信息與計算科學論文范文
前言：我們精心挑選了數篇優(yōu)質信息與計算科學論文文章，供您閱讀參考。期待這些文章能為您帶來啟發(fā)，助您在寫作的道路上更上一層樓。
第1篇
[中圖分類號] G420 [文獻標識碼] A [文章編號] 2095-3437（2016）08-0017-03
一、前言
課程建設是專業(yè)建設中的重要組成部分，專業(yè)導論課往往在第一學年開設，是學生了解專業(yè)、建立專業(yè)概念和專業(yè)認同的重要課程，對學生的專業(yè)學習和發(fā)展有著重要的引領和指導作用。[1] [2] [3]
信息與計算科學專業(yè)是信息科學、計算科學、運籌與控制、計算機及應用等學科交叉而形成的專業(yè)，往往設置為理科專業(yè)。多種學科知識的交叉滲透，加上因專業(yè)名稱的望文生義，使學生容易產生簡單的認識――“信息與計算科學專業(yè)是數學與計算機結合的專業(yè)”。這樣籠統的認識可能會導致學生認為該專業(yè)“要么學數學，要么學計算機”，至于“怎么結合”搞不清，不重視專業(yè)的其他重要方面，甚至連信息與計算科學的專業(yè)特點和核心競爭力也模糊不清。
關于信息與計算科學專業(yè)課程體系建設的論述已有很多，然而關于該專業(yè)大導論課程的研究還不多見。針對上述存在的種種問題，本文認為信息與計算科學專業(yè)設置專業(yè)導論課程是極為必要的，而且在課程體系中應作為獨立的重要一環(huán)。因為作為信息與計算科學（信計）專業(yè)的導論課程，需要回答的問題多且必要：信計專業(yè)培養(yǎng)什么樣的人才？什么是信計專業(yè)？信計的核心競爭力是什么？如何實現？信息處理、應用開發(fā)中有哪些數學知識？信息挖掘、信息安全與算法設計的聯系如何？建模能力如何鑄就？計算分析能力怎樣打造？就業(yè)崗位對信計的現實要求有哪些？等等。
信計專業(yè)導論課的開設需要對信計專業(yè)的發(fā)展歷史，專業(yè)的研究應用進展和前沿有深入、廣泛的了解，通過精選教學內容，使教學內容形成體系，以達到解決學生關切問題、培養(yǎng)學生專業(yè)思想、建立學生專業(yè)認同、激發(fā)學生專業(yè)學習興趣的教學目標。教學過程中典型的教學案例對學習興趣的提高有明顯的促進作用，在專業(yè)學習中能夠激發(fā)學生對專業(yè)的興趣，促進學生對專業(yè)的理解，特別是有利于學生加深對專業(yè)的宏觀認識以及對專業(yè)的一些具體方向的感性認識。本文將結合教學典型案例深入剖析信息與計算科學專業(yè)導論教學中需要解決的問題。
二、信息與計算科學的直觀印象
信息與計算科學作為交叉學科，和其他一些專業(yè)的易混淆性，使得我們必須首先回答什么是信息與計算科學專業(yè)，更為緊要的是在大一階段應該如何從直觀的角度來闡述它。我們知道，隨著現代信息計算科學技術的發(fā)展，上班考勤甚至上課考勤都有系列的產品可供選擇，常見的考勤機為指紋考勤機器――這是一個很典型的利用信息與計算科學知識和方法進行應用開發(fā)的產品。在教學中，類似的案例可以體現信息與計算科學專業(yè)各學科之間的交叉滲透，為學生提供直觀的專業(yè)認識印象，具體闡述如下。
1.利用該例闡述科技應用開發(fā)中，信息與計算科學專業(yè)知識的使用流程和涉及的課程知識。指紋考勤機首先要采集被識別人的指紋信息，并以此作為樣本；預處理后把樣本信息存儲為向量或數據，通過建立樣本的特征提取模型，進行特征提取；之后輸入建立的識別模型，對待識別的指紋進行計算識別；接下來是針對硬件的編程實現和測試，最后再植入匹配的設備或者網絡傳入后臺系統，完成系統測試，投入使用。由于建立特征提取模型和識別模型的方法很多，快速計算的方法選擇有所不同，這涉及信息與計算科學中許多數學基礎知識和數學建模方法等。總的來說，考勤機的工作流程可以歸納為5步：（1）信息采集和預處理；（2）特征提取和識別模型；（3）識別、計算分析；（4）編程實現；（5）植入硬件。分別講述其中各個環(huán)節(jié)可涉及的專業(yè)課程：信息采集和預處理可涉及高等代數、概率統計等課程；特征提取和識別模型可涉及高等代數、數學分析、概率統計、運籌優(yōu)化、數學建模等課程；識別、計算分析涉及高等代數、數學分析、運籌優(yōu)化、數值分析等課程；編程實現可涉及程序設計語言、算法設計、軟件開發(fā)測試，等等。這樣結合專業(yè)課程知識與應用實例的詳細講解，易于讓學生了解信息與計算科學專業(yè)知識的應用流程，使學生對信息與計算科學專業(yè)知識有直觀的認識。
2.利用該例闡述科技應用開發(fā)中，信息與計算科學中各個學科的交叉滲透。如前所述，由于一個產品的開發(fā)可能涉及的知識點很多，可采取的模型方法也是多種多樣，這些知識之間的應用就會有交叉。例如，特征提取、識別模型的建立有可能用到信息處理的數學基礎，這時又需要考慮該模型是否能設計出快速的計算方法來滿足實際計算速度的要求；識別模型的實現最后需要計算機編程來完成，這又涉及合適的模型、快速的算法和良好的程序設計之間的協調融合。當然，完整的產品設計還需要考慮到采集設備的精度、程序植入等其他學科的知識。這樣講解，學生就會對信息與計算科學知識的交叉有較為宏觀的認識。
3.啟發(fā)學生對信息與計算科學中的相關問題進行思考。
（1）指紋樣本信息采集是很微妙的事，如果當采集一個樣本的次數太多，超出了很多人的承受范圍，比如一個手指的指紋采集超過了三次，這樣產品的便利性、應用性和競爭力就值得懷疑了。因為通常情況下，我們很自然的認為事不過三為好。那么，如何以最少的采集次數達到要求的識別效果？這就是值得考慮的問題。
（2）如何提高產品的識別效果（正確識別率），提升產品質量，這除了與團隊的專業(yè)知識相關以外，還與獲取知識的能力有很大關系。例如能不能利用已有的專業(yè)知識積累從現有的國內文獻中獲取最新的技術信息，能不能利用國外的技術文獻，等等。這些都是由典型案例所延伸出的值得思考的問題。這些問題有利于開拓思路，使學生對將來的工作和研究研發(fā)空間充滿期待。
三、信息與計算科學專業(yè)的核心競爭力
信息與計算科學是由多個學科專業(yè)合并和綜合而來的，其重視基礎能力，培養(yǎng)能解決實際中信息與科學工程計算應用問題的寬口徑專業(yè)人才。考慮到專業(yè)的名稱與計算機、信息工程等專業(yè)有相似之處，專業(yè)導論課程需要闡明該專業(yè)與其他專業(yè)，特別是一些計算機科學專業(yè)、信息工程專業(yè)和數學與應用數學專業(yè)之間的區(qū)別。因此，信息與計算科學專業(yè)課程的核心是什么？專業(yè)人才的核心競爭力是什么？這兩個問題是無法回避的。針對這些問題，除了上述案例，圖像（信息）的壓縮處理也是一個很直觀的例子。利用圖像壓縮，可以給學生展示壓縮編碼技術、壓縮的算法、軟件開發(fā)等，這涉及信息編碼、密碼學、算法設計能力、應用開發(fā)能力等。結合這些案例，我們信息與計算科學專業(yè)并不是單純的涉及數學基礎課程、建模能力、算法設計或者計算機科學其中的某一方面，它的核心競爭力在于“數學基礎與建模能力、計算分析與算法設計、程序語言與應用開發(fā)”這三者的有機融合。單單講某個方面還不足以稱之為專業(yè)的核心競爭力。因為專業(yè)人才的定位是解決信息與科學工程計算的應用問題，這些實際問題本身與這三方面多有緊密的聯系，單強調某一方面或重視某一模塊容易和上述一些類似名稱的專業(yè)混淆。因而，與這三方面相關的數學基礎課程有數學分析、高等代數、解析幾何、微分方程、概率統計等；與這三方面相關的一些專業(yè)課程需要凝聚成為專業(yè)的核心課程，如數值分析、離散數學、程序語言、數學建模等。
四、信息處理、應用開發(fā)中的數學知識
信息與計算科學專業(yè)的大一新生對就讀該專業(yè)充滿了憧憬。他們能發(fā)現數學基礎的老三樣（數分、高代、解幾）但看不到信息和計算的影子，看不出專業(yè)的特征和特色，這就需要專業(yè)導論課程加以引導。選取信息處理和應用開發(fā)中的相關案例來闡述數學基礎知識在解決這些問題中的重要作用，可以使學生對數學基礎知識與實際科學工程問題有直觀的印象，這對學生下決心打好基礎，投入前期課程學習有著重要的作用。如選擇圖像處理中的修補算法、游戲開發(fā)中憤怒的小鳥的技術含量為講述案例，則這些應用案例就可結合數學基礎知識來闡述。
1.圖像處理中的修補算法。圖形圖像的基本處理分析方法，如傅里葉分析可選擇進行更為全面的介紹，介紹其在工程領域、數字信號處理、醫(yī)學領域的廣泛應用。這樣來看，大一開始學習的分析類課程作為專業(yè)的基礎課程確實是名符其實。圖像圖像處理的修補涉及優(yōu)化模型和優(yōu)化算法、算法的復雜性等，而這些基本的模型形式――在一定約束要求的前提下，求目標函數的極小值，容易使學生對開始學的分析課程的導數與極值、矩陣等基本知識聯系起來。
2.憤怒的小鳥的技術含量。應用開發(fā)形式多種多樣，游戲開發(fā)是一種有趣生動的開發(fā)過程，許多游戲開發(fā)又與數學基礎知識有緊密聯系。因此，選取其中的典型案例進行介紹，容易激發(fā)學生的學習興趣，促進學生對數學知識在應用開發(fā)中作用的理解。如該例涉及的物體碰撞檢測和連續(xù)碰撞檢測與向量及運算、旋轉矩陣、線性變換等數學基礎知識，可以由此進一步介紹物體的移動、壁障和尋路等游戲開發(fā)中常見的智能化算法，這些都將和許多基礎知識緊密結合。
五、信息挖掘與算法設計
信息與計算科學專業(yè)人才應具有處理實際中信息與科學工程計算問題的能力。當前大數據處理涉及的信息挖掘的相關內容，與信計專業(yè)有天然的聯系，特別是挖掘目標的設置、隱含信息的挖掘模型的建立和使用、模型的求解、算法性能分析等，與信息與計算科學中的計算能力、建模能力、程序設計等核心能力模塊要求相連。這方面的熱點案例很多，如可選阿里巴巴大數據競賽、2012年和2015年深圳杯全國大學生數學建模夏令營B題進行展示，其中阿里巴巴大數據競賽可聯系到機器學習算法等。講述這些典型的熱點應用案例，對學生了解專業(yè)課程和專業(yè)的內涵有重要的指導作用。
綜上，通過梳理信息與計算科學專業(yè)導論教學中一些需要澄清的問題，根據教學實踐，從典型案例的視角對這些問題設置的必要性和解決方式進行了分析和探討，剖析了這對于促進學生對專業(yè)內涵的總體把握、了解專業(yè)應用領域、品味專業(yè)學習價值的有益作用。
[ 參 考 文 獻 ]
[1] 楊曉東，崔亞新，劉貴富.試論高等學校專業(yè)導論課的開設[J].黑龍江高教研究，2010（7）：147-149.
[2] 王曉暉.大學專業(yè)導論課開設的目標探析[J].高教論壇，2013（12）：69-71.
[3] 王利眾，朱麗平.工科專業(yè)導論課教學研究――以“通信技術導論與導學”為例[J].黑龍江教育：高教研究與評估，2015（9）：29-30.
[4] 許峰，方賢文，許志才.信息與計算科學專業(yè)教學體系的實踐與探索[J].高等理科教育，2007（4）：70-73.
[5] 龔日朝.“以特色取勝”建設信息與計算科學專業(yè)的新型思路與實踐[J].大學數學，2004（3）：12-15.
[6] 蘇麗卿，黃民海.對信息與計算科學專業(yè)的認識與思考[J].河北師范大學學報（教育科學版），2008（6）：107-109.
[7] 李學勇，王鑫，譚義紅.應用型本科院校信息與計算科學專業(yè)人才培養(yǎng)模式[J].長沙大學學報，2009（5）：109-111.
[8] 汪富泉.信息與計算科學專業(yè)應用型人才培養(yǎng)模式研究與實踐[J].大學教育，2013（18）：62-63.
[9] 鄭金洲.案例教學：教師專業(yè)發(fā)展的新途徑[J].教育理論與實踐，2002（7）：36-41.
第2篇
關鍵詞 案例教學法 計算機文化 基礎課程 教學方法
隨著計算機科技的日益發(fā)展和計算機知識的廣泛普及，計算機已經滲透到人們的生活、學習、工作的各個方面，社會需要大量既熟悉專業(yè)知識又掌握計算機應用技術的復合型人才，因此，《計算機文化基礎》課程已成為當代大學生素質教育的重要基礎課程之一，是培養(yǎng)學生實踐能力、創(chuàng)新能力、社會適應能力的重要途徑。如何讓學生提高學習興趣、重視基礎學習，提高教學質量，是當前《計算機文化基礎》課程的教學難點。
一、“計算機文化基礎”教學過程中存在的問題由于各個地區(qū)經濟、教育發(fā)展的不平衡，高校新生的計算機基礎水平存在較大的差異。有些學生在中學就已學過計算機相關課程或在家里就擁有電腦，對計算機的操作非常熟悉；有些學生對計算機不感興趣，計算機操作水平相對較低，甚至有些同學以前從來沒接觸過計算機。這些都造成了教師在講課的過程中，一部分學生認為教師一節(jié)課講的內容太多，接受不了，而另一部分學生又因為覺得內容簡單，心不在焉。學生計算機水平的差異，使得教師難以把握教學尺度。因此，可在開學初舉行計算機文化基礎課程的免修考試，讓計算機程度好的同學，可以免修基礎學習，選修其他應用性更強的計算機應用課程，如Photoshop、VB、FoxPro等，而沒有通過考試的同學，繼續(xù)進行基礎學習，這也使得同一個班的學生的計算機水平較平均，較容易把握教學尺度。
另外，學生對計算機文化基礎課程的重視不夠，學習積極性不高。大部分學生認為自己不是計算機專業(yè)的學生，不需要熟練掌握計算機的使用，覺得這門課的實用性不大。而且課堂上對知識點的一步步講解，也使學生覺得計算機知識太繁瑣、枯燥、無聊，產生厭學情緒。計算機基礎是一門操作性、實踐性很強的課程，所以應該采用更有效的教學手段，提高學生的學習興趣。因此，在《計算機文化基礎》課程中采用“案例教學法”，不僅能突出這門課的實用性，也能激發(fā)學生學習積極性，在一定程度上提高課堂教學效率，增強學生對知識掌握和靈活運用。
二、案例教學法及其優(yōu)點
案例教學法是一種在教師指導下，把學生帶入特定事件的現場，通過案例分析以提高學生實際運作能力的教學方法。在課程教學中以典型案例劃分教學內容，以案例引導課堂教學，以案例引導學生知識點的掌握，以實際案例為剖析對象。教師指導下教學，學生共同參與案例的分析、討論以尋求實現方法，實現理論與實踐一體化，增強了學生的自主創(chuàng)新能力。
案例教學法的優(yōu)點：1.案例教學法從來自社會實踐的案例中的問題出發(fā)，能夠促使學生更懂得尊重社會實踐、理論聯系實際，有助于培養(yǎng)學生分析問題和解決問題的能力。2.案例教學法強調課堂組織形式的多樣性，打破了課本原有以知識的邏輯結構體系為順序組織課堂教學的方式，設計恰當而豐富的教學案例，有利于激發(fā)學生的學習熱情。3.案例教學法應該說是一種科學、有效的學習方法，其可貴之處在于發(fā)現新問題，并在解決問題的過程中驗證、發(fā)展和深入研究，有助于培養(yǎng)學生的能力。
三、“計算機文化基礎”案例化教學實施將計算機文化基礎課程的知識點恰當地融入案例的分析和制作過程中，不但有助于學生在學習過程中掌握獨立的知識點，而且有助于培養(yǎng)綜合的分析問題和解決問題的能力。由于Office辦公自動化軟件的操作是《計算機文化基礎》課程的教學重點和難點，下面以Word、Excel、PowerPoint三個知識點為例，說明具體案例設計的內容。
（一）word案例：個人簡歷的制作。
個人簡歷是對學生學習生活的簡介，是評價和認定學生的主要材料，在很多的場合需要使用，例如學校里社團的招新、學生會干部招募、甚至在以后的求職過程中。本案例制作的個人簡歷首先有一個封面，包括學生的基本信息，如姓名、專業(yè)、學校、聯系電話、電子郵箱等，使用藝術字、圖片、文本框、水印等技術進行制作。簡歷正文以項目符號進行分類劃分，介紹學生的英語水平、計算機水平、主干課程、愛好與特長、自我評價等。通過此簡歷的設計，把word文檔中字體、段落的設置，項目標號、文本框、藝術字、圖片的插入，背景、頁面的設置、頁面邊框的添加、分欄等知識點融會其中，讓學生感到學習的知識非常實用，學得更加主動和用心。
（二）word案例：策劃書的制作。
在日常的學習生活中，同學們也經常需要使用word制作長文檔，如社團活動的策劃書、論文等。這個案例以一個社團活動策劃書作為素材，其中的活動安排以表格形式記錄，讓學生掌握表格的插入和設置，然后通過對整個文檔進行格式設置，讓學生學習排版的一般技巧，學會設置標題樣式、段落的大綱級別，熟悉分隔符、頁眉頁腳的插入和設置，會使用文檔結構圖進行查看、創(chuàng)建目錄等。
（三）Excel案例：學生成績分析。
在日常的使用中，同學們會經常使用Excel表格進行簡單的數據分析和管理，因此設置一個學生成績分析的案例，讓學生熟練掌握Excel的相關操作。首先通過簡單的格式設置，了解Excel中字體格式、單元格數字類型、邊框、對齊方式、行距、列寬等的設置，然后進行計算學生總分、平均分、排名、突出顯示不及格人數等的操作，讓學生學習Excel表格中函數的插入、條件格式的設置，然后進一步按某門課程對學生的成績進行排序、簡單篩選或高級篩選，講解Excel中的簡單數據處理，最后根據學生的平均成績畫出相應的分析圖表，讓學生掌握圖表的創(chuàng)建和修飾。
（四）PowerPoint案例：學校簡介。
有時候，同學們需要針對某些主題進行演講，例如學習交流、畢業(yè)答辯、產品介紹等，這都需要使用到PowerPoint這個工具。本案例通過制作一個學校簡介的PPT，講解在PowerPoint中如何新建幻燈片，選擇幻燈片模板，設置配色方案、母板、備注內容等，并在不同幻燈片中插入圖片、表格、藝術字、視頻、音頻、flash動畫等，重點介紹如何設置幻燈片的播放效果，如幻燈片的切換方式、自定義動畫、幻燈片放映等。
經過一年的教學驗證，使用案例進行教學，能使學生覺得學習的知識實用有趣，提高了學生的學習興趣，活躍了課堂的學習氣氛，同時提高了學生的聽課質量，也能讓學生更靈活的掌握了office這些辦公軟件的操作技巧，在期末的上機考試中，也取得了比較好的成績。
四、總結
教育的任務不是將信息灌輸到學生頭腦中，而是利用有效、使用的概念來充實學生的頭腦，案例教學能激發(fā)學生的學習激情，有利于學生對知識的吸收和融會貫通，隨著計算機文化基礎課程的改革和發(fā)展，學生計算機應用水平的不斷提高，案例的設計要不斷地加以完善和改進，以適應新課程、新形勢的要求，只有不斷改革和創(chuàng)新才能取得更好的教學效果。
參考文獻：
[1]黃冬梅，王愛繼.大學計算機應用基礎案例教程[M].清華大學出版社，2006，7:34-148.
[2]張積家.高等教育心理學[M].高等教育出版社，2009，7:394-407.
第3篇
一、文獻綜述
國內有關大學效率評價定量分析的文獻很少見，僅有武書連等人用大學排行榜上大學得分除以大學教師數和科研員工數得到的效率值。由于大學排行榜的得分是一個綜合數據，含有投入、產出和大學基本條件或環(huán)境等信息，實質上沒有所謂效率的意義，只有人均排行榜之意。
國外對大學效率的評價，近10年來頗有進展。由于國外大學的教育規(guī)模發(fā)展迅速，招生規(guī)模不斷擴大，資源配置已從強調公平向義務和效率轉化。12Clelli131>Avkiran14、Abbott和Doucouliagos151等人對澳大利亞大學，Ahn、Charnes和Coppeij6、Robst171、Salemo181等人對美國大學，Athanassopouios和Shale19、Stevens110、Izadi、Johns、Oskro-chi和Crouchley1111等人對英國大學，McMillan和Data1121對加拿大大學，JongbloedEtAl1131>Jongb-loed和Koelman1141、Vink115等對荷蘭等大學的效率問題進行了研究。他們的研究分別以學校單元、學術單元和非學術單元進行，有的研究整體效率，有的研究學術產出效率，有的研究管理效率。他們使用的方法是數據包絡分析（DataEnvelopmentAnalysis，DEA)和隨機前沿面（StochasticFrontier,SF)，其中2/3的研究采用的是DEA方法。
研究高等教育的效率和生產力最重要的問題是如何界定其產出和投入。國外學者將學校或其研究單元作為一個黑箱，而由黑箱的投入與產出計算效率。對于高等教育機構的多種產出，一般引用EstelleJames'16所說的“學術產品”。學術產品可以簡單地劃分為研究與教育兩項產出。
研究教育產出的問題是如何用“最好”的方法來量化(quantify)。比如，同樣數目的學生數，有人會說誰的學生更杰出一些或更差一些，因而不能認為是同等的。如果不論誰更杰出，那么，學生人數越多越好，這顯然也是不妥的。為此，通常的思路是給他們加權',但是，要取得令人滿意的權重，談何容易。
對于研究產出，有學者用的數量來計算，也有學者以研究支出(受資助金額)作為產出（實際上也是研究收入，至少與研究支出高度相關)。當然，關于研究支出，有學者認為其可以被認為是投入或產出。比如，MelvilleL.Mcmillan和DebasishDatta'18就指出美國州政府資助的研究基金是投入，而企業(yè)和聯邦政府資助的科研基金是產出。與此同時，支出沒有質量信息。相反，有人說并非所有研究成果都是以文章形式發(fā)表的，比如，專利、許可等。為此，Cohn'19也提出用加權的方法。當然，這同樣要用先驗的判斷，并且要求足夠客觀以讓人們接受，但是，這是不易做到的。
投入的測量也是如此困難。比如，學術人員數或全體教職員工數同樣也不存在質量信息。比如，北大、清華的教師通常被認為是更有水平的，所以，有文章提出可以用員工工薪水平來測度員工水平。然而，這又會增加有關地區(qū)差別的考慮，從而使研究更加復雜。
事實上，一個學校，其教育產出多、研究產出少或相反，只能表明它的價值取向如此。從綜合效率來看，只能說明其效率是否相對有效，而不能說誰更勝一籌。使用加權(這些權對所有學校是平等的）的方法是將不同決策單元的產出或投入“扯平”，從而又歸為單一投入與單一產出的問題，它并沒有突破單一投入與單一產出的評價方法。
事實上，在多產出、多投入的情形下，沒有一種統一的權重可以讓所有被評估者信服，因為它無法反映各自的價值取向。而數據包絡分析方法(DEA)是適合于綜合效率評估的方法，其權重取法是最有利于被評估者的。
二、模型DEA
數據包絡分析方法（DEA)的優(yōu)點是不要求有先驗的生產函數，對投入和產出也不要求有統一的量綱，困此，該方法具有相當的靈活性。所以，在國外的大學效率計算中，約有2/3的研究采用的是DEA方法，而另一些研究使用的是隨機前沿面(SF)方法，且主要適用于成本效率等只有一個產出的情形，而且要有關于產出或成本的函數形式假設，同時還要有關于其回歸殘差分布形態(tài)的假設。所以，本文認為還是選擇DEA方法為佳。
其含義是當新的投入組合不大于原投入時，新的產出組合能比原產出多$倍。此問題一定存在解，而且Vd>1。當Vd=1且S+,S-均為0時，稱DEA有效。DEA有效的經濟含義是除非增加一種或多種投入，或減少其他種類的產出，無法再增加任何產出;除非增加一種或多種投入，或減少其他種類產品的產出，無法再減少任何投入。在大學效率研究中，視大學為決策單元。
線性規(guī)劃模型(D)是面向輸出的DEA模型，它也可以轉化為面向輸入的模型。模型(D)的約束條件中，如果加上條件：E1則稱此模型為假設j-1是規(guī)模收益可變（variablereturntoscale,VRS)下的VRS模型，它得到的效率值可作為純技術效率。而當沒有此條件時稱為CRS模型(constantreturntoscale),此時得到的技術效率被認為是規(guī)模效率與純技術效率相乘作用下的結果，所以據此可以確定規(guī)模效率。還有非遞增(NIR)與非遞減(NDR)規(guī)模收益等1211，在此，不再多述。
三、研究生教育的效率分析框架
在傳統的學校效率分析框架中，將學校或其研究單元作為一個黑箱，并根據黑箱的投入與產出計算效率。其中，兩個問題必須明確:第一是作為黑箱的分析單元，可以是整個學校，也可以是學校的部門機構。第二是黑箱的投入和產出包括哪些內容。
分析單元是容易確定的，而投入與產出是較難確定的。Coelli122在以澳大利亞的大學為單元的模型分析中，認為產出是學生在冊數(折算為全日制學生數)、發(fā)表指標，投入是總員工數和非員工費用;在以學院為單元的模型分析中，認為產出是學生數和發(fā)表指標，投入是學術員工數和其他費用；在以管理部門為單元的模型分析中，產出是學生數、總員工數，投入是管理員工（金額計）、其他管理費用。Avkiran1231研究了總體績效、教育服務績效、付費生教育的績效。他在三個模型中用的投入全是學術員工數和非學術員工數，產出則按不同模型分為：（1)本科生數、研究生數、研究成果等；(2)學生保持率、學生進階率、畢業(yè)生就業(yè)率等;（3)海外付費生數、非海外付費研究生數。Abbot和doucouliagos124對Coelli的數據重新建模計算，對分析單元集合則按研究與教育的不同比重區(qū)別對待。他采用的投入仍是學術員工數、非學術員工數、非人工支出、非現金資產的價值等，而其產出是以學生數代表教育，以研究工作量代表研究產出。Ahn、Charnes和Cooper125首次對美國大學的技術效率和規(guī)模效率進行了研究。他們的投入是課程支出、材料投入和管理支出，而產出是大學生數、研究生數和聯邦研究項目支出。Athanassopoulos和Shale1261對英國的45所“老”大學進行研究。他們研究了成本(cost)效率和成果(outcome)效率。二個模型都用三個產出：成功畢業(yè)數、獲得學位數、加權研究比率。而成本模型的投入則分別為一般學術支出、研究收入(income);成果模型的投入是大學生數、研究生數、學術員工數、平均A級入學分數、研究收入、圖書館與計算機支出等。McMillan和Data1271用DEA分析了加拿大45所大學。他用了九個DEA模型并比較它們的結果。他采用的投入與產出更為復雜，針對不同的模型，采取不同的選擇:產出為在校本科生數或理科在校本科生數、其他學科本科生數、研究生數、碩士研究生數、博士研究生數、受資助的研究生支出總額、國家社會科學與人文學科委員會資助人占員工比例（％)、國家自然基金和工程研究委員會資助的員工比例（％)等指標的部分組合，而投入是有三級職稱的教師數、理科教師數、其他教師數、其他費用、總費用支出等指標的部分組合。
在國內，類似的研究，僅有邱均平等人A在評價大學科技競爭力時指出投入指標為人力、RD基地、項目、經費，產出指標是成果應用（專利，技術轉讓)、論文數、論文質量、獲獎等。
雖然DEA模型分析大學效率時，其投入與產出的選擇各有不同，但學生數或畢業(yè)生數通常用來作為產出，而學術員工數或非學術員工數也常作為投入，發(fā)表文章數常作為研究產出，但研究收入或研究支出，則有時可作為投入，有時作為產出，等等。事實上，這些選擇大體是根據研究角度或研究目的的不同以及數據可得性的考慮來決定的。
本文的研究單元是大學，其內容是研究生教育的效率。因此，筆者采用國外的研究方案，專門針對研究生教育的投入與產出給出界定，研究框架如圖1所示：
研究生教育投入的是人力和科研經費。在大學，與研究生教育最相關的因素是博士生導師、碩士生導師和具有高級職稱的教師，以及科研經費，因此，將研究生教育的投入設定為導師數、具有高級職稱教師數和科研經費數。研究生教育的產出則包含研究生數和科研成果兩部分。科研成果很可能含有非研究生教育的成果，但是，本科生的研究成果畢竟是少數，而研究型大學中低職稱者的工作與本單位研究生教育緊密相關，所以，將科研成果作為研究生教育的主要產出。
由于研究生教育的投入與產出具有數量與質量兩方面的信息，雖然在前面的論述中認為只是價值取向不同而不必拘泥于質量，但在效率分析框架上區(qū)分數量與質量的信息是有必要。比如，對于教育產出，既要考慮學生數量產出的效率，也要考慮學生質量產出的效率；同樣的，大學科研項目的獲取是大學的收入(產出)，它表明的是學校研究數量上的信息，并無質量的信息，而質量的信息，應當是這些研究項目所得資助的使用效率，即所謂的研究成果。為此，本文提出二階段框架進行分析，如圖2所示：
第一階段可認為是研究生教育的數量效率，諸如導師得到課題數、博士碩士生人數和科研經費數，它們沒有或很少具有質量信息，更多的則是數量信息，而第二階段是將第一階段獲得的資源合理利用，最終產出論文和科技成果等。顯然，在資源相同的情況下，如果得到更多的論文和科研成果，那么，就表明這些學校的研究生教育是高質量的。
四、數據來源和處理
模型不應根據數據的可得性而設計，但在實證時必須適當地遷就可得性。本研究根據《教育部直屬高校二oo三年基本情況統計資料匯編》整理。教育部部屬高校有72所，加上中科院和國防科工委所屬8所大學，共80所。由于北京中醫(yī)藥大學的數據有若干缺失，故排除在外，余下79所大學。在進一步研究時，發(fā)現有一些純文科大學沒有自然科學的數據，所以將不具有自然科學方面數據的學校排除在外，共有66所大學。雖然本研究也曾對79所大學進行過研究，但以下只給出66所大學的研究結果，而對于79所大學的研究結果和沒有列出的其他結果，可以向作者索取。
研究生教育的人力投入指標用具有高級職稱教師數、博士生導師數和碩士生導師數表示。其中，博士生導師數是由碩博連導的導師和只指導博士的導師數合并，碩士生導師是由碩博連導的導師和只指導碩士的導師數合并。由于筆者沒有按人文社會科學、自然科學分類的有關博士生導師、碩士生導師的數據，所以，只能將導師以大學為單位匯總。科研經費由人文社科經費、自然科學經費等兩項指標表示(單位:萬元)。
研究生教育的教育產出以博士生在校生數、碩士生在校生數等兩項指標表示。同樣，研究生數不能按學科區(qū)別對待。科研產出以人文社會科學專著數、人文社會科學論文數、自然科學專著數、自然科學論文數等四項指標表示，不區(qū)分論文的級別，是因為沒有相關數據（曾只用國外論文的研究，結果表明影響不大)。科技專利等在此不予體現的原因，是由于難以量化，而且對于研究生教育來講，幾乎所有大學都以和專著作為畢業(yè)答辯的前提。
五、計算結果
1.傳統分析框架下的計算結果
在傳統分析框架下，投入是具有高級職稱的教師數、博士生導師數、碩士生導師數、人文社會科學研究經費、自然科學研究經費，而產出是人文社會科學論文數、人文社會科學專著數、自然科學論文數、自然科學專著數。
表1顯示，66所大學中，有46.97%即31所大學是CRS有效的，有71.21%即47所是VRS有效的。純技術效率的平均數是105.75%,規(guī)模平均效率是111.10%。這表明，大多數學校處于相對接近的狀態(tài)，即所謂“有效”。但是，我們不能說這些相對有效的學校是很有生產力的，因為相對效率只是表明相對有效性。從規(guī)模效率來看，35所非CRS有效的學校(其中16所大學是VRS有效的）中，32所大學處于規(guī)模收益遞減階段，只有3所大學處于規(guī)模收益遞增階段。可見，47所大學的純技術效率是有效的，但有超過一半的學校是非規(guī)模有效的，而非規(guī)模有效主要是規(guī)模遞增收益非有效。所以，經過高等教育規(guī)模擴張之后的研究生教育的主要工作應是提高規(guī)模效率，盡快消化規(guī)模擴張形成的無效率，比如北京大學、清華大學、東南大學等。同時，如果認為近一半“相對有效”的學校是具有很高生產力的，那么，適當地增加規(guī)模，籌集新的資源，對于提高研究生教育的產出，仍然是大有可為的。但是，這需要更進一步的分析（比如研究成本效率，或與國外同行相比較等)才能得出是否有足夠生產力的結論。
為了更明確有關學校的產出潛力，可以應用DEA的加性模型。即如果要使那些非有效的學校變得有效(VRS),可以增加產出。如表2(沒有產出潛力的有效率學校不列出）所示。
表2中的產出潛力是根據部分大學現有產出的組合計算得到的。如果所有大學的研究生教育都有效，則人文社會科學專著可增加至1041部、人文社會科學論文增加至3439篇、自然科學專著增加至437部、自然科學論文增加至7456篇、博士生增加到7025人、碩士生增加到17699人。如果只限定部分產出是可能改變的，其他的不予變動（比如只增加博士生人數而其他產出不增加)，那么，北京交通大學博士生數應當增加到2150人，即增加1268人左右，在此不一一計算。
2.二階段分析框架下的計算結果
本研究提出的二階段分析框架，認為在研究生教育的第一階段，以具有高級職稱教師數和導師數為投入、以研究生數和課題數(其中自助資金不予考慮，因為很難從全校資金中分離出來)為產出，第二階段則以研究生數和課題數為投入，以論文和專著篇數、專利數等為產出。
第一階段的分析，僅用大學具有高級職稱的教師數和博士生導師數、碩士生導師數作為投入，而其產出是博士生數、碩士生數、課題數和科研經費數，因為科研經費撥入和支出有時有出入，有時基本相近，所以，以撥入與支出的平均數作為科研經費數。第一階段的結果是研究生教育的數量效率，如表3所示。由表3可看出，有33所大學（占50%)是純技術有效的，處于規(guī)模收益遞減階段；有18所（占27%)是總體技術有效的，處于規(guī)模收益不變階段；15所(占23%)處于規(guī)模收益增加階段。這表明，在數量效率方面，處于規(guī)模收益遞增階段的15所大學在研究生教育的數量規(guī)模上還有擴大的可能性。
第二階段的分析，以第一階段的產出為第二階段的投入，而產出的是專著數、論文數等。其效率可以作為研究生教育的質量效率。其計算結果如表4所示。表4顯示，有24所大學（占36%)總體技術有效，37所（占56%)純技術有效；有39所（占59%)大學處于規(guī)模遞減收益階段，24所處于規(guī)模收益不變階段，3所處于規(guī)模收益增加階段。因此，從質量角度來講，一半以上的大學的研究生教育是高質量的，同時接近六成的大學處于規(guī)模收益遞減階段，需要提高管理效率。
從研究生教育的數量效率與質量效率來看，同時達到純技術有效的大學有18所（占27%),如北京大學、清華大學、北京化工大學、上海交通大學等。而有些學校則是數量上有效而質量上無效，或質量上有效而數量上無效。
六、結論
根據上述計算結果，可以得出以下結論。
(1)31所大學的研究生教育是相對有效的，47所大學是純技術有效的。即便不論是否有效，平均效率也是相當高的。與Avkiran發(fā)現的澳大利亞大學一樣，中國大學的研究生教育在以“令人尊敬的”(respectable)效率水平上運行。但是，這并不是說這些學校可以“引為自豪”了，這只能說大多數大學的研究生教育的效率是相對有效的。另一方面，既然大多數大學的研究生教育是有效的，那么如果不繼續(xù)籌集資源，擴大規(guī)模，就無法為社會提供更多的教育與研究成果。
(2)用傳統模型計算有32所大學處于規(guī)模收益遞減階段，用數量效率模型計算有33所大學處于規(guī)模收益遞減階段，用質量效率模型計算有39所大學處于規(guī)模收益遞減階段。這表明，我國大學研究生教育的當務之急是提高規(guī)模效率，而規(guī)模效率往往與管理水平相關，所以提高管理水平是其首要的任務。同時，有若干大學處于規(guī)模收益不變階段，如果進一步籌集資源，是有所作為的。根據數量效率模型的計算結果，有15所大學處于規(guī)模收益遞增階段，表明這些大學在研究生教育的數量規(guī)模上是應當有所增加的。
(3)從數量效率和質量效率上看，有18所大學同時達到純技術有效，但其中有些大學的規(guī)模效率仍有待提高。
