基于数据挖掘技术的世界一流大学影响因素分析及我国工科大学发展策略研究

来源 :中国航天科工集团第二研究院 航天科工集团第二研究院 | 被引量 : 0次 | 上传用户:kenshingob
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在我国高等教育全面深化改革形势下,我国大学尤其是工科大学在建设中亟需科学合理的发展策略。为深入理解“中国特色,世界一流”大学的本质特征,本文基于世界主流评价机构发布的历年大学排名数据,对主成分分析、相关性分析以及聚类分析等数据挖掘算法在世界一流大学的特征提取、特征分析、差距分析以及最优标杆选取等方面应用进行了理论探索和研究。  首先,在种类繁多的评价指标中,分析了影响大学排名的主要因素。在对比国内外大学排名方法以及研究机构基础上,选取了英国的《泰晤士报高等教育》(THE)、Quacquarelli Symonds世界大学排名(QS)和上海交通大学公布的大学学术排名榜(ARWU)三个有显著影响力的排名结果。采用主成分法对三大排名方法所共同选出的世界一流大学进行了分析。数据分析结果表明:三大排名所用的17个指标可减少至5~6个综合因素来概括世界一流大学的特征,其中前5个主成分因素的累计贡献率达84.38%。  其次,在近十年的发展中,研究了排名持续上升的高校(即“成长型大学”)有哪些主要特点。搜集了三大排名机构历年发布的排名结果,进一步筛选出排名结果中上升幅度较大和名次持续提升的高校,并对此类高校排名名次与各指标的相关性分析和统计理论中的p值进行了检验。分析结果表明:在这些成长型大学中,THE排名中大学排名的变化与指标“教学”和“研究”密切相关,QS排名中大学的排名与指标“学术排名”和“师生比”密切相关,ARWU排名中大学的排名与指标“HiCi”密切相关。  再次,量化分析了我国工科大学与世界一流大学的差距。分别对2014年度QS和ARWU的前500名高校进行了聚类分析,采用基于类平均的分类算法将排行榜上的高校分为5类,重点研究了我国985工科大学的各因素得分及所属的分类。提出采用类间距来衡量我国工科大学与更高一类大学之间的具体差距,明确了我国工科大学迈向世界一流大学需要补上的短板。  最后,为缩短我国工科大学和世界一流大学的差距结合,结合管理学中的标杆管理方法,提出了基于主成分分析的标杆优选算法、基于相关性分析的成长型大学标杆分析和基于聚类算法的标杆集优化选择等三种标杆选取改进方法来缩短我国工科大学和世界一流大学的差距,并在量化分析结果基础上定性地给出了一种我国工科大学走向世界一流大学的切实可行的策略。希望能为我国高校在创建世界一流大学寻找努力方向和发力点过程中,提供定量的数据分析参考和借鉴。
其他文献
该论文主要研究计算机自动人脸识别课题的识别算法及其实现方法,识别人脸图像的类型是目前市场需求最大的——二维平面人脸图像识别.该论文首先对人脸识别课题的背景和当前国
钢坯的出炉温度直接影响钢坯的组织性能和力学性能。合理控制钢坯出炉温度不仅能保证轧制质量而且能够降低加热炉燃料的消耗,特别是在能源日益紧张的今天,建立有效的加热炉钢
基于数据驱动的过程优化控制方法是解决难以建立过程模型的复杂生产过程以及拥有大量数据的生产过程优化控制问题的有效途径。由于这种方法通过对数据进行挖掘直接由数据驱动
随着工业规模的扩大和信息交互频率和数量的增加,迫切需要将现场采集到的大量的带有周期性、高实时、高带宽等需求的工业数据进程回传。基于此,在工业应用领域,由国际自动化学会
针对离散时间控制系统,分别研究了三种不同的基于支持向量机的滑模控制方法。利用支持向量机在线调整系统参数、确定滑模控制中不确定项的上确界,削弱滑模控制本身带来的高频
多层递阶方法自上世纪八十年代提出以来就引起了广泛的重视,应用于石油、经济、气象、金融、水利等领域.并在应用中不断的改进、完善.多层递阶方法包括多层递阶辨识、多层递
该文阐述了神经网络的基本问题和理论;研究了如何基于神经网络的模型辨识问题,给出了常用的神经网络模型辨识基本结构,讨论了线性系统和非线性系统的神经网络辨识问题;并利用
非线性欠驱动控制系统是指系统的独立控制变量个数小于系统自由度个数的一类非线性系统。由于欠驱动系统的复杂性、非线性、不稳定性、要求多目标控制等原因,导致非线性欠驱
该文以倒立摆模型为研究对象,参考大量的国内外文献,分析和综述了近年来国内外控制二级倒立摆的新理论和新方法.如模糊控制、H设计方法、神经网络、滑模变结构控制、混合控制
双足机器人是自然不稳定的系统,需要研究者预先设计好稳定性能较好的步态曲线,并进行精密的控制才能保证机器人稳定地行走。多年来,许多学者提出了一系列的模型与算法来解决