我國高校專任教師自主創(chuàng)新能力水平的影響分析

董茜

摘要：本文采用決策樹回歸模型分析方法研究了高校專任教師自主創(chuàng)新能力水平的影響因素分析，結(jié)果表明：高校教師自主創(chuàng)新能力水平主要受教育經(jīng)費(fèi)支出和高校所擁有的固定資產(chǎn)這兩個方面的影響，因此國家應(yīng)該加大對教育經(jīng)費(fèi)的投入和加速高校固定資本的形成，在一定程度上會促進(jìn)科技創(chuàng)新的發(fā)展。

關(guān)鍵詞：高校專任教師；教育經(jīng)費(fèi)；固定資產(chǎn)值

1、引言

高校教師在人類社會文化科學(xué)的發(fā)展中起著承前啟后的橋梁作用。高校教師具有較高的創(chuàng)新能力，不斷地在教學(xué)活動和日常交流中表現(xiàn)出創(chuàng)新傾向，就會無形中激發(fā)學(xué)生的創(chuàng)新意識、創(chuàng)新潛能，堅(jiān)定學(xué)生的創(chuàng)新信念，促使學(xué)生不斷學(xué)習(xí)創(chuàng)新知識、創(chuàng)新技法、發(fā)展創(chuàng)新品質(zhì)、創(chuàng)新思維和創(chuàng)新能力。從而全面提高學(xué)生的創(chuàng)新素質(zhì)，為大批創(chuàng)新型人才脫穎而出奠定堅(jiān)實(shí)基礎(chǔ)，所以高校教師創(chuàng)新能力的培養(yǎng)對于人才培養(yǎng)具有重大的現(xiàn)實(shí)意義。

2、實(shí)證分析

2.1數(shù)據(jù)采集及指標(biāo)構(gòu)建

采用2013-2015年國家統(tǒng)計(jì)局公布的《國家教育統(tǒng)計(jì)年鑒》《教育經(jīng)費(fèi)統(tǒng)計(jì)年鑒》里面的數(shù)據(jù)，共72個樣本。指標(biāo)的選取遵循系統(tǒng)性，典型性，動態(tài)性原則，簡明科學(xué)性原則，可比、可操作、可量化原則，綜合性原則等。指標(biāo)體系分別是各省GDP，各省高校固定資產(chǎn)值，各省的高校數(shù)量，高校在校生數(shù)，高校服務(wù)人員數(shù)，高校課題數(shù)，高校專任課題數(shù)，教育經(jīng)費(fèi)投入，科研經(jīng)費(fèi)投入。

2.2數(shù)據(jù)預(yù)處理

對原始數(shù)據(jù)進(jìn)行篩選、分類合并、匯總及數(shù)據(jù)格式的轉(zhuǎn)換等，目的是為了讓數(shù)據(jù)挖掘軟件R3.3.0中的決策回歸樹算法建立模式更準(zhǔn)確。

數(shù)據(jù)挖掘最后成功與否，是否能夠起到?jīng)Q策支持作用，關(guān)鍵在于數(shù)據(jù)預(yù)處理，為消除數(shù)據(jù)在量綱和數(shù)量級上的差別，采用z得分值法對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。為了消除各省份人口和各高校在校生這兩個基數(shù)的影響，對其進(jìn)行平均化，得到各省人均GDP，平均每所學(xué)校的固定資產(chǎn)值，每生擁有的固定資產(chǎn)，每萬人擁有學(xué)校數(shù)，每萬人口中高校在校生數(shù)，每萬人口中高校服務(wù)人員數(shù)，畢業(yè)人數(shù)占總在校人數(shù)，平均每所學(xué)校課題數(shù)，平均每位專任教師課題數(shù)，生師比，平均每位專任教師科研經(jīng)費(fèi)，并且對樣本中元素標(biāo)準(zhǔn)化的計(jì)算，采用R3.3.0進(jìn)行相關(guān)分析研究。

2.3建模

2.3.1建模方法

主要采用分類回歸樹算法建立數(shù)據(jù)模型，運(yùn)用R語言中程序包rpart中的rpart（）函數(shù)和程序包rpart.plot中的rpart.plot（）函數(shù)。在本文中，平均高校教師課題數(shù)是因變量（jskt），自變量為教育經(jīng)費(fèi)投入、固定資產(chǎn)值、每萬人口高校在校生、每萬人口中高校服務(wù)人員數(shù)、生師比、每生教育經(jīng)費(fèi)投入。

2.3.2模型運(yùn)行結(jié)果

通過對兩年31個省份62條匯總的數(shù)據(jù)作為訓(xùn)練集記錄進(jìn)行分析建模，運(yùn)行結(jié)果如下。

從決策樹回歸算法的樹狀模型結(jié)果圖可以清晰地看到整個模型的大致結(jié)構(gòu)，決策樹就像一棵倒長的樹，有很多分叉，分叉點(diǎn)叫節(jié)點(diǎn)，輸出的1號節(jié)點(diǎn)為根結(jié)點(diǎn)，（圖中最高的一個），這里的信息是全部訓(xùn)練集數(shù)據(jù)的信息，比如n=62，偏差=1043324，然后計(jì)算機(jī)程序在每個每個自變量中選擇一個數(shù)值分割點(diǎn)，使得在該節(jié)點(diǎn)的整個數(shù)據(jù)在這個分割點(diǎn)比在其他分割點(diǎn)分成兩部分之后的偏差之和都小，對每個自變量都選擇這樣一個分割點(diǎn)，并對不同自變量的分割結(jié)果做比較，得到一個使得分割后總偏差最小的變量，這個變量就是該節(jié)點(diǎn)的分割變量。從圖2可以看出，根節(jié)點(diǎn)的分割變量為jiaoyujingfei（教育經(jīng)費(fèi)），小于該觀測值的分到左邊（節(jié)點(diǎn)2），大于該值的則分到右邊（節(jié)點(diǎn)3），在每個節(jié)點(diǎn)都展示出觀測值數(shù)目、偏差及因變量均值這三項(xiàng)內(nèi)容，這樣數(shù)據(jù)就分割成兩部分，然后對每一部分?jǐn)?shù)據(jù)，選擇分割變量及其分割點(diǎn)的程序重新開始，如此下去，根據(jù)一些按照擬合程度和避免決策樹無限制長下去的準(zhǔn)則，到一定節(jié)點(diǎn)就不再分割了，這些節(jié)點(diǎn)是終結(jié)點(diǎn)（亦稱葉節(jié)點(diǎn)），整個模型有5個葉節(jié)點(diǎn)，總共有9個節(jié)點(diǎn)，從根節(jié)點(diǎn)向下一共有四層，即此樹模的深度為4，根節(jié)點(diǎn)以及每個內(nèi)部節(jié)點(diǎn)下面都標(biāo)明了進(jìn)行分支的依據(jù)變量及其閥值。

2.3.3模型運(yùn)行結(jié)果分析

在給定的建模樣本中，拿出大部分樣本進(jìn)行建模型，留小部分樣本用剛建立的模型進(jìn)行預(yù)報(bào)，并求這小部分樣本的預(yù)報(bào)誤差，記錄它們的平方加和，這就是交叉驗(yàn)證。對于剩下的10個樣本做交叉驗(yàn)證，得到測試集的NMSE為0.972569，這比簡單線性回歸的結(jié)果有所改進(jìn)。

從得出的回歸樹可以看出，決定于高校專任教師創(chuàng)新能力水平高低的是平均每位專任教師課題數(shù)，而平均每位專任教師課題數(shù)又取決于平均每所學(xué)校的固定資產(chǎn)值，而固定資產(chǎn)值最終又取決于教育經(jīng)費(fèi)支出。當(dāng)平均每位專任教師課題數(shù)大于0.35時(shí)，說明創(chuàng)新能力較強(qiáng)，否則較弱，平均每所學(xué)校的固定資產(chǎn)值大于33e+3，則專任教師的課題數(shù)才會多，當(dāng)教育經(jīng)費(fèi)投入大于一定數(shù)值時(shí)，學(xué)校的固定資產(chǎn)才會較大，高校教師具有創(chuàng)新能力水平的樣本占到23%。從整體來看，高校教師創(chuàng)新能力水平最主要受教育經(jīng)費(fèi)支出和學(xué)校固定資產(chǎn)值這兩個因素的影響。

3、結(jié)語

在全球高等學(xué)校迅速發(fā)展、國際間和地區(qū)間交流日趨頻繁，呈現(xiàn)多元文化的今天，一方面社會對人才的要求越來越高，大學(xué)生各種綜合能力的提高需要高水平能創(chuàng)新的教師隊(duì)伍作保障，另一方面創(chuàng)新是也一個民族進(jìn)步的靈魂，是國家興旺發(fā)達(dá)的不竭動力，因此高校教師創(chuàng)新能力的培養(yǎng)至關(guān)重要。文章主要論述了當(dāng)前大陸地區(qū)高校教師創(chuàng)新能力不足的兩個重要原因，高校教師創(chuàng)新能力水平的提高需要財(cái)力和物力的投入，只有為專任教師創(chuàng)造優(yōu)良的創(chuàng)新環(huán)境，才更有助于進(jìn)行科學(xué)研究。