论文部分内容阅读
研究生教育评估是高等教育评估的一个重要分支，也是国内外普遍关注的前沿研究领域。随着信息技术的飞速向前和研究生教育的不断发展，在新的形势下，要保证研究生教育的质量，评估决策者们迫切需要相应的信息系统来为他们高效、方便地提供相关信息以辅助分析。因此，对现有的研究生教育评估预测方法和管理方法进行研究，将新兴的智能优化算法用于建立研究生招生预测模型和研究生培养预测模型，并将先进的管理方法和管理理念用于研究生教育管理，建立基于CIMS理念的研究生教育管理方法，使研究生教育指标评估预测和管理更加合理有效，这些都是很迫切的、也是很有实际意义的研究工作。本文主要研究成果如下：
(1)本文首先对国内外研究生教育评估的研究现状进行了分析，指出了其中存在的问题，并就研究生教育评估技术的发展趋势进行了展望；介绍了研究生教育管理的研究现状，分析了其中存在的问题，并提出了基于CIMS理念的研究生招生管理办法。最后对预测技术的发展进行了概括，介绍了目前常用的预测方法以及智能优化算法的研究与发展。
(2)研究了研究生教育评估这一新兴交叉学科的理论基础，着重研究了研究生教育评估的程序和常用的方法，并就研究生教育评估指标体系的建立进行了探讨，提出了建立评估指标体系的原则和应注意的问题，对构造权重集的方法以及评估指标简化的理论和技术进行了研究。
(3)从改善微粒运动状况的角度进行分析，将小生境技术引入到微粒群优化算法中，提出了小生境微粒群优化算法，以保持算法在迭代过程中微粒群的多样性；针对微粒群优化算法存在搜索后期由于搜索策略低下导致的后期搜索速度慢和搜索效率低等缺陷，提出了分段式微粒群优化算法，测试函数仿真结果表明了所提出算法的有效性。将PSO算法应用到神经网络连接权值和阈值的训练，构成微粒群神经网络(PSONN)，给出PSONN的学习算法流程。
(4)从多方面深入分析研究生招生体系入手，以华东理工大学近5年的博士生入学考试的考生报考信息和考试成绩为背景，通过分析研究生报考信息与入学考试成绩的关系，就研究生报考信息如何量化进行了探讨，采用小生境微粒群神经网络算法建立了研究生招生预测模型，结果表明基于小生境微粒群神经网络的研究生招生预测模型是可行和有效的。以华东理工大学近几年完成培养计划并已毕业的博士研究生信息为背景，首先采用多级变权模糊综合评判方法对博士生的培养质量进行评价，并采用分段式微粒群神经网络算法建立了研究生培养预测模型。实验结果表明，基于分段式微粒群神经网络的研究生培养预测模型具有较高的精度和良好的性能。
(5)以华东理工大学研究生教育管理为背景，在分析现有的研究生教育管理缺陷的基础上，基于计算机集成制造系统构建出符合实际的、先进的研究生招生管理办法，并提出了研究生招生管理信息系统的总体框架，开发了研究生招生管理信息系统，为我校研究生招生管理提供了高效、实用的管理平台，提高了我校研究生招生的管理水平和管理质量。