期刊评价方法选择研究.doc

《期刊评价方法选择研究.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、期刊评价方法选择研究8学海无涯期刊评价方法选择研究8学海无涯指标体系多属性评价方法是学术评价中应用最为广泛的评价方法之一。世界大学主流大学评价、教育部学科评价及中国第三方机构学术期刊评价等，均广泛采用多属性评价方法。多属性评价方法围绕评价目的，通过选取各种评价指标来建立评价体系，从而避免了单一评价指标的片面性，使得评价更加全面，在实践中取得了较好的评价结果。多属性评价方法的选择问题是学术界长期以来没有得到解决的问题。现有的多属性评价方法有好几十种，比如层次分析法、主成分分析、因子分析、秩和比、灰

2、色关联、康拓对角线、模糊数学、粗糙集、TOPSIS、VIKOＲ、ELECTＲE、CＲITIC等等，这些评价方法原理各异，并且各有其优点，每种方法的适用性均较广，很难从评价目的与评价方法自身角度进行选择。由于不同多属性评价方法的评价结果不同，从而带来了评价的不确定性。目前的解决方法围绕两个路径展开，一个多属性评价方法的选择，选出最合适的一种评价方法;二是组合评价，即同时采用若干种多属性评价方法进行评价，然后采用一定的方法将评价结果进行组合，得到唯一评价结果。但是，组合评价面临的问题是，组合评价方法

3、也有很多种，何况理论上任何一种单一的多属性评价方法也可以用于组合评价。Seren-koA［1］指出，即使两种最流行的方法的组合也不能保证获得的排名列表的准确性。封铁英［2］认为，科技人才评价的关键在于对评价方法的选择和创新，要准确区分不同评价方法应用的前提条件和适用范围，避免采用恰当的评价方法而造成错误的评价结果。相对多属性评价方法选择与组合评价两条路径，选择合适的多属性评价方法是首选思路。开展学术评价的多属性评价方法选择具有重要意义。首先，这是学术评价的基础理论问题，一旦取得进展，不仅推进了科

4、学学方法论研究，同时也推进了多元统计理论的研究。其次，从实践角度，如果能够优选出最合适的多属性评价方法，评价结果就具有唯一性，从而从评价方法角度提高了评价的公信力，有助于保证学术评价的公正、公平、公开。第三，解决了多属性评价方法的选择问题，也有利于政府相关部门在各种学术评价活动中减少利益相关者冲突，提升形象。关于多属性评价方法在学术评价中的应用，国外研究主要集中在学术期刊方面，FranceschetM［3］提出，从信誉度和知名度两个方面选取指标来进行学术期刊评价，信誉度主要采用特征因子类指标，知

5、名度主要采用期刊影响因子类指标。ShottonD［4］提出了学术期刊评价的5个一级指标，即同行评议、内容质量、数据集、计算机可读元数据、开放获取。SombatsompopN等［5］提出了采用期刊影响因子、文章影响因子、位置影响因子等多个指标进行评价。PhilippM［6］从搜索引擎、直接路径和背部路径3方面构建了开放存取期刊评价指标。MarkJM等［7］从论文随机质量、编辑审稿能力、作者获益度3个方面建立开放存取期刊质量评价模型。国内关于采用多属性评价方法进行学术评价的文献浩如烟海，目前已经有数

6、千篇相关论文。赵洁［8］则从引文数量是质量视角研究了学术期刊的评价问题。关于学术评价中多属性评价方法的选择，俞立平提出了4种思路:第一种是对评价指标和评价结果分别进行聚类，根据聚类结果一致度高低来进行选取［9］;第二种是通过评价指标公共因子的模拟权重来进行选取［10］;第三种是评价结果与评价指标数据分布的拟合度，以及评价结果与评价指标的拟合度［11］;第四种是基于偏最小二乘法对评价结果与评价指标进行回归，根据指标权重单调性及其正负来进行选取［12］。苏为华［13］指出，可以从评价方法的区分度、灵

7、敏度等角度进行选取。段晓君等［14］提出，综合考虑模型拟合残差大小、残差信息量与参数数量进行选取。陈述云等［15］提出，采用不同多属性评价方法结果的相关系数大小选择多属性评价方法。从现有的研究看，多属性评价方法已经在学术评价中得到了广泛的应用，国外主要集中在学术期刊评价领域，国内的研究领域非常广泛，研究成果众多。一些多属性评价方法自身就有其适用性检验，比如主成分或因子分析可以根据KMO检验来进行适用性初筛，但是这样的评价方法太少了，更多的评价方法其实不存在适用性检验。关于多属性评价方法的选取问题

8、，学术界已经意识到并开展了一些研究，但是总体上成果不算太多，并且在以下几个方面有待进一步深入:第一，一些多属性评价方法筛选思路值得商榷。比如采用技术类方法进行筛选，如灵敏度、数据分布、相关系数、残差大小、区分度等等。盛明科［16］在研究政府绩效评价时指出，评价是一个伦理和价值问题，而非纯技术问题。选择评估方法不仅要考虑不同类型方法的特点，还要求评价方法必须契合政府绩效评价的价值取向和理念。第二，单纯采用纯技术类方法不能解决多属性评价方法的选择问题。很难同时考虑灵敏度、数据分布、相关系数、残差大小