文／夏萌 魏忠
摘要：基于高校智能实验室系统的实验室智能管理系统评估是高校教育领域的重要组成部分。本文研究了利用高校实验室系统的大数据作为教学激励与诱导的观测指标，在此基础上采用BP神经网络和h因子指数法进行评估，提高教学评价的及时性、客观性和经济性。
教育期刊网 http://www.jyqkw.com
关键词 ：大数据；h因子指数法；BP神经网络；高校实验室；绩效评估
引言
现代教育行业中，高校教育经费占国民GDP的比例一直很高，而且其中很大比例都投入到实验室和创新教育环境建设当中。但常见现象是，面对大量实验经费的投入，传统的实验室管理方法并不能适应新形势，高校实验建设浪费严重，共享很差，开放不足，效率低下，造假严重。绩效评估作为高校教育领域的重要创新部分，对实验室建设起到了指导和反馈的作用[1]。本文在此背景下对高校实验教育信息技术和绩效评估进行研究。
一 基于大数据的实验室智能评估理论
近年来，随着互联网不断发展和海量数据不断扩大，数据挖掘领域越来越活跃，因此基于大数据技术对高校实验教育技术和绩效评估有着显而易见的优势。可从三个层面进行，之间的关系如下图1所示。
1. 实验室基层单位自身的评估
通过可视化图层、报表以及单个、综合指标来反映和评估实验室的使用情况。有三种方法：基于要素评估的报表诱导和评价系统，教学观点的智能物联数据转换与补充，基于Gis的图层在线数据可视化评估与诱导。
2. 基于学院管理层面的评估
制定指标体系，对某一个学院、系、所的实验室管理提供预先的评估和预警。有两种方法：基于BP神经网络的指标分析和在此基础上的在线预先预警指标体系。
3. 考虑不同学科的差异性以及投资情况
基于前两个层面之上，以真实的实验数据替代教学数据，为教学管理单位提供教学激励凭据，也为实际使用实验室的学科单位提供教学改进依据。本研究使用h因子指数来解决这个问题。
二 实验室基层单位本身的评估
1. 基于要素评估的报表诱导和评价系统
智能实验室管理系统的自动考核和评估以数学模型为基础。模型所涉及数据都通过物联模块来采集，物联模块集成监控、门禁、考勤机、电源控制器四种硬件，通过软件物联与管理系统集成，实时获取数据。
2. 教学观点的智能物联数据转换与补充
采用物联网和数据抽取数据，转换成教学数据观测点，方便教学激励、诱导和评估。
对补充填报申报项采用系统统计、个人补充、管理人员确定等形式，管理人员可以灵活设定要考核的项目及分值，由系统或被考核人填写具体项目及分值。
3. 基于Gis的图层在线数据可视化评估与诱导
根据上述模型在google底图的基础上进行修饰和美化，突出相关建筑，鼠标在建筑悬停后可以出现明细的信息，与google earth集成[2]。能自动生成实验室人员的绩效考核表，也能按每个模块统计全部人数，如可统计全院、全校每个实验人员的教学工作量、承担的科研情况等。
三 通过BP神经网络进行综合指标评估与诱导
1. 基于BP神经网络的指标分析
在本研究中，影响实验室绩效的因素是输入向量，实验室综合绩效是输出向量。用足够的样本来训练网络，不同的输入向量得到不同的输出值。输出的幅值之间以及如果预期的幅度有误差，并且误差在预定范围之外时，网络就是通过获得适当的内部表示自适应学习调整，直到该误差是可以接受的。
1）实验室绩效影响因素衡量指标分析
将实验室智能管理系统中数据做统计，得出各个指标下各学院实验室数据，以X1、X2、X3??表示各实验室上述指标的统计数据。
2）利用BP神经网络建立实验室绩效评估研究
神经网络的输入向量为实验室绩效的影响因素，实验室综合绩效指标为神经网络的输出向量，设计合理的网络结构，进行神经网络工具箱的系统仿真[3]。
应用结果表明：BP神经网络用在教学实验室评估及相关问题上不但可行，而且能较好地完成评估问题。BP网络具有很好的非线性映射和逼近能力。从模型的输出结果来看，其仿真结果和理论计算结果非常接近，预估精度能够很好的满足高校教学实验室评估的实际要求。
2. 基于BP神经网络的在线预先预警指标体系
所谓预警是指测度某一警素的现状和未来状况，预报不正常状态的危害程度和范围，从而提出防范措施[4]。在国内外既有研究的基础上，采用问卷调查等方法构建该业务的在线预先预警指标体系，并引入BP网络构建预警模型，运用模型对实验室在线预先率过低进行评价并及时发出相应的警报信息，以便快速采取相应的预控对策。
如下图2所示，与世界一流同类大学相比，该学校的指标超出部分，都是具有中国特色的教育管理指标，而国际通用的指标，该学校的指标很多属于不足部分，需要改进的还有很多。
四 基于h因子指数法的跨学科指标的评估与诱导
h指数由美国物理学家赫希（Hirsh）于2005年提出，用于评价个人学术成就贡献。其最基本含义是指一个科学家发表了h篇被引用频次不少于h次的论文，其中的h值就是h指数，将论文数量与引文数量联系在一起体现科研质量的价值取向[5]。在这里，推广h指数，将其应用在大学智能实验室使用率的分析与评价上，以公平合理地分析评价某地区建设有智能实验室的院校使用情况。
1. 院h指数
以实验室利用率为例，将所有参评的实验室按各自使用率由高到低进行排名，以排名前2/3的实验室的使用率最低值为阀值，统计各学院的实验室中使用率不低于该阀值的实验室数量，称之为该学院的实验室指数，以下统一简称院h指数h0。
院指数值出现频率呈现正态分布，多所学院的院指数存在相同的情况，这样在同一所大学下学院间实验室使用情况的横向比较将缺少明显的区分度，使得比较失去意义，为此，我们引入投入系数的概念。
2. 院相对h指数
通过以上一系列步骤与定义，我们可以看出实验室h指数法具有以下优点：
1）实验室h指数法对实验室区分度高，考察明确，质量兼顾通过指标排名确立阀值，将实验室一分为二，院h指数只统计实验室使用率高于阀值的实验室数量，显示一个学院有几间实验室在使用情况上达到了标准要求，进一步区分开各学院实验室使用情况，给出清晰合理的排名，方便学院间的比较。
2）实验室h指数法方便各层次实验室使用情况的比较与管理
实验室h指数给出了学校之间实验室使用对比，实现了实验室之间，学院之间，学校之间的三个层级的实验室使用情况的比较，可以有效督促学科老师，学院领导，学校领导及市教委不同层级管理及教学人员对实验室的使用。
3）实验室h指数法考虑了使用及投入两个因素投入系数概念的引入使h指数法进一步公正化，因为，学校之间，学院之间以及学科之间存在不同的差异性，资源投入情况也必然存在差异，得到更多资源的单位有责任与义务保持更好的实验室使用情况。实验室h指数法能够使上级决策者看到实验室设备的投入建设是否“物有所值”，使教育资源更好更合理的优化分配。
4）实验室h指数法评价数据波动灵活，保持实验室教学的持续驱动
实验室h指数法可以周期性测评，获取实时数据。在新的一轮评估中，原未达标的实验室做出教学模式改进，使用率也将发生一定波动，如此实验室使用率排名及阀值也将随之改变，在此基础之上的h指数也将发生改变，形成“逆水行舟”的竞争模式，持续驱动学院高效利用实验室进行教学。
五 结论
基于普遍意义的智能实验室系统的建设，建立智能实验室系统适合与需要的绩效评估体系，进行调查问卷后对问卷数据进行处理，确定绩效评估体系指标。
1. 实验室基层单位自身的评估，可以获得最基础、最全面、最精确地指标数据。
2. 基于学院管理层面的评估，基于BP神经网络对实验室绩效评估指标进行分析。
BP网络具有很好的非线性映射和逼近能，神经网络训练后再网络泛化可以得出较好的结果，和实际预期的值相差较小。同时，测试样本的误差普遍小于学习样本，基本能达到教学实验室绩效评估的精度要求。
3. 可以采用h指标的方法实现不同学校、不同学院、不同实验室的全面比较。考虑了使用及投入两个因素，并且波动灵活，保持实验室教学的持续驱动，可实验室各级管理员可作为参考，对实验室建设模式思考、管理模式新探索、后期资金投入新机制有重要意义。
教育期刊网 http://www.jyqkw.com
参考文献：
[1] 李哲.谈绩效考核在高校教学实验室管理中的作用[J]. 科技创新导报，2010(31):163.
[2] 张卓.可视化技术研究与比较[J].现代电子技术，2010,327(18):133-138.
[3] 蒋良孝，武超群.基于BP神经网络的函数逼近方法及其MATLAB实现[J]. 微型机与应用，2004(1):52-53.
[4] 邓爱民.基于BP神经网络的订单融资风险预警模型[J].情报杂志，2010,29(11):23-28.
[5] 丁福虎.H指数:一种评价大学的方法[J].创新科技,2009(8):26-28[6] 吴良，邹志宏，吴文华等.基于实验室智能管理系统的实验室绩效分析计算方法[J].实验技术与管理，2012,29(6):193-196.
作者简介：
夏萌，上海海事大学经济管理学院，研究方向：信息管理；魏忠，上海海事大学副教授，研究方向：信息管理。
