基于Shannon-RVM模型的科研项目评审排序方法.docVIP

基于Shannon-RVM模型的科研项目评审排序方法 　　摘要: 对科研项目进行合理排序,是科研项目评审和筛选的前提,是科研管理的重要内容。现有的研究均是基于专家打分进行的,因为专家打分的主观性,排序结果往往失于准确。本文基于信息熵理论和专家有序投票模型,提出一种多专家多科研项目的排序方法。该方法的数据基础(即专家排序)更为合理,因而能得出更为客观的排序结果。实例研究证实了本方法的合理性。 　　Abstract: Ranking is the base of research projects evaluation and selection, and also regarded as an important part of science and technology research management. The existing researches are based the expert scores. Since the subjectivity of expert scores, the resulting ranking is not satisfying. This paper advances a ranking technique based on Shannon theory and RVM (ranked voting model). Because the estimation of ranked voting is more exact than that of expert scores, the proposed approach can help to obtain more reasonable ranking for research projects. Finally a numeral demonstration approves the rationality of our approach. 　　关键词: 科研项目;排序;熵;有序投票模型 　　Key words: research projects;ranking;shannon theory;RVM(Ranked voting model) 　　中图分类号:F204, G311文献标识码:A文章编号:1006-4311(2010)20-0126-02 　　 　　0引言 　　科研项目评审是科研项目管理的核心环节之一,而科研项目管理又是科研管理的重要内容,因此,对科研项目评审进行深入研究具有重要意义。科研项目评审的结果,是将科研项目进行排序,若干科研项目被选中予以基金支持,若干项目被淘汰而无法得到基金支持。因此,在科研项目评审中,综合专家意见以对科研项目进行排序,是主要目标,这其中,许多综合评价方法或在实践中被运用,或在理论上被认可。最常见的方法是:对每个项目赋予一定的权重,将专家意见加权平均获得的结果,作为评审的依据。此外,如数据包络分析[1]、层次分析法[2]、模糊评价方法[3]等也被运用到实践之中。 　　在科研项目评审中,专家依据专业知识与主观评价,对各个科研项目的各个指标(如研究意义、科研条件等)进行打分或者排序。一般来说,对各个指标进行打分的方法不容易得到客观的结果,而排序显得更为客观。事实上,即使采用打分形式,专家也往往是先针对每个评价指标,对各个科研项目进行一一排序,然后根据排序结果给予相应的分数;对于专家而言,排序是相对准确的结果,而打分则更多的是估值。因此,本文仅仅考虑专家采取排序这一形式对待评审项目进行筛选。 　　1指标体系与专家投票结果 　　某自然科学基金委员会对于科研项目立项评审形成了一套比较完整的评价指标体系,该体系分为四个大项,包括:立项依据、研究方案、研究基础、综合意见[1]。 　　对于上述指标,本文认为,第四个指标“综合意见”是对前三个指标的综合或者重复评价,因此,在单指标评价的实证研究中,本文仅仅使用“综合意见”这一指标;而在多指标评价的实证研究中,本文使用“立项依据”、“研究方案”、“研究基础”三个指标。 　　就每一个指标大项,专家有顺序的选择出满足要求的项目。例如,如果需要选择四个项目予以资助,每一位专家均有序的选择出“立项依据”最好的四个或更多项目、“研究方案”最好的四个或更多项目、“研究基础”最好的四个或更多项目、“综合意见”最好的四个或更多项目。 　　对每一个大项指标而言,专家对各个科研项目进行有序投票参考表1所示的小项指标。 　　本文以一个实证研究为背景展开:有十个候选科研项目,需从中选出四个科研项目予以资助,五位专家的意见作为参考。每个专家仅仅有偏好的列出四个项目,结果如表2所示。于是需要解决的问题是:如何确定各位次对应的权重大小,从而决定哪些项目给