邓任锋

（广东酒店管理职业技术学院，广东 东莞 523960）

0 引言

经历了四十年的改革开放，我国社会得到了全面快速的发展，随着社会环境的变化和产业的转型升级，企业对应用型技术人才的需求不断地扩大，这给我国的高等职业教育事业带来了快速发展的机遇。要想把握好这一发展机遇，是否拥有丰富教学水平和创新科研能力的高职师资队伍就显得尤为关键。不少高职院校已把如何提高高职师资队伍综合能力建设放在了极为重要的位置，因此在人才引进、考核、培养等方面花了很大力气，作了很多重要的探索和工作，但在这过程中也碰到了不少棘手的问题。如何对高职院校教师科研能力进行科学综合的评价就是其中一个重要部分。

1 当前高职教师科研能力评价系统的现状及问题

科研能力作为在科研活动中体现出来的一种特殊能力，通常指人在其所从事的专业中以科学的思维和适当的方法对未知领域进行科学探索的能力，反映其发现问题、认识问题和解决问题的能力，综合体现一个人专业知识的深度和广度[1]。对这一能力的科学评价很早就引起了重视，特别是在高等学校中。但受制于多方面原因，一直发展比较慢，很多问题一直没有得到有效地解决。不少高职院校尽管制定了不少相应的政策措施，对教师的科研能力水平进行科学评价，以激发教师工作积极性，提高科研水平和社会服务水平，达到可持续发展，但由于高职教师科研能力的指标体系构建比较复杂，而且在很多指标评价偏主观难以量化，因此在教师科研能力评价系统建设一直比较缓慢。

而且当前大多数的教师科研能力评价类的系统，普遍出现评价模型不全面、指标不具体、数据采集费时费力不完整，数据分析角度单一浅显、缺乏数据深度挖掘、评价结果不直观等主要问题，难以反映教师整体研究能力和水平，无法为学校和教师的长远稳定发展提供建设性的参考意见。具体表现如下：

（1）不少科研能力评价系统在模型设计时考虑的角度不全面，经常会出现评价导向简单化，没有建立分层、分类的科学评价模型，过于注重论文、课题等显性指标，从而忽视了教师的研究综合能力、学术潜力等体现；

（2）很多系统在科研能力评价的具体指标不够具体，对不同领域、不同门类和不同层次的教师都采用简单粗犷的量化指标来衡量；而高职院校职业教师由于跟行业、企业的紧密度比较高，涉及的专业门类多而杂，会更强调解决问题能力，详细指标会有较大的不同。

（3）不少系统由于前期设计和技术的原因，导致了数据采集的不完整或耗时耗力等现象，从而降低了客观数据对科研能力的支撑。

（4）不少系统虽然提出了包括品德、知识、能力、业绩等多种衡量科研能力的主要指标，但由于采用的分析方法过于简单，分析角度单一，造成了科研能力评价的结果比较浅显。例如，很多时候简单的方法很难对出身企业的经验丰富的工匠专家和来自教学领域的资深专家进行比较分析。

（5）在科研能力评价有不少指标比较偏主观，无法通过简单的数据分析获得深入的评价结论，同时也没能对高职教师的科研能力的发展趋势进行预判，无法为高职教师科研能力的培养提供决策依据。

2 大数据技术在高职教师科研能力水平评价中的应用影响

随着信息化时代的到来，大数据技术发展越来越成熟，让我们可以把采集到海量、高速、多样、有价值的数据，通过多维度、多层次的数据分析和数据挖掘，进行提炼，从而能全面地把握发展规律，预测未来发展方向和趋势。

因此，大数据技术也被广泛地应用到了高职教师能力评价中，从而产生积极的作用。大数据技术的融入使得原本耗时耗力的数据采集工作变得更加容易和方便，这也方便了数据的积累，提高了数据的完整性，有力地推动了教育信息化建设[2]。同时，采集的海量的各类数据也为不少主观的指标提供了客观数据支撑，让这些指标更加完善和客观，更具参考意义。同时大数据的数据分析技术和平台的广泛应用使得我们可以更加快速的直观的获得数据分析结论，而且可以通过大数据可视化技术转化成简洁易懂的界面，方便学校管理者、教师以及其他相关机构直观快速地了解教师的科研能力[3]。另外，结合聚类算法和机器学习等方法把数据进一步进行挖掘，从而发现其中的内在规律，搭建适当模型，做出教师的科研能力发展的趋势预测和培养建议，从而大大地提供了科研能力评价系统的实用性和价值。可以说，大数据技术的发展和应用为高职教师科研能力评价系统的完善提供了崭新的优化方案思路。

3 基于大数据技术的高职教师科研能力评价系统建设思路

针对当前高职教师科研能力评价中的主要问题和大数据技术的特点，可以结合主流的科研能力评价模型，细化评价指标，通过数据采集、数据分析和数据挖掘等大数据技术来构建一套能够全面反映高职教师科研能力的评价系统，形成常态化信息采集和动态评价预警机制。

3.1 构建模型

大数据技术的融合可以在建设科研能力评价系统的时候将评价模型与指标进一步关联 ，把定性指标与定量指标更好地结合，并落实到可操作的层面，既可让系统能够支撑实际工作，又能实现考察高职教师的科研学术潜力的可量化评价。因此，将结合目前比较主流的评价理论，考虑把基本科研素养、科研产出影响力、科研管理能力、科研学术潜力和科研学术地位5个维度作为科研能力模型的主要组成部分，并为每个维度都设置3级可测度的指标。其中，定量指标采用科技大数据提炼出的客观数据，定性指标也参照设计量化值来进行体现，以便全面、及时、科学地反映高职教师科研综合能力。例如，可以通过采集知网、万方等科技信息大数据的论文数量、被引情况等作为定量指标，可以将科研经费或者是专利转化价值采用量化的方式来为定性指标辅助参考进行比较。

3.2 设计指标

细化、合理、可执行的评价指标是全面落实高职教师科研能力评价的重要环节。高职科研能力评价的指标体系设计可以考虑在传统的基本科研素养、科研产出影响力、科研管理能力的评价指标体系结构基础上，扩展科研学术潜力和科研学术地位维度指标。在指标设计时注意具体指标的可测度，可以根据情况把非量化指标中难以测度的指标去掉或采用其他易考量的指标替代，例如，创新能力等；在指标设计时还应注意传统的科研产出指标中重量不重质的问题，可以在考虑科研产出数量的时候，结合科研产出质量，加上权重系数进行灵活调整；在指标设计时还可以考虑加上时间空间因素条件，以方便对高职教师在不同时期的科研能力进行对比分析，以方便进行对其学术潜力和科研能力发展趋势的预测很判断。

3.3 数据采集

基础信息数据是作为大数据分析的重要基础，因此需要结合大数据相关技术对评价系统中需要用到的数据进行采集和筛选过滤，将结构化数据、非结构数据、视频大数据、文本数据等内容进行分类管理。由于大数据的采集功能非常强大，可以考虑将科技信息相关的数据作为基础信息数据来源对象进行采集。采集的信息包括高职教师基本信息、科技文献信息和课题项目信息等。例如，可以通过现有的人事信息系统等已有信息系统导入教师基本信息，也可以通过到知网、万方、国家产权局等第三方平台网站上获取或抓取包括期刊论文、学位论文、出版书籍、课题项目报告、软件著作权、专利等相关的科技文献信息。并在获得基础数据以后进行必要的筛选和过滤，将不合规数据或错误数据剔除，同时还需要对不同来源的数据进行必要的预处理和变换，以保持数据的一致性，提高后期数据分析和数据挖掘的准确性和效率。

3.4 数据分析

数据分析是大数据处理流程中的重点，是大数据产生价值的主要过程，也是科研能力评价系统的主要功能部分。因此在建设系统时应针对具体的业务分析需求目标，根据科研能力评价体系进行选择适当的模型进行人工建模，并充分利用回归分析、对比分析、交叉分析等统计分析算法及技术，对基础数据信息进行处理和分，并将有价值的信息提炼出来，结合科研能力状况进行解读，发挥原因分析、现状分析、简单预测等作用和价值[4]。例如，可以从某教师主持或参与的科研项目数量、承担的角色和进行科研的连续性等指标数据来分析判断该老师的科研项目实施能力。

3.5 数据挖掘

数据挖掘可以看成是数据分析的进一步扩展，是大数据技术的核心功能之一。因此，可以在高职教师科研能力评价中无须对数据的内在关系做任何假设或判断，只根据数据挖掘、数据目标，运用决策树、神经网络、聚类分析等算法，结合人工智能、机器学习等方法进行深度挖掘，自动从数据中寻找隐藏的、未知的关系或规律，输出模型或规则，可以有效解决分类、聚类、关联、定量预测和定性预测等类型问题[5]。例如，可以采用自动聚类的方法对高职教师的数据进行分类，在分类中使用若干教师不同年龄阶段的科研产出、科研延续性，以及参加学术会议和活动等数据信息，通过神经网络对数据进行降维处理提取特征后输入训练学习器，并使用集成学习机制集成若干学习器的判断给出某教师参与科研活动的活跃度、学术科研潜力及未来的科研能力发展等的综合评价。

4 研究总结

文章从当前高职院校教师科研能力评价系统的现状及存在的问题入手，结合数据采集、数据分析、数据挖掘等大数据分析相关技术的发展，说明大数据分析可以为提高高职教师科研能力评价提供很好的技术支撑。同时还根据高职院校实际情况提出了基于大数据技术的高职教师科研能力评价系统的建设方案思路，充分利用聚类算法、集成学习、评估模型等技术构建实时有效的高职教师科研能力预警和评价体系，为学校全面评估教师整体素质和绩效考核提供必要的支持，也为教师可持续发展提供参考建议。