学位论文质量评价与分析：数据统计与建模方法

"全国大学生数据统计与分析竞赛21年A题本科生组的优秀论文集中，探讨了学位论文质量评价与分析。论文通过分析评审数据，建立专家观点量化模型和综合评价体系，为学位论文质量分析提供新思路。研究涉及异常值处理、专家评分一致性检验、关键词提取以及基于熵权法和TOPSIS的理想点法的综合评价方法。" 这篇论文主要关注以下几个知识点： 1. 学位论文质量评价：论文深入研究了学位论文质量的评估，通过对大量评审数据的分析，探讨了如何更准确地评价论文的整体水平。这涉及到对论文的筛选、专家评审的一致性、学科类别差异性以及评价维度的均衡性。 2. 专家观点量化模型：论文提出了对专家评语进行文本分析，以建立量化模型，从而量化专家的观点。这种方法有助于从大量评审数据中提取有用信息，为评价体系提供支持。 3. 统计分析方法：论文运用了描述性统计、正态性检验、Spearman和Kendall相关性分析，揭示了专家评分的相关性和一致性。通过Kappa一致性检验，评估了专家间的评分一致性，揭示了不同学科论文的评价差异。 4. 数据预处理：在解决问题时，论文进行了数据清洗，处理异常值和缺失值，这是数据分析的基础步骤，确保后续分析的准确性。 5. 关键词分析：通过构建语料库和停用词列表，筛选出高频关键词，使用几何平均值计算特征差异，并通过偏度系数分类正向和负向关键词，以更好地理解专家的评语。 6. 综合评价体系：论文提出了基于熵权法和TOPSIS理想点法的综合评价体系，解决了不同学科论文水平不一致以及评价维度反映程度不同的问题。熵权法用于赋予各评价维度合适的权重，而TOPSIS方法则用于对不同学科的论文进行总分排序。 7. 应用实例：在实际应用中，工学领域的评语和评分对应较好，而艺术学可能存在差异，可能归因于样本量或学科特性。这表明评价体系需考虑学科特性，以提高评价的准确性和公正性。 这篇论文展示了如何运用统计学和数据分析方法解决学位论文质量评价问题，为后续的研究和实践提供了有价值的参考。