基于Logistic回归模型的博士研究生超期毕业影响因素分析——以哈尔滨工业大学为例

为充分了解和掌握影响博士研究生超期毕业的主要因素,本研究基于Logistic回归模型相关理论构建博士生超期毕业概率模型。以哈尔滨工业大学为研究载体,对构建的博士生超期毕业模型进行实证分析,并得到了影响博士生超期毕业的关键因素。该研究为博士生超期预警机制的建立、博士生的教育管理以及相关政策的制定提供了一定的参考与借鉴。

博士生超期毕业的现状、成因及对策——以北京航空航天大学为例

博士生超期毕业现象在中国高校普遍存在且易造成不利影响。对比国内外博士生培养年限,以北京航空航天大学近5年超期博士生的数据为例,采用定量分析方法,从总体情况、学科分布和培养方式等方面分析博士生超期毕业的现状和成因。结果表明,博士生平均学习年限正逐年增长,工科博士生学习年限普遍偏长,在职博士生超期比例高,超期原因复杂多样。保证博士生培养质量是解决该问题的关键。

博士生毕业因素的关联规则挖掘:群像特征与类型差异

博士生教育以培养具有学术创新能力的高层次人才为目标,肩负着知识生产和促进经济社会发展的重任。在大数据背景下,利用博士生培养过程的教育数据,深度挖掘博士生毕业时间与培养各环节的关联规则,发现博士生延期毕业的主要原因,探析不同时间毕业的博士生群体特征,可为高校加强博士生培养管理、提高博士生毕业率提供科学指导。基于某高校研究生管理大数据系统,获取学生入学信息、导师基础信息、综合素质表现、校园行为情况、科研学习情况5类数据,处理整合形成数据集,并进行特征提取和标签体系构建,采用FP-Growth算法挖掘所有标签与博士生毕业因素的关联规则,最终刻画出按期毕业、延期毕业和超期毕业3类博士生的群体画像,并对比分析3类群像呈现的差异性特征。研究发现:博士生入学方式、课程成绩、开题情况、科研成果数量和完成时间、在读期间是否获得奖学金和荣誉表彰、毕业论文送审时间与博士生毕业时间存在强关联性;博士生入学年龄、入学前院校是不是“双一流”高校、导师年龄、导师任博导年限、导师指导学生人数、校园行为习惯与博士生毕业时间关联性不强;按期毕业和超期毕业博士生分别对应一种典型群体画像,延期毕业博士生包含3种典型画像;3类博士生群体画像在学术志趣、学术基础和学术能力3个方面呈现明显差异。为提升博士生培养质量,提高博士生毕业率,需打破刚性限制与隐性歧视,确保优秀生源选拔的有效性;强化过程监督与分流退出,确保培养过程管理的科学性;重视课程供给与基础培养,保障科研实践衔接的流畅性;呵护博士生学术志趣和身心健康,激发其科研探索和创新的积极性。

影响博士研究生毕业因素及对策

以S学院为例,从分析博士生源质量、博士生入学方式、应届生与往届生差异,以及博士生导师年平均指导学生数对于博士生毕业率和毕业年限的影响诸多方面出发,分析造成博士研究生超期或不能毕业的原因,并提出若干举措,以完善高校博士研究生人才培养体系。