高校教師知識(shí)共享水平的綜合評(píng)價(jià)方法

謝 健 王秀麗

(1.煙臺(tái)南山學(xué)院 經(jīng)濟(jì)與管理學(xué)院，山東 煙臺(tái) 265706;2.內(nèi)蒙古工業(yè)大學(xué) 管理學(xué)院，內(nèi)蒙古 呼和浩特 010051)

高校是知識(shí)經(jīng)濟(jì)的“人才庫(kù)”、“知識(shí)庫(kù)”和“思想庫(kù)”，以知識(shí)、人力和財(cái)力資源推動(dòng)我國(guó)知識(shí)經(jīng)濟(jì)發(fā)展是高校責(zé)無(wú)旁貸的使命。高校教師知識(shí)共享就是高校教師的個(gè)人知識(shí)(包括顯性知識(shí)和隱性知識(shí))通過(guò)各種交流方式(如課堂教學(xué)、學(xué)術(shù)報(bào)告、電話(huà)、口頭交談和網(wǎng)絡(luò)等)為組織其他成員所分享而成為學(xué)校的知識(shí)財(cái)富[1]。高校要想在變化中求生存，求發(fā)展，提升其競(jìng)爭(zhēng)力，完成推動(dòng)社會(huì)發(fā)展的使命需要有效的知識(shí)管理。而高校知識(shí)管理的目標(biāo)就在于知識(shí)共享，運(yùn)用集體的智慧提高應(yīng)變能力和創(chuàng)新能力[2]。

然而，如何綜合評(píng)價(jià)高校教師的知識(shí)共享狀況是學(xué)者們研究的重點(diǎn)。綜合評(píng)價(jià)是人類(lèi)認(rèn)識(shí)事物和進(jìn)行正確決策的重要方法。在綜合評(píng)價(jià)中最重要的工作之一是確定各指標(biāo)的權(quán)重，從而更好的分析哪些指標(biāo)對(duì)知識(shí)共享的貢獻(xiàn)更大。在指標(biāo)權(quán)重的確定中，有專(zhuān)家咨詢(xún)法[3]、主成分分析法[4]和層次分析法[5]等，這些方法在一定程度上能反映實(shí)際情況，但是通常具有較大的主觀性，有時(shí)不能客觀地反映實(shí)際情況。

本文在綜合評(píng)價(jià)高校教師知識(shí)共享狀況時(shí)引入信息熵理論。1948年，信息論創(chuàng)始人申農(nóng)(C.E.Shannon)利用概率論定義在其經(jīng)典論文《通信的數(shù)學(xué)原理》中運(yùn)用公理化方法，提出了信息熵的概念。申農(nóng)證明熵和信息是一樣的，用以度量通信過(guò)程中信息源信號(hào)的不確定性。他把熵作為一個(gè)隨機(jī)事件不確定性或信息量的量度，為信息分析提供了有力的理論工具，也大大豐富了熵概念的內(nèi)涵。信息熵是一個(gè)被成功引入的信息度量，是隨機(jī)變量的不確定性度量，是以概率分布或隨機(jī)變量為基礎(chǔ)進(jìn)行定義。認(rèn)為事情的不確定性越大，可能的狀態(tài)或結(jié)果越多，信息量越大，而且獲得各個(gè)信息的概率不同，因此，有必要定義一個(gè)平均信息量，即稱(chēng)之為信息熵[6]。某項(xiàng)指標(biāo)的指標(biāo)值變異程度越大，信息熵越小，該指標(biāo)提供的信息量權(quán)重也就越大;反之，該指標(biāo)提供的信息量越小，該指標(biāo)的權(quán)重越小，即信息熵求得的指標(biāo)權(quán)重代表了該指標(biāo)在指標(biāo)體系中變化的相對(duì)速率，而指標(biāo)的相對(duì)水平則由樣本標(biāo)準(zhǔn)化后的接近度來(lái)表述。顯然，在評(píng)價(jià)指標(biāo)時(shí)，指標(biāo)值離散程度越小，其分布的信息熵值就越大，也就是說(shuō)，信息熵是指標(biāo)值分布均衡度的量度。

一般認(rèn)為，信息熵值越高，系統(tǒng)結(jié)構(gòu)越均衡，差異越小，或者變化越慢;反之，信息熵越低，系統(tǒng)結(jié)構(gòu)越是不均衡，差異越大，或者變化越快。所以，可以根據(jù)熵值大小，也即各項(xiàng)指標(biāo)值的變異程度計(jì)算出權(quán)重[7]，然后計(jì)算出指標(biāo)得分。

綜合評(píng)價(jià)是對(duì)評(píng)價(jià)內(nèi)容的整體進(jìn)行評(píng)價(jià)，對(duì)各評(píng)價(jià)對(duì)象的指標(biāo)進(jìn)行加權(quán)求和，得各評(píng)價(jià)對(duì)象的評(píng)價(jià)結(jié)果[8]，對(duì)評(píng)價(jià)結(jié)果一般用等級(jí)表示，但評(píng)價(jià)的標(biāo)準(zhǔn)一般不好掌握。聚類(lèi)算法可以對(duì)所有的評(píng)估對(duì)象進(jìn)行劃分等級(jí)，用聚類(lèi)分析對(duì)評(píng)價(jià)結(jié)果進(jìn)行等級(jí)劃分能客觀地反映實(shí)際情況。聚類(lèi)分析是一種數(shù)據(jù)劃分或分組處理的重要手段和方法。其操作的目的在于將特征空間中一組沒(méi)有類(lèi)別標(biāo)記的矢量按某種相似性準(zhǔn)則劃分到若干個(gè)子集中，使得每個(gè)子集代表整個(gè)樣本集的某個(gè)或者某些特征和性質(zhì)。聚類(lèi)算法是基于整個(gè)數(shù)據(jù)集內(nèi)部存在若干“分組”或“聚類(lèi)”為出發(fā)點(diǎn)而產(chǎn)生的一種數(shù)據(jù)描述方法，每個(gè)子集中的點(diǎn)具有高度的內(nèi)在相似性[9]。具體步驟如下:

1.數(shù)據(jù)的標(biāo)準(zhǔn)化

不同的量綱和數(shù)量級(jí)得到的綜合指數(shù)是不一樣的，也就不具有可比性。所以為了避免計(jì)算結(jié)果受到指標(biāo)量綱和數(shù)量級(jí)的影響，保證其具有客觀性和科學(xué)性，在進(jìn)行運(yùn)算之前，必須要對(duì)原始數(shù)據(jù)進(jìn)行無(wú)量綱化處理，只有這樣才能滿(mǎn)足評(píng)價(jià)結(jié)果的可比性。計(jì)算公式為:

其中，xjmax表示第j個(gè)指標(biāo)的最大值，xjmin表示第j個(gè)指標(biāo)的最小值，x＇ij是 rij無(wú)量綱化后的值，其值域區(qū)間為[0，1]。由此得到其標(biāo)準(zhǔn)化矩陣X:

由于，1n函數(shù)自變量要大于0，所以為了消除標(biāo)準(zhǔn)化后帶來(lái)的影響，進(jìn)行坐標(biāo)平移，將指標(biāo)值x＇ij經(jīng)過(guò)坐標(biāo)平移之后變?yōu)?x"ij=0.1+x＇ij，其中，0.1 為坐標(biāo)平移的幅度。

2.指標(biāo)信息熵ej和冗余度dj

根據(jù)信息熵的定義，第j項(xiàng)指標(biāo)的信息熵值為:

由于信息熵ej可以用來(lái)度量第j項(xiàng)指標(biāo)數(shù)據(jù)的效用值，當(dāng)信息完全無(wú)序時(shí)，ej=1，此時(shí)，ej的信息(也就是第j項(xiàng)指標(biāo)數(shù)據(jù))，對(duì)綜合評(píng)價(jià)的效用值為0。所以，某項(xiàng)指標(biāo)的信息效用價(jià)值取決于該指標(biāo)的信息熵ej與1之間的差值dj，即信息冗余度為:

3.評(píng)價(jià)指標(biāo)的權(quán)重

利用信息熵來(lái)估算各個(gè)指標(biāo)的權(quán)重大小，實(shí)際上是利用該指標(biāo)信息的價(jià)值系數(shù)來(lái)估算，指標(biāo)的價(jià)值系數(shù)越高，說(shuō)明該指標(biāo)的重要性也就越大，即對(duì)評(píng)價(jià)的結(jié)果貢獻(xiàn)性越大，對(duì)高校教師知識(shí)共享的影響也就越大。

4.指標(biāo)得分

根據(jù)以上步驟的數(shù)據(jù)，計(jì)算出每一個(gè)指標(biāo)的得分和每一名教師的知識(shí)共享水平得分，通過(guò)比較能得到教師的知識(shí)共享水平的高低。知識(shí)共享綜合水平得分越高，表示該教師的知識(shí)共享水平越高，反之越低。

單指標(biāo)評(píng)價(jià)得分:Sij=wj×x"iji名教師的知識(shí)共享綜合水平得分

在得到每個(gè)教師的得分后，需要對(duì)高校教師的知識(shí)共享狀況進(jìn)行評(píng)價(jià)。

5.對(duì)排序后的評(píng)估值Si進(jìn)行聚類(lèi)分析。

通過(guò)對(duì)指標(biāo)數(shù)據(jù)的處理，可以得到高校教師知識(shí)共享的總體狀況和影響知識(shí)共享的關(guān)鍵因素，得出每個(gè)教師的知識(shí)共享狀況以及他們的差距，并對(duì)教師的知識(shí)共享狀況進(jìn)行等級(jí)劃分，以達(dá)到研究高校教師知識(shí)共享水平的目的。

分析高校組織內(nèi)部知識(shí)共享存在的障礙，主要表現(xiàn)在隱性知識(shí)的模糊性和壟斷性、投入和收益不對(duì)稱(chēng)、教師價(jià)值觀影響共享意愿和行為、高校內(nèi)部軟硬件設(shè)施和激勵(lì)機(jī)制的不完善[10]五個(gè)方面。通過(guò)進(jìn)一步分析選定一級(jí)評(píng)價(jià)指標(biāo)，包括投入和收益、價(jià)值觀、軟硬件設(shè)施和激勵(lì)機(jī)制、組織文化，用于高校教師知識(shí)共享現(xiàn)狀分析。

表1 一級(jí)指標(biāo)得分(Scores of the first index)

設(shè)計(jì)調(diào)查問(wèn)卷，利用以上綜合評(píng)價(jià)方法對(duì)回收得到208份有效問(wèn)卷進(jìn)行評(píng)價(jià)，得出權(quán)重最高的指標(biāo)為軟硬件設(shè)施和激勵(lì)機(jī)制，其他三項(xiàng)從高到低依次為組織文化、投入和收益、價(jià)值觀(見(jiàn)表1)。

表2 聚類(lèi)分析結(jié)果(Result of cluster analysis)

在確定各指標(biāo)權(quán)重的基礎(chǔ)上，可以計(jì)算出各個(gè)教師的知識(shí)共享綜合水平得分，從而對(duì)教師的知識(shí)共享水平進(jìn)行等級(jí)劃分。知識(shí)共享綜合水平最高得分為1.0708，最低得分為 0.3353，最高得分和最低得分相差0.7354分。大部分教師的知識(shí)共享綜合水平得分在0.6－0.9分之間。為了更準(zhǔn)確地把高校教師的知識(shí)共享水平進(jìn)行等級(jí)劃分，利用聚類(lèi)分析對(duì)高校教師知識(shí)共享綜合水平得分進(jìn)行分類(lèi)，評(píng)價(jià)標(biāo)度為差 －1、合格 －2、中 －3、良 －4，4族的中心點(diǎn)是{0.34，0.58，0.78，0.97}(見(jiàn)表 2)，對(duì)應(yīng)的人數(shù)分別為4人、52人、115人、37人。在208個(gè)樣本數(shù)據(jù)中，有37位教師的知識(shí)共享水平程度是“良”，有115位教師的知識(shí)共享水平程度是“中”，有52位教師的知識(shí)共享水平程度是“合格”，有4位教師的知識(shí)共享水平程度是“差”。

[1]樊治平，孫永洪.知識(shí)共享研究綜述[J].管理學(xué)報(bào)，2006，(5):12 －15.

[2]諸葛劍平，史清華.高校知識(shí)共享的動(dòng)因、障礙及對(duì)策[J].上海管理科學(xué)，2007，(3):101 －104.

[3]樊昌興，曹麗娜.通信原理[M].北京:國(guó)防工業(yè)出版社，2007:87－96.

[4]王立寧，樂(lè)光新，詹菲.Matlab與通信仿真[M].北京:人民郵電出版社，2000:143－186.

[5]邵玉斌.Matlab/Simulink通信系統(tǒng)建模與仿真實(shí)例分析[M].北京:清華大學(xué)出版社，2008:215－246.

[6]劉樹(shù)棠.現(xiàn)代通信系統(tǒng)(Matlab版)[M].北京:電子工業(yè)出版社，2006:118－218.

[7]陳明星，陸大道，張華.中國(guó)城市化水平的綜合測(cè)度及其動(dòng)力因子分析[J].地理學(xué)報(bào)，2009，64(4):387－398.

[8]張志涌.精通 Matlab 6.5[M].北京:北京航空航天大學(xué)出版社，2006:468－502.

[9]陳懷琛，吳大正.Matlab在電子信息課程中的應(yīng)用[M].北京:電子工業(yè)出版社，2007:69－128.

[10]陳茵，王心剛，孫凡.高校知識(shí)共享的障礙分析及對(duì)策研究[J].情報(bào)資料，2009，(2):93 －95.