基于最佳-最差法-灰色关联分析-偏好排序组织方法（BWM-GRA-PROMETHEE）的混合框架用于基于科学计量指标的大学排名

《Publications》：A Hybrid BWM-GRA-PROMETHEE Framework for Ranking Universities Based on Scientometric Indicators

　　

基于科学计量指标的大学排名常依赖补偿性聚合模型，使得极端值主导评价，且对离群值与不稳定赋权程序敏感，降低了排名可靠性与可解释性。研究人员提出一种混合BWM–GRA–PROMETHEE（BGP）框架，结合基于判断赋权的最佳-最差法（Best-Worst Method, BWM）、抗离群归一化的灰色关联分析（Grey Relational Analysis, GRA）与非补偿性超越排序法偏好排序组织方法（Preference Ranking Organization Methods for Enrichment Evaluation II, PROMETHEE II）。该框架应用于专家验证的科学计量指标体系，生成更稳定且行为基础的排名。结果表明，所提方法在权重与阈值扰动下保持稳定性，即便在离群污染情景下亦维持排名一致性。对比实验进一步证明BGP优于加性比率评估（Additive Ratio Assessment, ARAS）、多属性边界近似面积比较（Multi-Attributive Border Approximation Area Comparison, MABAC）与理想解相似度排序技术（The Technique for Order of Preference by Similarity to Ideal Solution, TOPSIS），取得最高Spearman秩相关。本研究贡献了统一评价框架，协同解决科学计量排名中三大方法学挑战：离群敏感、补偿效应与数据依赖赋权的不稳定性，为研究人员与政策制定者提供更可靠且严谨的研究绩效评估基础。

研究背景方面，研究绩效评价已成为大学质量与成功的关键指标，Scimago机构排名（SIR）、URAP、NTU与莱顿排名等全球系统多以发表量与引文数等科学计量指标为核心，但统计聚合方式难以处理多维、重尾且含离群值的科学计量数据，且缺乏一致性校验与敏感性分析。现有多准则决策（Multi-Criteria Decision-Making, MCDM）研究多引入教育、财务或调查指标，或采用熵权、CRITIC、MEREC等客观赋权与ARAS、TOPSIS、MABAC等补偿性聚合，前者受离群与偏态干扰，后者允许单指标极高表现掩盖其他维度缺陷。为同时克服赋权不稳、归一化离群敏感与补偿扭曲，研究人员开展本研究。

研究人员开展的研究为：以2020–2024年Scopus与SCImago Journal Rank（SJR）门户获取的100所印度尼西亚大学期刊论文数据为例，经Delphi法（7位专家，1–9 Likert，Aiken’s V≥0.80、中位数≥7、IQR≤1）筛出5项标准指标——SJR分数、国际协作、总引文数、Q1期刊发文数、发文生产力；以最佳-最差法（BWM）由专家判断得权重（SJR 0.3366、Q1 0.2473、引文 0.2185、生产力 0.1050、国际协作 0.0637，群体一致性Kendall’s W=0.730，p<0.001，个体CR≤0.0305）；以灰色关联分析（GRA，分辨系数ζ=0.5）将原始矩阵转为灰关联系数（Grey Relational Coefficient, GRC）矩阵（值域0.33–1.00）；以PROMETHEE II采用V型线性偏好函数（无差异阈值q=10%、偏好阈值p=60%各指标极差）计算离开流?⁺、进入流?^?与净流?=?⁺??^?得完整排名。结论为：BGP在权重±90%扰动与(q,p)阈值扰动下排名前序不变；在引文与SJR乘8离群污染30情景下，Spearman ρ=0.9985、SRD=98.7、SR@5=0.99、Max ΔRank=5.73、RIR=0.52，Friedman χ2=82.03（p=1.13×10^?17），Nemenyi检验BGP均显著优于ARAS、MABAC、TOPSIS。该文发表于《Publications》，意义在于为科学计量排名提供同时抵御离群、抑制补偿、脱离数据依赖赋权的统一方法学底座。

主要关键技术方法概括：研究人员采用Scopus API与SJR门户抽取2020–2024年100所印尼大学期刊论文（剔除会议、书籍等非期刊类型）构成样本队列；以Delphi法+Likert+Aiken’s V+Kendall’s W完成指标筛选与专家共识验证；以BWM（1–9标度、BO/OW向量、minimax优化、CR≤0.1）获专家驱动权重；以GRA（min-max初归一、理想参考序列、全局偏差界、ζ=0.5求GRC）做抗离群关系化变换；以PROMETHEE II（V型偏好函数、统计化q/p阈值、聚合格式指数、?⁺/?^?/?）做非补偿超越排序；最后以权重与阈值敏感性分析、×8乘性离群污染30情景、Spearman/SRD/SR@k/MaxΔRank/RIR及Friedman–Nemenyi统计检验完成稳健性比对。

研究结果部分，4.1节“指标构建结果”经Delphi保留5指标，Kendall’s W=0.730（p<0.001）证专家一致；4.2节“BWM赋权结果”七专家BO/OW矩阵得个体权重均CR≤0.0305，AIP聚合后SJR最高权0.3366，证质量导向甚于数量/协作；4.3节“GRA结果”原始引文177–130951经初归一与GRC压缩至0.33–1.00，UNIV-1等多近理想，证GRA抑离群且保序；4.4节“PROMETHEE II结果”以GRC与BWM权入V型函数（q=10%、p=60%极差），UNIV-1（?=0.97703）、UNIV-4（0.782374）、UNIV-2（0.7292）居首，末位?⁺=0、?^?≈0.0378，K-means依?分高/中/弱三类，散点?⁺–?显示非补偿结构；4.5节“验证”中4.5.1敏感性分析示权重10%–90%变、引文(q,p)三水平变均不改前列，4.5.2比较分析在引文/SJR×8污染30情景下BGP各项稳健指标最优，Friedman–Nemenyi证差异显著非随机。

讨论部分总结：研究人员指出BWM使权重脱钩数据方差，反映战略优先；GRA以ζ压缩极端值同时保留序关系，优于min-max/z-score/log；PROMETHEE II的q/p与超越逻辑防单指标掩瑕，非替代性成立；BGP三阶段序贯（优先权重→抗离群变换→非补偿排序）在理论与实证上令Spearman高、SRD低、SR@k稳，可供科研监测与政策资源配置。结论部分译文：BWM所得权重CR低于阈值，证指标间判断一致，SJR、引文、生产力、Q1、国际协作五指标权重合理论；GRA将极端值与量纲异质压缩至0.33–1.00关系空间，免离群扭曲；PROMETHEE II取V型函数q=10%、p=60%极差限偿得均衡排名；稳健分析证BGP结构稳定与非补偿性显著。局限为仅Scopus/SJR源、仅印尼样本、ζ=0.5未做专门敏感；未来可扩WoS/Dimensions/OpenAlex、跨国样本、增撤稿等成本型指标、调ζ、迁其他MCDM域。BGP为科学计量大学排名提供稳定、透明、可支持研究绩效提升决策的框架。