| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-28页 |
| 1.1 选题的背景及意义 | 第14-16页 |
| 1.1.1 选题的背景 | 第14-15页 |
| 1.1.2 选题的意义 | 第15-16页 |
| 1.2 国内外研究综述 | 第16-25页 |
| 1.2.1 英国高校科研评价体系 | 第16-19页 |
| 1.2.2 美国高校科研评价体系 | 第19页 |
| 1.2.3 荷兰高校科研评价体系 | 第19-21页 |
| 1.2.4 澳大利亚高校科研评价体系 | 第21页 |
| 1.2.5 中国高校科研评价体系 | 第21-24页 |
| 1.2.6 对已有研究成果评述 | 第24-25页 |
| 1.3 研究内容、方法及创新点 | 第25-28页 |
| 1.3.1 研究内容 | 第25-26页 |
| 1.3.2 研究方法 | 第26-27页 |
| 1.3.3 本文的创新点 | 第27-28页 |
| 第2章 基本概念与基本理论 | 第28-43页 |
| 2.1 基本概念 | 第28-29页 |
| 2.1.1 高校二级学院 | 第28页 |
| 2.1.2 绩效 | 第28-29页 |
| 2.1.3 科研绩效 | 第29页 |
| 2.2 绩效管理系统 | 第29-33页 |
| 2.2.1 绩效计划 | 第30-31页 |
| 2.2.2 绩效实施与管理 | 第31-32页 |
| 2.2.3 绩效考核 | 第32页 |
| 2.2.4 绩效反馈与改进 | 第32-33页 |
| 2.3 绩效考核方法概述 | 第33-42页 |
| 2.3.1 目标管理考核法 | 第34页 |
| 2.3.2 360度考核法 | 第34-36页 |
| 2.3.3 平衡计分卡考核法 | 第36-37页 |
| 2.3.4 关键绩效指标考核法 | 第37-38页 |
| 2.3.5 数据包络分析考核法 | 第38-40页 |
| 2.3.6 人工神经网络考核法 | 第40-42页 |
| 2.4 本章小结 | 第42-43页 |
| 第3章 K大学经管学院教师个体科研绩效评价体系构建 | 第43-63页 |
| 3.1 教师个体科研绩效考核指标体系的构建 | 第43-45页 |
| 3.1.1 K大学经管学院的战略目标 | 第43-44页 |
| 3.1.2 科研绩效考核指标的构建 | 第44-45页 |
| 3.2 基于信息熵和相关系数的科研指标权重分配 | 第45-52页 |
| 3.2.1 信息熵和相关系数的概念 | 第46-47页 |
| 3.2.2 科研考核指标权重算法设计 | 第47-48页 |
| 3.2.3 实证研究设计 | 第48-52页 |
| 3.3 基于RBF神经网络的科研绩效评价建模 | 第52-58页 |
| 3.3.1 RBF神经网络理论 | 第52-53页 |
| 3.3.2 PSO优化算法理论 | 第53-55页 |
| 3.3.3 科研绩效评价算例 | 第55-58页 |
| 3.4 模型验证分析 | 第58-60页 |
| 3.5 评价结果分析 | 第60-62页 |
| 3.6 教师个体科研绩效改进建议及对策 | 第62页 |
| 3.7 本章小结 | 第62-63页 |
| 第4章 K大学经管学院科研团队绩效评价体系构建 | 第63-78页 |
| 4.1 DEA的基本模型 | 第64-69页 |
| 4.1.1 基于规模收益不变的CCR模型 | 第64-67页 |
| 4.1.2 基于规模收益可变的BCC模型 | 第67-69页 |
| 4.2 K大学经管学院科研团队基本情况 | 第69-70页 |
| 4.3 基于CCR模型的科研团队绩效考核 | 第70-75页 |
| 4.3.1 确定评价指标体系 | 第70-72页 |
| 4.3.2 基于CCR模型的绩效评价 | 第72-75页 |
| 4.4 DEA结果分析 | 第75-76页 |
| 4.5 科研团队建设改进建议及对策 | 第76-77页 |
| 4.6 本章小结 | 第77-78页 |
| 第5章 结论与展望 | 第78-80页 |
| 5.1 结论 | 第78-79页 |
| 5.2 展望 | 第79-80页 |
| 参考文献 | 第80-85页 |
| 攻读硕士学位期间所发表的学术论文 | 第85-86页 |
| 致谢 | 第86-87页 |
| 详细摘要 | 第87-91页 |