基于神经网络模型的高校竞争力可信评估

各大学竞相争取科研经费，其地位取决于国家评估和排名的结果，而这些评估和排名的制作成本高昂，且基于难以预测的专家意见。评估结果对大学的声誉、经费水平、对教职员工的吸引力以及招收顶尖学生的成效有着重大影响。专家评估和预测已被广泛应用，但仍需要可信的 AI 工具提供额外支持。已有若干尝试使用各种机器学习方法，但由于人们认为难以清晰且可靠地解释所得出的预测结果，对这些方案的信心仍然有限。本研究旨在提出一项使用神经网络模型并辅以其预测解释的方案，以支持对大学竞争力进行可信且可持续的评估。这一方法学贡献提高了评估过程的透明度和可解释性，并得到了基于精选大学数据的实证研究的进一步支持。研究使用全连接神经网络（FCNN）进行计算，并应用局部可解释模型不可知解释（LIME）方法来解释预测结果。结果证实了所提模型的有效性，并为改进评估体系以及在评估大学竞争地位和科学研究对社会的效益方面建立对 AI 应用的信任奠定了坚实基础。