而科學(xué)制定咨詢 和治療方案。現(xiàn)將厭學(xué)青少年腦功能狀態(tài)檢查情況分析如下。
1 對(duì)象和方法
1.1 對(duì)象 研究組為2006.8～2007.12月因厭學(xué)由家長(zhǎng)帶領(lǐng)求助心理咨詢青少年共90例。年 齡 15.2±2.3歲。男58人，女32人。均無(wú)智力障礙和大腦器質(zhì)性病變。另設(shè)對(duì)照組30人，其年 齡和性別與研究對(duì)象無(wú)顯著性差異。
1.2 方法 排除大腦器質(zhì)性病變，智力障礙，統(tǒng)一使用北京同仁光電技術(shù)公司生產(chǎn)的ML-20 01 腦功能分析儀對(duì)腦功能狀態(tài)和腦電α波競(jìng)爭(zhēng)頻的分布及熵值進(jìn)行測(cè)量，要求被測(cè)者采用舒適 座位，安靜閉眼。測(cè)量程序按照國(guó)際標(biāo)準(zhǔn)導(dǎo)聯(lián)(10～20)系統(tǒng)安放16個(gè)測(cè)量電極(FP1、FP2、F 3、F4、C3、C4、P3、P4、01、02、F7、F8、T3、T4、T5、T6)，雙耳連線（A1＋A2）為參考 電極，前額正中(PF2)接地保護(hù)。采樣頻率為256Hz，時(shí)間常數(shù)為0.13s，連續(xù)采集18分鐘。 采集的信號(hào)由腦波超慢分析軟件自動(dòng)分析。
1.3 數(shù)據(jù)處理 用SPSS 8.0統(tǒng)計(jì)軟件進(jìn)行獨(dú)立樣本t檢驗(yàn)。
2 結(jié) 果
2.1 厭學(xué)青少年大腦功能狀態(tài)分析 檢查結(jié)果顯示，厭學(xué)青少年的腦區(qū)處在少氧狀態(tài)的33 人 ，疲勞狀態(tài)38人，左右腦功率不對(duì)稱23人，前后功率梯度逆轉(zhuǎn)79人。分別占研究對(duì)象的36.6 %、42.20%、25.5%和87.7%。為了排除注意缺陷對(duì)認(rèn)知能力的影響，研究組使用大腦整合連 續(xù)視聽功能測(cè)試儀，把有明顯注意缺陷的38人定為多動(dòng)組，無(wú)明顯注意缺陷的52人定為研究 組1。各組腦功能狀態(tài)結(jié)果比較見表1。
表1結(jié)果顯示，研究組1與多動(dòng)組在大腦的少氧狀態(tài)，疲勞狀態(tài)，左右功率不對(duì)稱，前后 功率逆轉(zhuǎn)方面無(wú)顯著性差異，但與對(duì)照組均差異顯著。說(shuō)明厭學(xué)青少年有無(wú)注意缺陷均表現(xiàn) 腦功能狀態(tài)欠佳。
2.2 研究組、多動(dòng)組和對(duì)照組α波優(yōu)勢(shì)主頻成分的分布情況 見附圖。
2.3 研究組、多動(dòng)組與對(duì)照組間α波主次頻之差和熵值及多頻比較 見表2。
表2顯示，研究組與多動(dòng)組主次頻差值、熵值和同時(shí)段的多主頻率差異不顯著，但與對(duì)照組 差異顯著。這說(shuō)明厭學(xué)青少年主頻優(yōu)勢(shì)不明顯，受其它頻率干擾大，大腦組織的統(tǒng)一性差 。熵值與對(duì)照組比增大顯著，這說(shuō)明厭學(xué)青少年接受信息的能力為低水平狀態(tài)。
3 討 論
3.1 厭學(xué)青少年腦電α波主頻與次頻之差縮小 正常平靜狀態(tài)下腦電α波競(jìng)爭(zhēng)主頻在8～12 Hz 中任意一頻，且優(yōu)勢(shì)明顯，各腦區(qū)主頻一致。但本研究表明，厭學(xué)青少年的α波主頻與次頻 差值縮小，且各腦區(qū)主頻不一致或主次頻交互現(xiàn)象較多，這些均表明厭學(xué)青少年的大腦工作 有序度較低，主次頻相互干擾較強(qiáng)，臨床表現(xiàn)，學(xué)習(xí)時(shí)注意力不集中、多動(dòng)和沖動(dòng)，與人 交往緊張，做事時(shí)有力不從心的感覺，自控力差，看小說(shuō)或打游戲時(shí)易上癮等。另外，厭學(xué) 青少年 的熵值較大，表明腦電α波的能量分布分散，不能集中在8、9、10、11、12、13Hz的任意主 頻的成分上，穩(wěn)定性差，不確定性大，優(yōu)勢(shì)頻率隨時(shí)可被其他成分所競(jìng)爭(zhēng)，達(dá)不到優(yōu)勢(shì)控制 的程度。尤其在大腦少氧和疲勞狀態(tài)時(shí)，腦波優(yōu)勢(shì)頻率更不易穩(wěn)定。左右功能不對(duì)稱和前后 功率逆轉(zhuǎn)時(shí)，影響腦的組織能力，使大腦有序度更低。有關(guān)多動(dòng)癥患者有α波漫化趨勢(shì)的報(bào) 道[2]，但在本研究中多動(dòng)組α波優(yōu)頻慢化結(jié)果不明顯。但主頻與次頻差值縮小與 對(duì)照級(jí)差異顯著。這可能是心理問(wèn)題嚴(yán)重程度的生物性反應(yīng)。
3.2 厭學(xué)青少年腦功能α波優(yōu)頻分析對(duì)心理咨詢作用 厭學(xué)青少年咨詢時(shí)其學(xué)習(xí)能力處于 什 么狀態(tài)是心理咨詢師指導(dǎo)求助者必須要考慮的問(wèn)題之一。這關(guān)系到能否準(zhǔn)確把握求助者心理 問(wèn)題。腦功能狀態(tài)和α波優(yōu)勢(shì)頻分析即可顯示出厭學(xué)者的學(xué)習(xí)能力。如心理能力不足則表現(xiàn) α波優(yōu)勢(shì)頻不明顯，有序度低，熵值增大，說(shuō)明求助者大腦工作狀態(tài)已處于飽合，接受信息 的能力處于低水平程度，學(xué)習(xí)中已經(jīng)不能集中所有能量對(duì)所要注意的目標(biāo)。在這種情況下， 心 理指導(dǎo)是以自我放松和適當(dāng)運(yùn)動(dòng)為主。若大腦處在少氧和疲勞狀態(tài)時(shí)，還要適當(dāng)加強(qiáng)大腦營(yíng) 養(yǎng)，注意休息等。中樞神經(jīng)系統(tǒng)是一個(gè)復(fù)雜但高度統(tǒng)一的整體，腦電活動(dòng)有序度越低，其行 為、學(xué)習(xí)控制調(diào)節(jié)能力越弱。對(duì)厭學(xué)青少年對(duì)學(xué)校學(xué)習(xí)壓力和人際的不適或受挫后采取逃避 行為更能理解。腦功能狀態(tài)檢查和α競(jìng)爭(zhēng)圖分析可以幫助我們?cè)趯?duì)厭學(xué)青少年心理咨詢時(shí)分 清生物性因素和動(dòng)機(jī)理想目標(biāo)影響因素，從而可以科學(xué)地制定心理咨詢治療方案。按生物學(xué) 規(guī)律進(jìn)行行為指導(dǎo)，這種指導(dǎo)更符合厭學(xué)青少年的實(shí)際，易得到認(rèn)可和主動(dòng)實(shí)施。
4 參考文獻(xiàn)
［1］李穎潔,樊飛燕,陳興時(shí).腦電分析在認(rèn)識(shí)研究中的進(jìn)展.北京生物醫(yī)學(xué)工程,200 6,3:321-322
［2］孫黎,等.伴學(xué)習(xí)困難注意缺陷多動(dòng)障礙兒童A波競(jìng)爭(zhēng)圖特點(diǎn).中國(guó)心理衛(wèi)生雜志 ,2003,17(4):238-241
［3］李捷.運(yùn)動(dòng)技能形成自組織理論的建構(gòu)及其實(shí)證研究(博士論文).北京:北京體 育大學(xué),1999
［4］孔慶梅,等.注意缺陷多動(dòng)障礙患兒α波競(jìng)爭(zhēng)圖的對(duì)照研究.中華精神科雜志,20 01,34(2):73-75
關(guān)鍵詞：上市公司；熵值法；動(dòng)態(tài)績(jī)效評(píng)價(jià)
引言
目前對(duì)上市公司經(jīng)營(yíng)績(jī)效評(píng)價(jià)多采用靜態(tài)綜合評(píng)價(jià)方法，如單一采用主成分分析法、DEA法、層次分析法對(duì)其進(jìn)行經(jīng)營(yíng)績(jī)效評(píng)價(jià)，但是這些評(píng)價(jià)方法都主要集中對(duì)上市公司績(jī)效靜態(tài)（某一時(shí)間點(diǎn)）的評(píng)價(jià)，缺乏對(duì)公司某一時(shí)間段的動(dòng)態(tài)綜合評(píng)價(jià)，沒(méi)有做到“回顧性”與“前瞻性”共存。而實(shí)際上，對(duì)于公司績(jī)效的動(dòng)態(tài)綜合評(píng)價(jià)能夠在一定程度上規(guī)避公司業(yè)績(jī)波動(dòng)性的影響，更能反映公司在一段時(shí)間內(nèi)的真實(shí)經(jīng)營(yíng)績(jī)效情況，同時(shí)能夠?qū)疚磥?lái)績(jī)效的變化狀況進(jìn)行一定程度預(yù)測(cè)。鑒于此，本文采用基于熵值法的動(dòng)態(tài)評(píng)價(jià)方法對(duì)上市公司的經(jīng)營(yíng)績(jī)效進(jìn)行動(dòng)態(tài)評(píng)價(jià)，以求能客觀反映上市公司的經(jīng)營(yíng)績(jī)效狀況。
一、模型構(gòu)建
1.評(píng)價(jià)指標(biāo)選擇。經(jīng)營(yíng)績(jī)效評(píng)價(jià)首先是評(píng)價(jià)指標(biāo)的選擇，在查閱相關(guān)文獻(xiàn)、結(jié)合上市公司特點(diǎn)以及為較全面反映制上市公司的經(jīng)營(yíng)績(jī)效的基礎(chǔ)上建立以下四大類包括8個(gè)指標(biāo)的動(dòng)態(tài)綜合評(píng)價(jià)指標(biāo)體系：（1）盈利能力指標(biāo)：主營(yíng)業(yè)務(wù)利潤(rùn)率、凈資產(chǎn)收益率，正指標(biāo)；（2）發(fā)展能力指標(biāo)：凈資產(chǎn)收益率增長(zhǎng)率、總資產(chǎn)增長(zhǎng)率，正指標(biāo)；（3）營(yíng)運(yùn)能力指標(biāo)：流動(dòng)資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率，正指標(biāo)；（4）償債能力指標(biāo)：資產(chǎn)負(fù)債率、速動(dòng)比率，適度指標(biāo)。
2.指標(biāo)權(quán)重的確定方法。指標(biāo)確定權(quán)重的方法一般分為主觀賦權(quán)法和客觀賦權(quán)法。主觀賦權(quán)法各評(píng)價(jià)指標(biāo)的權(quán)重是由專家根據(jù)自己的經(jīng)驗(yàn)和判斷給出的，因此根據(jù)選取專家的不同而具有較大的主觀性；而客觀賦權(quán)方法是從指標(biāo)的統(tǒng)計(jì)性質(zhì)上來(lái)考慮，以數(shù)理統(tǒng)計(jì)方法為基礎(chǔ)，不需征求專家的意見，克服了主觀賦權(quán)方法的種種缺陷，因此，較主觀賦權(quán)法更適用于上市公司績(jī)效動(dòng)態(tài)綜合評(píng)價(jià)問(wèn)題。本文采用客觀賦權(quán)法中的熵值法確定各指標(biāo)的權(quán)重。
熵值法的基本思路為：某項(xiàng)指標(biāo)值的變異程度越大，熵越小，該指標(biāo)提供的信息量越大，在評(píng)價(jià)中的作用越大，則權(quán)重也越大；反之，某指標(biāo)指標(biāo)值的變異程度越小，熵越大，該指標(biāo)提供的信息量越小，在評(píng)價(jià)中所起的作用也越小。由于介紹熵值法的計(jì)算過(guò)程的文獻(xiàn)較多，這里不在詳細(xì)介紹。
3.動(dòng)態(tài)評(píng)價(jià)中時(shí)間權(quán)重的確定。在動(dòng)態(tài)績(jī)效評(píng)價(jià)中，時(shí)間權(quán)重的確定是與靜態(tài)評(píng)價(jià)最明顯的差異，本文擬采取等差數(shù)列賦權(quán)方法確定時(shí)間維度的權(quán)重。等差數(shù)列賦權(quán)方法的基本思路是：假設(shè)共有ti年的績(jī)效評(píng)價(jià)數(shù)據(jù)，各年度時(shí)間維度的權(quán)重為λi（λ1，λ2，…λm），公差為a，其中i=1表示距離現(xiàn)在最遠(yuǎn)的一年，i=m則表示距離現(xiàn)在最近的一年，則根據(jù)以下條件可以算出動(dòng)態(tài)評(píng)價(jià)中各年的時(shí)間權(quán)重λi：
λi=1λi+1=λi+a0＜λi＜1，0＜i＜ta＞0
4.動(dòng)態(tài)綜合評(píng)價(jià)模型。設(shè)時(shí)序多指標(biāo)綜合評(píng)價(jià)的指標(biāo)集為P{P1，P2，…Pn}，時(shí)間樣本點(diǎn)為ti（i=1，2，…，m），對(duì)應(yīng)的時(shí)間權(quán)重向量為λi（λ1，λ2，…λm），評(píng)價(jià)對(duì)象為Uk（k=1，2，…，g），對(duì)應(yīng)于特定的時(shí)間點(diǎn)ti，所有評(píng)價(jià)對(duì)象的樣本數(shù)據(jù)集為:
P1，P2，…，Pn
Xi=x（i）11，x（i）12，…，x（i）1nx（i）21，x（i）22，…，x（i）2nx（i）g1，x（i）g2，…，x（i）gn
上述數(shù)據(jù)集為為特定時(shí)間點(diǎn)的靜態(tài)值，采用熵值法確定各指標(biāo)靜態(tài)權(quán)重之后可以算出各個(gè)評(píng)價(jià)對(duì)象的靜態(tài)綜合評(píng)價(jià)值，這些評(píng)價(jià)值的時(shí)間序列構(gòu)成如下矩陣：
t1，t2，…，tm
A=a11，a12，…，a1ma21，a22，…，a2mag1，ag2，…，agm=（aij）g×m
其中，aij表示評(píng)價(jià)對(duì)象Uk（k=1，2，…，g）在時(shí)間點(diǎn)ti的靜態(tài)綜合評(píng)價(jià)值
在動(dòng)態(tài)評(píng)價(jià)中，不僅要考慮指標(biāo)的優(yōu)劣，而且要考慮指標(biāo)的增長(zhǎng)情況，因此，令增長(zhǎng)矩陣B=aij（t）-aij（t-1）（t=2，3，…，m），它表示評(píng)價(jià)對(duì)象的綜合評(píng)價(jià)值從（t-1）期到t期的增長(zhǎng)變化情況；將靜態(tài)綜合評(píng)價(jià)矩陣A和增長(zhǎng)矩陣B加權(quán)而成，得到要求的時(shí)序多指標(biāo)綜合評(píng)價(jià)矩陣C，即：
C=（cij）g×m，cij=α•aij+β•bij，α+β=1
其中，α，β分別表示靜態(tài)評(píng)價(jià)值和增長(zhǎng)變化值的相對(duì)重要程度，特別地當(dāng)α=1，β=0表示動(dòng)態(tài)評(píng)價(jià)只考慮了指標(biāo)的優(yōu)劣，沒(méi)有考慮指標(biāo)的增長(zhǎng)情況；當(dāng)α=0，β=1表示不考慮指標(biāo)的優(yōu)劣，只考慮指標(biāo)的增長(zhǎng)情況；一般情況下，我們?nèi)ˇ?0.5，β=0.5即指標(biāo)的優(yōu)劣和指標(biāo)的增長(zhǎng)情況各考慮50%的權(quán)重。
接著對(duì)矩陣C構(gòu)造理想時(shí)間序列矩陣和負(fù)理想時(shí)間序列矩陣為：
c+=（c+1，c+2，…，c+m）c-=（c-1，c-2，…，c-m）
其中，c+1=max{cik|k=1，2，…，g〉}，i=1，2，…，m
c-1=max{cik|k=1，2，…，g〉}，i=1，2，…，m
按照理想點(diǎn)算法，用歐式范數(shù)作為距離的測(cè)度，評(píng)價(jià)對(duì)象Uk在時(shí)間ti的動(dòng)態(tài)綜合評(píng)價(jià)值cik到理想點(diǎn)c+和負(fù)理想點(diǎn)c-的距離為：
d+k=λi（cik-c+i）21/2，k=1，2，…，g
d-k=λi（cik-c-i）21/2，k=1，2，…，g
其中，λi為對(duì)應(yīng)的時(shí)間權(quán)重向量。
第k個(gè)評(píng)價(jià)對(duì)象Uk對(duì)理想點(diǎn)的相對(duì)貼近度為：
sk=d-k/（d+k+d-k），k=1，2，…，g
顯然0≤sk≤1，sk越大，說(shuō)明被評(píng)價(jià)對(duì)象的動(dòng)態(tài)綜合評(píng)價(jià)值越靠近理想點(diǎn)而遠(yuǎn)離負(fù)理想點(diǎn)，即被評(píng)價(jià)對(duì)象的動(dòng)態(tài)績(jī)效越好，排名也越靠前。
二、實(shí)證分析
為了能夠客觀地檢驗(yàn)該模型的實(shí)用性，在考慮數(shù)據(jù)的可獲得性和筆者對(duì)家電制冷空調(diào)類上市公司較為熟悉的情況下，選擇了在滬深交易所上市的家電制冷空調(diào)類上市公司共有13家，分別是華意壓縮、美菱電器、美的電器、大冷股份、格力電器、煙臺(tái)冰輪、東凌糧油（2009年第四季度重組前生產(chǎn)冰箱壓縮機(jī)）、盾安環(huán)境、哈空調(diào)、澳柯瑪、雙良股份、海立股份、青島海爾。選取2005—2009年五年的年報(bào)數(shù)據(jù)作為研究樣本。數(shù)據(jù)來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)，采用EXCEL2007對(duì)數(shù)據(jù)進(jìn)行計(jì)算處理。
1.首先對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。在選定的八個(gè)指標(biāo)中，除償債能力和速動(dòng)比率為適度指標(biāo)外，其余都為效益型指標(biāo)。采用下列公式將償債能力和速動(dòng)比率數(shù)據(jù)進(jìn)行預(yù)處理，使其轉(zhuǎn)化為效益型指標(biāo)。X′=2×（X-m），m≤X≤（m+X）/22×（X-m），（m+X）/2≤X≤M其中，m為X所在列中的最小值;M為X所在列中的最大值。采用極差變化法X″ij=（Xij-minXj）/（maxXj-minXj）把經(jīng)預(yù)處理過(guò)后的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，以消除量綱的影響。
2.經(jīng)標(biāo)準(zhǔn)化處理之后的數(shù)據(jù)采用熵值法確定各年指標(biāo)的權(quán)重為：
2005年各指標(biāo)權(quán)重為：（0.1323，0.1355，0.1256，0.1362，
0.1251，0.1096，0.1168，0.1189）
2006年各指標(biāo)權(quán)重為：（0.1305，0.1203，0.1353，0.1268，
0.1222，0.1141，0.1283，0.1225）
2007年各指標(biāo)權(quán)重為：（0.1353，0.1353，0.1131，0.1358，
0.1208，0.1184，0.1242，0.1171）
2008年各指標(biāo)權(quán)重為：（0.1262，0.1291，0.1246，0.1344，
0.1199，0.1190，0.1249，0.1219）
2009年各指標(biāo)權(quán)重為：（0.1164，0.1236，0.1178，0.1352，
0.1228，0.1287，0.1311，0.1244）
3.根據(jù)標(biāo)準(zhǔn)化處理后的指標(biāo)數(shù)據(jù)，運(yùn)用熵值法確定的各指標(biāo)權(quán)重計(jì)算得出2005—2009年的各家公司上市公司績(jī)效靜態(tài)綜合評(píng)價(jià)值。
4.增長(zhǎng)矩陣B的計(jì)算，取基期2005年的增長(zhǎng)值為0，計(jì)算出增長(zhǎng)矩陣；再取α=β=0.5，將靜態(tài)綜合評(píng)價(jià)值和增長(zhǎng)矩陣B加權(quán)而成，得到時(shí)序多指標(biāo)評(píng)價(jià)矩陣C，運(yùn)用理想點(diǎn)法，求出每家上市公司的時(shí)序多指標(biāo)綜合評(píng)價(jià)值，其中時(shí)間權(quán)重λi根據(jù)等差序列賦權(quán)方法計(jì)算出2005—2009年的時(shí)間權(quán)重依次為0.1，0.15，0.2，0.25，0.3，最后對(duì)它們按評(píng)價(jià)值的高低進(jìn)行排序，得到上市公司多指標(biāo)動(dòng)態(tài)綜合評(píng)價(jià)結(jié)果）。
根據(jù)動(dòng)態(tài)績(jī)效評(píng)價(jià)結(jié)果，2005—2009年的動(dòng)態(tài)綜合績(jī)效排名為美的電器>雙良股份>哈空調(diào)>青島海爾>格力電器>美菱電器>海立股份>廣州冷機(jī)>華意壓縮>煙臺(tái)冰輪>盾安環(huán)境>大冷股份>澳柯瑪。可以看到：動(dòng)態(tài)綜合評(píng)價(jià)值排名第一的美的電器2007—2009年連續(xù)三年的靜態(tài)評(píng)價(jià)值也排在第一位；動(dòng)態(tài)評(píng)價(jià)值排名第二的雙良股份，如果僅僅以一年的靜態(tài)值，不考慮增長(zhǎng)情況的條件下，2009年的靜態(tài)值僅僅排在第六位，2005—2008年的排名分別是第一、一、二、五位；動(dòng)態(tài)綜合評(píng)價(jià)值排在最后一位的澳柯瑪其五年的靜態(tài)值的相對(duì)排名分別為第十二、十三、十三、十三、十二位。從以上可以看出，本文建立的動(dòng)態(tài)評(píng)價(jià)方法相比靜態(tài)方法，更能客觀和全面地反映上市公司的經(jīng)營(yíng)績(jī)效，避免單一性和片面性，具有一定的先進(jìn)性。
結(jié)束語(yǔ)
本文以熵值法作為上市公司綜合評(píng)價(jià)指標(biāo)體系的賦權(quán)方法，同時(shí)采用等差數(shù)列對(duì)時(shí)間維度進(jìn)行賦權(quán)，在考慮指標(biāo)增長(zhǎng)情況的基礎(chǔ)上，建立了上市公司的動(dòng)態(tài)績(jī)效評(píng)價(jià)模型，并結(jié)合理想解法，對(duì)上市公司的經(jīng)營(yíng)業(yè)績(jī)進(jìn)行動(dòng)態(tài)綜合評(píng)價(jià)。通過(guò)實(shí)證分析表明，本文建立的動(dòng)態(tài)評(píng)價(jià)方法相比靜態(tài)方法，更能客觀和全面地反映上市公司的經(jīng)營(yíng)績(jī)效，避免單一性和片面性，具有一定的先進(jìn)性。
參考文獻(xiàn):
[1]郭亞軍.一種新的動(dòng)態(tài)綜合評(píng)價(jià)方法[J].管理科學(xué)學(xué)報(bào)，2002，(2).
[2]王璐.上市公司經(jīng)營(yíng)業(yè)績(jī)的時(shí)序多指標(biāo)綜合評(píng)價(jià)[J].數(shù)理統(tǒng)計(jì)與管理，2005，(2).
[3]羅珍.上市公司績(jī)效動(dòng)態(tài)綜合評(píng)價(jià)方法研究[D].長(zhǎng)沙:湖南大學(xué)碩士論文，2009:5.
[4]林杰，鄭循剛.基于熵權(quán)TOPSIS法的房地產(chǎn)上市公司績(jī)效評(píng)價(jià)[J].技術(shù)經(jīng)濟(jì)與管理研究，2008，(3).
關(guān)鍵詞：學(xué)生評(píng)教系統(tǒng)；評(píng)教指標(biāo)體系；評(píng)教模型
一、高校學(xué)生評(píng)教系統(tǒng)現(xiàn)狀及問(wèn)題分析
目前，絕大多數(shù)高校都使用了網(wǎng)絡(luò)評(píng)教系統(tǒng)，但都存在一些問(wèn)題，主要表現(xiàn)在以下幾個(gè)方面。
1．評(píng)教比較集
所謂“評(píng)教比較集”就是指教師評(píng)教結(jié)果的比較范圍，目前，絕大數(shù)高校學(xué)生評(píng)教的統(tǒng)轄權(quán)都在學(xué)校層面，其比較集都很大，如哈工大，除體育課教師單獨(dú)為一個(gè)比較集之外，其余課程教師則統(tǒng)統(tǒng)納入一個(gè)大的比較集之中，不分課程類型，雖然在比較集之內(nèi)，所采用的指標(biāo)體系和權(quán)重基本相同，但由于課程性質(zhì)的差異較大，放在一起比較則不盡合理。相關(guān)研究表明不同學(xué)科、不同課程對(duì)評(píng)教結(jié)果的影響很大[1]。因此，評(píng)教結(jié)果應(yīng)該在“同質(zhì)課程”內(nèi)進(jìn)行比較、排序，即外語(yǔ)與外語(yǔ)比較、數(shù)學(xué)與數(shù)學(xué)比較、體育與體育比較，等等。按院（系）構(gòu)建評(píng)教比較集是最為合理且可行的方案，學(xué)校應(yīng)將評(píng)教的組織與管理權(quán)下放到各院（系），各院（系）可根據(jù)自身課程的特點(diǎn)制定評(píng)教指標(biāo)體系。
2．評(píng)教指標(biāo)體系及權(quán)重
國(guó)內(nèi)各高校評(píng)教指標(biāo)體系主要是采用標(biāo)準(zhǔn)化指標(biāo)，雖然有些高校針對(duì)不同的學(xué)科門類做了一些分類，但絕大多數(shù)高校幾乎是用一套固定不變的指標(biāo)體系來(lái)評(píng)價(jià)所有教師[2]。評(píng)教指標(biāo)體系的設(shè)計(jì)基本上局限于絕對(duì)統(tǒng)一的“五環(huán)節(jié)模式”，即對(duì)教師的教學(xué)計(jì)劃、教學(xué)內(nèi)容、教學(xué)方法、教學(xué)手段、教學(xué)效果進(jìn)行評(píng)價(jià)。只評(píng)價(jià)教師的“教”，而不評(píng)價(jià)學(xué)生的“學(xué)”，考察學(xué)生的學(xué)習(xí)主要是三個(gè)方面：一是“愛學(xué)”，即學(xué)習(xí)的主動(dòng)性；二是“會(huì)學(xué)”，即學(xué)習(xí)的能動(dòng)性；三是“善學(xué)”，即學(xué)習(xí)的創(chuàng)造性 [2]。因此，指標(biāo)體系應(yīng)該設(shè)置注重學(xué)生創(chuàng)造性培養(yǎng)的指標(biāo)，既要反映教師“教”的質(zhì)量和效果，也要反映學(xué)生“學(xué)”的質(zhì)量和效果。國(guó)內(nèi)各高校評(píng)教權(quán)重基本全部使用由教學(xué)管理當(dāng)局和專家確定下來(lái)的固定的主觀權(quán)重，沒(méi)有考慮客觀權(quán)重（根據(jù)各項(xiàng)指標(biāo)在實(shí)際評(píng)教中所起的作用計(jì)算得出的權(quán)重），也沒(méi)有考慮學(xué)生本身的評(píng)教權(quán)重，由于大四學(xué)生上課出席率極低[3]，所以不同的學(xué)生應(yīng)有不同的權(quán)重，可根據(jù)出席率來(lái)確定，對(duì)于始終不去上課的學(xué)生，老師甚至有權(quán)取消其評(píng)教資格。
3．評(píng)教模型
目前，各高校采用的評(píng)教模型可以說(shuō)是五花八門，有些學(xué)校直接采用學(xué)生評(píng)教的平均分，有些學(xué)校采用經(jīng)驗(yàn)公式，還有些學(xué)校采用標(biāo)準(zhǔn)分。相對(duì)而言采用標(biāo)準(zhǔn)分模型較為合理，但也需對(duì)其進(jìn)行完善和修正，應(yīng)考慮的因素主要有兩個(gè)，第一是極端評(píng)教，應(yīng)在模型中予以剔除；第二是學(xué)生考試成績(jī)，當(dāng)然對(duì)于一些基礎(chǔ)課院（系），如數(shù)學(xué)、物理、外語(yǔ)等，可能用題庫(kù)出題，或由課程組來(lái)統(tǒng)一命題，在這種情況下，可能學(xué)生成績(jī)?cè)礁撸虒W(xué)效果越好，因此，不需對(duì)評(píng)教模型進(jìn)行修正。而在其他許多院（系）都是由任課教師自己出題考核學(xué)生，在這種情況下，可以肯定地說(shuō)學(xué)生成績(jī)一定與教師評(píng)教得分有關(guān)（成績(jī)低打分較低）[4]，然而幾乎在所有高校評(píng)教模型中都沒(méi)有考慮此因素，有些教師為了獲得好的評(píng)教結(jié)果，可能會(huì)給學(xué)生普遍高分，甚至公開許諾給學(xué)生較高分?jǐn)?shù)，以此換取學(xué)生的好評(píng)。因此，評(píng)教模型必須根據(jù)學(xué)生的平均成績(jī)進(jìn)行修正。
二、高校學(xué)生評(píng)教指標(biāo)體系及權(quán)重設(shè)計(jì)
1．評(píng)教指標(biāo)體系設(shè)計(jì)
在實(shí)際應(yīng)用中，評(píng)教指標(biāo)不宜過(guò)多，一般以10～15項(xiàng)為宜，學(xué)生回答問(wèn)題所需時(shí)間不宜過(guò)長(zhǎng)，必須簡(jiǎn)明扼要[2]。通過(guò)對(duì)各高校評(píng)教指標(biāo)體系的比較，發(fā)現(xiàn)各學(xué)校、各院（系）、各不同類型專業(yè)、一些特殊課程，其評(píng)教指標(biāo)都有所區(qū)別。那么作為一個(gè)系統(tǒng)，應(yīng)該如何設(shè)計(jì)其評(píng)教指標(biāo)體系呢？一個(gè)可行的方法就是設(shè)計(jì)評(píng)教指標(biāo)庫(kù)，并可根據(jù)需要對(duì)指標(biāo)庫(kù)中的指標(biāo)進(jìn)行增、改、刪等維護(hù)。在實(shí)際應(yīng)用時(shí)，各院（系）可根據(jù)自身的特點(diǎn)，從指標(biāo)庫(kù)中選取其中的10～15個(gè)指標(biāo)構(gòu)成評(píng)教指標(biāo)體系，在實(shí)際應(yīng)用中若發(fā)現(xiàn)某些指標(biāo)不當(dāng)，可重新選取，通過(guò)長(zhǎng)期探索后便可將符合本院（系）特點(diǎn)的評(píng)教指標(biāo)體系相對(duì)固定下來(lái)，指標(biāo)的選取必須征求有關(guān)專家和學(xué)生的意見和建議，并根據(jù)多年的評(píng)教結(jié)果分析具體情況來(lái)確定。評(píng)教指標(biāo)庫(kù)的數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)可參照表1設(shè)計(jì)。
表1中，指標(biāo)類型：為“通用、數(shù)學(xué)、物理、外語(yǔ)、等等”；Delphi權(quán)重：用專家調(diào)查法確定的指標(biāo)權(quán)重；熵值權(quán)重：用“熵值法”計(jì)算得出的權(quán)重；綜合權(quán)重：根據(jù)“Delphi權(quán)重”和“熵值權(quán)重”計(jì)算得出的綜合權(quán)重；指標(biāo)狀態(tài)：在評(píng)教中實(shí)際應(yīng)用的指標(biāo)是表1中的一部分，若某項(xiàng)指標(biāo)被選中用于實(shí)際評(píng)教，則其指標(biāo)狀態(tài)為“√”，否則為空；指標(biāo)等級(jí)1～指標(biāo)等級(jí)10：每個(gè)指標(biāo)最多可分10個(gè)等級(jí)，如“最好、很好、好、較好、一般、較差、差”7個(gè)等級(jí)，對(duì)應(yīng)分值分別為“100、90、80、70、60、50、30”。
2．評(píng)教指標(biāo)權(quán)重的確定
（1）專家調(diào)查法（Delphi）
Delphi方法的特點(diǎn)在于集中專家的經(jīng)驗(yàn)與意見，確定各指標(biāo)的權(quán)重，并在不斷的反饋和修改中得到比較滿意的結(jié)果。對(duì)于評(píng)教指標(biāo)庫(kù)中已選定的，準(zhǔn)備用于實(shí)際評(píng)教的指標(biāo)，其權(quán)重的確定應(yīng)選擇具有多年教學(xué)經(jīng)驗(yàn)的教學(xué)名師、精品課負(fù)責(zé)人等教育專家，還必須有一定數(shù)量的學(xué)生代表，學(xué)生雖然不是教育專家，但是他們對(duì)評(píng)教的感受較深，知曉哪些指標(biāo)重要，哪些指標(biāo)不重要，特別是對(duì)他們“學(xué)”效果的評(píng)價(jià)。
三、高校學(xué)生評(píng)教模型的構(gòu)建
1．評(píng)教標(biāo)準(zhǔn)分模型
使用標(biāo)準(zhǔn)分，使不同學(xué)生對(duì)不同教師的評(píng)教具有可比性。由于每個(gè)教師的評(píng)教分?jǐn)?shù)是由不同學(xué)生給出的，不同的學(xué)生評(píng)價(jià)標(biāo)準(zhǔn)不同，比較的參照系不同，因此對(duì)老師的評(píng)價(jià)也不同。比如A班對(duì)甲老師的評(píng)價(jià)是85分，B班對(duì)乙老師的評(píng)價(jià)是82分。如果就此得出乙老師比甲老師教學(xué)水平差，那是不客觀的。因?yàn)槿绻鸄班給老師的評(píng)分都高，甲老師得的是最低分，而B班給老師的評(píng)分都低，乙老師得的是最高分，實(shí)際上就可能是乙老師比甲老師的教學(xué)水平高。從本質(zhì)上說(shuō)，不同的群體對(duì)不同的個(gè)人做出的評(píng)分是不可比的。但目前卻是用不可比的分?jǐn)?shù)進(jìn)行比較。這樣的結(jié)果是有失公正的。為使不同的群體對(duì)不同的人給出的評(píng)價(jià)有可比性，最好的方法是是用標(biāo)準(zhǔn)分。標(biāo)準(zhǔn)分的計(jì)算公式為：
例如，某學(xué)生評(píng)價(jià)了5名教師，他們的得分分別是95、90、85、80、75，則5名教師的平均分為85，標(biāo)準(zhǔn)差為7.07，五名教師的 分?jǐn)?shù)分別是1.414、0.707、0、–0.707、–1.414。z分?jǐn)?shù)為0，說(shuō)明教師的評(píng)教結(jié)果處于平均水平，z分?jǐn)?shù)為正說(shuō)明教師的評(píng)教結(jié)果高于平均水平，z分?jǐn)?shù)為負(fù)，說(shuō)明教師的評(píng)教結(jié)果低于平均水平。z分?jǐn)?shù)是無(wú)量綱的相對(duì)數(shù)，表明的是某個(gè)數(shù)據(jù)在總體中的位置，z分?jǐn)?shù)越大，說(shuō)明個(gè)體在總體中越優(yōu)秀。在不同總體中的z分?jǐn)?shù)是可以比較的。它不受學(xué)生評(píng)價(jià)是嚴(yán)格還是寬松的影響[5]。
2．評(píng)教修正模型
（1）剔除極端評(píng)教模型
絕大多數(shù)學(xué)生評(píng)教都是理性和公正的，能對(duì)教師的教學(xué)做出客觀的評(píng)價(jià)，每位教師的評(píng)教得分一般都應(yīng)符合正態(tài)分布，但教師可能在課程教學(xué)中會(huì)對(duì)某些個(gè)別學(xué)生過(guò)于友好或嚴(yán)厲，從而導(dǎo)致極端評(píng)教現(xiàn)象發(fā)生，因此，在評(píng)教模型中必須剔除極端評(píng)教得分。目前，哈工大的做法是用某位學(xué)生評(píng)價(jià)某位教師的標(biāo)準(zhǔn)分 減去該教師的平均標(biāo)準(zhǔn)分 ，再對(duì)其差值取絕對(duì)值，將此絕對(duì)值大于2的評(píng)教得分剔除。即將｜ ｜>2的學(xué)生評(píng)教得分去掉。經(jīng)過(guò)多個(gè)學(xué)期實(shí)踐，證明此方法行之有效。
（2）根據(jù)學(xué)生平均成績(jī)的修正模型
對(duì)于一些全部課程普遍由任課教師自己出題來(lái)考核學(xué)生的院（系），其教師的評(píng)教得分一定與學(xué)生的平均成績(jī)相關(guān)。為了解決學(xué)生評(píng)教結(jié)果可能受教師給分影響的問(wèn)題，建立相應(yīng)的模型將教師給分因素從學(xué)生評(píng)教結(jié)果中剔除，進(jìn)而得到與教師直接相關(guān)的教學(xué)方面的評(píng)價(jià)結(jié)果。模型的核心是建立回歸方程，具體分為三步。
第一步，設(shè)：vi為教師i的平均百分評(píng)教得分（非標(biāo)準(zhǔn)分），di為該教師給學(xué)生的平均分?jǐn)?shù)，注意這兩個(gè)數(shù)據(jù)來(lái)自于本門課程全體學(xué)生評(píng)教數(shù)據(jù)的平均值和教師給分?jǐn)?shù)據(jù)的平均值。
四、結(jié)論
從高校學(xué)生評(píng)教系統(tǒng)的主要構(gòu)成要素：評(píng)教比較集、評(píng)教指標(biāo)體系、指標(biāo)權(quán)重、評(píng)教模型視角，對(duì)系統(tǒng)的改進(jìn)進(jìn)行了研究，在深入分析評(píng)教系統(tǒng)現(xiàn)狀和存在問(wèn)題的前提下，給出了系統(tǒng)的改進(jìn)方案。取得的主要研究成果如下：
（1）針對(duì)絕大多數(shù)高校學(xué)生評(píng)教都集中在學(xué)校層面統(tǒng)一管理，除特殊課程外，在全校范圍內(nèi)設(shè)立比較集的現(xiàn)象，提出了按“同質(zhì)課程”建立評(píng)教比較集，將評(píng)教的統(tǒng)轄權(quán)下放到各院（系）的思想；
（2）打破普遍采用標(biāo)準(zhǔn)化、固定不變指標(biāo)體系和指標(biāo)權(quán)重的傳統(tǒng)方法，通過(guò)創(chuàng)建評(píng)教指標(biāo)數(shù)據(jù)庫(kù)，設(shè)計(jì)了符合各院（系）學(xué)科和專業(yè)特點(diǎn)的動(dòng)態(tài)評(píng)教指標(biāo)體系。提出了將Delphi（主觀賦權(quán)法）與熵值法（客觀賦權(quán)法）有機(jī)結(jié)合，用實(shí)際評(píng)教數(shù)據(jù)來(lái)不斷修正指標(biāo)權(quán)重的科學(xué)方法；
（3）摒棄了直接采用平均分、經(jīng)驗(yàn)公式等不夠公平、公正的評(píng)教模型，在標(biāo)準(zhǔn)分模型的基礎(chǔ)上，從極端評(píng)教和學(xué)生平均成績(jī)兩方面構(gòu)建了評(píng)教修正模型，并經(jīng)過(guò)實(shí)際應(yīng)用和數(shù)據(jù)檢驗(yàn)，驗(yàn)證了模型的有效性。
參考文獻(xiàn)：
[1] 何云輝.高校學(xué)生評(píng)教結(jié)果有效性研究[D].汕頭大學(xué)碩士論文.2007：21-24.
[2] 王麗榮.中美高校學(xué)生評(píng)教指標(biāo)體系的比較研究.山東大學(xué)碩士論文.2008：30-42.
[3] 汪旭暉.高校學(xué)生評(píng)教效果的影響因素研究[J]. 開放教育研究.2009（4）：77-80.
[4] Marsh， H. W.，&Dunkin， M. J. Students’evalu-ations ofuniversity teaching： amultidimension alperspective[A]. Smart，J.C. Higher Education： Handbook of Theory and Practice[C].New York.Agathon，1992：253-388.
【關(guān)鍵詞】超微型燃?xì)廨啓C(jī)；分布式發(fā)電；離心葉輪；壁面溫度；數(shù)值模擬
【Abstract】Several kilowatts Ultra Micro Gas Turbine （UMGT） can be used as portable power units， propulsion of small airplanes and distributed power generation system. It has a broad application prospect. In this paper， a 3kW class Ultra Micro Gas Turbine was chosen as the research object. The high speed， small scale centrifugal impeller of the engine system was designed and numerically analyzed. Besides， numerical simulation was performed to the impeller under different wall temperature， the influence and it’s mechanism of heat transfer to the performance of the centrifugal impeller was analyzed.
【Key words】Ultra Micro Gas Turbine（UMGT）； Distributed power generation； Centrifugal impeller； Wall temperature； Numerical simulation
0 前言
超微型燃?xì)廨啓C(jī)作為一種清潔高效、低成本、高可靠性的供能系統(tǒng)，在分布式發(fā)電、冷熱電聯(lián)供和燃料電池/燃?xì)廨啓C(jī)聯(lián)合系統(tǒng)及特種電源等領(lǐng)域具有廣闊的應(yīng)用前景，近10年來(lái)得到了世界各國(guó)的高度關(guān)注。超微型燃?xì)廨啓C(jī)技術(shù)將為終端能源利用提供新的重要形式，是未來(lái)能源經(jīng)濟(jì)、高效、清潔利用的主要方向之一。超微型燃?xì)廨啓C(jī)的工作原理與一般的燃?xì)廨啓C(jī)相同，通常采用徑流透平與離心壓氣機(jī)。事實(shí)上，超微型燃?xì)廨啓C(jī)的概念在20世紀(jì)60年代就已經(jīng)出現(xiàn)，但由于其發(fā)電效率低，沒(méi)有得到足夠重視。隨著高效緊湊型換熱器的應(yīng)用，超微型燃?xì)廨啓C(jī)的發(fā)電效率顯著提高，大大增加了其競(jìng)爭(zhēng)力。特別是過(guò)去的十幾年中，對(duì)于超微型燃?xì)廨啓C(jī)的研究越來(lái)越引起人們的廣泛興趣。由于其兼具較高的能量密度與較高的功率密度，使其成為移動(dòng)電源和小型飛機(jī)推進(jìn)系統(tǒng)的首要選擇。若通過(guò)與燃料電池或小型余熱鍋爐進(jìn)行聯(lián)合循環(huán)，也可作為高效率的分布式發(fā)電系統(tǒng)[1-2]。
本文對(duì)3kW級(jí)超微型燃?xì)廨啓C(jī)系統(tǒng)中的高速小尺寸離心葉輪進(jìn)行了設(shè)計(jì)和數(shù)值分析，并在不同壁面溫度下對(duì)離心葉輪的性能進(jìn)行了數(shù)值模擬，初步分析了傳熱對(duì)離心葉輪性能的影響及其作用機(jī)理。
1 離心葉輪的設(shè)計(jì)與分析
離心壓氣機(jī)是超微型燃?xì)廨啓C(jī)的核心部件之一，其性能的好壞對(duì)系統(tǒng)性能有著很大影響。對(duì)于其中的離心葉輪，葉輪外徑僅為數(shù)個(gè)厘米，與常規(guī)尺寸的葉輪相比，小尺寸下運(yùn)行雷諾數(shù)大大降低，這就導(dǎo)致了較高的表面摩擦阻力、加強(qiáng)了熱量交換。在傳統(tǒng)設(shè)計(jì)中的絕熱假設(shè)和忽略盤、蓋摩擦力矩的歐拉透平機(jī)械方程的推導(dǎo)都十分不合理。因此，對(duì)小尺寸離心葉輪內(nèi)部流動(dòng)的機(jī)理進(jìn)行探索性研究，對(duì)提高超微型燃?xì)廨啓C(jī)性能具有重要的意義。
作為探索性的研究，對(duì)3kW級(jí)超微型燃?xì)廨啓C(jī)中離心葉輪的設(shè)計(jì)要求為：葉輪外徑40mm，壓比為3，效率不低于70%，并滿足一定的喘振裕度。設(shè)計(jì)工作的第一步參考了一個(gè)已有的葉輪外徑為60mm的小尺寸離心葉輪的幾何數(shù)據(jù)和葉型數(shù)據(jù)，并對(duì)其進(jìn)行了模化和改型設(shè)計(jì)。表1中給出了最終確定的離心葉輪主要設(shè)計(jì)參數(shù)，圖1為離心葉輪三維視圖，下文首先利用CFD手段對(duì)設(shè)計(jì)工況下離心葉輪性能進(jìn)行了分析。
2 數(shù)值計(jì)算方法
離心葉輪數(shù)值計(jì)算中控制方程為三維雷諾平均N-S方程，湍流模型選擇S-A模型。計(jì)算采用中心差分格式離散控制方程，四階Runge-Kutta法進(jìn)行時(shí)間推進(jìn)求解，并結(jié)合當(dāng)?shù)貢r(shí)間步長(zhǎng)、隱式殘差光順技術(shù)和多重網(wǎng)格技術(shù)以加速收斂。由于是定常計(jì)算，只針對(duì)離心葉輪的一個(gè)流道進(jìn)行。
根據(jù)離心葉輪的設(shè)計(jì)工況，計(jì)算中計(jì)算區(qū)域進(jìn)口固定總溫288.15K、總壓101325Pa，沿葉輪軸向進(jìn)氣，出口截面給定質(zhì)量流量，葉輪轉(zhuǎn)速為196700r/min，固壁采用無(wú)滑移、絕熱邊界條件。圖2給出了本文的計(jì)算網(wǎng)格，計(jì)算網(wǎng)格節(jié)點(diǎn)總數(shù)約為60萬(wàn)。計(jì)算結(jié)果表明：設(shè)計(jì)流量下離心葉輪總壓比為3.07，等熵效率為78.04%，均滿足設(shè)計(jì)要求。
3 考慮傳熱時(shí)離心葉輪的性能
對(duì)于燃?xì)廨啓C(jī)系統(tǒng)，當(dāng)其尺寸較大時(shí)，通過(guò)壁面的熱流量與主流所攜帶的熱量相比可以忽略，因而壁面絕熱的假設(shè)是有效的。可是，隨著幾何尺寸的縮小，系統(tǒng)中的最高溫度（透平進(jìn)口溫度TIT）和最低溫度（環(huán)境溫度）與大尺寸下相比差別不大，但高溫部件（透平）和低溫部件（壓氣機(jī)）之間的距離變小，因此由透平向壓氣機(jī)的傳熱量會(huì)相應(yīng)變大。此時(shí)，壁面絕熱的假設(shè)將不再有效，壓氣機(jī)葉輪中的流體被加熱，會(huì)引起葉輪效率的下降，進(jìn)而導(dǎo)致整個(gè)燃?xì)廨啓C(jī)系統(tǒng)性能的惡化[3-5]。基于上述考慮，下文對(duì)比了絕熱及等溫壁面邊界條件（400K、500K，此時(shí)流體均被加熱）下離心葉輪的性能，初步分析了傳熱對(duì)離心葉輪性能的影響及其作用機(jī)理。
圖3給出了計(jì)算得到的離心葉輪性能曲線，流體被加熱后，葉輪等熵效率和壓比均有不同程度的下降。觀察圖中的效率曲線，壁面溫度為400K時(shí)，不同流量下，效率下降的幅度不同，流量越大，效率下降越多，與絕熱情況下相比，最大降幅可達(dá)9%；壁面溫度增大到500K，不同流量下，效率下降的幅度差別不大，與絕熱情況下相比，效率平均下降20%左右。可見傳熱對(duì)離心葉輪性能的影響還是比較顯著的，因此，發(fā)展一種有效的熱屏蔽方法，是提高超微型燃?xì)廨啓C(jī)系統(tǒng)性能的關(guān)鍵技術(shù)。
圖4給出了設(shè)計(jì)流量下離心葉輪平均子午面靜壓云圖和流線圖。由圖可見：在葉輪進(jìn)口處，由于子午流道折轉(zhuǎn)大，氣流發(fā)生分離，而在葉輪內(nèi)部，不存在大范圍的氣流分離，同時(shí)壓力沿主流方向逐步增加，壓力分布比較均勻。對(duì)比不同壁面邊界條件下的結(jié)果可知：流體被加熱后，葉輪出口靜壓明顯下降，葉輪的增壓能力下降。這是因?yàn)樵趬嚎s過(guò)程中加熱流體，會(huì)導(dǎo)致出口溫度的升高，進(jìn)而降低了出口流體的密度，故相比于絕熱流動(dòng)，擴(kuò)壓度、輸入功和壓升均會(huì)下降，而壓升的下降還會(huì)進(jìn)一步降低葉輪出口流體的密度。
圖6為離心葉輪50%葉高處跨葉片截面相對(duì)Mach數(shù)云圖，由圖可見，葉輪流道內(nèi)存在大范圍的低動(dòng)能流體區(qū)，結(jié)合圖7中50%葉高處跨葉片截面熵值云圖和等值線可知，這一區(qū)域是葉輪內(nèi)損失較為集中的區(qū)域。觀察圖7中50%葉高截面熵值云圖，可知：葉輪流道內(nèi)存在兩個(gè)熵值較高（損失集中）的區(qū)域，一處是葉輪進(jìn)口處，另一處位于葉片尾跡區(qū)內(nèi)。壁面絕熱時(shí)，葉片尾跡區(qū)內(nèi)的熵值要高于葉輪進(jìn)口處的熵值；而采用等溫壁面邊界條件時(shí)，葉輪進(jìn)口處的熵值較高，并且隨著壁面溫度的升高，流道內(nèi)的熵值快速增長(zhǎng)。可以看到，相比于等溫壁面邊界條件下的壓縮過(guò)程，葉輪內(nèi)流動(dòng)為絕熱時(shí)，流道內(nèi)的熵產(chǎn)開始較晚，并且熵值更低。同時(shí)，葉輪出口氣流均勻性更好。
4 結(jié)論
1）本文所設(shè)計(jì)的離心葉輪，設(shè)計(jì)流量下葉輪總壓比為3.07，等熵效率為78.04%，但這是基于固體壁面絕熱的假設(shè)；
2）考慮傳熱時(shí)，隨著壁面溫度的增高，葉輪的性能明顯下降，因此，發(fā)展一種有效的熱屏蔽方法，是提高超微型燃?xì)廨啓C(jī)系統(tǒng)性能的關(guān)鍵技術(shù)。
【參考文獻(xiàn)】
[1]趙士杭.燃?xì)廨啓C(jī)循環(huán)與變工況性能[M].清華大學(xué)出版社，1993.
[2]宋寅，康婷，李雪松，顧春偉.千瓦級(jí)微型燃機(jī)性能分析[C]//中國(guó)工程熱物理學(xué)會(huì)熱機(jī)氣動(dòng)熱力學(xué)學(xué)術(shù)會(huì)議論文集.天津，2008.
[3]R. A. Van den Braembussche. Microsoft Gas Turbines-A Short Survey of Design Problems[R]. NATO RTO Educational Notes EN-AVT-131-1，2005.
[4]Rautenberg M， Mobarak A， and Malobabic M. Influence of Heat Transfer between Turbine and Compressor on the Performance of small Turbochargers[C]//Gas Turbine Congress. Tokyo， 1983.
[5]Toshio Nagashima， et al. Lessons Learnt from the Ultra-Micro Gas Turbine Development at University of Tokyo[R]. NATO RTO Educational Notes EN-AVT-131-14，2005.
[6]李雪松，杜建一，祁志國(guó)，等.兩個(gè)高比轉(zhuǎn)速離心壓氣機(jī)模型級(jí)的設(shè)計(jì)分析[J]. 流體機(jī)械，2005，33⑸：13-16.
關(guān)鍵詞：城市交通；綜合評(píng)價(jià)；層次分析法；熵值法
中圖分類號(hào)：F29 文獻(xiàn)標(biāo)識(shí)碼：A
收錄日期：2015年11月5日
引言
城市交通是國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展的基礎(chǔ)和先導(dǎo)，在經(jīng)濟(jì)繁榮、提高人民生活質(zhì)量方面發(fā)揮著至關(guān)重要的作用。改革開放以來(lái)，城市交通取得了巨大的成就。但是隨之而來(lái)的交通擁堵、環(huán)境污染、資源短缺以及交通事故等問(wèn)題，嚴(yán)重影響著人們的日常生活，更影響著經(jīng)濟(jì)發(fā)展。如何解決這些問(wèn)題，實(shí)現(xiàn)城市交通的可持續(xù)發(fā)展已經(jīng)成為國(guó)內(nèi)外關(guān)注的熱點(diǎn)。
本文研究的意義在于通過(guò)對(duì)城市交通可持續(xù)發(fā)展相關(guān)概念的研究，結(jié)合咸陽(yáng)社會(huì)、經(jīng)濟(jì)、交通、環(huán)境發(fā)展?fàn)顩r，構(gòu)建綜合評(píng)價(jià)指標(biāo)體系。并運(yùn)用統(tǒng)計(jì)學(xué)方法和數(shù)學(xué)方法構(gòu)建評(píng)價(jià)模型對(duì)咸陽(yáng)城市交通可持續(xù)發(fā)展水平進(jìn)行研究，從而為城市交通實(shí)施可持續(xù)發(fā)展戰(zhàn)略提供對(duì)策支持。
一、咸陽(yáng)城市交通可持續(xù)發(fā)展綜合評(píng)價(jià)指標(biāo)體系
文章中關(guān)于咸陽(yáng)市的數(shù)據(jù)資料主要來(lái)自于《咸陽(yáng)統(tǒng)計(jì)年鑒：2013》、《2013年咸陽(yáng)市國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》、《咸陽(yáng)市政府工作報(bào)告》、《咸陽(yáng)市公交發(fā)展規(guī)劃》等統(tǒng)計(jì)文獻(xiàn)，還有部分?jǐn)?shù)據(jù)來(lái)自于政府咨詢和實(shí)地測(cè)量。據(jù)這些數(shù)據(jù)資料的可得性，分別從交通功能、環(huán)境影響、社會(huì)經(jīng)濟(jì)和資源利用四個(gè)方面選取了相應(yīng)的指標(biāo)構(gòu)建綜合評(píng)價(jià)指標(biāo)體系，對(duì)咸陽(yáng)市城市交通可持續(xù)發(fā)展評(píng)價(jià)。（表1）
二、基于物元分析與關(guān)聯(lián)函數(shù)構(gòu)建評(píng)價(jià)模型
（一）確定經(jīng)典域和節(jié)域。根據(jù)物元的定義，構(gòu)建城市交通可持續(xù)發(fā)展綜合評(píng)價(jià)模型，設(shè)評(píng)價(jià)指標(biāo)有n個(gè)，即為M1，M2，…，Mn，以這部分指標(biāo)為基礎(chǔ)，將指標(biāo)定量的分為m個(gè)等級(jí)，把他們描述為以下綜合評(píng)價(jià)物元模型稱為經(jīng)典域。
令R0j=（N0j，M，V0jk）=N0j M1 V0j1 M2 V0j2 … … Mn V0jn=N0j M1 M2 … … Mn （1）
公式中，R0j表示第j級(jí)城市交通可持續(xù)發(fā)展水平的物元模型；N0j表示第j級(jí)城市交通可持續(xù)發(fā)展水平指標(biāo)；V0jk表示發(fā)展水平是第j級(jí)時(shí)第k個(gè)評(píng)價(jià)指標(biāo)Mk的量值范圍。
綜合評(píng)價(jià)各個(gè)指標(biāo)的允許取值范圍形成的物元模型稱為節(jié)域。
令Rp=（Np，M，Vp）=Np M1 Vp1 M2 Vp2 … … Mn Vpn=Np M1 M2 … … Mn （2）
公式中，Rp表示各個(gè)評(píng)價(jià)指標(biāo)允許取值范圍的物元；Np表示評(píng)價(jià)等級(jí)全體；Vpk表示Np中關(guān)于指標(biāo)Mk的允許取值范圍，即節(jié)域。
（二）確定待評(píng)價(jià)物元。把各個(gè)評(píng)價(jià)指標(biāo)所收集到的評(píng)價(jià)信息用物元R0表示：
R0=N0 N01 N02 … N0mM1 V011 V012 … V01mM2 V021 V022 … V02m… … … … …Mn V0n1 V0n2 … V0nm=N0 N01 N02 … N0mM1 … M2 … … … … … …Mn … （3）
（三）確定指標(biāo)權(quán)重。由于城市交通可持續(xù)發(fā)展評(píng)價(jià)中既包含專家群體的知識(shí)、經(jīng)驗(yàn)和價(jià)值的判斷等主觀因素，也有實(shí)際調(diào)查數(shù)據(jù)的客觀信息特征，因此本文采取主觀賦權(quán)法（層次分析法）結(jié)合客觀賦權(quán)法（熵值法）來(lái)確定評(píng)價(jià)指標(biāo)的權(quán)重，以求更客觀全面地反映各評(píng)價(jià)指標(biāo)的重要性和問(wèn)題的實(shí)際情況。
設(shè)層次分析法給出的主觀權(quán)重為wi1，熵值法給出的客觀權(quán)重為wi2，則最終確定的權(quán)重wi為：
（四）建立關(guān)聯(lián)函數(shù)。在建立了城市交通可持續(xù)發(fā)展綜合評(píng)價(jià)物元模型后，在對(duì)城市交通可持續(xù)發(fā)展?fàn)顩r進(jìn)行評(píng)價(jià)時(shí)要計(jì)算各個(gè)待評(píng)價(jià)物元與經(jīng)典域的接近程度。在實(shí)際中，需要根據(jù)指標(biāo)的特點(diǎn)選擇不同的計(jì)算方法，本文采用可拓理論中的初等函數(shù)關(guān)聯(lián)法。
設(shè)為指標(biāo)Mi的允許取值范圍，則指標(biāo)Mi關(guān)于評(píng)價(jià)等級(jí)j的接近度為Ki（Vi）。
若Vi∈[a0ij，b0ij]，則Ki（Vi）=■ （5）
若Vi？埸[a0ij，b0ij]，則：
Ki（Vi）=■，？籽（Vi，Vpi）≠？籽（Vi，Vij）-？籽（Vi，Vij）-1，？籽（Vi，Vpi）=？籽（Vi，Vij） （6）
其中，？籽（Vi，Vij）=Vi-■（aij+bij）-■（bij-aij）
？籽（Vi，Vpi）=Vi-■（api+bpi）-■（bpi-api）
（五）計(jì)算關(guān)聯(lián)度，進(jìn)行綜合評(píng)價(jià)。若wi為指標(biāo)i的權(quán)重系數(shù)，則所有評(píng)價(jià)指標(biāo)關(guān)于等級(jí)j的關(guān)聯(lián)度為：
Kj（p）=■wiKj（Vj） （7）
根據(jù)最大關(guān)聯(lián)度原則，求解評(píng)價(jià)等級(jí)的特征值：
Kj（p）=■ （8）
j*=■ （9）
j*為級(jí)別變量特征值，從而可知城市交通可持續(xù)發(fā)展水平偏向某一級(jí)別的程度。
三、咸陽(yáng)城市交通可持續(xù)發(fā)展綜合評(píng)價(jià)
（一）構(gòu)建咸陽(yáng)市城市交通可持續(xù)發(fā)展評(píng)價(jià)物元。本文將評(píng)價(jià)指標(biāo)的水平分為五個(gè)等級(jí)（優(yōu)秀、良好、一般、較差、差），關(guān)于各個(gè)衡量指標(biāo)量值域的確定，主要是以社會(huì)經(jīng)濟(jì)現(xiàn)象的現(xiàn)實(shí)情況為依據(jù)，根據(jù)與被評(píng)價(jià)對(duì)象有關(guān)的空間范圍資料和歷史資料為基礎(chǔ)，以《城市道路交通規(guī)劃設(shè)計(jì)規(guī)范GB50200-95》、《城市道路交通管理評(píng)價(jià)指標(biāo)體系（2012年版）》對(duì)相關(guān)指標(biāo)的規(guī)定以及專家研究結(jié)果作為評(píng)價(jià)標(biāo)準(zhǔn)，構(gòu)建了咸陽(yáng)城市交通可持續(xù)發(fā)展評(píng)價(jià)物元。
（二）計(jì)算關(guān)聯(lián)度。根據(jù)公式（6）、（7）可計(jì)算出各指標(biāo)Mi關(guān)于評(píng)價(jià)等級(jí)j的關(guān)聯(lián)度Kj（Vi）。
（三）合成權(quán)重的計(jì)算。根據(jù)層次分析法計(jì)算權(quán)重W1和熵值法計(jì)算權(quán)重W2，運(yùn)用公式計(jì)算出綜合權(quán)重W，其結(jié)果如表2所示。（表2）
（四）計(jì)算咸陽(yáng)城市交通可持續(xù)發(fā)展關(guān)于評(píng)價(jià)等級(jí)的關(guān)聯(lián)度。根據(jù)公式（8）可以計(jì)算出各指標(biāo)關(guān)于評(píng)價(jià)等級(jí)的關(guān)聯(lián)度：
K1（p）=■wi?Kj（Vi）
K1（p）=0.0429×K1（V1）+0.0285×K1（V2）+0.0159×K1（V3）+…0.0334×K1（V22）
K1（p）=-0.3264
同理可以求出K2（p），K3（p），K4（p），K5（p）并根據(jù)公式（9）進(jìn)行整理，其計(jì)算結(jié)果如表3所示。（表3）
（五）咸陽(yáng)城市交通可持續(xù)發(fā)展評(píng)價(jià)等級(jí)的確定。根據(jù)《城市道路交通管理評(píng)價(jià)指標(biāo)體系（2012年版）》和前文各指標(biāo)的分級(jí)標(biāo)準(zhǔn)，將評(píng)價(jià)級(jí)別分為五個(gè)等級(jí)，如表4所示。（表4）
根據(jù)公式（2.9）求出咸陽(yáng)城市交通可持續(xù)發(fā)展評(píng)價(jià)級(jí)別j*：
j*=■=■=2.732
由特征值j*=2.732，查分級(jí)表可知咸陽(yáng)城市交通可持續(xù)發(fā)展水平屬于C級(jí)別，即為一般可持續(xù)發(fā)展，有待進(jìn)一步改善。
四、咸陽(yáng)市城市交通可持續(xù)發(fā)展評(píng)價(jià)結(jié)果分析
根據(jù)各個(gè)評(píng)價(jià)指標(biāo)Mi的關(guān)聯(lián)函數(shù)Kj（Vi），可以對(duì)咸陽(yáng)城市交通可持續(xù)發(fā)展?fàn)顩r進(jìn)行全面剖析，從而得出評(píng)價(jià)結(jié)果分級(jí)表。（表5）由表5看出，咸陽(yáng)市相關(guān)部門非常注重交通安全，公共交通專項(xiàng)規(guī)劃的實(shí)施取得了顯著的成果。近年來(lái)，交通部門也加強(qiáng)了服務(wù)意識(shí)，從各方面提升綜合管理能力，并取得了不小的進(jìn)步。從萬(wàn)人公交車標(biāo)臺(tái)數(shù)、道路網(wǎng)密度、公共交通線路網(wǎng)密度、干道平均交通噪聲、人均綠地面積等指標(biāo)的評(píng)價(jià)結(jié)果來(lái)看，咸陽(yáng)在生態(tài)環(huán)境和交通公平方面仍需努力和加大力度。從交通投資協(xié)調(diào)系數(shù)、公共交通分擔(dān)率、環(huán)保業(yè)投入占GDP比重來(lái)看，咸陽(yáng)仍需要加強(qiáng)交通和環(huán)保方面的資金投入。
五、結(jié)論
本文通過(guò)對(duì)城市交通可持續(xù)發(fā)展相關(guān)理論的研究，建立了咸陽(yáng)城市交通可持續(xù)發(fā)展指標(biāo)體系。然后基于評(píng)價(jià)體系中各個(gè)指標(biāo)的量測(cè)值和相應(yīng)的評(píng)價(jià)等級(jí)，運(yùn)用物元分析法和關(guān)聯(lián)函數(shù)法建立評(píng)價(jià)模型對(duì)咸陽(yáng)城市交通可持續(xù)發(fā)展水平進(jìn)行了評(píng)價(jià)，并對(duì)評(píng)價(jià)結(jié)果進(jìn)行了簡(jiǎn)要分析。
論文的創(chuàng)新之處在于建立了咸陽(yáng)城市交通可持續(xù)發(fā)展指標(biāo)體系，采用兩種賦權(quán)法綜合確定各指標(biāo)權(quán)重。運(yùn)用物元分析法和關(guān)聯(lián)函數(shù)法來(lái)構(gòu)建模型評(píng)價(jià)咸陽(yáng)城市交通可持續(xù)發(fā)展水平。由于受統(tǒng)計(jì)數(shù)據(jù)來(lái)源的限制，評(píng)價(jià)指標(biāo)體系有一定的不全面之處，并且本文缺乏與國(guó)內(nèi)同等城市的比較，可能與咸陽(yáng)城市交通實(shí)際情況有一定誤差，亟待進(jìn)一步深化、豐富和完善。
主要參考文獻(xiàn)：
[1]竇凌凌.城市交通運(yùn)輸效率評(píng)價(jià)研究[D].長(zhǎng)安大學(xué)，2010.54.
[2]付大智.青海省高等級(jí)公路可持續(xù)發(fā)展后評(píng)價(jià)理論與方法研究[D].長(zhǎng)安大學(xué)，2006.71.
[3]彭曄瑩.公路生態(tài)系統(tǒng)健康評(píng)價(jià)方法研究[D].長(zhǎng)沙理工大學(xué)，2011.73.
關(guān)鍵詞：高校資產(chǎn)管理；績(jī)效；指標(biāo)；熵權(quán)；主觀權(quán)
中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）28-6753-05
隨著高校資產(chǎn)規(guī)模的擴(kuò)大，當(dāng)前的資產(chǎn)管理評(píng)價(jià)體系和管理方法存在管理制度不健全、職責(zé)不明確[1]、資產(chǎn)使用情況不明確、以及資產(chǎn)實(shí)際使用效益如何更不清楚等問(wèn)題，而高校資產(chǎn)管理的優(yōu)劣，直接影響著高校資產(chǎn)管理的綜合效果。那么，如何評(píng)價(jià)高校資產(chǎn)管理的效益對(duì)促進(jìn)高校資產(chǎn)管理評(píng)價(jià)指標(biāo)的建設(shè)、提高高校資產(chǎn)管理效益有著重要意義，因此，該文針對(duì)該問(wèn)題進(jìn)行了重點(diǎn)研究。
高校資產(chǎn)管理的效益評(píng)價(jià)作為一種多屬性決策問(wèn)題，重要環(huán)節(jié)是評(píng)價(jià)體系的建設(shè)和評(píng)價(jià)指標(biāo)權(quán)重的確定，權(quán)重賦值是否合理，對(duì)評(píng)價(jià)結(jié)果的科學(xué)性、合理性起著至關(guān)重要的作用。目前賦權(quán)方法為三大類：一類為主觀賦權(quán)法，一類為客觀賦權(quán)法，另一類為主客觀綜合集成賦權(quán)法。
國(guó)外學(xué)者關(guān)于決策方法的研究，始于20世紀(jì)初，美國(guó)學(xué)者Taylor、Gilbrech和Gantt等提出科學(xué)管理的理念，促使決策過(guò)程和方法向程序化、規(guī)范化發(fā)展[2]；20世紀(jì)50年代，由O.Helmer和N.Dalke首創(chuàng)，經(jīng)過(guò)T.J.Gordon和蘭德公司進(jìn)一步發(fā)展而成的德爾菲法（Delphi Method）[3]；Saaty T.L于20世紀(jì)70年代提出層次分析法（Analytic Hierarchy Process，簡(jiǎn)稱AHP） ，將定量和定性化方法的結(jié)合，并有了廣泛的應(yīng)用 [4，5，6，7]；而多屬性決策方法已經(jīng)趨于完善[8，9]。在指標(biāo)的主觀賦權(quán)法方面，Buckly和Csutora[10]通過(guò)擴(kuò)展最大特征根法為模糊特征根法，以確定指標(biāo)權(quán)重；Sun[11]和Vivien等[12]運(yùn)用基于三解模糊數(shù)的模糊AHP法確定屬性權(quán)重；客觀賦權(quán)法如Chen和Li[13]對(duì)直覺模糊熵計(jì)算屬性權(quán)重的方法進(jìn)行了比較，Ye[14]應(yīng)用區(qū)間模糊熵確定權(quán)重的方法解決了屬性值區(qū)間直覺模糊集的模糊多屬性決策問(wèn)題；而綜合賦權(quán)法是一種集成主客觀指標(biāo)權(quán)重的賦值方法，如Wang和Lee[15]用模糊熵和專家賦值集成的賦值法給予指標(biāo)權(quán)重，Xia和Xu[16]組合直覺模糊熵和corss直覺模糊熵對(duì)指標(biāo)賦權(quán)值。
國(guó)內(nèi)學(xué)者在決策方法的研究相比國(guó)外起步較晚，但也有了長(zhǎng)足的進(jìn)步和發(fā)展，如許若寧、李永、朱建軍[17，18，19]等通過(guò)對(duì)三角模糊數(shù)判斷矩陣的修正，改進(jìn)了主觀賦權(quán)法；尤天慧、朱方霞和王美[20，21，22]等，都采用了熵權(quán)法計(jì)算客觀權(quán)重；徐澤水、陳華友和周宇峰[23，24，25]分別利用決策結(jié)果總偏差最小化原則、基于離差最大化原則和相對(duì)熵對(duì)賦權(quán)結(jié)果的貼近度進(jìn)行度量，提出了指標(biāo)的綜合賦權(quán)法。
通過(guò)文獻(xiàn)回顧發(fā)現(xiàn)，要準(zhǔn)確地表達(dá)資產(chǎn)管理評(píng)價(jià)體系指標(biāo)的權(quán)重和計(jì)算高校資產(chǎn)管理績(jī)效，需要綜合考慮考慮兩個(gè)重要因素：一是指標(biāo)的客觀權(quán)重；二是評(píng)判專家依據(jù)自己知識(shí)經(jīng)驗(yàn)給予指標(biāo)主觀權(quán)值時(shí)主觀權(quán)值。因此，該文先對(duì)主客觀權(quán)值綜合；然后通過(guò)專家的綜合評(píng)價(jià)法及指標(biāo)的組合權(quán)值計(jì)算高校資產(chǎn)管理的績(jī)效，并通過(guò)真實(shí)算例來(lái)說(shuō)明文中設(shè)計(jì)的方法的有效性。
1 問(wèn)題的形式化描述
1） 已知條件
給定高校資產(chǎn)管理評(píng)價(jià)體系為[S]、評(píng)估專家集為[K=（K1，K2，...Km）]和高校[U]，其中[S]的目標(biāo)層由準(zhǔn)則層[B=（B1，B2，...，Bm）（m>0）]構(gòu)成，[Bi]由指標(biāo)層[C=（C1，C2，...，Cn）]構(gòu)成。
2） 求解問(wèn)題
求得的高校[U]的資產(chǎn)管理績(jī)效值[Vs]。
2 主要目標(biāo)
為求得高校[U]的資產(chǎn)管理績(jī)效值[Vs]，我們根據(jù)多屬性決策理論，利用指標(biāo)權(quán)值的綜合賦權(quán)法和“熵權(quán)”法[26]從四大步驟入手，達(dá)到求解績(jī)效值[Vs]的目的，從而為評(píng)價(jià)高校資產(chǎn)管理績(jī)效提供思路和方法。完成主要目標(biāo)的四大步驟如下。
1） 利用德爾菲[3]法和AHP層次決策[15]的指標(biāo)賦權(quán)法，在考慮專家偏好性的前提下，計(jì)算評(píng)判專家對(duì)高校資產(chǎn)管理評(píng)價(jià)體系中準(zhǔn)則層[B=（B1，B2，...，Bm）]和指標(biāo)層[C=（C1，C2，...，Cn）]的主觀權(quán)值；
2） 通過(guò)“熵值”法[26]表示各指標(biāo)的競(jìng)爭(zhēng)關(guān)系，再對(duì)指標(biāo)的熵值進(jìn)行轉(zhuǎn)化，產(chǎn)生“熵權(quán)”，作為指標(biāo)的客觀權(quán)值，然后使用AHP層次決策法的指標(biāo)權(quán)值的綜合思路，對(duì)客觀權(quán)值進(jìn)行綜合，產(chǎn)生客觀綜合權(quán)；
3） 對(duì)主客觀的綜合權(quán)再組合，產(chǎn)生主客觀組合權(quán)；
4） 評(píng)判專家對(duì)高校[U]的資產(chǎn)管理現(xiàn)狀進(jìn)行調(diào)查和分析，在充分掌握詳盡資料的基礎(chǔ)上，對(duì)指標(biāo)層進(jìn)行模糊評(píng)分（評(píng)分等級(jí)如表1所示），再將主客觀組合權(quán)和評(píng)分融合，得到高校[U]的資產(chǎn)管理績(jī)效[Vs]。
3 高校資產(chǎn)管理績(jī)效計(jì)算方法
步驟一 自上而下獲得指標(biāo)主觀權(quán)值
1）評(píng)判專家[K=（K1，K2，...Km）]采用AHP層次決策法中的重要度定義方法[15]（如表2所示）構(gòu)造準(zhǔn)則層的判斷矩陣。則第[k][（1
2）引入專家偏好性
在各專家構(gòu)造準(zhǔn)則層[B]的判斷矩陣時(shí)，各專家都存在對(duì)指標(biāo)的偏好性，這反映了評(píng)判專家的知識(shí)經(jīng)驗(yàn)和主觀因素。所以，需要引入專家的偏好性[pf]，通常則[pf=1K]，[K]為評(píng)判專家集合元素個(gè)數(shù)。則
[WA=1K（k=1KWAk）] （1）
同理，可得指標(biāo)層各指標(biāo)的權(quán)值向量。
步驟二 采用熵值法，表達(dá)評(píng)價(jià)指標(biāo)的競(jìng)爭(zhēng)關(guān)系
在評(píng)估專家對(duì)準(zhǔn)則和指標(biāo)進(jìn)行賦權(quán)時(shí)，準(zhǔn)則和指標(biāo)之間客觀的存在競(jìng)爭(zhēng)關(guān)系。因此，我們用熵權(quán)表示指標(biāo)在各評(píng)價(jià)對(duì)象之間相對(duì)的競(jìng)爭(zhēng)程度，競(jìng)爭(zhēng)越激烈，熵值越大，熵權(quán)越小，反之熵權(quán)越大[28]。我們以步驟一中的判斷矩陣[Ak=（yij）m×m]為計(jì)算依據(jù)，計(jì)算各準(zhǔn)則的“熵權(quán)”，詳細(xì)計(jì)算過(guò)程見文獻(xiàn)[28]。 則第[k]個(gè)專家對(duì)評(píng)價(jià)體系的“熵權(quán)”向量表如為[HkC=（h1c，h2c，…，hnc）]。
步驟三 融合“熵權(quán)”和“主觀權(quán)”，確定指標(biāo)層組合權(quán)
為了使最終的指標(biāo)權(quán)值兼顧主觀和客觀兩個(gè)方面的因素，需組合主觀權(quán)熵權(quán)，以刻畫評(píng)估專家的領(lǐng)域知識(shí)經(jīng)驗(yàn)；同時(shí)，體現(xiàn)指標(biāo)準(zhǔn)則離散度對(duì)指標(biāo)權(quán)重的影響 [27]。“熵權(quán)”和“主觀權(quán)”的組合計(jì)算公式[28]如下：
[λi=Wic×Hici=1nWic×Hic i=1，2，...，n] （2）
則，得出評(píng)價(jià)體系[S]指標(biāo)的組合權(quán)值向量[λc=（λ1，λ2，...，λn）]。
步驟四 專家組合對(duì)指標(biāo)給予效用值，計(jì)算資產(chǎn)管理評(píng)價(jià)體系預(yù)期效益值
專家組集合[K=（K1，K2，...，Kn），（1≤n）]的專家采用模糊綜合評(píng)價(jià)法，分別針對(duì)高校[U]的資產(chǎn)管理現(xiàn)狀，對(duì)評(píng)價(jià)體系[S]的指標(biāo)進(jìn)行評(píng)分（采用100分制），則形成[K]個(gè)專家對(duì)體系[S]的指標(biāo)評(píng)分矩陣為
[Gk=（Td1，Td2，...，Tdk）， ?Tdk=（Ck1，Ck2，...，Ckn）T，k=1，2，...，|K|]
其中，[Tdk]為專家[k]對(duì)評(píng)價(jià)體系[S]內(nèi)所有指標(biāo)的評(píng)分向量，[0≤Ckn≤100]為第[k]個(gè)專家給第[n]個(gè)指標(biāo)的評(píng)分。然后通過(guò)下面兩個(gè)步驟最終取得高校[U]的資產(chǎn)管理績(jī)效值[Vs]。
1） 整合[K]個(gè)專家對(duì)評(píng)價(jià)體系所有[S]指標(biāo)的評(píng)分均值，計(jì)算公式如下
[Sscore=1K（Td1+Td2+...+Tdk） =1K（（C11，C12，...，C1n）T+（C21，C22，...，C2n）T+...+（Ck1，Ck2，...，Ckn）T） =1K（k=1KCk1，k=1KCk2，...，k=1KCkn，）T] （3）
[Sscore]表示評(píng)價(jià)體系[S]各指標(biāo)的平均評(píng)分信息。
2） 結(jié)合指標(biāo)權(quán)重計(jì)算評(píng)價(jià)體系[S]的效用值，計(jì)算公式如下
[Vs=i=1n（λc）i×（Sscore）i] （4）
通過(guò)以上步驟，我們能將評(píng)判專家的主觀權(quán)和客觀權(quán)融合，形成組合權(quán)；再通過(guò)對(duì)指標(biāo)模糊綜合評(píng)價(jià)，將組合權(quán)重和評(píng)分相乘得到高校[U]的資產(chǎn)管理績(jī)效值[Vs]；然后可以通過(guò)績(jī)效值[Vs]值的來(lái)評(píng)估和考核高校[U]的資產(chǎn)管理現(xiàn)狀，通過(guò)評(píng)估和考核，從而達(dá)到促進(jìn)高校資產(chǎn)管理評(píng)價(jià)體系的建設(shè)和優(yōu)化、并提高高校資產(chǎn)管理效益的目的。
4 算例
為了驗(yàn)證第三節(jié)所設(shè)計(jì)的計(jì)算方法的有效性和正確性，我們以我省某省屬高校（以下簡(jiǎn)稱[Qu]）的資產(chǎn)管理現(xiàn)狀為背景，并以客觀性、合理性、可比性、可操作性和系統(tǒng)性[29]為設(shè)計(jì)原則，對(duì)文獻(xiàn)[29]的資產(chǎn)管理評(píng)價(jià)體系進(jìn)行了補(bǔ)充和完善，如表3中黑體字部分為新增指標(biāo)。
表3 資產(chǎn)管理評(píng)價(jià)體系
[目標(biāo)層（A）＼&準(zhǔn)則層（B）＼&指標(biāo)層（C）＼&高校資產(chǎn)管理評(píng)價(jià)體系預(yù)期效益（A）＼&資產(chǎn)效率（B1）＼&可用資產(chǎn)率（C1）＼&固定資產(chǎn)年增長(zhǎng)率（C2）＼&總資產(chǎn)周轉(zhuǎn)率（C3）＼&科研業(yè)績(jī)（B2）＼&教職工人均科研經(jīng)費(fèi)（C4）＼&科研收入年增長(zhǎng)率（C5）＼&科研活動(dòng)投入產(chǎn)出比（C6）＼&核心期刊論文數(shù)占總數(shù)比（C7）＼&參加省級(jí)以上學(xué)術(shù)會(huì)議占參加會(huì)議總數(shù)比（C8）＼&科研成果轉(zhuǎn)化率（C9）＼&省級(jí)以上縱向科研項(xiàng)目占總項(xiàng)目比（C10）＼&教學(xué)（B3）＼&專任教師與教職工比（C11）＼&博士學(xué)位教師占專任教師比（C12）＼&教授職稱教師占專任教師比（C13）＼&師生比（C14）＼&教改項(xiàng)目占總項(xiàng)目比（C15）＼&學(xué)生培養(yǎng)（B4）＼&學(xué)生人均培養(yǎng)成本（C16）＼&學(xué)生人均設(shè)備費(fèi)（C17）＼&學(xué)生通過(guò)統(tǒng)考的通過(guò)率（C18）＼&學(xué)生就業(yè)率（C19）＼&產(chǎn)業(yè)（B5）＼&校辦產(chǎn)業(yè)投資收益率（C20）＼&校辦產(chǎn)業(yè)總資本利潤(rùn)率（C21）＼&校辦產(chǎn)業(yè)資本保值增值率（C22）＼&教學(xué)、科研設(shè)備利用情況（B6）＼&計(jì)劃內(nèi)教學(xué)、科研利用率（C23）＼&設(shè)備共享利用率（C24）＼&師生滿意度（C25）＼&]
在確定了資產(chǎn)管理評(píng)價(jià)體系之后，下面根據(jù)第四節(jié)中設(shè)計(jì)的高校資產(chǎn)管理績(jī)效值[Vs]的計(jì)算方法，給出[Qu]的資產(chǎn)管理效益值[Vs]的計(jì)算過(guò)程。
1）計(jì)算主觀權(quán)值
（1） 評(píng)判專家集合[K=（K1，K2，K3，K4，K5）]的專家[K1]以表2所示的權(quán)重定義對(duì)目標(biāo)層A下的準(zhǔn)則層建立評(píng)判矩陣如下
[A1=（Bij）6×6=10.130.11810.13981 0.170.250.170.1350.170.1770.2568640.200.14664 1 7 0.250.14 1 0.144 7 1]
利用步驟一求得[λmax=6.50]，[CR=0.08≤0.10]，說(shuō)明評(píng)判矩陣[A1]滿足一致性要求，則，
[WA1=（W1A1，W2A1，W3A1，W4A1，W5A1，W6A1W6A1）=（0.02，0.07，0.17，0.29，0.04，0.41）]。
同理，求得[WA2]，[WA3] ，[WA4]，[WA5]，其值分別為[WA2=（0.14，0.21，0.1，0.3，0.05，0.2）]、[WA3=（0.05，0.35，0.12，0.13，0.21，0.14）]、[WA4=（0.33，0.14，0.08，0.16，0.12，0.17）]和[WA5=（0.03，0.24，0.34，0.19，0.08，0.12）]，考慮專家偏好性，由公式（1） 得出[WA=（0.114，0.202，0.162，0.214，0.10，0.208）]。
（2） 計(jì)算準(zhǔn)則層B1下的指標(biāo)主觀權(quán)值，[K1]建立判斷矩陣如下
[B11=（Cij）3×3=1590.20140.110.251]
同步驟（1） ，計(jì)算得[λmax=3.07]，[CR=0.06≤0.10]，則，矩陣[B11]滿足一致性要求，則，[WB11=（0.74，0.20，0.06）]，同理，得出[WB21]，[WB31]，[WB41]，[WB51]，其值分別為[WB21=（0.53，0.34，0.13）]、[WB31=（0.33，0.42，0.25）]、[WB41=（0.47，0.38，0.15）]和[WB51=（0.14，0.48，0.38）]，則式（1） 得[WB1=（0.44，0.36，0.19）]。
（3） 計(jì)算得出C1、C2和C3的主觀權(quán)為向量為[Wc1-3=W1A?WB1=0.114?（0.44，0.36，0.19）=]（0.050，0.183，0.04） ；
（4） 同理，重復(fù)步驟（2，3） 可得出其他指標(biāo)C4-C25的主觀權(quán)值，從而取得指標(biāo)層所有指標(biāo)的主觀權(quán)重向量[Wsub]。
[Wsub=（0.050，0.041，0.022，0.034，0.016，0.046，0.026，0.010，0.030，0.038，0.034，0.037，0.045，0.026，0.019，0.028，0.096，0.024， 0.066，0.042，0.035，0.023，0.096，0.071，0.042）]
2）計(jì)算指標(biāo)“熵權(quán)”
（1） 以專家[K1]給的評(píng)判矩陣[A1]為基礎(chǔ)，計(jì)算得出準(zhǔn)則層的熵權(quán)向量，[h1A=（0.288，0.354，0.109，0.051，0.195，0.002）]，同理，可得出其他專家對(duì)準(zhǔn)則評(píng)判后產(chǎn)生的準(zhǔn)則層熵權(quán)向量，[h2A]、[h3A]、[h4A]和[h5A]，分別為
[h2A=（0.253，0.416，0.124，0.037，0.144，0.026）]、[h3A=（0.315，0.336，0.106，0.018，0.129，0.096）]，
[h4A=（0.219，0.338，0.259，0.024，0.107，0.053）]和[h5A=（0.273，0.361，0.102，0.031，0.203，0.030）]，
同樣，考慮專家偏好性，得出[HA=（0.270，0.361，0.140，0.032，0.156，0.041）]；
（2） 以[K1]建立的判斷矩陣[B11]為基礎(chǔ)，計(jì)算計(jì)算準(zhǔn)則層B1下指標(biāo)客觀權(quán)值，即“熵權(quán)”，[h1B1=（0.015，0.242，0.923）]，則，其余專家評(píng)判后獲得的熵值向量分別為[h2B1=（0.053，0.364，0.583）]、[h3B1=（0.027，0.261，0.712）]、[h4B1=（0.037，0.196，0.767）]和[h5B1=（0.165，0.207，0.628）]，則，[H1B=（0.059，0.254，0.723）]；
（3） 計(jì)算指標(biāo)層C1、C2和C3客觀“熵權(quán)”向量，[HC=H1A?H1B=0.270?（0.059，0.254，0.723）=]（0.016，0.069，0.195）；
（4） 同理，重復(fù)步驟（2，3） 可得出其他指標(biāo)C4-C25的客觀 “熵權(quán)”，從而得出指標(biāo)層所有指標(biāo)的客觀權(quán)[Wobj]。
[Wobj=（0.016，0.069，0.195，0.022，0.078，0.011，0.03，0.169，0.026，0.017，0.020，0.006，0.005，0.034，0.075，0.007，0.002，0.019， 0.004，0.014，0.038，0.103，0.007，0.013，0.022）]
3）利用公式（2） 對(duì)指標(biāo)層各指標(biāo)的主觀權(quán)值和客觀 “熵權(quán)”進(jìn)行合成，產(chǎn)生相對(duì)于目標(biāo)層的主客觀合成權(quán)向量。
4） 評(píng)判專家[K=（K1，K2，K3，K4，K5）]在對(duì)高校[U]的資產(chǎn)管理現(xiàn)狀進(jìn)行充分調(diào)研和分析后，采用模糊評(píng)價(jià)法分別對(duì)指標(biāo)層各指標(biāo)評(píng)分，評(píng)分向量分別為
[Td1=（59，81，74，86，82，80，77，89，86，85，73，88，84，80，76，65，71，78，73，73，96，79，72，62，63）T]
[Td2=（54，70，65，73，70，69，67，75，74，72，64，74，72，69，66，58，62，67，64，64，80，68，63，56，57）T]
[Td3=（48，64，59，67，64，63，61，69，68，66，58，68，66，63，60，52，56，61，58，58，74，62，57，50，51）T]
[Td4=（63，76，72，78，76，75，73，80，79，78，71，79，77，75，73，66，70，74，71，71，84，74，70，65，66）T]
[Td5=（44，69，61，75，70，68，65，78，75，73，60，77，72，68，64，51，57，65，60，60，86，67，59，47，49）T]
[14] Ye， J.， Multicriteria fuzzy decision-making method using entropy weights-based correlation coefficients of interval-valued intuitionistic fuzzy sets [J].Applied Mathematical Modeling，2010，34：3864-3870.
[15] Wang， J.R.， Fan， K.， Wang， W.S.， Integration of fuzzy AHP and FPP with TOPSIS methodology for aeroengine health assessment [J]. Expert Systems with Applications， 2010， 37： 8516-8526.
[16] Xia， M.M.， Xu， Z.S.， Entropy/cross entropy-based group decision making under intuitionistic fuzzy environment [J]. Information Fusion， 2012，13 （1）；31-47.
[17] 許若寧.Fuzzy判斷矩陣的一致性修正[J].數(shù)學(xué)研究與評(píng)論，2003，23（l）：173-176.
[18] 李永，胡向紅，喬箭.改進(jìn)的模糊層次分析法[J].西北大學(xué)學(xué)報(bào)（自然科學(xué)版），2005，35（1）：11-12.
[19] 朱建軍，劉十新，王夢(mèng)光.一種新的求解區(qū)間數(shù)判斷矩陣權(quán)重的方法[J].系統(tǒng)工程理論與實(shí)踐，2005，4：29-34.
[20] 尤天慧，樊治平，俞竹超.不確定性多屬性決策中確定屬性熵權(quán)的一種方法[J].東北大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2004，25（6）：598-601.
[21] 朱方霞，陳華友.確定區(qū)間數(shù)決策矩陣屬性權(quán)重的方法-熵值法[J].安徽大學(xué)學(xué)報(bào)（自然科版），2005，30（5）：4-6.
[22] 王美義，張鳳鳴，劉智.模糊信息的熵權(quán)多屬性決策方案評(píng)估方法[J].系統(tǒng)工程與電子技術(shù)，2006，28（10）：1523-1525.
[23] 徐澤水，達(dá)慶利.多屬性決策的組合賦權(quán)方法研究[J].中國(guó)管理科學(xué)，2002，10（2）：84-87.
[24] 陳華友.多屬性決策中基于離差最大化的組合賦權(quán)方法[J].系統(tǒng)工程與電子技術(shù)，2004，262：194-197.
[25] 周宇峰，魏法杰.基于相對(duì)熵的多屬性決策組合賦權(quán)方法[J].運(yùn)籌與管理，2006，15（5）：48-53.
[26] 袁良運(yùn)，趙以賢，宋賢龍.基于三角模糊熵的裝備維修合同商評(píng)價(jià)與選擇[J].火力與指揮控制，2013，38（6）：86-88.
[27] 胡運(yùn)權(quán).運(yùn)籌學(xué)教程[M].3版.北京：清華大學(xué)出版社，2007：424-426.
關(guān)鍵詞：協(xié)同創(chuàng)新；體制機(jī)制；創(chuàng)業(yè)型大學(xué)；三螺旋
在創(chuàng)新創(chuàng)業(yè)驅(qū)動(dòng)型的知識(shí)經(jīng)濟(jì)時(shí)代，科學(xué)技術(shù)是經(jīng)濟(jì)社會(huì)快速發(fā)展和國(guó)家綜合實(shí)力提升的第一生產(chǎn)力，而人才是科學(xué)技術(shù)發(fā)展必須依賴的第一資源。高等教育作為科技第一生產(chǎn)力和人才第一資源的重要結(jié)合點(diǎn)，責(zé)任非常重大，使命非常艱巨。站在這個(gè)關(guān)鍵性結(jié)合點(diǎn)上看，大學(xué)傳統(tǒng)的象牙塔發(fā)展模式，已越來(lái)越不適應(yīng)時(shí)展的迫切要求和大學(xué)自身發(fā)展的訴求。大學(xué)走出象牙塔，創(chuàng)新辦學(xué)理念和發(fā)展模式，積極同政府科研機(jī)構(gòu)、工業(yè)企業(yè)進(jìn)行跨界協(xié)同創(chuàng)新，推動(dòng)科技與經(jīng)濟(jì)緊密結(jié)合，促進(jìn)科技成果向現(xiàn)實(shí)生產(chǎn)力轉(zhuǎn)化，是經(jīng)濟(jì)社會(huì)發(fā)展對(duì)大學(xué)變革的新期待，也是大學(xué)自身進(jìn)化發(fā)展的新趨勢(shì)。
黨的十報(bào)告提出“要堅(jiān)持走中國(guó)特色自主創(chuàng)新道路，……更加注重協(xié)同創(chuàng)新”。教育部、財(cái)政部出臺(tái)了《關(guān)于實(shí)施高等學(xué)校創(chuàng)新能力提升計(jì)劃的意見》（簡(jiǎn)稱“2011計(jì)劃”），重在大學(xué)的體制機(jī)制改革，重在推動(dòng)大學(xué)內(nèi)部以及外部力量之間創(chuàng)新要素的融合發(fā)展，形成“多元、融合、動(dòng)態(tài)、持續(xù)”的協(xié)同創(chuàng)新模式與機(jī)制。事實(shí)上，20世紀(jì)90年代中期以來(lái)，我國(guó)深化科技體制改革，實(shí)施科教興國(guó)和建設(shè)創(chuàng)新型國(guó)家兩大戰(zhàn)略，始終貫穿著一條清晰的脈絡(luò)，那就是推動(dòng)企業(yè)成為技術(shù)創(chuàng)新主體，促進(jìn)產(chǎn)學(xué)研協(xié)同創(chuàng)新，提升國(guó)家創(chuàng)新體系的整體效能。在科技政策的聯(lián)合推動(dòng)下，我國(guó)大學(xué)與工業(yè)企業(yè)、政府研發(fā)機(jī)構(gòu)協(xié)同創(chuàng)新的耦合程度如何？國(guó)家科技創(chuàng)新體系的整體效能是否逐漸呈現(xiàn)出優(yōu)化發(fā)展的良好態(tài)勢(shì)？在大數(shù)據(jù)時(shí)代，回答這些問(wèn)題需要基于大量數(shù)據(jù)的量化分析，而不能依賴模糊的直覺和經(jīng)驗(yàn)。本研究試圖采用三螺旋互信息算法，從歷史發(fā)展的縱向維度，定量測(cè)度我國(guó)大學(xué)與工業(yè)企業(yè)、大學(xué)與政府研發(fā)機(jī)構(gòu)進(jìn)行跨界協(xié)同創(chuàng)新的互動(dòng)性、耦合性，分析診斷潛在的結(jié)構(gòu)性問(wèn)題，探索我國(guó)推進(jìn)協(xié)同創(chuàng)新、優(yōu)化體制機(jī)制的著力點(diǎn)。
一、三螺旋算法
“2011計(jì)劃”明確提出，要以人才、學(xué)科、科研三位一體的創(chuàng)新能力提升為核心，大力推進(jìn)高等學(xué)校與高等學(xué)校、科研院所、行業(yè)企業(yè)、地方政府以及國(guó)際社會(huì)的深度融合。這與以往一直提的“產(chǎn)學(xué)研一體化”、“官產(chǎn)學(xué)研用一體化”的線性思維模式不同。“高校、科研院所、行業(yè)企業(yè)、政府”深度融合的協(xié)同創(chuàng)新模式是一種非線性思維模式，強(qiáng)調(diào)的是協(xié)同創(chuàng)新主體之間的立體性、深層性互動(dòng)與循環(huán)發(fā)展關(guān)系。因此，協(xié)同創(chuàng)新必然要建立在機(jī)構(gòu)之間跨越組織邊界的知識(shí)流動(dòng)和知識(shí)溢出基礎(chǔ)之上。亨利?埃茨科威茲和雷德斯多夫提出的大學(xué)一產(chǎn)業(yè)一政府相互作用的“三螺旋”組織結(jié)構(gòu)模型是對(duì)跨邊界協(xié)同創(chuàng)新的最好詮釋。
為定量測(cè)度大學(xué)-產(chǎn)業(yè)-政府協(xié)同創(chuàng)新的耦合性問(wèn)題，我們采用Leydesdofff以互信息為基礎(chǔ)提出的TH算法（Triple Helix Algorithm）作為研究工具，并利用自動(dòng)化運(yùn)算程序――th4.exe計(jì)量研究結(jié)果。TH算法是根據(jù)仙農(nóng)（Shannon）信息熵、Abramson三維互信息轉(zhuǎn)接量的定義提出的，公式為：
TUIG=HU+HI+HG-HUI-HUG-HIG+HUIG
其中，U、I、G分別代表大學(xué)、工業(yè)企業(yè)和政府研發(fā)機(jī)構(gòu)。TUIG為三維信息轉(zhuǎn)接量，HU+HI-HUI=TUI為二維信息轉(zhuǎn)接量。HU=-∑UP（U）logP（U）為變量U的信息熵，HUI=-∑U∑IP（UI）log（PUI）為二維分布的信息熵。公式中對(duì)數(shù)取以2為底，信息熵的單位為比特（bit）。本研究中，為使計(jì)量結(jié)果便于比較分析，我們用毫比特（mbit）作為單位。
三維信息轉(zhuǎn)接量TUIG和二維信息轉(zhuǎn)接量TUI、TUG、TIG是衡量大學(xué)、工業(yè)企業(yè)和政府研發(fā)機(jī)構(gòu)三者之間或兩兩之間交互作用強(qiáng)弱性的指示器。TUIG為負(fù)值時(shí)，表示三維協(xié)同創(chuàng)新關(guān)系存在，值越小，表示三者之間協(xié)同創(chuàng)新的耦合性越強(qiáng)，相互依賴程度越高，協(xié)同創(chuàng)新體系的整體效能越好；TUI、TUG、TIG為正值，值越大，表示兩兩之間關(guān)聯(lián)性越高、耦合性越強(qiáng)。值得注意的是，這些指示器并不是用來(lái)測(cè)度知識(shí)產(chǎn)出或經(jīng)濟(jì)產(chǎn)出，而是用來(lái)測(cè)度三維或兩維協(xié)同創(chuàng)新的結(jié)構(gòu)性條件，以折射出是否建構(gòu)起高效有序的協(xié)同創(chuàng)新運(yùn)行機(jī)制。
二、數(shù)據(jù)來(lái)源與計(jì)量
TH算法對(duì)協(xié)同創(chuàng)新耦合效應(yīng)的度量，是通過(guò)合作論文或?qū)＠@個(gè)窗口來(lái)考察系統(tǒng)或機(jī)構(gòu)之間相互作用的強(qiáng)弱。合作論文或?qū)＠⒉皇且粋€(gè)完美的指標(biāo)，僅僅是機(jī)構(gòu)之間合作關(guān)系的冰山一角，卻被廣泛地用來(lái)表示機(jī)構(gòu)之間的動(dòng)態(tài)合作關(guān)系。本研究的數(shù)據(jù)來(lái)源于美國(guó)科學(xué)情報(bào)研究所（ISI）開發(fā)的Web of Science核心合集中的SCI-E（科學(xué)引文索引擴(kuò)展版）數(shù)據(jù)庫(kù)。為縱向考察我國(guó)大學(xué)開展協(xié)同創(chuàng)新的發(fā)展軌跡，我們對(duì)1998-2013年間我國(guó)發(fā)表的論文文獻(xiàn)進(jìn)行逐年檢索與保存。至少包含一個(gè)中國(guó)作者機(jī)構(gòu)信息的文獻(xiàn)共有1291297條，其中作者機(jī)構(gòu)信息清晰的有效數(shù)據(jù)為1245037條。
為完成作者機(jī)構(gòu)信息的計(jì)量工作，我們編制了一個(gè)專用程序，對(duì)U、I、G、UI、UG、IG和UIG的數(shù)量分別進(jìn)行計(jì)量。U、I、G分別表示一條記錄中至少有一個(gè)作者來(lái)自大學(xué)、工業(yè)企業(yè)和政府研發(fā)機(jī)構(gòu)的數(shù)量，UI、UG、IG表示兩兩之間協(xié)作的數(shù)量，UIG表示三者之間協(xié)作的數(shù)量。編制專用程序時(shí)，我們將包含UNIV或COLL縮寫的歸到U類，包含CORP、LTD、INC、SA或AG等縮寫的歸到I類，包含NATL、NAZL、GOVT、HOSP、CNRS、EUROPEAN、ACAD、INRA等縮寫的歸到G類。專用程序根據(jù)TH算法運(yùn)行程序th4.exe的要求，同時(shí)生成data.txt文件，記錄下我們保存的每一條數(shù)據(jù)的作者機(jī)構(gòu)信息情況。按大學(xué)-產(chǎn)業(yè)-政府的順序，文件形式如下：“id1”，“1”，“1”，“0”。“1”表示有，“0”表示沒(méi)有。依此類推，id2，id3……最后，將data.txt文件輸入th4.exe程序，計(jì)算出熵值和信息轉(zhuǎn)接量各值（HU、HI、HG，HUI、HUG、HIG，TUI、TUG、TIG，TUIG）。
三、結(jié)果分析
（一）我國(guó)大學(xué)開展協(xié)同創(chuàng)新的科研成果產(chǎn)出分析
通過(guò)文獻(xiàn)計(jì)量，表1詳細(xì)地呈現(xiàn)出大學(xué)跨界協(xié)同創(chuàng)新的科研成果產(chǎn)出情況。16年間，大學(xué)發(fā)表的SCI文章數(shù)量增長(zhǎng)最顯著。1998年，至少有一個(gè)來(lái)自大學(xué)的作者發(fā)表的科技論文（U計(jì)量）數(shù)量約占全國(guó)發(fā)表科技論文總數(shù)的68%；到2013年，這個(gè)百分比已經(jīng)超過(guò)90%。大學(xué)已成為我國(guó)科學(xué)研究的重要陣地，大學(xué)的科研水平基本上反映了我國(guó)的科研水平狀況。這與1998年以來(lái)國(guó)家啟動(dòng)的“985”工程和“211”工程緊密相關(guān)。這兩項(xiàng)工程不僅開啟了我國(guó)建設(shè)世界一流大學(xué)的進(jìn)程，而且激發(fā)了大學(xué)以學(xué)科建設(shè)為龍頭推進(jìn)科學(xué)研究工作的自覺性和積極性。據(jù)《國(guó)家創(chuàng)新指數(shù)報(bào)告2013》統(tǒng)計(jì)，我國(guó)研發(fā)經(jīng)費(fèi)穩(wěn)居世界第3位，研發(fā)人員居世界首位，SCI論文數(shù)居世界第2位，高被引論文數(shù)居世界第4位，科技論文產(chǎn)出呈現(xiàn)出量質(zhì)齊升的向好局面。
然而，與基礎(chǔ)科研的輝煌成就形成鮮明對(duì)比的是，我國(guó)在許多領(lǐng)域缺乏自主創(chuàng)新技術(shù)和精密設(shè)備，關(guān)鍵技術(shù)受制于人。這種鮮明的反差警示我們，科研經(jīng)費(fèi)的大量投入、創(chuàng)新人才的集聚以及科研成果的大量積蓄與技術(shù)的革新、技術(shù)的產(chǎn)業(yè)化、新型產(chǎn)業(yè)的培育以及生產(chǎn)力的提升之間絕不是簡(jiǎn)單的線性關(guān)系，更不是自然的類推進(jìn)步過(guò)程。從科學(xué)研究到技術(shù)產(chǎn)品化、商品化和產(chǎn)業(yè)化的循環(huán)發(fā)展，往往要經(jīng)歷一個(gè)難以跨越的“死亡之谷”。搭建跨越“死亡之谷”的橋梁，需要大學(xué)、工業(yè)企業(yè)與政府科研機(jī)構(gòu)共同推進(jìn)跨界協(xié)同創(chuàng)新，在有形的界面組織機(jī)構(gòu)推動(dòng)和無(wú)形的文化價(jià)值融合方面相互作用，建立起機(jī)構(gòu)之間的對(duì)話關(guān)系、反饋循環(huán)關(guān)系和深度協(xié)作關(guān)系。表1顯示，我國(guó)跨越組織邊界的協(xié)同創(chuàng)新比例失調(diào)。大學(xué)與政府研發(fā)機(jī)構(gòu)的協(xié)作相對(duì)頻繁，1998-2013年間呈現(xiàn)出明顯的增長(zhǎng)態(tài)勢(shì)；而大學(xué)與工業(yè)企業(yè)的協(xié)作太少。例如，2013年大學(xué)168955篇，而其中與工業(yè)企業(yè)協(xié)作完成的論文僅有4443篇。這意味著大學(xué)發(fā)表的大量科技論文更多地注重基礎(chǔ)理論研究或理論應(yīng)用研究，也意味著我國(guó)工業(yè)企業(yè)對(duì)基礎(chǔ)研發(fā)的重視度和參與度嚴(yán)重不夠，抑制了科技成果的轉(zhuǎn)化率。
（二）大學(xué)與工業(yè)企業(yè)、政府研發(fā)機(jī)構(gòu)的雙邊協(xié)同創(chuàng)新關(guān)系分析
表2中，TUG、TIG和TUI為二維信息轉(zhuǎn)接量，是兩兩之間雙邊協(xié)同創(chuàng)新耦合依賴程度的指示器。從橫向看，表示大學(xué)與政府研發(fā)機(jī)構(gòu)耦合性的二維信息轉(zhuǎn)接量TUG很大，而表示大學(xué)與工業(yè)企業(yè)、工業(yè)企業(yè)與政府研發(fā)機(jī)構(gòu)之間耦合性的二維信息轉(zhuǎn)接量TUI和TIG非常小。這種格局突出暴露了我國(guó)大學(xué)與工業(yè)企業(yè)協(xié)同創(chuàng)新關(guān)系松散的問(wèn)題：一方面，作為技術(shù)創(chuàng)新主體的工業(yè)企業(yè)對(duì)基礎(chǔ)研發(fā)的投入與產(chǎn)出缺位，多數(shù)企業(yè)更依賴加工和仿制，長(zhǎng)期處于國(guó)際技術(shù)競(jìng)爭(zhēng)產(chǎn)業(yè)鏈和創(chuàng)新鏈的低端；另一方面，作為國(guó)家創(chuàng)新體系重要生力軍的大學(xué)和政府研發(fā)機(jī)構(gòu)，其不合理的科研考核體系強(qiáng)化了科研人員體制內(nèi)追求論文和專利數(shù)量的習(xí)慣，削弱了科研人員體制外“用”技術(shù)的能力。
縱向的發(fā)展?fàn)顩r更讓人憂心。16年間，表征大學(xué)與工業(yè)企業(yè)協(xié)同創(chuàng)新關(guān)聯(lián)程度的TUI在2005年左右稍有起色；2008年以來(lái)，大學(xué)發(fā)表的科技論文數(shù)量大幅增長(zhǎng)，而大學(xué)與工業(yè)企業(yè)的耦合性沒(méi)有得到同步發(fā)展，TUI的值加速下滑，到2012年僅為0.19mbit。與此同時(shí)，大學(xué)與政府研發(fā)機(jī)構(gòu)之間的耦合性指標(biāo)TUG也呈現(xiàn)出持續(xù)下滑的態(tài)勢(shì)。總體而言，大學(xué)與工業(yè)企業(yè)、大學(xué)與政府研發(fā)機(jī)構(gòu)的協(xié)同創(chuàng)新關(guān)系沒(méi)有朝逐步優(yōu)化的方向發(fā)展。尤其在追求理論成果的大學(xué)與犯了“仿制病”的工業(yè)企業(yè)之間積弊嚴(yán)重。二者各自秉持不同的價(jià)值取向，導(dǎo)致機(jī)構(gòu)之間的離心力大于向心力，機(jī)構(gòu)之間的體制“壁壘”越來(lái)越深，機(jī)構(gòu)之間的對(duì)話越來(lái)越難，科技成果的溢出和轉(zhuǎn)讓也越來(lái)越難。據(jù)2013年的相關(guān)統(tǒng)計(jì)，我國(guó)科技成果轉(zhuǎn)化率僅為10%，而發(fā)達(dá)國(guó)家為40%以上。
承載力是一個(gè)與資源稟賦、技術(shù)手段、社會(huì)價(jià)值觀念等密切相關(guān)的倫理特征的概念。聯(lián)合國(guó)教科文組織對(duì)人口承載力的定義是：一國(guó)或一地區(qū)在可以預(yù)見的時(shí)期內(nèi)，利用該地的能源和其他自然資源及智力、技術(shù)等條件，在保證符合社會(huì)文化準(zhǔn)則的物質(zhì)生活水平條件下，所能持續(xù)供養(yǎng)的人口數(shù)量。本文認(rèn)為，人口承載力是指在一定時(shí)期內(nèi)，某個(gè)區(qū)域在利用現(xiàn)有的資源環(huán)境、社會(huì)經(jīng)濟(jì)條件下，能夠持續(xù)穩(wěn)定供養(yǎng)的最大人口數(shù)量。
同時(shí)，不同的生產(chǎn)要素投入比例會(huì)導(dǎo)致不同的人口承載力水平。這是因?yàn)椴划?dāng)比例的要素投入會(huì)影響效用的發(fā)揮，不利于區(qū)域經(jīng)濟(jì)發(fā)展，降低人口承載力水平。由于區(qū)域經(jīng)濟(jì)增長(zhǎng)與人口承載力水平密切相關(guān)，承載力大小一定程度上能夠反映社會(huì)、經(jīng)濟(jì)、環(huán)境資源配置和區(qū)域經(jīng)濟(jì)增長(zhǎng)的狀況，要實(shí)現(xiàn)區(qū)域經(jīng)濟(jì)快速發(fā)展，就需要對(duì)人口承載力進(jìn)行研究。
二、文獻(xiàn)綜述
人口承載力水平的高低一定程度上反映了城市對(duì)自然、經(jīng)濟(jì)和社會(huì)資源利用的充分程度。京津冀地區(qū)作為我國(guó)三大經(jīng)濟(jì)增長(zhǎng)極之一，以占全國(guó)2.3%的土地容納了全國(guó)8%的人口，城市病問(wèn)題本就存在。而在京津冀一體化規(guī)劃出臺(tái)后，京津冀經(jīng)濟(jì)發(fā)展即將邁進(jìn)快速發(fā)展階段，城市人口問(wèn)題將日益突出。
此前已有學(xué)者對(duì)地區(qū)人口承載力進(jìn)行過(guò)研究，2007年學(xué)者郭艷紅對(duì)北京市土地承載力進(jìn)行分析，通過(guò)建立土地人口承載力評(píng)價(jià)指標(biāo)體系，得出如今北京耕地承載力在34.9萬(wàn)人左右，不能滿足北京農(nóng)業(yè)人口糧食需求；現(xiàn)有人口已超出1000萬(wàn)人的城鎮(zhèn)建設(shè)用地承載力范圍等結(jié)論。2014年學(xué)者嚴(yán)然對(duì)濟(jì)南市人口承載力進(jìn)行了研究，論文從自然資源、生態(tài)環(huán)境、經(jīng)濟(jì)水平、基礎(chǔ)設(shè)施四個(gè)方面構(gòu)建了濟(jì)南市人口承載力指標(biāo)體系，采用可能-滿意度多目標(biāo)決策方法預(yù)測(cè)到濟(jì)南市2020年的人口承載力范圍為643.55萬(wàn)人-762.32萬(wàn)人低于2020年濟(jì)南市人口規(guī)劃規(guī)模。
由此可見，已有研究大多專注于對(duì)影響人口承載力的因素進(jìn)行分析，卻鮮有學(xué)者關(guān)注到人口承載力與區(qū)域經(jīng)濟(jì)之間的關(guān)系。本文將基于DPSIR模型建立人口承載力評(píng)價(jià)指標(biāo)體系，并采用面板數(shù)據(jù)模型研究京津冀人口承載力與區(qū)域經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系，為未來(lái)人口擴(kuò)容提供科學(xué)依據(jù)。
三、對(duì)人口承載力的評(píng)價(jià)與測(cè)算
1.DPSIR模型的建立
DPSIR模型（Driving Force-Pressure-State-Impact-ResponseFramework，驅(qū)動(dòng)力-壓力-狀態(tài)-影響-響應(yīng)框架）是一種在資源、環(huán)境與農(nóng)業(yè)發(fā)展領(lǐng)域中廣為使用的評(píng)價(jià)指標(biāo)體系的概念模型，模型具有了系統(tǒng)性、綜合性和靈活性的特點(diǎn)。其中，驅(qū)動(dòng)力和壓力分別是指造成人口承載力變化的潛在原因和直接原因；狀態(tài)是指在各類影響下的人口狀況；影響是指人口狀況反過(guò)來(lái)對(duì)社會(huì)經(jīng)濟(jì)的影響；“響應(yīng)”表明社會(huì)在努力增大人口承載力過(guò)程中采用相關(guān)措施。
人口承載力評(píng)價(jià)指標(biāo)體系分為三個(gè)層次，首先是目標(biāo)層，即為人口承載力水平；其次為影響因素層，包含了驅(qū)動(dòng)力、壓力、狀態(tài)、影響和響應(yīng)五個(gè)影響因素；第三層為指標(biāo)層。本文的驅(qū)動(dòng)力因素包含四個(gè)指標(biāo)：人均GDP、第三產(chǎn)業(yè)增加值、居民消費(fèi)價(jià)格指數(shù)、城鎮(zhèn)居民家庭恩格爾系數(shù)；壓力因素包含：耕地面積、道路面積、水資源總量、城市建設(shè)用地面積；狀態(tài)因素包含：常住人口、總?cè)丝跀?shù)和人口密度；影響因素包含：工業(yè)廢水排放量、城市居民人均可支配收入、人均公園綠地面積和能源消費(fèi)總量；響應(yīng)因素包含：教育經(jīng)費(fèi)和城市污水處理率。
2.人口承載力水平的綜合評(píng)價(jià)
本文以DPSIR模型為基礎(chǔ)，選取了人均GDP、第三產(chǎn)業(yè)增加值等17個(gè)指標(biāo)構(gòu)建人口承載力指標(biāo)體系，采用熵值法確定指標(biāo)權(quán)重，得出各指標(biāo)綜合評(píng)價(jià)值，測(cè)算人口承載力水平。
為消除指標(biāo)性質(zhì)和量綱的影響，要先對(duì)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理。指標(biāo)屬性分為正向指標(biāo)和逆向指標(biāo)兩大類。正向指標(biāo)值越大，便越有利于人口承載力的提高，其標(biāo)準(zhǔn)化計(jì)算公式為■；逆向指標(biāo)標(biāo)準(zhǔn)化計(jì)算公式為■，得標(biāo)準(zhǔn)化矩陣B=bij。
確定指標(biāo)權(quán)重可以分為主觀賦值法和客觀賦值法兩種方法。由于客觀賦值則是根據(jù)數(shù)學(xué)方法計(jì)算權(quán)重的，具有客觀性，為避免權(quán)重計(jì)算中的局限性，本文采用熵值法對(duì)指標(biāo)進(jìn)行賦權(quán)。其主要步驟為：（1）指標(biāo)信息熵值ej的確定，即第i年的第j項(xiàng)指標(biāo)權(quán)重的確定■ ■（2）指標(biāo)權(quán)重wj的計(jì)算，指標(biāo)信息效用價(jià)值αj值越大，其評(píng)價(jià)重要性越大aj=1-ej ■（3）計(jì)算指標(biāo)綜合評(píng)價(jià)值，■其中，Yi是各指標(biāo)的綜合評(píng)價(jià)值，也是人口承載力評(píng)價(jià)水平；n為指標(biāo)值個(gè)數(shù)，本文中為17；Wj則是第j個(gè)指標(biāo)的權(quán)重。由此計(jì)算出京津冀各年度的人口承載力大小。
本文選取了2004年-2012年的數(shù)據(jù)，記錄了人口承載力綜合評(píng)價(jià)指標(biāo)值在京津冀地區(qū)變化趨勢(shì)。能夠發(fā)現(xiàn)京津冀地區(qū)的人口承載力經(jīng)過(guò)社會(huì)經(jīng)濟(jì)等領(lǐng)域的改革，分別增加了5倍、8倍和8倍。其增長(zhǎng)趨勢(shì)大致可以分為兩個(gè)部分。第一階段是在2009年之前，京津冀地區(qū)的人口承載力有所發(fā)展，但處于起步階段，促進(jìn)承載力水平增長(zhǎng)的經(jīng)濟(jì)動(dòng)力不強(qiáng)。第二個(gè)階段是在2009年以后，新的經(jīng)濟(jì)發(fā)展戰(zhàn)略推動(dòng)基礎(chǔ)設(shè)施建設(shè)、科技人才培養(yǎng)、產(chǎn)業(yè)扶持等方面的發(fā)展，為承載力水平的提升提供了強(qiáng)有力的支持，人口承載力水平也得到了快速提升。
四、各地區(qū)的人口承載力水平與區(qū)域經(jīng)濟(jì)增長(zhǎng)的關(guān)系研究
本文采用區(qū)域人均國(guó)內(nèi)生產(chǎn)總值，即人均GDP，來(lái)代表區(qū)域經(jīng)濟(jì)發(fā)展?fàn)顩r。根據(jù)以上測(cè)算的人口承載力結(jié)果，以京津冀地區(qū)為例，使用面板數(shù)據(jù)模型，來(lái)研究人口承載力水平與區(qū)域經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系。
1.模型構(gòu)建
用面板數(shù)據(jù)建立的模型通常有三種，即不變系數(shù)模型、變截距模型和變系數(shù)模型。由于面板數(shù)據(jù)獲取的是同時(shí)在時(shí)間和截面上的二維數(shù)據(jù)，相比而言，面板數(shù)據(jù)增加了觀測(cè)值數(shù)目，提供了更多信息量。并且提高了估計(jì)精度，避免錯(cuò)誤結(jié)論的出現(xiàn)。
2.實(shí)證研究結(jié)果分析
為了避免經(jīng)濟(jì)現(xiàn)象中的偽回歸，確保估計(jì)結(jié)果的有效性，要對(duì)面板序列的平穩(wěn)性進(jìn)行檢驗(yàn)。本文首先對(duì)人口承載力綜合評(píng)價(jià)指標(biāo)和人均GDP原序列進(jìn)行LLC和Fisher-ADF單位根檢驗(yàn)。檢驗(yàn)結(jié)果都無(wú)法拒絕原假設(shè)，即是非平穩(wěn)數(shù)據(jù)。但在人口承載力綜合評(píng)價(jià)指標(biāo)值和人均GDP一階差分單位根檢驗(yàn)中，人口承載力綜合評(píng)價(jià)指標(biāo)LLC和Fisher-ADF檢驗(yàn)的P值分別為0.0000和0.0014，人均GDP指標(biāo)的檢驗(yàn)P值分別為0.0000和0.0303，認(rèn)為人口承載力綜合評(píng)價(jià)指標(biāo)值和人均GDP均為一階單整。由于單整階數(shù)相同，符合面板數(shù)據(jù)協(xié)整檢驗(yàn)的要求，可以進(jìn)行協(xié)整關(guān)系檢驗(yàn)。
本文采用pedroni檢驗(yàn)和Johansen檢驗(yàn)這兩種方式對(duì)序列進(jìn)行協(xié)整檢驗(yàn)。根據(jù)檢驗(yàn)結(jié)果，除了Grouprho-Statistic的P值大于顯著性水平0.05外，京津冀地區(qū)人口承載力綜合評(píng)價(jià)指標(biāo)值和人均GDP的面板數(shù)據(jù)存在協(xié)整關(guān)系的，即長(zhǎng)期穩(wěn)定關(guān)系，回歸分析是可行的。
由于回歸分析具有有效性，下一步就需要通過(guò)F檢驗(yàn)確定模型形式。計(jì)算出各模型估計(jì)殘差平方和，分別為S3=0.099418，S2=0.033983，S1=0.01577。由此計(jì)算出F3，F(xiàn)2的值F3=5.385139，F(xiàn)2=49.48021，分別大于F3臨界值F0.05（6，28）=2.45，F(xiàn)2臨界值F0.05（3，28）=2.95，因而拒絕H3認(rèn)為模型系數(shù)之間沒(méi)有顯著性差異，模型不應(yīng)被設(shè)定為混合回歸模型；拒絕H2，得出樣本數(shù)據(jù)符合變系數(shù)模型的結(jié)論。接下來(lái)，根據(jù)Hausman檢驗(yàn)結(jié)果，確定應(yīng)建立個(gè)體固定效應(yīng)模型。
依據(jù)以上的平穩(wěn)性檢驗(yàn)和模型設(shè)定檢驗(yàn)，人口承載力綜合評(píng)價(jià)指標(biāo)值和人均GDP的面板數(shù)據(jù)可以建立固定效應(yīng)變系數(shù)模型，模型形式為：Fit=ai+biGDPit+uit，i=1，2，3；t=2004，...，2012，其中，F(xiàn)it為人口承載力得分，GDPit為年人均GDP值，uit為不可觀測(cè)的隨機(jī)變量。
通過(guò)對(duì)模型進(jìn)行參數(shù)估計(jì)，可決系數(shù)達(dá)到了0.884，擬合效果非常好；DW統(tǒng)計(jì)量的值為2.3216，無(wú)自相關(guān)。從模型的估計(jì)結(jié)果中還能看出：第一，人均GDP系數(shù)值均為正值，說(shuō)明經(jīng)濟(jì)發(fā)展水平的提高是有助于城市人口承載力水平的上升；第二，估計(jì)方程的截距不同，不同地域的城市承載力存在差距。具體來(lái)講，京津冀地區(qū)人口承載力水平都表現(xiàn)不好，尤其是北京，城市承載力水平最低；第三，京津冀地區(qū)每增加一單位人均GDP所帶來(lái)人口承載力水平的提升是有限的，因此政府應(yīng)當(dāng)采取更為有效的措施，使生產(chǎn)要素充分發(fā)揮效用。
五、結(jié)論與建議
關(guān)鍵詞：學(xué)習(xí)行為；學(xué)習(xí)分析；熵
中圖分類號(hào)：TP391.1 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）06-0160-03
Abstract： With the development of mobile devices and learning technology system， a variety of learning methods occur in the educational context， the mobile autonomous schools have been developed and applied to the teaching process. Through the use of data mining methods to analyze the hidden information in these data， and use the information to evaluate feedback， which can help students learn. The use of entropy method to analyze the research shows that the analysis of student behavior can be effective for teachers to provide teaching strategies， rational use of cooperation between students， improve the learning effect.
Key words：learning behavior； learning analysis； entropy
隨著移動(dòng)設(shè)備與學(xué)習(xí)技術(shù)系統(tǒng)的發(fā)展，多種學(xué)習(xí)方式發(fā)生在教育情景中，為深層次研究學(xué)習(xí)者的學(xué)習(xí)行為帶來(lái)了新契機(jī)。學(xué)習(xí)分析技術(shù)在教育信息化環(huán)境中，使用數(shù)據(jù)挖掘的研究方法，對(duì)一定學(xué)習(xí)環(huán)境下學(xué)習(xí)者產(chǎn)生的學(xué)習(xí)數(shù)據(jù)進(jìn)行研究分析，深度挖掘?qū)W習(xí)者學(xué)習(xí)信息，有利于實(shí)現(xiàn)教與學(xué)的個(gè)性化，為教學(xué)研究和動(dòng)態(tài)調(diào)整學(xué)生學(xué)習(xí)策略提供了數(shù)據(jù)支持。
目前，自從數(shù)據(jù)分析技術(shù)在商業(yè)領(lǐng)域取得良好的效果后，把數(shù)據(jù)挖掘技術(shù)應(yīng)用到教育領(lǐng)域已經(jīng)成為一種趨勢(shì)。學(xué)習(xí)分析（Learning Analysis）作為一種教育分析技術(shù)，成為發(fā)展中不可或缺的核心力量。[1]所謂學(xué)習(xí)分析是指通過(guò)使用分析技術(shù)，挖掘隱藏在數(shù)據(jù)背后的深層次有效信息，并利用這些信息進(jìn)行評(píng)價(jià)反饋，從而幫助學(xué)生提高學(xué)習(xí)效率和學(xué)習(xí)成績(jī)。
移動(dòng)自主學(xué)堂改變了傳統(tǒng)的教學(xué)模式，實(shí)現(xiàn)了移動(dòng)自主平臺(tái)支持下“四課型”教學(xué)模式與學(xué)習(xí)方式，實(shí)現(xiàn)了學(xué)生自主學(xué)習(xí)模式。[2]基于移動(dòng)自主學(xué)堂的學(xué)習(xí)方式記錄了學(xué)生在學(xué)習(xí)過(guò)程中的所有學(xué)習(xí)行為，這些行為以形式豐富多樣的數(shù)據(jù)形式記錄在系統(tǒng)中。這些數(shù)據(jù)為挖掘?qū)W生學(xué)習(xí)過(guò)程中的行為提供了載體。從多維度挖掘出學(xué)生的學(xué)習(xí)行為背后隱藏的信息量，分析學(xué)生的日常學(xué)習(xí)行為習(xí)慣與學(xué)生的學(xué)習(xí)成績(jī)之間的關(guān)系。通過(guò)對(duì)學(xué)生學(xué)習(xí)行為的有效分析，可以為學(xué)校和教師跟蹤了解學(xué)生的學(xué)習(xí)情況，合理有效安排教學(xué)過(guò)程和教學(xué)計(jì)劃。
移動(dòng)自主學(xué)堂經(jīng)過(guò)多年的應(yīng)用實(shí)踐，存儲(chǔ)了大量教學(xué)數(shù)據(jù)，本文正是對(duì)移動(dòng)自主平臺(tái)下的學(xué)生學(xué)習(xí)行為數(shù)據(jù)進(jìn)行建模分析，從而得到學(xué)生學(xué)習(xí)行為與學(xué)習(xí)效果之間的關(guān)系，從而為移動(dòng)自主平臺(tái)教學(xué)提供輔助決策，使教師充分利用資源改進(jìn)教學(xué)。論文根據(jù)學(xué)習(xí)行為需求分析，探討學(xué)生在一個(gè)月周期內(nèi)的學(xué)習(xí)行為與月末考試成績(jī)之間的關(guān)系，得到學(xué)生學(xué)習(xí)行為效果模型，并使用模型預(yù)測(cè)學(xué)生在未來(lái)的學(xué)習(xí)成績(jī)。
1 學(xué)習(xí)行為分析研究現(xiàn)狀
數(shù)據(jù)作為信息的載體，具有較強(qiáng)的可視性和可用性，能夠精準(zhǔn)，全面的反應(yīng)人物的思維和行為的發(fā)展規(guī)律。[3]在傳統(tǒng)的教學(xué)模式中，保存的數(shù)據(jù)多為學(xué)生日常學(xué)習(xí)中的練習(xí)和考試試卷，數(shù)據(jù)也僅僅局限于老師的試卷分析。在信息化教學(xué)模式環(huán)境下，數(shù)據(jù)包括學(xué)生積極參與課堂教學(xué)的表現(xiàn)，與老師同學(xué)互動(dòng)的頻率，課后學(xué)習(xí)的記錄等。通過(guò)使用數(shù)據(jù)挖掘技術(shù)對(duì)這些數(shù)據(jù)進(jìn)行分析挖掘，分析學(xué)生的日常學(xué)習(xí)行為習(xí)慣與學(xué)生的學(xué)習(xí)成績(jī)之間的關(guān)系。在今后的教學(xué)過(guò)程中根據(jù)反饋信息進(jìn)行調(diào)整學(xué)習(xí)方法，從而完成學(xué)習(xí)目標(biāo)。
國(guó)內(nèi)外研究學(xué)者都對(duì)學(xué)習(xí)分析技術(shù)展開了一系列研究，美國(guó)普渡大學(xué)研發(fā)的“信號(hào)預(yù)警系統(tǒng)”系統(tǒng)對(duì)學(xué)習(xí)者的學(xué)習(xí)行為進(jìn)行研究，在學(xué)生的學(xué)習(xí)成績(jī)達(dá)到一定臨界點(diǎn)時(shí)以郵件的形式向?qū)W生發(fā)出預(yù)警信號(hào)為學(xué)生提供實(shí)時(shí)反饋。[4]澳大利亞Wollongong大學(xué)基于學(xué)習(xí)分析技術(shù)研發(fā)了可視化評(píng)估工具，幫助教師迅速診斷學(xué)習(xí)的學(xué)習(xí)行為路徑，并M行有效反饋。[5]在我國(guó)，彭文輝等提出了網(wǎng)絡(luò)學(xué)習(xí)行為的一個(gè)多維度和多層次的模型，對(duì)于學(xué)習(xí)者的學(xué)習(xí)行為分析，構(gòu)成了對(duì)學(xué)習(xí)者的行為評(píng)價(jià)和學(xué)習(xí)智能化、個(gè)性化調(diào)整的基礎(chǔ)。[6]顧小清等建立了學(xué)習(xí)行為研究的數(shù)據(jù)，機(jī)制，結(jié)果三層次模型，系統(tǒng)的對(duì)學(xué)習(xí)行為模式進(jìn)行了解析。[7]
2 學(xué)習(xí)行為屬性分析
在教育中針對(duì)學(xué)生學(xué)習(xí)行為進(jìn)行分析對(duì)開發(fā)學(xué)生的思維與從多個(gè)維度挖掘隱藏的有價(jià)值的數(shù)據(jù)信息，一方面實(shí)現(xiàn)了教師根據(jù)學(xué)習(xí)者的學(xué)習(xí)行為分析學(xué)生對(duì)在教學(xué)過(guò)程中對(duì)知識(shí)的掌握程度和學(xué)習(xí)關(guān)注度。另一方面，通過(guò)分析學(xué)生的學(xué)習(xí)行為，學(xué)校和教師可以了解學(xué)生近期的學(xué)習(xí)情況，方便教學(xué)管理。在移動(dòng)自主學(xué)堂學(xué)習(xí)環(huán)境中，學(xué)生在移動(dòng)自主平臺(tái)上與老師進(jìn)行課堂教學(xué)內(nèi)容的交流，對(duì)所學(xué)知識(shí)進(jìn)行隨堂檢測(cè)，知識(shí)疑難點(diǎn)的提問(wèn)與交流等。
根據(jù)日常教學(xué)過(guò)程，把學(xué)生的學(xué)習(xí)行為分為以下幾個(gè)方面：
1）自我查詢學(xué)習(xí)行為：自我查詢學(xué)習(xí)行為主要表現(xiàn)為學(xué)生針對(duì)自身情況查詢想要了解的資源，這是一種主動(dòng)的學(xué)習(xí)行為，它受學(xué)生自我認(rèn)知的控制。
2）溝通學(xué)習(xí)行為：課堂學(xué)習(xí)是一種學(xué)習(xí)方式，而在學(xué)習(xí)過(guò)程中的溝通、交流也可以認(rèn)為是一種學(xué)習(xí)方式。日常學(xué)習(xí)環(huán)境中，教師與學(xué)生之間、學(xué)生與學(xué)生之間、學(xué)生與學(xué)習(xí)資源之間都存在交互行為。
3）自我加工學(xué)習(xí)行為：在學(xué)習(xí)過(guò)程中，學(xué)生可以對(duì)學(xué)習(xí)資源進(jìn)行收藏、標(biāo)記和注釋，對(duì)知識(shí)點(diǎn)進(jìn)行電子筆記的整理，可以對(duì)知識(shí)進(jìn)行提問(wèn)和答疑等方式進(jìn)行自我學(xué)習(xí)。
4）外部條件：當(dāng)在圍繞教學(xué)目標(biāo)進(jìn)行學(xué)習(xí)時(shí)，學(xué)生的學(xué)習(xí)也同樣受學(xué)習(xí)基礎(chǔ)和一些學(xué)習(xí)環(huán)境的影響。學(xué)生每門課程的基礎(chǔ)會(huì)影響學(xué)生的學(xué)習(xí)行為，如果學(xué)生的這門課程的基礎(chǔ)較好，在教學(xué)過(guò)程中，就會(huì)對(duì)教師的教學(xué)內(nèi)容容易接受，才會(huì)對(duì)教師的教學(xué)內(nèi)容或形式感興趣，使系統(tǒng)記錄的學(xué)習(xí)行為數(shù)據(jù)越多。而對(duì)于基礎(chǔ)差的學(xué)生，聽課時(shí)就會(huì)跟不上老師的教學(xué)進(jìn)度，從而學(xué)起來(lái)比較吃力，久之就會(huì)失去學(xué)習(xí)的興趣，直到放棄這門學(xué)科。同時(shí)，系統(tǒng)每天保存學(xué)生上課的學(xué)習(xí)路徑，可根據(jù)登錄情況判斷學(xué)生是否出勤，長(zhǎng)時(shí)間的請(qǐng)假會(huì)影響學(xué)生的學(xué)習(xí)情況。每節(jié)課學(xué)生會(huì)對(duì)本節(jié)課的學(xué)習(xí)體會(huì)進(jìn)行自我評(píng)價(jià)，主要分為：好，中，差三類。
移動(dòng)自W學(xué)堂教學(xué)環(huán)境下學(xué)生的學(xué)習(xí)行為大致包含的屬性參數(shù)如表1所示：
3 基于信息熵的學(xué)生學(xué)習(xí)行為分析
通過(guò)對(duì)移動(dòng)自主學(xué)堂的教學(xué)日志進(jìn)行分析，可以得到學(xué)生的學(xué)習(xí)行為，在分析學(xué)生的行為記錄時(shí)，根據(jù)不同類型的行為在模型中的作用賦予不同的權(quán)值。本文將采用信息熵計(jì)算，來(lái)判斷不同行為不確定程度的大小，對(duì)學(xué)生的學(xué)習(xí)行為進(jìn)行研究，探討在一定周期內(nèi)學(xué)生的日常學(xué)習(xí)行為與學(xué)生的學(xué)習(xí)成績(jī)之間的關(guān)系，并為學(xué)生提出有效的建議。
假定有m個(gè)學(xué)生，每個(gè)學(xué)生有n種類型的學(xué)習(xí)行為，將學(xué)生Si的學(xué)習(xí)行為記錄表示成m*n階矩陣S=（kij）m*n，其中k是一個(gè)二維數(shù)據(jù)，表示的是第i個(gè)學(xué)生第j類型的學(xué)習(xí)行為的變量。
Step1：首先要對(duì)學(xué)生行為的各個(gè)指標(biāo)的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。假設(shè)某學(xué)生第i學(xué)科的學(xué)習(xí)行為指標(biāo)為X1，X2，…Xm，則可對(duì)學(xué)生行為數(shù)據(jù)進(jìn)行處理，如下式
其中，bij為第i學(xué)科第j類型的學(xué)習(xí)行為的標(biāo)準(zhǔn)化值，max（bij）為第j類學(xué)生學(xué)習(xí)行為的最大值。
Step2：求學(xué)生各學(xué)習(xí)行為的信息熵值
按照信息論中信息熵的定義，一組數(shù)據(jù)的信息熵表示為
其中Pj為學(xué)習(xí)行為j發(fā)生的概率，按照信息熵定義計(jì)算行為信息熵，行為信息熵的具體含義是行為次數(shù)分布越均勻，則行為信息熵越大，行為的個(gè)性化特征越弱，在學(xué)生學(xué)習(xí)行為確定中，行為j的信息熵值越大，則對(duì)應(yīng)的行為權(quán)重值Wj越小。
Step3：確定學(xué)生行為各指標(biāo)的權(quán)重
計(jì)算出各個(gè)指標(biāo)的信息熵 。通過(guò)信息熵計(jì)算各學(xué)習(xí)行為的權(quán)重：
且存在權(quán)重之和為1。由此可見當(dāng)學(xué)生在各行為上的值相差越大，其熵值越小，熵權(quán)越大，表示改行為對(duì)學(xué)生的行為研究的價(jià)值越大。
Step4：學(xué)生學(xué)習(xí)行為研究模型
式中，I為學(xué)生行為評(píng)價(jià)指標(biāo)，wi為第i個(gè)指標(biāo)的權(quán)重，kij為量化后的行為數(shù)據(jù)，n為學(xué)生學(xué)習(xí)行為個(gè)數(shù)。
對(duì)于學(xué)生學(xué)習(xí)行為分析，每個(gè)學(xué)生都是一個(gè)樣本，學(xué)生的學(xué)習(xí)行為對(duì)應(yīng)樣本的各維數(shù)據(jù)。實(shí)驗(yàn)采用數(shù)據(jù)庫(kù)中385名學(xué)生樣本數(shù)據(jù)，選取每個(gè)學(xué)生近1個(gè)月的web服務(wù)器客戶端日志數(shù)據(jù)，生成學(xué)生學(xué)習(xí)行為數(shù)據(jù)表。根據(jù)學(xué)習(xí)行為屬性，通過(guò)對(duì)一名學(xué)生的9種行為記錄進(jìn)行分析。按照上述步驟使用熵權(quán)法進(jìn)行計(jì)算權(quán)值得到表2：
實(shí)驗(yàn)采用1個(gè)月為一個(gè)周期，學(xué)生的學(xué)習(xí)基礎(chǔ)參照學(xué)生月初的測(cè)驗(yàn)分?jǐn)?shù)和排名，經(jīng)過(guò)多次試驗(yàn)得出，學(xué)生的學(xué)習(xí)行為與學(xué)習(xí)月末成績(jī)成正比關(guān)系，學(xué)生日常教學(xué)過(guò)程中的主動(dòng)參與度高、表現(xiàn)積極與學(xué)生學(xué)習(xí)效果相關(guān)，線上學(xué)習(xí)相對(duì)于瀏覽收藏和瀏覽錯(cuò)題本行為對(duì)學(xué)習(xí)成績(jī)的影響較小。上課過(guò)程中，學(xué)生積極響應(yīng)老師發(fā)出的提問(wèn)指令與課后學(xué)習(xí)評(píng)價(jià)相關(guān)。
4 結(jié)論
通過(guò)對(duì)學(xué)生課堂教學(xué)中的變現(xiàn)進(jìn)行分析，得出了學(xué)生在日常的教學(xué)過(guò)程中的學(xué)習(xí)表現(xiàn)，把結(jié)果反饋后有助于教師和家長(zhǎng)了解學(xué)生的學(xué)習(xí)情況，通過(guò)配合使用有效的教學(xué)方法，提高學(xué)生的學(xué)習(xí)效果和學(xué)習(xí)成績(jī)。從教師角度來(lái)說(shuō)，教師可以采取一定措施調(diào)整教學(xué)策略，對(duì)于日常參與度較低，變現(xiàn)不積極的學(xué)生采取激勵(lì)措施激發(fā)學(xué)生學(xué)習(xí)；另外，教師可以把積極學(xué)生和不積極學(xué)生合理安排在一起，充分發(fā)揮積極學(xué)生的帶頭作用，并提高同學(xué)的協(xié)作能力。從學(xué)生角度來(lái)說(shuō)，學(xué)生了解在日常的表現(xiàn)中自己與成績(jī)較好學(xué)生的差距，可以調(diào)整自己的學(xué)習(xí)態(tài)度。
參考文獻(xiàn)：
[1] 祝智庭，沈德梅.學(xué)習(xí)分析學(xué)：智慧教育的科學(xué)力量[J].電化教育研究，2013（05）：5-12， 19.
[2] 王瑞，李永波，王曉東，等.移動(dòng)自主學(xué)堂及其應(yīng)用[J].河南師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2014（6）：162-166.
[3] 姜強(qiáng)，趙蔚，王朋嬌，王麗萍，等.基于大數(shù)據(jù)的個(gè)性化自適應(yīng)在線學(xué)習(xí)分析模型及實(shí)現(xiàn)[J].中國(guó)電化教育，2015（1）：85-92
[4] Iten，L.Arnold，K，&Pistilli，M.Ming Real-time Data to Improve Student Success in a Gateway Course[EB/OL]. [2013-05-14].http：//bio-purdue.edu/bootcamp/.
[5] Macfadyen L P， Dawson S.Mining LMS data to develop an “early warning system”for educators A proof of concept[J]Computer & Education 2010，（54）：588-599
關(guān)鍵詞：網(wǎng)絡(luò)系統(tǒng)；安全測(cè)試；安全評(píng)估
中圖分類號(hào)：TP393文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044(2011)13-3019-04
1 網(wǎng)絡(luò)安全評(píng)估技術(shù)簡(jiǎn)介
當(dāng)前，隨著網(wǎng)絡(luò)技術(shù)和信息技術(shù)的發(fā)展與應(yīng)用，人們對(duì)于網(wǎng)絡(luò)的安全性能越來(lái)越關(guān)注，網(wǎng)絡(luò)安全技術(shù)已從最初的信息保密性發(fā)展到信息的完整性、可用性、可控性和不可否認(rèn)性，進(jìn)而又發(fā)展為“攻、防、測(cè)、控、管、評(píng)”等多方面的基礎(chǔ)理論和實(shí)施技術(shù)。信息安全是一個(gè)綜合、交叉學(xué)科領(lǐng)域，它要綜合利用數(shù)學(xué)、物理、通信和計(jì)算機(jī)諸多學(xué)科的長(zhǎng)期知識(shí)積累和最新發(fā)展成果，進(jìn)行自主創(chuàng)新研究、加強(qiáng)頂層設(shè)計(jì)，提出系統(tǒng)的、完整的解決方案。
網(wǎng)絡(luò)信息系統(tǒng)安全評(píng)估的目的是為了讓決策者進(jìn)行風(fēng)險(xiǎn)處置，即運(yùn)用綜合的策略來(lái)解決風(fēng)險(xiǎn)。信息系統(tǒng)可根據(jù)安全評(píng)估結(jié)果來(lái)定義安全需求，最終采用適當(dāng)?shù)陌踩刂撇呗詠?lái)管理安全風(fēng)險(xiǎn)。
安全評(píng)估的結(jié)果就是對(duì)信息保護(hù)系統(tǒng)的某種程度上的確信，開展網(wǎng)絡(luò)安全系統(tǒng)評(píng)估技術(shù)研究，可以對(duì)國(guó)防軍工制造業(yè)數(shù)字化網(wǎng)絡(luò)系統(tǒng)、國(guó)家電子政務(wù)信息系統(tǒng)、各類信息安全系統(tǒng)等的規(guī)劃、設(shè)計(jì)、建設(shè)、運(yùn)行等各階段進(jìn)行系統(tǒng)級(jí)的測(cè)試評(píng)估，找出網(wǎng)絡(luò)系統(tǒng)的薄弱環(huán)節(jié)，發(fā)現(xiàn)并修正系統(tǒng)存在的弱點(diǎn)和漏洞，保證網(wǎng)絡(luò)系統(tǒng)的安全性，提出安全解決方案。
2 網(wǎng)絡(luò)安全評(píng)估理論體系和標(biāo)準(zhǔn)規(guī)范
2.1 網(wǎng)絡(luò)安全評(píng)估所要進(jìn)行的工作是：
通過(guò)對(duì)實(shí)際網(wǎng)絡(luò)的半實(shí)物仿真，進(jìn)行測(cè)試和安全評(píng)估技術(shù)的研究，參考國(guó)際相關(guān)技術(shù)標(biāo)準(zhǔn)，建立網(wǎng)絡(luò)安全評(píng)估模型，歸納安全評(píng)估指標(biāo)，研制可操作性強(qiáng)的信息系統(tǒng)安全評(píng)測(cè)準(zhǔn)則，并形成網(wǎng)絡(luò)信息安全的評(píng)估標(biāo)準(zhǔn)體系。
2.2 當(dāng)前在網(wǎng)絡(luò)技術(shù)上主要的、通用的、主流的信息安全評(píng)估標(biāo)準(zhǔn)規(guī)范
2.2.1 歐美等西方國(guó)家的通用安全標(biāo)準(zhǔn)準(zhǔn)則
1) 美國(guó)可信計(jì)算機(jī)安全評(píng)價(jià)標(biāo)準(zhǔn)（TCSEC）
2) 歐洲網(wǎng)絡(luò)安全評(píng)價(jià)標(biāo)準(zhǔn)（ITSEC）
3) 國(guó)際網(wǎng)絡(luò)安全通用準(zhǔn)則（CC）
2.2.2 我國(guó)制定的網(wǎng)絡(luò)系統(tǒng)安全評(píng)估標(biāo)準(zhǔn)準(zhǔn)則
1) 《國(guó)家信息技術(shù)安全性評(píng)估的通用準(zhǔn)則》GB/T 18336標(biāo)準(zhǔn)
2) 公安部《信息網(wǎng)絡(luò)安全等級(jí)管理辦法》
3) BMZ1-2000《信息系統(tǒng)分級(jí)保護(hù)技術(shù)要求》
4) 《GJB 2646-96軍用計(jì)算機(jī)安全評(píng)估準(zhǔn)則》
5) 《計(jì)算機(jī)信息系統(tǒng)安全保護(hù)等級(jí)劃分準(zhǔn)則》等
3 安全評(píng)估過(guò)程模型
目前比較通用的對(duì)網(wǎng)絡(luò)信息系統(tǒng)進(jìn)行安全評(píng)估的流程主要包括信息系統(tǒng)的資產(chǎn)（需保護(hù)的目標(biāo)）識(shí)別、威脅識(shí)別、脆弱性識(shí)別、安全措施分析、安全事件影響分析以及綜合風(fēng)險(xiǎn)判定等。
對(duì)測(cè)評(píng)流程基本邏輯模型的構(gòu)想如圖1所示。
在這個(gè)測(cè)試評(píng)估模型中，主要包括6方面的內(nèi)容：
1) 系統(tǒng)分析：對(duì)信息系統(tǒng)的安全需求進(jìn)行分析；
2) 識(shí)別關(guān)鍵資產(chǎn)：根據(jù)系統(tǒng)分析的結(jié)果識(shí)別出系統(tǒng)的重要資產(chǎn)；
3) 識(shí)別威脅：識(shí)別出系統(tǒng)主要的安全威脅以及威脅的途徑和方式；
4) 識(shí)別脆弱性：識(shí)別出系統(tǒng)在技術(shù)上的缺陷、漏洞、薄弱環(huán)節(jié)等；
5) 分析影響：分析安全事件對(duì)系統(tǒng)可能造成的影響；
6) 風(fēng)險(xiǎn)評(píng)估：綜合關(guān)鍵資產(chǎn)、威脅因素、脆弱性及控制措施，綜合事件影響，評(píng)估系統(tǒng)面臨的風(fēng)險(xiǎn)。
4 網(wǎng)絡(luò)系統(tǒng)安全態(tài)勢(shì)評(píng)估
安全態(tài)勢(shì)評(píng)估是進(jìn)行網(wǎng)絡(luò)系統(tǒng)級(jí)安全評(píng)估的重要環(huán)節(jié)，合理的安全態(tài)勢(shì)評(píng)估方法可以有效地評(píng)定威脅級(jí)別不同的安全事件。對(duì)系統(tǒng)安全進(jìn)行評(píng)估通常與攻擊給網(wǎng)絡(luò)帶來(lái)的損失是相對(duì)應(yīng)的，造成的損失越大，說(shuō)明攻擊越嚴(yán)重、網(wǎng)絡(luò)安全狀況越差。通過(guò)攻擊的損失可以評(píng)估攻擊的嚴(yán)重程度，從而評(píng)估網(wǎng)絡(luò)安全狀況。
結(jié)合網(wǎng)絡(luò)資產(chǎn)安全價(jià)值進(jìn)行評(píng)估的具體算法如下：
設(shè)SERG為待評(píng)估安全事件關(guān)聯(lián)圖：
定義
IF(threatTa){AddSERGTToHighigh ImpactSetAndReport}
其中，SERG表示安全事件關(guān)聯(lián)，SERGStatei表示攻擊者獲取的直接資源列表；ASV(a)表示對(duì)應(yīng)資產(chǎn)a的資產(chǎn)安全價(jià)值；Ta表示可以接受的威脅閥值；HighImpactSet表示高風(fēng)險(xiǎn)事件集合。
常用的對(duì)一個(gè)網(wǎng)絡(luò)信息系統(tǒng)進(jìn)行安全態(tài)勢(shì)評(píng)估的算法有如下幾種。
4.1 專家評(píng)估法（Delphi法）
專家法也稱專家征詢法（Delphi法），其基本步驟如下：
1) 選擇專家：這是很重要的一步，選的好與不好將直接影響到結(jié)果的準(zhǔn)確性，一般情況下，應(yīng)有網(wǎng)絡(luò)安全領(lǐng)域中既有實(shí)際工作經(jīng)驗(yàn)又有較深理論修養(yǎng)的專家10人以上參與評(píng)估，專家數(shù)目太少時(shí)則影響此方法的準(zhǔn)確性；
2) 確定出與網(wǎng)絡(luò)系統(tǒng)安全相關(guān)的m個(gè)被評(píng)估指標(biāo)，將這些指標(biāo)以及統(tǒng)一的權(quán)數(shù)確定規(guī)則發(fā)給選定的各位專家，由他們各自獨(dú)立地給出自己所認(rèn)為的對(duì)每一個(gè)指標(biāo)的安全態(tài)勢(shì)評(píng)價(jià)（Xi）以及每一個(gè)評(píng)價(jià)指標(biāo)在網(wǎng)絡(luò)系統(tǒng)整體安全態(tài)勢(shì)評(píng)估中所占有的比重權(quán)值（Wi）；
3) 回收專家們的評(píng)估結(jié)果并計(jì)算各安全態(tài)勢(shì)指標(biāo)及指標(biāo)權(quán)數(shù)的均值和標(biāo)準(zhǔn)差：
計(jì)算估計(jì)值和平均估計(jì)值的偏差
4) 將計(jì)算結(jié)果及補(bǔ)充材料返還給各位專家，要求所有的專家在新的基礎(chǔ)上重新確定各指標(biāo)安全態(tài)勢(shì)及所占有的安全評(píng)價(jià)權(quán)重；
5) 重復(fù)上面兩步，直至各指標(biāo)權(quán)數(shù)與其均值的離差不超過(guò)預(yù)先給定的標(biāo)準(zhǔn)為止，也就是各專家的意見基本趨于一致，以此時(shí)對(duì)該指標(biāo)的安全評(píng)價(jià)作為系統(tǒng)最終安全評(píng)價(jià)，并以此時(shí)各指標(biāo)權(quán)數(shù)的均值作為該指標(biāo)的權(quán)數(shù)。
歸納起來(lái)，專家法評(píng)估的核心思想就是采用匿名的方式，收集和征詢?cè)擃I(lǐng)域?qū)＜覀兊囊庖姡瑢⑵浯饛?fù)作統(tǒng)計(jì)分析，再將分析結(jié)果反饋給領(lǐng)域?qū)＜遥瑫r(shí)進(jìn)一步就同一問(wèn)題再次征詢專家意見，如此反復(fù)多輪，使專家們的意見逐漸集中到某個(gè)有限的范圍內(nèi)，然后將此結(jié)果用中位數(shù)和四分位數(shù)來(lái)表示。對(duì)各個(gè)征詢意見做統(tǒng)計(jì)分析和綜合歸納時(shí)，如果發(fā)現(xiàn)專家的評(píng)價(jià)意見離散度太大，很難取得一致意見時(shí)，可以再進(jìn)行幾輪征詢，然后再按照上述方法進(jìn)行統(tǒng)計(jì)分析，直至取得較為一致的意見為止。該方法適用于各種評(píng)價(jià)指標(biāo)之間相互獨(dú)立的場(chǎng)合，各指標(biāo)對(duì)綜合評(píng)價(jià)值的貢獻(xiàn)彼此沒(méi)有什么影響。若評(píng)價(jià)指標(biāo)之間不互相獨(dú)立，專家們比較分析的結(jié)果必然導(dǎo)致信息的重復(fù)，就難以得到符合客觀實(shí)際的綜合評(píng)價(jià)值。
4.2 基于“熵”的網(wǎng)絡(luò)系統(tǒng)安全態(tài)勢(shì)評(píng)估
網(wǎng)絡(luò)安全性能評(píng)價(jià)指標(biāo)選取后，用一定的方法對(duì)其進(jìn)行量化，即可得到對(duì)網(wǎng)絡(luò)系統(tǒng)的安全性度量，而可把網(wǎng)絡(luò)系統(tǒng)受攻擊前后的安全性差值作為攻擊效果的一個(gè)測(cè)度。考慮到進(jìn)行網(wǎng)絡(luò)攻擊效果評(píng)估時(shí)，我們關(guān)心的只是網(wǎng)絡(luò)系統(tǒng)遭受攻擊前后安全性能的變化，借鑒信息論中“熵”的概念，可以提出評(píng)價(jià)網(wǎng)絡(luò)性能的“網(wǎng)絡(luò)熵”理論。“網(wǎng)絡(luò)熵”是對(duì)網(wǎng)絡(luò)安全性能的一種描述，“網(wǎng)絡(luò)熵”值越小，表明該網(wǎng)絡(luò)系統(tǒng)的安全性越好。對(duì)于網(wǎng)絡(luò)系統(tǒng)的某一項(xiàng)性能指標(biāo)來(lái)說(shuō)，其熵值可以定義為：
Hi=-log2Vi
式中：Vi指網(wǎng)絡(luò)第i項(xiàng)指標(biāo)的歸一化參數(shù)。
網(wǎng)絡(luò)信息系統(tǒng)受到攻擊后，其安全功能下降，系統(tǒng)穩(wěn)定性變差，這些變化必然在某些網(wǎng)絡(luò)性能指標(biāo)上有所體現(xiàn)，相應(yīng)的網(wǎng)絡(luò)熵值也應(yīng)該有所變化。因此，可以用攻擊前后網(wǎng)絡(luò)熵值的變化量對(duì)攻擊效果進(jìn)行描述。
網(wǎng)絡(luò)熵的計(jì)算應(yīng)該綜合考慮影響網(wǎng)絡(luò)安全性能的各項(xiàng)指標(biāo)，其值為各單項(xiàng)指標(biāo)熵的加權(quán)和：
式中：n-影響網(wǎng)絡(luò)性能的指標(biāo)個(gè)數(shù)；
?Ai-第i項(xiàng)指標(biāo)的權(quán)重；
Hi第i項(xiàng)指標(biāo)的網(wǎng)絡(luò)熵。
在如何設(shè)定各網(wǎng)絡(luò)單項(xiàng)指標(biāo)的權(quán)重以逼真地反映其對(duì)整個(gè)網(wǎng)絡(luò)熵的貢獻(xiàn)時(shí)，設(shè)定的普遍通用的原則是根據(jù)網(wǎng)絡(luò)防護(hù)的目的和網(wǎng)絡(luò)服務(wù)的類型確定?Ai的值，在實(shí)際應(yīng)用中，?Ai值可以通過(guò)對(duì)各項(xiàng)指標(biāo)建立判斷矩陣，采用層次分析法逐層計(jì)算得出。一般而言，對(duì)網(wǎng)絡(luò)熵的設(shè)定時(shí)主要考慮以下三項(xiàng)指標(biāo)的網(wǎng)絡(luò)熵：
1) 網(wǎng)絡(luò)吞吐量：?jiǎn)挝粫r(shí)間內(nèi)網(wǎng)絡(luò)結(jié)點(diǎn)之間成功傳送的無(wú)差錯(cuò)的數(shù)據(jù)量；
2) 網(wǎng)絡(luò)響應(yīng)時(shí)間：網(wǎng)絡(luò)服務(wù)請(qǐng)求和響應(yīng)該請(qǐng)求之間的時(shí)間間隔；
3) 網(wǎng)絡(luò)延遲抖動(dòng)：指平均延遲變化的時(shí)間量。
設(shè)網(wǎng)絡(luò)攻擊發(fā)生前，系統(tǒng)各指標(biāo)的網(wǎng)絡(luò)熵為H攻擊發(fā)生后，系統(tǒng)各指標(biāo)的網(wǎng)絡(luò)熵為 ,則網(wǎng)絡(luò)攻擊的效果可以表示為：
EH=H'-H
則有：
利用上式，僅需測(cè)得攻擊前后網(wǎng)絡(luò)的各項(xiàng)性能指標(biāo)參數(shù)（Vi,Vi'），并設(shè)定好各指標(biāo)的權(quán)重（?Ai），即可計(jì)算出網(wǎng)絡(luò)系統(tǒng)性能的損失，評(píng)估網(wǎng)絡(luò)系統(tǒng)受攻擊后的結(jié)果。EH是對(duì)網(wǎng)絡(luò)攻擊效果的定量描述，其值越大，表明網(wǎng)絡(luò)遭受攻擊后安全性能下降的越厲害，也就是說(shuō)網(wǎng)絡(luò)安全性能越差。
國(guó)際標(biāo)準(zhǔn)中較為通用的根據(jù)EH值對(duì)網(wǎng)絡(luò)安全性能進(jìn)行評(píng)估的參考標(biāo)準(zhǔn)值如表1所示。
4.3模糊綜合評(píng)判法
模糊綜合評(píng)判法也是常用的一種對(duì)網(wǎng)絡(luò)系統(tǒng)的安全態(tài)勢(shì)進(jìn)行綜合評(píng)判的方法，它是根據(jù)模糊數(shù)學(xué)的基本理論，先選定被評(píng)估網(wǎng)絡(luò)系統(tǒng)的各評(píng)估指標(biāo)域，而后利用模糊關(guān)系合成原理，通過(guò)構(gòu)造等級(jí)模糊子集把反映被評(píng)事物的模糊指標(biāo)進(jìn)行量化（即確定隸屬度），然后利用模糊變換原理對(duì)各指標(biāo)進(jìn)行綜合。
模糊綜合評(píng)判法一般按以下程序進(jìn)行：
1) 確定評(píng)價(jià)對(duì)象的因素論域U
U={u1,u2,…,un}
也就是首先確定被評(píng)估網(wǎng)絡(luò)系統(tǒng)的n個(gè)網(wǎng)絡(luò)安全領(lǐng)域的評(píng)價(jià)指標(biāo)。
這一步主要是確定評(píng)價(jià)指標(biāo)體系，解決從哪些方面和用哪些因素來(lái)評(píng)價(jià)客觀對(duì)象的問(wèn)題。
2) 確定評(píng)語(yǔ)等級(jí)論域V
V={v1,v2,…,vm}
也就是對(duì)確定的各個(gè)評(píng)價(jià)指標(biāo)的等級(jí)評(píng)定程度，即等級(jí)集合，每一個(gè)等級(jí)可對(duì)應(yīng)一個(gè)模糊子集。正是由于這一論域的確定，才使得模糊綜合評(píng)價(jià)得到一個(gè)模糊評(píng)判向量，被評(píng)價(jià)對(duì)象對(duì)評(píng)語(yǔ)等級(jí)隸屬度的信息通過(guò)這個(gè)模糊向量表示出來(lái)，體現(xiàn)出評(píng)判的模糊性。
從技術(shù)處理的角度來(lái)看，評(píng)語(yǔ)等級(jí)數(shù)m通常取3≤m≤7，若m過(guò)大會(huì)超過(guò)人的語(yǔ)義能力，不易判斷對(duì)象的等級(jí)歸屬；若m過(guò)小又可能不符合模糊綜合評(píng)判的質(zhì)量要求，故其取值以適中為宜。 取奇數(shù)的情況較多，因?yàn)檫@樣可以有一個(gè)中間等級(jí)，便于判斷被評(píng)事物的等級(jí)歸屬，具體等級(jí)可以依據(jù)評(píng)價(jià)內(nèi)容用適當(dāng)?shù)恼Z(yǔ)言描述，比如評(píng)價(jià)數(shù)據(jù)管理制度，可取V={號(hào)，較好，一般，較差，差}；評(píng)價(jià)防黑客入侵設(shè)施，可取V={強(qiáng)，中，弱}等。
3) 進(jìn)行單因素評(píng)價(jià)，建立模糊關(guān)系矩陣R
在構(gòu)造了等級(jí)模糊子集后，就要逐個(gè)對(duì)各被評(píng)價(jià)指標(biāo)ui確定其對(duì)各等級(jí)模糊子集vi的隸屬程度。這樣，可得到一個(gè)ui與vi間的模糊關(guān)系數(shù)據(jù)矩陣：
R=|r21r22…r2m|
式中：
rij表示U中因素ui對(duì)應(yīng)V中等級(jí)vi的隸屬關(guān)系，即因素ui隸屬于vi的等級(jí)程度。
4) 確定評(píng)判因素的模糊權(quán)向量集
一般說(shuō)來(lái)，所確定的網(wǎng)絡(luò)安全的n個(gè)評(píng)價(jià)指標(biāo)對(duì)于網(wǎng)絡(luò)整體的安全態(tài)勢(shì)評(píng)估作用是不同的，各方面因素的表現(xiàn)在整體中所占的比重是不同的。
因此，定義了一個(gè)所謂模糊權(quán)向量集A的概念，該要素權(quán)向量集就是反映被評(píng)價(jià)指標(biāo)的各因素相對(duì)于整體評(píng)價(jià)指標(biāo)的重要程度。權(quán)向量的確定與其他評(píng)估方法相同，可采用層次分析等方法獲得。權(quán)向量集A可表示為：
A=(a1,a2,…,an)
并滿足如下關(guān)系：
5) 將A與R合成，得到被評(píng)估網(wǎng)絡(luò)系統(tǒng)的模糊綜合評(píng)判向量B
B=A?R
B=A?R= (a1,a2,…,an) |r21r22…r2m|
式中：
rij表示的是模糊關(guān)系數(shù)據(jù)矩陣R經(jīng)過(guò)與模糊權(quán)向量集A矩陣運(yùn)算后，得到的修正關(guān)系向量。
這樣做的意義在于使用模糊權(quán)向量集A矩陣來(lái)對(duì)關(guān)系隸屬矩陣R進(jìn)行修正，使得到的綜合評(píng)判向量更為客觀準(zhǔn)確。
6) 對(duì)模糊綜合評(píng)判結(jié)果B的歸一化處理
根據(jù)上一步的計(jì)算，得到了對(duì)網(wǎng)絡(luò)各安全評(píng)價(jià)指標(biāo)的評(píng)判結(jié)果向量集B=(b1,b2,…,bn)
由于對(duì)每個(gè)評(píng)價(jià)指標(biāo)的評(píng)判結(jié)果都是一個(gè)模糊向量，不便于各評(píng)價(jià)指標(biāo)間的排序評(píng)優(yōu)，因而還需要進(jìn)一步的分析處理。
對(duì)模糊綜合評(píng)判結(jié)果向量 進(jìn)行歸一化處理：
bj'=bj/n
從而得到各安全評(píng)價(jià)指標(biāo)的歸一化向量，從而對(duì)各歸一化向量進(jìn)行相應(yīng)。
5 結(jié)束語(yǔ)
本論文首先介紹了網(wǎng)絡(luò)安全評(píng)估技術(shù)的基本知識(shí)，然后對(duì)安全評(píng)估模型進(jìn)行了分析計(jì)算，闡述了網(wǎng)絡(luò)安全技術(shù)措施的有效性；最后對(duì)網(wǎng)絡(luò)安全態(tài)勢(shì)的評(píng)估給出了具體的算法和公式。通過(guò)本文的技術(shù)研究，基本上對(duì)網(wǎng)絡(luò)信息系統(tǒng)的安全評(píng)估技術(shù)有了初步的了解，下一步還將對(duì)安全評(píng)估的風(fēng)險(xiǎn)、安全評(píng)估中相關(guān)聯(lián)的各項(xiàng)因素進(jìn)行研究。
參考文獻(xiàn)：
[1] 逮昭義.計(jì)算機(jī)通信網(wǎng)信息量理論[M].北京:電子工業(yè)出版社,1997:57-58.
[2] 張義榮.計(jì)算機(jī)網(wǎng)絡(luò)攻擊效果評(píng)估技術(shù)研究[J].國(guó)防科技大學(xué)學(xué)報(bào),2002(5).
關(guān)鍵詞:復(fù)雜網(wǎng)絡(luò);網(wǎng)絡(luò)結(jié)構(gòu)熵;Internet AS 網(wǎng)絡(luò)
中圖分類號(hào):TP393文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1009-3044(2010)10-2527-02
A New Research Method Based on Network Structure Entropy for the Network Evolution
LIU Xue-jun
(The Department of Communication Engineering, Engineering College of Chinese Armed Police Force, Xi'an 710086, China)
Abstract: In order to descripe the evolution of the network, a network structure entropy of evolution was expressed, for the research of network hetroplasmy provided the characterition metric, elaborate the reason and versatility of network evolution with this method . At the same time, for the Internet AS network, find their relationship and pointed out that this network evolution and heterogeneity in the direction of development.
Key words: complex networks; network structure entropy; Internet AS networks
熵是一個(gè)物理學(xué)概念,熵是事物不確定性的度量。可以理解為系統(tǒng)內(nèi)部混亂度的度量。一般來(lái)講,系統(tǒng)宏觀狀態(tài)擁有的微觀狀態(tài)越多,可能情況就越多,系統(tǒng)的不確定性也就越大,而微觀狀態(tài)越多表明系統(tǒng)內(nèi)部運(yùn)動(dòng)越富有多樣性,越混亂無(wú)序,從而熵越大;反之,系統(tǒng)微觀狀態(tài)越少,系統(tǒng)內(nèi)部狀態(tài)越單一化,越有序,熵就越小[1]。
現(xiàn)實(shí)世界的許多系統(tǒng)都可以用復(fù)雜網(wǎng)絡(luò)[2]進(jìn)行描述,這種網(wǎng)絡(luò)既不是規(guī)則網(wǎng)絡(luò),也不是隨機(jī)網(wǎng)絡(luò),而是一種具有與這兩者不同的統(tǒng)計(jì)特性的網(wǎng)絡(luò),其中,最具影響的是小世界網(wǎng)絡(luò)和無(wú)標(biāo)度網(wǎng)絡(luò)。本文主要討論無(wú)標(biāo)度網(wǎng)絡(luò)。如:論文引用網(wǎng)絡(luò)、WWW網(wǎng)絡(luò)等。研究發(fā)現(xiàn),無(wú)標(biāo)度網(wǎng)絡(luò)具有很強(qiáng)的非同質(zhì)性,即,大部分節(jié)點(diǎn)只有少數(shù)幾個(gè)連結(jié),而極少數(shù)節(jié)點(diǎn)卻具有大量的連結(jié),這樣的網(wǎng)絡(luò)是一種非均勻的網(wǎng)絡(luò),其度分布服從冪律分布。網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)和其它K個(gè)節(jié)點(diǎn)相連接的概率正比于k-γ,這里γ為常數(shù),且γ≥0。刻畫這種非同質(zhì)性時(shí)可以借助其分布指數(shù),指數(shù)越大,度分布曲線下降越快,網(wǎng)絡(luò)的非同質(zhì)性越強(qiáng),反之,則越弱。正如文獻(xiàn)[3]指出的,現(xiàn)實(shí)世界的復(fù)雜網(wǎng)絡(luò),度分布曲線并不是完全規(guī)則的曲線,通過(guò)擬合得到的曲線也并不完全精確。于是人們把熵的概念引入復(fù)雜網(wǎng)絡(luò)中用來(lái)刻畫網(wǎng)絡(luò)的非標(biāo)度性。而本文正是在此基礎(chǔ)之上,研究了利用網(wǎng)絡(luò)結(jié)構(gòu)熵研究網(wǎng)絡(luò)演化的方法,并探討了Internet AS層網(wǎng)絡(luò)的演化規(guī)律。
1 網(wǎng)絡(luò)結(jié)構(gòu)熵及研究網(wǎng)絡(luò)演化的方法
由文獻(xiàn)[3]知網(wǎng)絡(luò)結(jié)構(gòu)熵可表示為:
(1)
其中,Ii是節(jié)點(diǎn)i的重要度,,N是網(wǎng)絡(luò)中的節(jié)點(diǎn)數(shù),顯然ki≥0。
可以證明,當(dāng)網(wǎng)絡(luò)完全均勻時(shí)所有節(jié)點(diǎn)的度值相同,這是網(wǎng)絡(luò)中所有節(jié)點(diǎn)具有相同的重要度Ii=1/N此時(shí),熵獲得最大值:
(2)
當(dāng)網(wǎng)絡(luò)完全不均勻時(shí),網(wǎng)絡(luò)中的連結(jié)呈星型結(jié)構(gòu),即有一個(gè)中心節(jié)點(diǎn)和網(wǎng)絡(luò)中所有其它節(jié)點(diǎn)都相連,其度值為N-1(N是網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)),而網(wǎng)絡(luò)中其它節(jié)點(diǎn)的度值都為1,此時(shí)得到的網(wǎng)絡(luò)結(jié)構(gòu)熵的最小值:
(3)
由(1)(2)(3)知網(wǎng)絡(luò)結(jié)構(gòu)熵、網(wǎng)絡(luò)結(jié)構(gòu)熵的最大值、最小值都和網(wǎng)絡(luò)規(guī)模有關(guān)。其中網(wǎng)絡(luò)結(jié)構(gòu)熵除了和網(wǎng)絡(luò)規(guī)模有關(guān)外,還和各個(gè)項(xiàng)的取值有關(guān),由以上三式可得:
Emin≤E≤Emax(4)
顯然,對(duì)于某個(gè)節(jié)點(diǎn)數(shù)N確定的網(wǎng)絡(luò)來(lái)講,如果僅網(wǎng)絡(luò)的總邊數(shù)發(fā)生變化而導(dǎo)致網(wǎng)絡(luò)在不斷的演化,那么網(wǎng)絡(luò)結(jié)構(gòu)熵E的變化只能在有(4)式確定的范圍內(nèi),為消除節(jié)點(diǎn)數(shù)對(duì)網(wǎng)絡(luò)結(jié)構(gòu)熵的影響,文獻(xiàn)[5]提出了網(wǎng)絡(luò)的標(biāo)準(zhǔn)結(jié)構(gòu)熵,即:
(5)
上式求解過(guò)程利用了特定網(wǎng)絡(luò)的最大值,最小值,排除了節(jié)點(diǎn)數(shù)的影響,但依然是局限于節(jié)點(diǎn)數(shù)固定的網(wǎng)絡(luò),一旦網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)發(fā)生變化,由于分子和分母只針對(duì)固定節(jié)點(diǎn)數(shù)得到的,因而改變前后的網(wǎng)絡(luò)結(jié)構(gòu)變化并不能通過(guò)熵值的變化來(lái)進(jìn)行判斷。也就是說(shuō)對(duì)于節(jié)點(diǎn)數(shù)變化或者動(dòng)態(tài)演化網(wǎng)絡(luò)而言,如何運(yùn)用網(wǎng)絡(luò)結(jié)構(gòu)熵來(lái)研究網(wǎng)絡(luò)的演化呢?進(jìn)而如何說(shuō)明網(wǎng)絡(luò)異質(zhì)性的變化呢?本文提出以下方法:
(6)
網(wǎng)絡(luò)結(jié)構(gòu)熵取得最大值表明網(wǎng)絡(luò)完全均勻,式(6)表示網(wǎng)絡(luò)結(jié)構(gòu)熵與完全均勻網(wǎng)絡(luò)的偏離程度,值越小說(shuō)明網(wǎng)絡(luò)越接近完全均勻網(wǎng)絡(luò)。即如果E=0,則E=Emax說(shuō)明網(wǎng)絡(luò)是完全均勻的。利用式(6)可以衡量網(wǎng)絡(luò)的演化,即(6)式值如果不斷的遞減,則說(shuō)明網(wǎng)絡(luò)是朝著均勻方向發(fā)展;若不斷的遞增,則說(shuō)明網(wǎng)絡(luò)朝著非均勻方向發(fā)展。通過(guò)變化可以確定網(wǎng)絡(luò)的發(fā)展演化趨勢(shì)。實(shí)際上式亦可改寫成下式:
(7)
可以說(shuō)通過(guò)(6)(7)式來(lái)確定網(wǎng)絡(luò)和完全均勻網(wǎng)絡(luò)及完全非均勻網(wǎng)絡(luò)的接近程度是一種利用網(wǎng)絡(luò)結(jié)構(gòu)熵研究網(wǎng)絡(luò)演化的好方法,這種方法對(duì)于節(jié)點(diǎn)數(shù)變化的網(wǎng)絡(luò)同樣適用。由于它們表示的是和本規(guī)模下完全均勻網(wǎng)絡(luò)或者完全非均勻網(wǎng)絡(luò)的接近程度,即克服了標(biāo)準(zhǔn)網(wǎng)絡(luò)結(jié)構(gòu)熵的局限性和不足。下面,就這一方法應(yīng)用于研究Internet AS 層的網(wǎng)絡(luò)演化,同時(shí)應(yīng)用(6)(7)相互印證。
2 Internet AS 層網(wǎng)絡(luò)的演化發(fā)展及分析
通過(guò)對(duì)CAIDA項(xiàng)目在網(wǎng)上所的數(shù)據(jù)進(jìn)行相應(yīng)的處理,獲得了自2001年3月1日到2007年5月25日的Internet AS 層節(jié)點(diǎn)連結(jié)相關(guān)數(shù)據(jù),我們以20天為一個(gè)數(shù)據(jù)點(diǎn)進(jìn)行處理,即把每20天內(nèi)得到的數(shù)據(jù)看成是一個(gè)網(wǎng)絡(luò),共可以得到108個(gè)數(shù)據(jù)點(diǎn),按照時(shí)間先后進(jìn)行排列,并畫出相應(yīng)的演化圖,其中圖1是網(wǎng)絡(luò)和完全均勻網(wǎng)絡(luò)的偏離程度的時(shí)間演化圖。
由圖1可知Internet AS 層節(jié)點(diǎn)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)熵隨著時(shí)間的演化與完全均勻網(wǎng)絡(luò)的偏離程度有逐漸減少的趨勢(shì),也就是說(shuō)(6)式中E越小,雖然這種幅度并不大,其原因是Internet AS 層網(wǎng)絡(luò)在一個(gè)比較短的時(shí)間段內(nèi)不可能發(fā)生比較大的變化,接點(diǎn)數(shù)和邊的數(shù)目也就不會(huì)發(fā)生較大的改變,同時(shí)網(wǎng)絡(luò)結(jié)構(gòu)熵還與各個(gè)節(jié)點(diǎn)的重要度有關(guān),圖中各個(gè)數(shù)據(jù)點(diǎn)在所畫的直線上下波動(dòng),波動(dòng)的幅度不大,這就造成了網(wǎng)絡(luò)結(jié)構(gòu)熵和均勻網(wǎng)絡(luò)的接近度在不斷的上下波動(dòng),但始終沿著這條曲線在減小。其中最大的E=0.1880,最小的E=0.1564,下降了16.82%。
在開始時(shí)刻E=0.1723,統(tǒng)計(jì)的終止時(shí)刻的E=0.1590,下降幅度為7.76%,表明網(wǎng)絡(luò)比開始時(shí)刻更加接近完全均勻網(wǎng)絡(luò),接近程度近了7.76%。這也說(shuō)明了隨時(shí)間的發(fā)展,網(wǎng)絡(luò)結(jié)構(gòu)趨向于向均勻網(wǎng)絡(luò)方向發(fā)展。
以上是利用(6)式所進(jìn)行的分析,對(duì)于(7)式分析亦有相同的結(jié)論。下面的圖2是根據(jù)(7)所做的演化圖。
3 結(jié)論
本文在網(wǎng)絡(luò)結(jié)構(gòu)熵的相關(guān)概念基礎(chǔ)上提出了運(yùn)用網(wǎng)絡(luò)結(jié)構(gòu)熵研究復(fù)雜網(wǎng)絡(luò)演化發(fā)展的新方法,同時(shí)指出了利用標(biāo)準(zhǔn)結(jié)構(gòu)熵直接來(lái)研究網(wǎng)絡(luò)演化的弊端和局限性。這種研究網(wǎng)絡(luò)演化的方法具有一般性,對(duì)于復(fù)雜網(wǎng)絡(luò)的演化問(wèn)題均可以采用這種方法。實(shí)際上,這種方法是利用了數(shù)學(xué)中的逼近法研究網(wǎng)絡(luò)演化的方法。本文以Internet AS層網(wǎng)絡(luò)為例,從兩個(gè)方向研究了該網(wǎng)絡(luò)的演化規(guī)律,指出了該層網(wǎng)絡(luò)的演化規(guī)律趨勢(shì)。
參考文獻(xiàn):
[1] 陳宜生.物理學(xué)家[M].天津:天津大學(xué)出版社,2005.
[2] Alert R,Barabasi A L.statistical mechanics of complex networks[J].Reviews of Moderm physics,2002,74(1):47-97.
