大数据时代如何建立健全高校科研评价体系

冯文文

摘要：信息技术在飞速发展，大数据技术作为信息时代新的技术手段，给数据深层次挖掘和应用带来了极高的应用价值，同时也给各大高校的信息储存乃至信息管理带来极大的挑战。高等院校作为我国科学研究发展的重要基地，高等院校的教育水平与高校科研能力有着密切关系，有效的高校科研管理体系也是高校科研工作创新发展的重要支持。大数据与高校的科研评价体系存在着一定的关联性，为此需要利用大数据背景带来的发展优势健全高校科研评价体系。基于此，对大数据内涵及特征进行阐述，对大数据背景下完善高校科研评价体系的原则进行分析，对健全高校科研评价体系的方式进行探究。

关键词：大数据 高校 科研评价体系

中图分类号：G644  文献标识码：A  文章编号：1009-5349（2020）04-0182-02

大数据技术在金融理财、消费需求等行业领域中广泛应用并得到显著的应用成果。现阶段高校科研方面的大数据技术应用，仅停留在数据收集以及数据处理的简单阶段，在高校内部仍旧沿用传统的科研评价模式，致使数据失去原有的应用价值。传统高校科研评价体系的应用随着时间的推移，应用效果的弊端也越发明显，对于高校科研发展极为不利。为了有效管理高校科研工作，需要利用大数据技术对科研数据深层次分析，对科研资源进行科学合理配置，有效调动高校科研人员的工作热情，实现高校科研工作的改革发展。

一、大数据

1.大数据内涵

我国有关大数据技术的应用极为广泛，其发展潜力以及产业空间极大，大数据不仅是一种行业应用流行词汇，更是推动社会发展的重要手段。大数据在学术界并未有明确的界定，但也并未影响各行业对大数据的研究和影响。维基百科对大数据的定义简述为：大数据是数据集合，现有的数据库管理工具以及传统数据应用难以对其有效采集、存储以及可视化。大数据随着信息社会发展既带来机遇也带来挑战，高校科研管理具备应用大数据的先天优势，为此在高校科研评价体系中应用大数据资源可提升科研信息的获取准确性，为高校科研管理服务提供更为准确的决策数据。

2.大数据特征

大数据具备多样性、价值性及高速性的特征，因此能借助数据流的形态快速生产数据信息。大数据作为信息时代的新生技术，其应用领域以及应用价值仍旧需要相关人员进一步探究。

多样性特征：大数据多样性特征，不仅指大数据信息、数据的种类，也包含大数据内简单的文本信息，这些信息可以用媒体形式呈现。

价值性特征：大数据包含的数据信息极大，但价值密度极低，需要应用在庞大的数据库中提取有效的数据信息。

高速性特征：大数据与数据流的移动代表人们对于数据的实施需求，因此大数据的高速性特征可提升应用者的数据敏感度以及决策能力。

二、完善高校科研评价体系的原则

高校科研评价体系的完善与否关系着高校科研管理成效，良好完善的科研评价体系可全面提升高校科研管理质量，激励高校科研人员开展创新研究。为此，大数据背景下高校科研评价体系的完善需要遵循以下原则，以促进高校科研活动的开展。

1.系统性与全面性原则

高校科研活动涉及的工作较多，因此高校科研活动系统较为复杂，在选取科研评价过程中，需要对系统中的各项关系明确和处理，处理科研与教育、科研与学科建设之间的关系，保证制定的高校科研评价体系具备全面性特征，将高校科研活动中的内容全面真实地反映出来。对于评价对象的评判，需要从多个角度开展评价工作，避免评价结果存在偏颇，保证评价工作的顺利开展。

2.整体性与类别性原则

高校科研活动种类繁多，制定的高校科研评价标准需要根据科研活动内容设置。从本质来讲，高校的科研成果主要分为自然科学类以及人文社会科学类，不同类型的科研活动涉及的研究内容、研究规模、研究难度以及研究价值存在着极大的差异性。此外，不同学科的研究产出也存在一定的类别性，为此在科研成果评价过程中，需要根据科研项目的不同，选取不同的科研评断侧重点，在评价指标选取过程中需要根据学科的研究规律，确保不同的科研项目采取不同的科研指标进行科研评价。

3.科学性与合理性原则

科学的科研评价需要建立在科学性、合理性并存的科研评价体系中。为了保证科研评价结果具备实际应用价值，评价指标的选取需要确保能反映科研活动的特征，遵循科研活动规律、符合科研活动本质。此外，在进行高校科研评价体系构建时，要保证评价系统的可操作性，确保高校科研评价系统根据不同的情况适当调整，继而确保高校科研评价结果的说服力。

三、建立高校科研评价体系的方式

1.考核为基础，完善高校科研评价体系

科研评价是提升高校科研管理水平的主要手段，不同层次的评价活动对科研活动的影响存在一定的差异性，不合理的评价制度影响着高校科研進程。当前，大多数高校的科研评价考核为一年一次，不仅占据了科研管理人员的时间精力，形式也是大于科研评价内容。为此，参照国际通用科研评价周期，在高校内部建立3—5年的科研考评周期，利用大数据对科研考核内容进行搜集、储存，便于科研考核人员的科研考评管理。对于特殊的科研项目要根据实际情况，试点延长科研考评周期。长周期考核更符合高校科研人员的科研规律。但考核时间过长对科研人员的约束力也会减弱，需要制定相应的短期考核机制，以短期考核机制促进科研计划完成，长期考核结果作为科研人员晋级晋升的主要依据。

2.以技术为推动，完善高校科研评价体系

大数据时代高校科研评价指标需要由以往的单维指标分析转变为社会网络分析，通过对科研活动的相关性的分析，继而挖掘科研活动的潜在联系，利用网络信息流动来判断个体对象在集合群的地位和贡献程度。高校评价体系的评价要素需要实现多元化融合转变，通过对评价个体的社会主体、权威性以及经验性进行赋值，进而佐证各项主体评价的合理性。大数据背景下的科研评价体系的典型特征就是期刊与网络的有效集合，通过对全网内的数据内容分析处理，将科研学者线上学术交流活动以及学术成果推荐内容的数据信息进行搜集，继而实现高校科研评价体系由静态阶段向动态全过程的评价转化，实现对学者科研活动的动态追踪，确保高校科研评价系统的准确性和合理性。

四、结语

总而言之，信息时代下如何利用大数据技术实现高校科研评价体系的完善，是高校科研管理人员的重要研究课题。对于高校科研人员来讲，良好的高校科研评价方式是他们从事科研的保障，能够推动高校科研工作的顺利开展。由于现阶段的高校科研评价模式仍旧存在一定的构建弊端，致使高校科研评价结果难以满足高校科研人员的工作需求，借助大数据实现高校科研管理模式创新完善势在必行。为此高校科研管理部门需要充分抓住大数据背景发展机遇，健全高校科研评价体系，整顿高校的科研风气，最终实现我国高校科研水平的提升。

参考文献：

[1]高峰.图书馆大数据分析在高校科研与人才评价中的实践：以湖北经济学院为例[J].内蒙古科技与经济，2019（7）：127-128.

[2]吴勇，夏文娟，朱卫东，等.英国高校科研评估改革、科研卓越框架及其应用[J].中国科技论坛，2019（2）：160-168+178.

[3]余鹏，李艳，万晨.融合多源异构教育大数据的高校科研服务系统设计研究[J].图书情报知识，2019（1）：32-43.

[4]牛海涛.大数据环境下高校科研管理及数据管理体制的创新[J].现代信息科技，2018，2（3）：115-117.

责任编辑：杨国栋