基于TOPSIS法的高校教师绩效评价.docVIP

基于TOPSIS法的高校教师绩效评价 　　摘 要： 为了提高绩效评价的简便性、正确性与科学性，提出用TOPSIS法对高校教师绩效进行评价，并与主成分分析和熵值结合法的评价结果进行了对比。实验结果表明，采用TOPSIS法评价模型得出的评价结果与实际情况一致，在评价结果准确度上与主成分分析和熵值结合法相同，在算法复杂度上更具优势，简单易行，整个过程没有主观因素的干扰，使得评价结果更为客观合理，更适应于高校教师的评价。 　　关键词： 高校教师； 绩效评价； TOPSIS法； 评价模型 　　中图分类号：TP391 文献标志码：A 文章编号：1006-8228（2017）02-71-03 　　0 引言 　　目前对高校教师绩效评价方法的研究已有很多，如神经网络法[1]、C4.5算法[2]、层次分析法[3]、因子分析法[4]、模糊综合评价法[5]，以及主成分分析法与熵值结合法[6]等，这些方法研究的角度不同，都具有一定的合理性，同时也存在一些缺点，如受主观因素影响，导致评价结果片面，算法过程过于复杂等。 　　逼近于理想值的排序方法（Technique for Order Preference by Similarity to Ideal Solution，TOPSIS）可以弥补上述不足，可以提高高校教师绩效评价的简便性、科学性和正确性。 　　1 基本原理与步骤 　　TOPSIS法是一种逼近理想解的综合评价方法，其工作原理是根据评价对象与理想解、负理想解的相对距离进行排序[7]。该理想解是一个设想的最优解，它的各指标值即为各评价指标的最优值；而负理想解是一个设想的最劣解，它的各个指标值即为各评价指标的最差值。排序的规则是将每个评价对象的指标评价值向量与理想解以及负理想解作比较。若评价对象最靠近理想解同时又最远离负理想解，则为最好；否则为最差。采用TOPSIS法对高校教师进行绩效评价的步骤如下。 　　1.1 评价指标的归一化处理 　　令n为评价对象的数目，p为评价指标数目，令第i个评价对象的第j项评价指标值为aij（i=1，2，…，n；j=1，2，…，p），原始数据则形成一个n行p列的矩阵A=（aij）n×p，称为决策矩阵。该矩阵的第i行即为第i个评价对象的指标值向量，记为：ai=（ai1，ai2，…，aip）（i=1，2，…，n）。 　　对评价指标进行归一化处理，将数据压缩在[0，1]区间内。经过归一化处理的指标数据记为dij，所有的dij形成一个规范化决策矩阵D=（dij）n×p，其中第i行是第i个评价对象的指标值向量，记为di=（di1，di2，…，dip）（i=1，2，…，n）。 　　⑴ 　　式中：，。 　　1.2 计算理想解与负理想解 　　计算理想解向量U+与负理想解向量U-： 　　⑵ 　　⑶ 　　其中，，。 　　1.3 计算距理想解的距离及距负理想解的距离 　　计算各评价对象的指标评价值向量距理想解U+的距离以及距负理想解U-的距离，在此运用欧几里德距离公式： 　　⑷ 　　⑸ 　　1.4 计算各评价对象的综合评价值 　　计算各评价对象的指标评价值向量距理想解与负理想解的相对距离，得到各评价对象的综合评价值并以此进行综合排序。 　　⑹ 　　2 应用实例 　　2.1 数据采集 　　尽管各高校战略目标不同，评价重点不同，但评价指标的内容却基本一致，如教学效果、教学方法、教学内容等，笔者在参考相关文献[8]的基础上，收集并进行整理，并以此设计了问卷调查，最终确定了高校教师绩效评价的14项指标：教学内容、教学方法、教学态度、教学手段、教学效果、科研项目、著作、论文、科技奖项、学术会议、专业建设、进修深造、学历和职称，以及试验数据，如表1。 　　本研究建立了高校教师绩效评估的指标体系，且首次将基于TOPSIS法的评估模型用于教师绩效评价中，利用不同教师的评价指标值关于理想解和负理想解之间的距离来区分各教师的绩效。通过收集数据，利用本文中的模型进行计算，得到了符合实际的评价结论，整个过程没有主观因素的干扰，不需要确定各指标的权重，一定程度上避免了评价的片面性和主观性，评价结果更为客观合理。且算法计算过程简单，易于推广使用。国内现在对高校教师没有明确的评价指标体系，笔者水平有限，结合了大量文献进行了指标体系的划分，其具体的确定还须做进一步深入分析。 　　参考文献（Reference）： 　　[1] 蔡兵，李文联，张建华.基于RBF网络的高校教师评价模型[J]. 　　楚雄师范学院学报，2012.27（6）：73-75 　　[2] 吴陈，林炎钟.CA.5算法在高校教师评价中的应用研究[J].信 　　息技术，2011.1：133-136 　　[3] 王琼.基于层次分析法的高校教师绩效评