本次評價中，我們在審定了評價體系并確定評價對象后，對原始數(shù)據(jù)進行了全面核查，并對異常數(shù)據(jù)進行處理，然后利用我們自己設計的“中國研究生教育評價信息系統(tǒng)”進行數(shù)值計算、統(tǒng)計得分。

 

     分類評價是當前科學評價的熱點和難點，專業(yè)評價是教育評價的微觀層面，其復雜度和難度之大難以想象。通過多年的評價實踐，認識到利用題錄信息可以完成論文分類，有人提出《學科分類與代碼》是中國科學評價領域的最佳分類體系。在梳理常規(guī)分類方法的基礎上，歸納出這些方法適合于分類評價的方面，而且對這些方面進行進一步的改造和融合，提出和構(gòu)建了科學評價論文分類系統(tǒng)，其特點是“二次分類”和“自動生成訓練集”。該系統(tǒng)巧妙利用期刊分類器和類號轉(zhuǎn)換器，實現(xiàn)了二次分類和自動生成測試集，提高了支持向量機（support vector machine，SVM，一種機器學習算法）的分類精度，也避免了繁重的人工分類任務。實驗證明本系統(tǒng)能勝任科學評價中的論文分類任務。本次評價繼續(xù)使用該系統(tǒng)并適當改進。在其他數(shù)據(jù)指標的分專業(yè)過程中，采用人機結(jié)合的方式，大量使用VBA、Java等設計程序，提高了工作效率和準確性。

 

     最后，我們利用“中國研究生教育評價信息系統(tǒng)”進行數(shù)值計算、統(tǒng)計得分和排行榜生成。在評價過程中，我們進一步實現(xiàn)智能與人工的密切配合，加強了誤差判定，對波動較大的數(shù)據(jù)進行了人工校準，提高了效率，保證了準確率。

 

     在評價的初步結(jié)果出來之后，邀請各領域?qū)＜覍Y(jié)果進行分析，將反饋的意見納入最終的結(jié)果，達到了定量評價和定性評價的完美結(jié)合，使評價的結(jié)果更具科學性和權(quán)威性。

 

     在結(jié)果的呈現(xiàn)方式上，根據(jù)集中與離散分布規(guī)律，在各評價結(jié)果的表示方面，將各排行榜中的競爭力依次分為5個等級，并用星級表示：①5★為具有重點優(yōu)勢競爭力的單位，即排在最前面10%的培養(yǎng)單位（其中，排在前1%（含1%，下同）的為5★+級，前1%以后至5%的為5★級，5%以后至10%的為5★-級）；②4★為具有優(yōu)勢競爭力的單位，占總數(shù)的10%，即排在10%～20%的單位；③3★為具有良好競爭力的單位，占總數(shù)的30%，即排在前20%～50%的單位；④2★為具有一般競爭力的單位，占總數(shù)的40%，即排在前50%～90%的單位；⑤1★為具有較差競爭力的單位，占總數(shù)的10%，即排在90%～100%的單位。