项目验收的同行评议辅助决策评价方法研究 ——基于贝叶斯正则化修正的BP人工神经网络模型

摘要：

[目的/意义]个体的同行评议判断不可避免地会由于专家主观性导致评审结果嵌入式有偏,而个体成员聚集在一起开展有组织的群体决策时,由于客观组织评审标准的存在,能有效避免个体非理性因素导致的系统整体偏差.[方法/过程]为了找到更适合的定量化模型来模拟专家组群体的复杂评审决策,本研究借助BP人工神经网络模型,样本选取2001-2005年间批准实施的林业"948计划"项目126项,从"投入—产出"视角选取表征项目特征的36个指标,基于以上指标通过有监督的机器学习来模拟项目评审专家组(5~9名成员)的决策打分值,并添加贝叶斯正则化修正项来提高模型的预测精度.[结果/结论]所建构的同行评议打分预测模型在添加贝叶斯正则化修正项后,平均误差平方和由10-3上升到10-4数量级,而模型的预测值与真实值间相关系数ρ由0.37(0.33)上升到0.61(0.47),模型实现了在个体水平上对项目评审打分的较准确预测,即通过精准计量评价来有效辅助同行评议决策.

关键词：同行评议、科技评价、BP人工神经网络、贝叶斯正则化、948计划

所属期刊栏目：36

分类号：G250(图书馆学、图书馆事业)

资助基金：中国科学技术协会项目"我国重点领域创新力评估"2015ZCYJ4-05;山东科技大学人才引进科研启动基金项目"同行评议与计量评价在科研评价中应用比较研究"研究成果

在线出版日期：2017-12-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：192-199