2.5 “现代化特色大学”的模糊综合评价

在本书中，我们通过广泛的调查研究，几经修改，拟定了如前文所述的“现代化特色大学”评价指标体系，用来对某高校的特色化程度作出定量评价。

2.5.1 评价因素集与权重集

我们以上海工程技术大学为例，对“现代化特色大学”的模糊综合评价模型进行了实证运行。模型的基本情况如下：

1．关于因素集

由于我们采用的是三级模糊综合评价模型，因此评价因素集由三个层面组成。与一级指标对应的因素集由8个元素组成，即

与二级指标对应的因素集共21个；与三级指标对应的因素集共62个，如表2.8所示。

2．关于等级集

本书的模糊综合评价模型的等级集都由四个元素组成，即A、B、C、D，但它们在不同层次中的含义各不相同。

在第一层和第二层评价中，评价等级A、B、C、D分别表示优秀、良好、中等、较差。而在最高级的评价中，等级集={A, B, C, D}={特色鲜明，有特色，特色一般，特色不足}。也就是采用本模型评价时，评价结果为“特色鲜明”、“有特色”、“特色一般”、“特色不足”四个结论中之一。

3．关于权向量

在本书中，我们将通过两条途径来确定权重，一是专家确定法；二是问卷调查法。通过专家座谈会和专家打分的方法拟定了各级指标的权重，如表2.9所示。

我们面向全国各地27所高校发放了117份问卷。在问卷统计分析的基础上，得到了另一套权重，如表2.10所示。

4．关于模糊评价矩阵

在多级模糊综合评价中，第一层面的模糊评价矩阵是基础，以后各级都可以在下一层面的评价基础上得到。而第一层面的模糊评价矩阵可以通过专家打分法或问卷调查法得到。

在对上海工程技术大学的实证评价中，我们共发放调查表300份，其中，回收272份，有效问卷269份。经统计，得到三级模糊评价矩阵。

5．关于算子

在本书中，我们选用（∧, ∨）、（·, ⊕）、（·, ∨）和（∧, ⊙）四组算子进行模糊合成，其中各组算子的含义如表2.11所示。

6．评价过程

本书采用的三级模糊综合评价模型，其评价过程如图2.4所示。

2.5.2 “现代化特色大学”模糊综合评价的软件系统

为了能高效准确地进行统计和三级模糊综合测算，我们运用VisualC++6.0作为主要编程工具，开发设计了“现代化特色大学”模糊综合评价的软件系统。

本系统是地方工科特色大学项目的的有机组成部分，可以使判别一所大学是否为特色工科大学的模糊综合评判变得便捷。只要在系统中输入三级指标（观测点）的统计值，就可以迅速得到各级指标的模糊综合评判结果和最终评判结果，而且可以用4种算子进行评判。同时，本系统还可对类似的评判问题具有扩展性。

在本系统设计过程中，考虑到数据库存贮量不大，而算法复杂，又要求运行的速度快捷。所以，必须保证数据库类型部分统一与兼容，因而需协调统一使用Microsoft Access 2003数据库。