第一篇：基于BP神經(jīng)網(wǎng)絡(luò)的高校教師科研能力評(píng)價(jià)模型

基于BP神經(jīng)網(wǎng)絡(luò)的高校教師科研能力評(píng)價(jià)模型

摘要：通過(guò)對(duì)高校教師科研能力分析，構(gòu)建了高校教師科研能力評(píng)估指標(biāo)體系，提出了運(yùn)用BP神經(jīng)網(wǎng)進(jìn)行評(píng)估的方法，利用MATLAB對(duì)該模型進(jìn)行了仿真，得到了與專家評(píng)定一致的結(jié)果。該方法克服了傳統(tǒng)評(píng)價(jià)方法孤立地考慮各項(xiàng)評(píng)價(jià)指標(biāo)的缺點(diǎn) 增加了指標(biāo)之間的關(guān)聯(lián)性，使評(píng)價(jià)結(jié)果更符合實(shí)際情況。

關(guān)鍵詞：科研能力 BP神經(jīng)網(wǎng)絡(luò) 評(píng)價(jià)模型

中圖分類號(hào)：G420 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2014）01-0056-02

一所高校的科研水平取決于教師的科研能力，目前，有關(guān)高校教師科研能力的評(píng)估有很多評(píng)估方法，如層次分析法，貝葉斯網(wǎng)絡(luò)聚類方法[1]等。本文運(yùn)用BP神經(jīng)網(wǎng)絡(luò)來(lái)建立高校教師科研能力評(píng)價(jià)模型，為高校教師科研能力評(píng)價(jià)提供了一定的參考。高校教師科研能力評(píng)價(jià)指標(biāo)體系

1.1 構(gòu)建評(píng)價(jià)指標(biāo)體系的基本原則[2]

為了科學(xué)、客觀地反映高校教師科研能力的高低，應(yīng)該考慮建立與之相適應(yīng)的科研能力評(píng)價(jià)方法，并確定相應(yīng)的科研能力評(píng)價(jià)指標(biāo)體系。為了建立能有效評(píng)價(jià)高校教師科研能力的評(píng)價(jià)指標(biāo)體系，其設(shè)計(jì)的原則應(yīng)遵循如下：科學(xué)規(guī)范性、系統(tǒng)優(yōu)化性、簡(jiǎn)潔明確性和全面實(shí)用性。

1.2 科研能力評(píng)價(jià)指標(biāo)體系

本文從教師基本素質(zhì)、學(xué)術(shù)影響、學(xué)術(shù)成果、科研項(xiàng)目四個(gè)方面來(lái)反映教師科研能力，根據(jù)構(gòu)建指標(biāo)體系的四個(gè)基本原則，構(gòu)建三個(gè)層次結(jié)構(gòu)模型評(píng)價(jià)指標(biāo)體系，如圖1 基于BP神經(jīng)網(wǎng)絡(luò)的高校教師科研能力評(píng)價(jià)模型

本文采用典型的三層BP神經(jīng)網(wǎng)絡(luò)對(duì)教師科研能力進(jìn)行評(píng)價(jià)，如圖2所示。

2.1 初始參數(shù)的確定 高校教師科研能力評(píng)價(jià)模型的評(píng)估

在某高校中，組織25名專家對(duì)20名教師科研能力進(jìn)行行評(píng)價(jià)，隨機(jī)抽取6組評(píng)價(jià)數(shù)據(jù)進(jìn)行歸一化處理得表1。

利用已編好的BP算法的程序[5]，在把學(xué)習(xí)樣本的輸入?yún)?shù)輸入計(jì)算機(jī)后，即可讓網(wǎng)絡(luò)模型對(duì)學(xué)習(xí)樣本進(jìn)行反復(fù)學(xué)習(xí)，直到網(wǎng)絡(luò)模型的識(shí)別精度滿足要求?？梢钥闯觯?dāng)網(wǎng)絡(luò)訓(xùn)練達(dá)到161步時(shí)，網(wǎng)絡(luò)模型識(shí)別精度為0.000982536，網(wǎng)絡(luò)性能達(dá)標(biāo)，可知輸出結(jié)果與專家判斷是吻合的，說(shuō)明BP神經(jīng)網(wǎng)絡(luò)已具備了模式識(shí)別的能力，可以對(duì)教師科研能力進(jìn)行評(píng)價(jià)。結(jié)語(yǔ)

通過(guò)構(gòu)建教師科研能力評(píng)價(jià)體系的BP神經(jīng)網(wǎng)絡(luò)模型，為評(píng)價(jià)教師科研能力提供了一種量化方式。BP神經(jīng)網(wǎng)絡(luò)克服了評(píng)價(jià)中主觀因素的影響，使評(píng)價(jià)結(jié)果全面準(zhǔn)確的反映實(shí)際情況，為教師科研能力評(píng)價(jià)提供了新的工具。

參考文獻(xiàn)

[1]李蘭春，王雙成，王婧.高校教師科研能力評(píng)估的貝葉斯網(wǎng)絡(luò)聚類方法[J].科技管理研究，2011（12）：114-116.[2]高英.高校教師創(chuàng)新能力分析與評(píng)價(jià)[D].東北大學(xué)工商管理學(xué)院，2006：21-22.[3]董長(zhǎng)虹.MATLAB神經(jīng)網(wǎng)絡(luò)與應(yīng)用[M].北京：國(guó)防工業(yè)出版社，2005：64-71.[4]岳付昌，閆群章，徐廷學(xué)，等.基于BP神經(jīng)網(wǎng)絡(luò)的導(dǎo)彈武器系統(tǒng)生存能力評(píng)估[J].艦船電子工程，2010，（10）：104-107.[5]聞新，周露.MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用與設(shè)計(jì)[M].北京：科學(xué)出版社，2001：97-109.

第二篇：BP神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)報(bào)告

BP神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)報(bào)告

一、實(shí)驗(yàn)?zāi)康?、熟悉MATLAB中神經(jīng)網(wǎng)絡(luò)工具箱的使用方法；

2、通過(guò)在MATLAB下面編程實(shí)現(xiàn)BP網(wǎng)絡(luò)逼近標(biāo)準(zhǔn)正弦函數(shù)，來(lái)加深對(duì)BP網(wǎng)絡(luò)的了解和認(rèn)識(shí)，理解信號(hào)的正向傳播和誤差的反向傳遞過(guò)程。

二、實(shí)驗(yàn)原理

由于傳統(tǒng)的感知器和線性神經(jīng)網(wǎng)絡(luò)有自身無(wú)法克服的缺陷，它們都不能解決線性不可分問(wèn)題，因此在實(shí)際應(yīng)用過(guò)程中受到了限制。而BP網(wǎng)絡(luò)卻擁有良好的繁泛化能力、容錯(cuò)能力以及非線性映射能力。因此成為應(yīng)用最為廣泛的一種神經(jīng)網(wǎng)絡(luò)。

BP算法的基本思想是把學(xué)習(xí)過(guò)程分為兩個(gè)階段：第一階段是信號(hào)的正向傳播過(guò)程；輸入信息通過(guò)輸入層、隱層逐層處理并計(jì)算每個(gè)單元的實(shí)際輸出值；第二階段是誤差的反向傳遞過(guò)程；若在輸入層未能得到期望的輸出值，則逐層遞歸的計(jì)算實(shí)際輸出和期望輸出的差值（即誤差），以便根據(jù)此差值調(diào)節(jié)權(quán)值。這種過(guò)程不斷迭代，最后使得信號(hào)誤差達(dá)到允許或規(guī)定的范圍之內(nèi)。

基于BP算法的多層前饋型網(wǎng)絡(luò)模型的拓?fù)浣Y(jié)構(gòu)如上圖所示。

BP算法的數(shù)學(xué)描述：三層BP前饋網(wǎng)絡(luò)的數(shù)學(xué)模型如上圖所示。三層前饋網(wǎng)中，輸入向量為：；隱層輸入向量為：；輸出層輸出向量為：；期望輸出向量為：。輸入層到隱層之間的權(quán)值矩陣用V表示，其中列向量為隱層第j個(gè)神經(jīng)元對(duì)應(yīng)的權(quán)向量；隱層到輸出層之間的權(quán)值矩陣用W表示，其中列向量為輸出層第k個(gè)神經(jīng)元對(duì)應(yīng)的權(quán)向量。

下面分析各層信號(hào)之間的數(shù)學(xué)關(guān)系。

對(duì)于輸出層，有

對(duì)于隱層，有

以上兩式中，轉(zhuǎn)移函數(shù)f(x)均為單極性Sigmoid函數(shù)：

f(x)具有連續(xù)、可導(dǎo)的特點(diǎn)，且有

以上共同構(gòu)成了三層前饋網(wǎng)了的數(shù)學(xué)模型。

當(dāng)網(wǎng)絡(luò)輸出和期望輸出不相等時(shí)，存在輸出誤差E如下：

將以上誤差定義式展開至隱層，有

進(jìn)一步展開至輸入層，有

由上式可以看出，網(wǎng)絡(luò)輸入誤差是兩層權(quán)值W和V的函數(shù)，因此調(diào)整權(quán)值可以改變誤差E。

顯然，調(diào)整權(quán)值的原則是使誤差不斷的減小，因此應(yīng)使權(quán)值的調(diào)整量與誤差的負(fù)梯度成正比，即：

式中負(fù)號(hào)表示梯度下降，常數(shù)表示比例系數(shù)，在訓(xùn)練中反映了學(xué)習(xí)速率。

容易看出，BP學(xué)習(xí)算法中，各層權(quán)值調(diào)整公式形式上都是一樣的，均有3個(gè)因素決定，即：學(xué)習(xí)速率、本層誤差信號(hào)和本層輸入信號(hào)X/Y。其中輸出層誤差信號(hào)同網(wǎng)絡(luò)的期望輸出與實(shí)際輸出之差有關(guān)，直接反映了輸出誤差，而各隱層的誤差信號(hào)與前面各層的誤差信號(hào)都有關(guān)，是從輸出層開始逐層反傳過(guò)來(lái)的。

三、程序

clc

clear

all

k=1;

n=10;

P=[-1:0.05:1];

T=sin(k*pi*P);

plot(P,T,＇-＇);

title(＇要逼近的非線性函數(shù)＇);

xlabel(＇輸入向量＇);

ylabel(＇非線性函數(shù)目標(biāo)輸出向量＇);

net=newff(minmax(P),[n,1],{＇tansig＇,＇purelin＇},＇trainlm＇);

y1=sim(net,P);

net.trainParam.epochs=50;

net.trainParam.goal=0.01;

net=train(net,P,T);

y2=sim(net,P);

figure;

plot(P,T,＇-＇,P,y1,＇--＇,P,y2,＇*＇);

title(＇訓(xùn)練前后的網(wǎng)絡(luò)仿真結(jié)果對(duì)比＇);

xlabel(＇輸入向量＇);

ylabel(＇輸出向量＇);

legend(＇目標(biāo)函數(shù)輸出向量＇,＇未訓(xùn)練BP網(wǎng)絡(luò)輸出＇,＇已訓(xùn)練BP網(wǎng)絡(luò)輸出＇);

仿真結(jié)果如下圖：

由仿真結(jié)果圖可以看出，未經(jīng)訓(xùn)練的BP網(wǎng)絡(luò)輸出與目標(biāo)函數(shù)差距很大，逼近效果不理想，而對(duì)BP網(wǎng)絡(luò)訓(xùn)練之后的輸出可以較精確的逼近目標(biāo)函數(shù)，并且BP網(wǎng)絡(luò)的訓(xùn)練迭代次數(shù)僅約1.2次，網(wǎng)絡(luò)的輸出目標(biāo)誤差就達(dá)到了精度要求，收斂速度很快。函數(shù)逼近效果、網(wǎng)絡(luò)訓(xùn)練的收斂速度與原始非線性函數(shù)的頻率、BP網(wǎng)絡(luò)隱含層單元神經(jīng)元的數(shù)目以及BP網(wǎng)絡(luò)訓(xùn)練函數(shù)有關(guān)。

四、實(shí)驗(yàn)結(jié)論

通過(guò)編程實(shí)現(xiàn)使用BP網(wǎng)絡(luò)對(duì)函數(shù)進(jìn)行逼近，對(duì)BP網(wǎng)絡(luò)的信號(hào)和誤差傳遞的原理以及隱層、輸出層權(quán)值調(diào)整的規(guī)則有了充分的理解和認(rèn)識(shí)。

BP網(wǎng)絡(luò)是一個(gè)強(qiáng)大的工具，它是應(yīng)用最為廣泛的網(wǎng)絡(luò)。用于文字識(shí)別、模式分類、文字到聲音的轉(zhuǎn)換、圖像壓縮、決策支持等。

但是，通過(guò)實(shí)驗(yàn)看出，它還是存在一定的不足。由于本實(shí)驗(yàn)中采用的學(xué)習(xí)率是固定不變的，從而使得在函數(shù)逼近的時(shí)候在有些地方出現(xiàn)了偏離，如果能自適應(yīng)的調(diào)整學(xué)習(xí)率，使網(wǎng)絡(luò)在學(xué)習(xí)初期具有較大的學(xué)習(xí)率，以快速逼近函數(shù)，當(dāng)已經(jīng)逼近理想輸出時(shí)再使用較小的學(xué)習(xí)率，來(lái)更加精準(zhǔn)的去逼近函數(shù)，這樣會(huì)得到更好的逼近效果和更小的錯(cuò)誤率。

另外，BP網(wǎng)絡(luò)還具有收斂速度慢、容易陷入局部極小值的問(wèn)題。這些問(wèn)題通過(guò)對(duì)標(biāo)準(zhǔn)BP算法的改進(jìn)能得到一定程度的解決。

第三篇：BP神經(jīng)網(wǎng)絡(luò)優(yōu)缺點(diǎn)

多層前向BP網(wǎng)絡(luò)是目前應(yīng)用最多的一種神經(jīng)網(wǎng)絡(luò)形式, 但它也不是非常完美的, 為了更好的理解應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行問(wèn)題求解, 這里對(duì)它的優(yōu)缺點(diǎn)展開討論: 多層前向BP網(wǎng)絡(luò)的優(yōu)點(diǎn)：

①網(wǎng)絡(luò)實(shí)質(zhì)上實(shí)現(xiàn)了一個(gè)從輸入到輸出的映射功能，而數(shù)學(xué)理論已證明它具有實(shí)現(xiàn)任何復(fù)雜非線性映射的功能。這使得它特別適合于求解內(nèi)部機(jī)制復(fù)雜的問(wèn)題；

②網(wǎng)絡(luò)能通過(guò)學(xué)習(xí)帶正確答案的實(shí)例集自動(dòng)提取“合理的”求解規(guī)則，即具有自學(xué)習(xí)能力； ③網(wǎng)絡(luò)具有一定的推廣、概括能力。多層前向BP網(wǎng)絡(luò)的問(wèn)題：

①BP算法的學(xué)習(xí)速度很慢，其原因主要有：

a 由于BP算法本質(zhì)上為梯度下降法，而它所要優(yōu)化的目標(biāo)函數(shù)又非常復(fù)雜，因此，必然會(huì)出現(xiàn)“鋸齒形現(xiàn)象”，這使得BP算法低效；

b 存在麻痹現(xiàn)象，由于優(yōu)化的目標(biāo)函數(shù)很復(fù)雜，它必然會(huì)在神經(jīng)元輸出接近0或1的情況下，出現(xiàn)一些平坦區(qū)，在這些區(qū)域內(nèi)，權(quán)值誤差改變很小，使訓(xùn)練過(guò)程幾乎停頓；

c 為了使網(wǎng)絡(luò)執(zhí)行BP算法，不能用傳統(tǒng)的一維搜索法求每次迭代的步長(zhǎng)，而必須把步長(zhǎng)的更新規(guī)則預(yù)先賦予網(wǎng)絡(luò)，這種方法將引起算法低效。

②網(wǎng)絡(luò)訓(xùn)練失敗的可能性較大，其原因有：

a 從數(shù)學(xué)角度看，BP算法為一種局部搜索的優(yōu)化方法，但它要解決的問(wèn)題為求解復(fù)雜非線性函數(shù)的全局極值，因此，算法很有可能陷入局部極值，使訓(xùn)練失敗；

b 網(wǎng)絡(luò)的逼近、推廣能力同學(xué)習(xí)樣本的典型性密切相關(guān)，而從問(wèn)題中選取典型樣本實(shí)例組成訓(xùn)練集是一個(gè)很困難的問(wèn)題。

③難以解決應(yīng)用問(wèn)題的實(shí)例規(guī)模和網(wǎng)絡(luò)規(guī)模間的矛盾。這涉及到網(wǎng)絡(luò)容量的可能性與可行性的關(guān)系問(wèn)題，即學(xué)習(xí)復(fù)雜性問(wèn)題；

④網(wǎng)絡(luò)結(jié)構(gòu)的選擇尚無(wú)一種統(tǒng)一而完整的理論指導(dǎo)，一般只能由經(jīng)驗(yàn)選定。為此，有人稱神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)選擇為一種藝術(shù)。而網(wǎng)絡(luò)的結(jié)構(gòu)直接影響網(wǎng)絡(luò)的逼近能力及推廣性質(zhì)。因此，應(yīng)用中如何選擇合適的網(wǎng)絡(luò)結(jié)構(gòu)是一個(gè)重要的問(wèn)題；

⑤新加入的樣本要影響已學(xué)習(xí)成功的網(wǎng)絡(luò)，而且刻畫每個(gè)輸入樣本的特征的數(shù)目也必須相同； ⑥網(wǎng)絡(luò)的預(yù)測(cè)能力（也稱泛化能力、推廣能力）與訓(xùn)練能力（也稱逼近能力、學(xué)習(xí)能力）的矛盾。一般情況下，訓(xùn)練能力差時(shí)，預(yù)測(cè)能力也差，并且一定程度上，隨訓(xùn)練能力地提高，預(yù)測(cè)能力也提高。但這種趨勢(shì)有一個(gè)極限，當(dāng)達(dá)到此極限時(shí)，隨訓(xùn)練能力的提高，預(yù)測(cè)能力反而下降，即出現(xiàn)所謂“過(guò)擬合”現(xiàn)象。此時(shí)，網(wǎng)絡(luò)學(xué)習(xí)了過(guò)多的樣本細(xì)節(jié)，而不能反映樣本內(nèi)含的規(guī)律。優(yōu)點(diǎn)——

神經(jīng)網(wǎng)絡(luò)有很強(qiáng)的非線性擬合能力，可映射任意復(fù)雜的非線性關(guān)系，而且學(xué)習(xí)規(guī)則簡(jiǎn)單，便于計(jì)算機(jī)實(shí)現(xiàn)。具有很強(qiáng)的魯棒性、記憶能力、非線性映射能力以及強(qiáng)大的自學(xué)習(xí)能力，因此有很大的應(yīng)用市場(chǎng)。

缺點(diǎn)——

（1）最嚴(yán)重的問(wèn)題是沒(méi)能力來(lái)解釋自己的推理過(guò)程和推理依據(jù)。

（2）不能向用戶提出必要的詢問(wèn)，而且當(dāng)數(shù)據(jù)不充分的時(shí)候，神經(jīng)網(wǎng)絡(luò)就無(wú)法進(jìn)行工作。

（3）把一切問(wèn)題的特征都變?yōu)閿?shù)字，把一切推理都變?yōu)閿?shù)值計(jì)算，其結(jié)果勢(shì)必是丟失信息。

（4）理論和學(xué)習(xí)算法還有待于進(jìn)一步完善和提高。

第四篇：離散Hopfield神經(jīng)網(wǎng)絡(luò)的分類--高?？蒲心芰υu(píng)價(jià)

代碼：

離散Hopfield的分類——高校科研能力評(píng)價(jià)

clear all clc

%% 導(dǎo)入數(shù)據(jù)

load class.mat

%% 目標(biāo)向量

T=[class_1 class_2 class_3 class_4 class_5];%% 創(chuàng)建網(wǎng)絡(luò)

net=newhop(T);%% 導(dǎo)入待分類樣本 load sim.mat

A={[sim_1 sim_2 sim_3 sim_4 sim_5]};%% 網(wǎng)絡(luò)仿真

Y=sim(net,{25 20},{},A);%% 結(jié)果顯示

Y1=Y{20}(:,1:5)Y2=Y{20}(:,6:10)Y3=Y{20}(:,11:15)Y4=Y{20}(:,16:20)Y5=Y{20}(:,21:25)%% 繪圖

result={T;A{1};Y{20}};figure for p=1:3 for k=1:5

subplot(3,5,(p-1)*5+k)

temp=result{p}(:,(k-1)*5+1:k*5);[m,n]=size(temp);

for i=1:m

for j=1:n

if temp(i,j)>0

plot(j,m-i,'ko','MarkerFaceColor','k');

else

plot(j,m-i,'ko');

end hold on

end

end axis([0 6 0 12])axis off

if p==1

title(['class' num2str(k)])

elseif p==2

title(['pre-sim' num2str(k)])

else

title(['sim' num2str(k)])

end

end end %

noisy=[1-1-1-1-1;-1-1-1 1-1;-1 1-1-1-1;-1 1-1-1-1;1-1-1-1-1;-1-1 1-1-1;-1-1-1 1-1;-1-1-1-1 1;-1 1-1-1-1;-1-1-1 1-1;-1-1 1-1-1];

y=sim(net,{5 100},{},{noisy});a=y{100}

%% %% 清空環(huán)境變量 clear all clc

%% 導(dǎo)入記憶模式

T = [-1-1 1;1-1 1]';%% 權(quán)值和閾值學(xué)習(xí)[S,Q] = size(T);

Y = T(:,1:Q-1)-T(:,Q)*ones(1,Q-1);[U,SS,V] = svd(Y);K = rank(SS);

TP = zeros(S,S);for k=1:K

TP = TP + U(:,k)*U(:,k)';

end

TM = zeros(S,S);for k=K+1:S

TM = TM + U(:,k)*U(:,k)';

end

tau = 10;

Ttau = TPTtau*T(:,Q);

h = 0.15;C1 = exp(h)-1;

C2 =-(exp(-tau*h)-1)/tau;

w = expm(h*Ttau);

b = U * [ C1*eye(K)zeros(K,S-K);zeros(S-K,K)C2*eye(S-K)] * U' * Itau;%% 導(dǎo)入待記憶的模式

Ai =[-0.7;-0.6;0.6];y0=Ai;%% 迭代計(jì)算 for i=1:5

for j=1:size(y0,1)

y{i}(j,:)=satlins(w(j,:)*y0+b(j));

end y0=y{i};end y{1}

第五篇：科研能力評(píng)價(jià)

關(guān)于研究生科研能力評(píng)語(yǔ)大全

篇一：研究生科研能力評(píng)價(jià)

我是xx大學(xué)xx系研究生，如今面臨畢業(yè)之際，回首這三年的研究生生涯，現(xiàn)做自我鑒定如下：

本人在思想覺悟上始終對(duì)自己有較高的要求，能用來(lái)認(rèn)識(shí)世界認(rèn)識(shí)社會(huì)，能清醒的意識(shí)到自己所擔(dān)負(fù)的社會(huì)責(zé)任，對(duì)個(gè)人的人生理想和發(fā)展目標(biāo)，有了相對(duì)成熟的認(rèn)識(shí)和定位。

在專業(yè)課程的學(xué)習(xí)上，根據(jù)自身研究方向的要求，有針對(duì)性的認(rèn)真研讀了有關(guān)核心課程，為自己的科研工作打下扎實(shí)基礎(chǔ);并涉獵了一部分其他課程，開闊視野，對(duì)本研究方向的應(yīng)用背景以及整個(gè)學(xué)科的結(jié)構(gòu)有了宏觀的認(rèn)識(shí)。學(xué)習(xí)成績(jī)也比較理想。在外語(yǔ)方面，研究生階段著重加強(qiáng)了書面寫作的訓(xùn)練，并取得了一定效果。

在科研工作上，根據(jù)導(dǎo)師的指導(dǎo)，研讀了大量論著，逐步明確了研究方向，通過(guò)自身不斷的努力，以及與師長(zhǎng)同學(xué)間的探討交流，取得了一些比較滿意的成果。在這期間，查閱資料，綜合分析等基本素質(zhì)不斷提高，書面表達(dá)的能力也得到了錘煉，尤其是獨(dú)立思考判斷和研究的能力，有了很大進(jìn)步，這些對(duì)于未來(lái)的工作也都是大有裨益的。

平時(shí)生活中，為人處世和善熱情，和同學(xué)關(guān)系融洽。根據(jù)自身愛好和能力，業(yè)余參與了一些社會(huì)活動(dòng)，為個(gè)人綜合素質(zhì)的全面發(fā)展打下基礎(chǔ)。畢業(yè)在即，在工作實(shí)踐中，除了提升適應(yīng)工作要求的具體業(yè)務(wù)能力，還提高了和同事溝通交流的能力，團(tuán)隊(duì)協(xié)作的素質(zhì)也得以培養(yǎng)，為走出校園融入社會(huì)做好了準(zhǔn)備。

研究生階段使我所獲頗豐，從學(xué)業(yè)、科研工作，到個(gè)人素質(zhì)，都得到了充分的培養(yǎng)和鍛煉，是充實(shí)且有意義的三年。相信這些經(jīng)歷和積累都將成為我人生道路上的寶貴財(cái)富。

篇二：研究生科研工作的自我鑒定

體育學(xué)碩士研究生是從事體育活動(dòng)以及體育科學(xué)研究的高層次體育人才，隨著高校招生規(guī)模的不斷擴(kuò)大，學(xué)位類別和教育模式的逐漸優(yōu)化，學(xué)術(shù)型和應(yīng)用型碩士研究生在課程安排和培養(yǎng)模式方面都各有側(cè)重，而科研能力對(duì)于學(xué)術(shù)型碩士研究生的自身發(fā)展更是起著重要的作用。很多用人單位不僅要求研究生有扎實(shí)的專業(yè)技能，還要求具有較強(qiáng)的科研能力。因此，提高學(xué)術(shù)型體育碩士研究生的科研能力成為了時(shí)代的需求。評(píng)價(jià)體系應(yīng)根據(jù)不同專業(yè)特點(diǎn)而制定，使其更具有針對(duì)性，而目前關(guān)于體育學(xué)科缺乏科學(xué)、合理的科研能力評(píng)價(jià)體系。大多數(shù)研究對(duì)于研究生科研能力的內(nèi)涵有一定探討，但對(duì)其進(jìn)行明確界定的較少;對(duì)于研究生科研能力結(jié)構(gòu)要素以及培養(yǎng)模式的研究較多，而對(duì)其進(jìn)行準(zhǔn)確評(píng)價(jià)的較少;對(duì)于培養(yǎng)研究生科研能力的某個(gè)環(huán)節(jié)探討的較多，而從整體上去把握的較少。本研究通過(guò)大量研讀相關(guān)的學(xué)術(shù)論文和書籍，了解以往的研究成果，以河南省三所高校的研究生導(dǎo)師、科研工作者以及研究生管理者等為調(diào)查對(duì)象，在對(duì)學(xué)術(shù)型體育碩士研究生科研能力評(píng)價(jià)現(xiàn)狀進(jìn)行分析的基礎(chǔ)上，對(duì)教育評(píng)價(jià)的相關(guān)理論進(jìn)行了仔細(xì)地研究，明確科研能力的內(nèi)涵，并且結(jié)合我國(guó)碩士研究生的培養(yǎng)目標(biāo)以及體育學(xué)科特點(diǎn)，將眾多專家的意見進(jìn)行總結(jié)、歸納和分析，以知識(shí)儲(chǔ)備、分析問(wèn)題能力、學(xué)位論文質(zhì)量以及其他科研成果4個(gè)方面為一級(jí)指標(biāo)，又將其分解為專業(yè)知識(shí)、交叉知識(shí)、邏輯推理能力、信息處理能力、獨(dú)立決策能力等13個(gè)二級(jí)指標(biāo)，從不同角度對(duì)碩士研究生的科研能力進(jìn)行考核評(píng)估，并針對(duì)具體的評(píng)價(jià)內(nèi)容、應(yīng)遵循的原則、評(píng)價(jià)標(biāo)準(zhǔn)以及適用的評(píng)價(jià)方法等方面進(jìn)行了詳細(xì)地闡述，運(yùn)用秩和運(yùn)算法確定各級(jí)指標(biāo)的權(quán)重，構(gòu)建出一套質(zhì)性和量化有機(jī)結(jié)合的科研能力評(píng)價(jià)體系，不僅對(duì)提高學(xué)術(shù)型體育碩士研究生的科研能力起到一定的激勵(lì)作用，也為河南省高等教育管理提供有效的參考依據(jù)。