文摘

目前,各种经济和社会问题更加复杂,需要多学科的角度寻求解决方案,从而更复杂和创新人才是必要的。深化改革研究生跨学科教育,提高研究生质量的跨学科教育,培养高级技术人才和多学科背景、创新能力和综合素质也成为研究生教育中迫切需要解决的核心问题。本文以研究生跨学科培养模式的金融为研究对象,并使用跨学科教育理论、系统科学理论、高等教育理论探索组件和研究生跨学科培养模式的主要特征。在此基础上,探讨跨学科培训的现状在中国大学金融研究生,然后分析和讨论了当前存在的问题的跨学科研究生培养模式在我国在金融领域。最后,基于上述研究成果,相关建议为提高研究生跨学科培养的金融提出了在我的国家。研究结果表明,研究生跨学科培训是一种新形式的人才培养,调整后每个培训链接的来源和构成引入跨学科教育的概念。研究生跨学科培养模式的组件包括跨学科的支持元素和研究生培训元素。前者提供外部支持跨学科研究生培训,而后者构成研究生跨学科培养的主要内容。研究结果可以用来指导其他类型的研究生和跨学科教育实践提供一定的理论和实证参考培养更多的高级复合人才急需的社会。

1。介绍

金融市场是宏观经济的中心和链接的操作系统(1,2]。金融人才的重要力量,促进金融市场的不断发展。提高金融专业学生的综合能力具有重要意义的不断发展和完善我国的金融市场3,4]。金融专业是一个很重要的中国高等教育学科体系;几乎所有的学院和大学提供经济与管理专业有金融专业。以金融的主要为例来研究跨学科教育的一体化课程体系,教育质量更高的价值。与此同时,金融也是一个全面的主要(5,6]。它不仅提供管理课程,如管理,金融,会计,而且经济课程,如经济、货币和银行业和投资,以及数学、统计、概率理论、计量经济学、数学和其他课程。探索跨学科教育课程体系对金融专业有很高的参考价值其他经济管理专业的教学和相关的数学和物理专业(7,8]。随着高端金融教育和高层次创新人才的重要来源,在金融专业研究生教育,而被高度重视,也面临巨大的压力从实际需要改变9,10]。科学和技术的快速发展、经济、和社会产生了深刻的影响跨学科的结构。各种学科高度分化和高度综合,逐步形成一个新的跨学科领域(11]。此外,中国正面临着经济转型和产业结构升级,要求现代科技改造传统产业,大力发展高新技术产业,这需要更高级的复合技术人才的储备12,13]。许多经济和社会问题和矛盾也变得非常复杂,给各个领域的交集的特点,超越传统的单一学科的界限,需要一个跨学科的新视野寻求解决方案(14,15]。各种变化在当今时代表明,复合和创新人才的培养具有重要意义,这意味着要改革人才培养模式从一个跨学科和multifield角度16,17]。研究生教育是高等教育的重要组成部分,它应该适应时代趋势,积极应对跨学科的叫,打破专业界限,整合学科资源,实现部门之间的合作等。18),培养大量的化合物为科技进步优秀技术人才,产业升级,和社会进步19,20.]。

有效的预测和分析金融市场是一个长期的目标21,22]。然而,金融市场是一个复杂的系统,有许多不可预知的因素,非结构化,非线性和混沌现象2,23]。金融市场的行为通常是一个非线性混沌动态系统随机性与当地和全球的决心,周期和非周期现象的共存24]。因此,人们很难表达和获取这非线性和非结构化数据的关系,,很难把握其高风险的变化趋势。新形势下出现了现代金融理论,源于诺贝尔奖获得者马科维茨的工作。智能信息处理技术建立了现代数据分析理论和现代金融理论的模型系统。从信息处理的概念,智能信息处理是使用计算机和工程方法来理解人类智能行为(25]。金融数据分析和智能信息处理技术是使用人工智能、人工神经网络、混沌,遗传算法,智能决策支持系统、数据挖掘、数据库知识发现和其他方法(26]。在全球化的金融环境中,各种因素影响金融市场的行为建模,预测并分析数据,有许多非结构化和不可预测的因素在金融市场;和开展资源开发、管理、服务和知识发现27]。金融市场行为的影响因素包括相关市场行为(如黄金市场、外汇市场、债券,和股票市场和利率市场),宏观经济条件下,政治和政策、产业结构、国际形势和事务,和人类心理因素。金融行业是一个高度的行业需要的信息资源,和金融数据分析的智能信息处理技术提供了数据分析的理论框架对现代金融理论(28]。因此,它具有重要意义的智能信号处理系统集成到金融研究生的训练。

尽管经济和社会高层跨学科技术人才需求非常紧急,因为跨学科研究生教育融资在我国仍处于探索的初期,仍有问题需要解决的概念,系统和机制。因此,为了更清楚地理解问题和有效地解决这些问题,有必要加强跨学科培训的现状调查和掌握金融学研究生,提高和创新我国现有的金融机构有针对性地通过学习国外大学的成熟经验和实践。学习跨学科研究生培养模式,培养高级复合技术人才满足我国的实际需要。探讨跨学科研究生培养的现状在我的国家,财务分析在当前跨学科培养模式存在的问题,并借鉴跨学科研究生培养的经验和实践和理论研究的结果应用于实际的培养工作。本文的相关措施和建议为提高研究生跨学科培养模式的提出了在我的国家,这对提高跨学科培训有一定的现实意义的毕业生在我的国家,提高培训质量的高层次复合人才。本研究的技术路线如图1。

2。智能信号处理在金融的重要性

2.1。财务数据分析,人工智能技术

人工智能是一个基于知识表示技术,采集、推理、专家系统是人工智能领域的一个重要技术(29日]。主要元素专家系统的知识表示、知识获取,知识基础。专家系统知识库的结构,也就是说,在特定领域的专家知识,表达的一般规则和事实;推理引擎,即推理工具,流程专家领域和实现知识库的推理;和解释系统,表达了推导的结果。

金融数据分析专家系统包括实时监测系统,它提供了监视和控制各种数据(如各种金融市场交易数据和各种变化)和各种变化(如改变金融市场交易)在金融市场30.]。根据环境的变化做出相应的反应;资料解释系统建立一个有效的模型基于大量数据从金融市场的各个方面,提供各种数据的解释,使其了解金融市场的操作。

金融数据分析专家系统的新一代集神经网络、遗传算法等技术。这个时候,如果建立了金融数据分析专家系统,只需要给专家系统的一些数据,包括样本数据和数据库,以及专家系统将有效地从训练样本中提取规则和发展知识,将它们添加到知识库,使专家系统更有效率。使用这种技术,经验,见解,和技能的世界上最好的金融分析师将提供给更多的人。新一代的专家系统的特点是通过有效的方法;一方面,它获得专家的知识领域,另一方面,它从数据库中发现知识和生产的专家级诊断为给定的问题。

目前,金融数据分析的人工智能技术应用于评估公司的信用评级,风险评估,工程管理和投资策略分析,金融和经济预测,预测证券价格的变化,预测破产的银行倒闭。开发过程如图2。

2.2。金融数据分析的人工神经网络技术

八年期间从2011年到2018年,我国的商业银行的不良贷款余额全年完成从4279亿元增加到1957元,不良贷款余额的2018年6月与2011年12月相比增长了357%;不良贷款比率从1%上升到1.86%,显示整体上升趋势(31日]。从近年来的趋势,传统的金融机构在风险管理有很多问题由于关注不足系统和流程建设,及时监控违约风险的能力不足,以及缺乏一个系统的风险预警机制。同时,的环境下实现中央银行宏观审慎的评估系统(MPA)和日益严格的监管,金融机构需要改变以前的管理理念,不断增强其积极的风险管理和控制能力,利用人工智能和其他新技术手段,以应付未来的风险。图3显示了中国商业银行的不良贷款余额和不良贷款率从2011年12月到2018年6月。

人工神经网络是一个有向网络由大量的处理单元(即节点代表特征、概念、模式等不同的对象),是基于人类大脑的结构和特点32]。每条边对应于一个实数,称为连接权重。人工神经网络是一个平行的系统动力学模型,这是一个传统的统计数据和统计模式识别方法的发展,特别适用于模拟人类智能的模式识别、联想记忆、聚类和分类活动。它有两个特点:大规模的分布式结构和学习和自适应能力。

金融数据分析的人工神经网络技术来预测,分析和管理财务数据通过数据选择(数据分离和处理)和学习方法33),如股票和证券的预测分析,预测和资本收益的分析,风险管理和信用评级评估。当人工神经网络技术应用于预测财务数据的分析,首先从金融市场并选择选择历史记录的数据从互联网获得的所有数据,然后将数据划分为训练样本集和测试数据集和转换数据。为了适用于人工神经网络的输入和输出处理、人工神经网络训练与训练样本集,训练结果与测试数据集进行测试,并选择相关的神经网络模型和学习方法进行财务数据分析。学习算法的核心问题之一是人工神经网络技术进行财务数据分析。它需要研究学习理论,如自我强化学习和自组织的学习,发现有效的神经网络学习过程,这样可以构建金融市场的内部表示。权重调整,这些内部表示单位可以表达在金融领域问题的重要特征。因为神经网络反映协会、内存和学习,适应能力和非线性动力学的特点,并且近似非线性函数的能力,这是一个潜在的强大的工具来处理复杂的系统,如金融市场。人工智能+金融行业技术之间的关系如图4。

2.3。金融数据分析遗传算法技术

在1970年代,荷兰等人提出了一种基于生物进化原理,遗传算法的计算模型,模拟达尔文的遗传选择和自然淘汰,不断优化人口在解决的过程中,然后找到最优解和最优解34]。遗传算法搜索算法是基于自然选择和自然遗传机制的原则。它被认为是一个有效的全局并行优化搜索工具。它很简单,多才多艺,适应性强,适合于并行处理。遗传算法可用于选择子集选择和模型选择等问题。金融数据分析的遗传算法技术是实现投资和交易策略的优化和管理,优化决策策略,证券投资的选择,选择趋势预测模型的遗传算法。例如,在选择股票预测趋势模型,首先,构造二叉决策树通过遗传算法和决策树中的每个端点对应于一个类型的数据,代表一种趋势预测模型;然后选择规划决策树中的权向量预测最好的趋势预测模型。

遗传算法的基本原理应用到金融数据分析人口的解决方案是使用单位,使用适者生存原理模仿生物进化来指导搜索,并改善目标。每组的质量评估的价值函数,取决于问题的目标函数。搜索过程是通过代数进行改变(进化),并在每一代个体的概率被下一代继承正比于它的健身价值。使用三个基础运营商:复制、交叉和变异。复制是指亲代个体的直接传播给下一代的人口。这种传输是选择性;通过复制,突出个人的人口的数量不断增加,朝着一个更好的解决方案;交叉是选择两个个体交配和人口的两个个体的特点结合,形成一个新的个体;新的个人通信通过每个优秀的基因和获得更好的解决方案比父结构;复制和交叉只能找到最好的在现有的安排和组合基因型,而模仿突变理论改变单个基因突变在少数个体人群中,产生新的基因型,并扩大范围的优化,即突变。 The goal is to increase the diversity of the population and obtain a wider search range.

2.4。金融数据分析数据挖掘系统

在数据库知识发现(KDD)提取准确的过程中,未知的和潜在的有前途的、重要的和有价值的知识从数据库中使用机器学习方法(35]。二次加工技术,通过知识发现(KDD),从大量的数据中发现规律和模式,发现和理解知识,并应用这些知识的决策过程。知识发现(KDD)是一个多步过程:(1)准备:了解用户的需求;(2)数据选择:根据用户的需求,使用数据库操作来从数据库中提取KDD-related数据;(3)数据预处理:后处理所选数据,处理噪声数据,填充缺失数据,等;(4)数据压缩:根据知识发现的任务,使用操作,比如投影压缩预处理数据减少的数据量;(5)确定数据库知识发现(KDD)目标:根据用户需求,确定什么类型的知识知识发现(KDD)是发现;(6)确定的知识发现算法:根据数据库知识发现(KDD)的目标,选择适当的知识发现算法(包括适当的模型和参数);(7)数据挖掘:使用选定的知识发现算法,从数据中提取用户所需的知识,和特定的方式表达出来;(8)的解释模式:解释为了获得有效的知识发现的模式。 In order to obtain more effective knowledge, it is common to return to some of the previous steps for repeated extraction; (9) knowledge evaluation: present the discovered knowledge to the user. The specific route is shown in Figure5。

知识发现(KDD)的最大特征是分析数据背后的隐藏的特性和趋势,最后给数据的整体特征和趋势。如果人工智能技术是利用专家的知识和经验来做决定,然后知识发现(KDD)是发现的知识隐藏在大量数据的数据。发现有用的数据模式,通过数据分析和理解复杂的行为问题;通过数据挖掘隐性知识进行有效的预测。

3所示。研究生跨学科培养的组件模型

3.1。元素分析的研究生培养模式

跨学科的显著特点是打破单一学科的界限,实现两个或多个学科的知识集成,形成一个跨域、多层次、全面、综合的学科互动情况。研究生跨学科培养模式是一个水平培训的背景模型建立在多学科教育的指导下人才培养的学科之间的相互作用和法律根据社会对高级复合人才的需求。根据系统论的观点,研究生跨学科培养模式可以被视为一个系统由许多因素之间的交互。了解其操作模式,有必要先分解它的元素。

研究生教育已经发展成为培养高层次人才的主要途径,是国家创新体系的重要组成部分。每个培训单位也一直致力于研究生训练的改革和发展。特别是改革开放以来,经济社会发展对高层次人才的需求趋于多样化。研究生培养模式的创新,提高研究生教育的质量已经成为高等教育改革的首要任务。学院和大学的基本功能、人才培养一直收到了许多学者的关注和研究。其中,人才培养模式是一种约束机制如何训练人们系统地和经常和规定的规范和人才培养的方法。研究生培养模式是一种特殊类型的人才培养模式,它要求相对高质量的人才,并提出差异由于不同的培训对象和培训目标的标准。为了澄清研究生培养模式的构成要素,本文综述了国内有关论文2000年之后,整理学者的意见研究生培养模式的构成要素,并分类,如表所示1。

由于培训过程本身包含许多研究生培训的顺利进行,保证因素可以进一步细分。从研究生的角度来看训练的发展序列规则和训练工作,本文将研究生培训过程分为五个子块:选择学生,教师,课程,专业培训,毕业论文。科学训练和实践培训是专业训练的两个方面。图6显示元素的选择过程的研究生培养模式。

3.2。分析了研究生培养模式的元素之间的关系

如果研究生培训模型被视为一个系统,其组成元素可以被视为系统的组件。的和相关的组件和它们的方式成为系统的结构。根据三个主要环节的定义和功能的研究生训练模型,他们的关系如图7。

其中,研究生培训过程包括五个子元素:学生选择、教师、课程、专业训练、毕业论文。这些子元素分成有序的训练过程,彼此紧密联系,相互关联,共同确保整个训练过程。根据资源的人才培养的顺序输入输出,训练过程中的每个子元素的角色关系图所示8。

3.3。跨学科的教育理念

跨学科教育的改革不仅是开放更多的选修课程和设置更多的跨学科专业,但也涉及到复杂的和全面的问题等许多方面的科学、技术、社会、经济、教育、思维、和传统习惯。从根本上说,这是一个系统、全面和整体的变化。深层跨学科教育改革不仅包括跨学科的思想,还涉及许多观点在教育改革的理论体系。概念、系统平台、学科和其他因素参与跨学科教育的改革不是相互独立的,而是参与完整的跨学科教育体系的形成,及其交互影响跨学科教育系统和正常运转。其中,跨学科概念跨学科教育的总体情况,组织管理系统提供了基本的制度保障跨学科教育、资源整合机制是主要的跨学科教育发展道路的交叉学科领域的核心支点跨学科教育。图9显示了跨学科教育改革所涉及的因素之间的关系。

4所示。调查的跨学科研究生在金融领域的培训

4.1。调查问卷设计

考虑高校的学科优势和地理分布,根据地理划分东北,华北、华东、中南、西北、西南,20综合选择和金融学院和大学,和金融领域的教师和研究生的学院和大学被选为研究对象。进行访谈和问卷调查对研究生跨学科培养的现状,分别的阻力和问题,找出跨学科培养研究生在金融领域,以提供有用的参考国内大学进一步探索研究生跨学科教育。与相关专家咨询和讨论后,37个评价指标综合确定。跨学科培训模式的评价指标体系如表所示2。

总共350份问卷发放,328问卷回收,回收率为93.7%,其中317为有效问卷,有效率为96.7%。其中,47.79%的受访者表示,他们有跨学科研究的经验,和38.05%的被调查者表示,他们在跨学科研究经验。推荐的学生人数占总样本的37.61%,而interprofessional申请者的数量仅占样品总数的16.37%。

4.2。数据分析方法

回归分析是一种科学的统计分析方法定量的规律变化的数据。它的主要目的是描述、解释或预测因变量之间的依赖和一个或多个自变量。在回归分析中,如果有两个以上的自变量,就称为多元线性回归的分数。因变量更大的解释力。本研究是基于问卷调查的样本数据,利用SPSS统计软件进行多元线性回归分析。

多元线性回归方法的具体过程如下:(1)假设存在一个线性回归方程,其形式可以假设如下: (2)的值和最接近的

如果线性回归方程存在,那么我们要求的系数和常数项在每一项的前面 。回归方程得到更好地工作,也就是说,使预测值(估算值)最接近的样本值 。最小化的平方误差的总和 ,使用最小二乘方法来避免正面和负面的问题取消。那么问题的回归模型最有效的转化为找到的最小值的问题 。

的微分方程(3),我们得到

找到的最小值 ,替换后的预测价值,获得的偏导数获得一个线性方程系统,解决矩阵法获得 ,也就是说,常数项的系数值。

每次获得系数根据上述方法,方程和偏回归系数的意义应该测试,也就是说,是否获得回归方程达到统计学意义和是否达到0.05的显著水平。与单变量回归,这里的系数被称为偏回归系数,因为有多个独立的变量。总偏差平方和

党卫军₁回归平方和;党卫军₂残差平方和。

决定性的因素是

系数越接近于1,更好的模型与数据的吻合程度。

4.3。数据分析

4.3.1。单变量分析

采取跨学科概念、培训针对性和解决问题的意识作为独立变量和培训目标作为因变量,运用SPSS的多重线性回归分析功能,输出结果如下:

从系数表3,标准化的回归模型可以得到如下:

它从标准化的回归模型,可以看到三个自变量对因变量的影响,在降序排列,解决问题的意识,培养针对性,和跨学科的概念。自独立变量的标准化回归系数都是正数,这表明对因变量的影响是正的,和显著性检验独立变量的回归系数的值是11.654 ( ),13.113 ( ),和13.570 ( ),可以看到,所有的独立变量的回归系数达到了显著的水平。

表4输出的是一个总结上述回归分析的结果。从表中可以清楚地看到,三个独立变量之间的多元相关系数的跨学科的概念,培训针对性,培训目标和解决问题的意识和因变量是0.931,和多元相关系数是0.931。的平方系数为0.867,表明这三个独立变量可以解释87.6%的方差的文化目标因变量。在标准化的回归模型中,三个独立变量产生重大影响因变量的培训目标,和三个独立变量的标准化回归系数都是正数,这意味着三个独立变量对因变量影响培训目标产生积极的影响。其中,从标准化回归系数的角度值,在三个独立变量显著的回归系数,解决问题的意识和培训针对性的β值相对较大,说明这两个变量有更高的解释力和更好的培养目标。跨学科的思想的解释力和影响力相对较弱。

使用相同的方法,有22个评价指标的培训过程。这些评价指标可分为根据选择的学生,教师,课程,专业培训,毕业论文。标准化的回归模型如下:

从多学科领域教师的情况,教师跨学科教育的重要性,和教师指导学生跨学科的程度作为独立变量和教师作为因变量,运用SPSS的多重线性回归分析功能,输出结果如下:

的情况interprofessional学生补充课程,跨学科选修课程的情况,课程涉及多个学科的情况,和使用跨学科学习方法作为独立变量的情况和课程设置作为因变量,通过SPSS多元线性回归分析的应用程序功能,输出如下:

采取跨学科的毕业论文的选题,跨学科的知识和方法的使用,这种情况的防御来自不同领域的专家,以及毕业论文的评价从跨学科的角度作为独立变量和毕业论文作为因变量,通过应用SPSS多元线性回归分析的功能,输出结果如下:

4.3.2。全面的分析

结合所有上述多重回归分析结果,7个训练元素的主要影响因素,包括培训目标,选择学生,教师,课程、科研训练、实践训练,和毕业论文,可以获得。表中列出的细节5。

培训目标元素,两个因素的解决问题的意识和培训针对性比跨学科概念因素更有影响力;学生来源选择元素,interprofessional录取比例因子比多学科招生考试更重要的问题。两个因素,情况和interprofessional招生的意识,有更大的影响力;元素的教学人员,有三个因素:从多学科领域教师的情况,教师跨学科的指导学生,程度和教师跨学科教育的重要性。的课程元素,跨学科的学习方法的使用,使用跨学科选修课程,interprofessional学生补充专业课程有更多的影响比的因素涉及涉及多个学科的课程。元素的科学研究训练,整合科研资源的程度在学校内外和跨学科科研训练的经验远比跨学科知识或方法的使用更具影响力和跨学科科研训练的有效性;为实际训练zelements,跨学科培训的实际经验,对它的影响远小于使用跨学科知识或方法,跨学科实践培训的有效性和实用的内外资源的整合程度。毕业论文主题的选择和防御来自不同领域的专家的情况是两个因素;跨学科的知识和方法的使用和毕业论文的评价从跨学科的角度来看有更大的影响。

4.3.3。金融研究生教育的不足

目前,这些问题在中国大学工程研究生跨学科培训:一方面,跨学科的概念并没有渗透到具体的培训链接在一个明确的形式,组织和管理研究生仍然是基于学科的界定。部门是单位,部门之间的合作主要涉及科研项目和选修课程,和缺乏循环和互补的教师;如果它不高,学生跨学科的科学研究或实际培训的机会较少,有很大改进的余地在跨学科的毕业论文的选题,和培训评价少关注学生的个人学习成果。一般来说,这些都是以下5个问题:(1)跨学科的思想缺乏政策支持;(2)大学意识形态更为严重;(3)共享教育资源需要提升作为一个整体;(4)缺乏有效的规划跨学科培训;(5)特殊评价体系尚未建立。

4.4。建议Cross-Graduate培训

研究生跨学科培训并不是一个简单的调整的基础上传统的研究生教育但一系列变化从上到下从概念到系统操作,这需要学校培养高层次、复合从战略高度一流的创新人才。的定位和规划,学校的相关部门有必要明确规定在跨学科招生,培训,从制度层面和评价,它还要求所有二级培训的合作单位协商,决定在特定的训练问题,在实践中训练他们。有效的资源共享和协同操作对于研究生教育是必要的。因此,研究生跨学科培养的是全面、系统的工作。学校及其职能部门、二级单位和其他机构应该全面计划研究生跨学科培养的基于全局。

跨学科的概念体现在教育活动是指人才培养的教育理念涉及两个或两个以上的学科。达成的共识程度的学院和大学在这个概念将会影响他们的跨学科教育的顺利发展活动和跨学科人才培养的质量。跨学科教育需要广泛的概念理解老师,毕业研究生,和相关的管理员。接受和认可,在实践中,跨学科的概念深深植根于人民的心,贯穿研究生跨学科培训活动的开始和结束,并发挥着主导和支持作用的各种元素在每一阶段的培训。首先,高校必须坚持跨学科的概念,根据现代科技创新的需求和社会发展,收集相关的高质量的学科资源,并加强相关学科的互连和互操作性扩展开发和内涵建设,以计划和开辟新的学科发展方向和生学科。新的增长点,培养跨学科的着陆点也研究生教育的必要条件。其次,跨学科的概念的指导下,依靠学科发展的新方向,学院和大学的目标是培养优秀的学生。一流的创新人才开始并组织研究生跨学科教育活动,建立匹配的管理制度和运行机制,抓住跨学科人才培养的制高点。第三,为了扎实推进跨学科研究生培训,学院和大学进行了结构重组和资源的创新培训链接如学生选择、课程设置、教学组织、和导师指导从跨学科的角度的概念,以应对跨学科人才培养带来的新的挑战。最后,为了测试跨学科人才培养的质量和应对社会需求的高级复合人才,研究生跨学科的教育质量评估从跨学科的角度学习结果。

5。结论

通过定义研究生跨学科培养模式的构成要素的现状和开展实证调查在大学金融研究生跨学科培训在我国,可以得出以下结论:(1)根据跨学科研究生教育和法律的概念培训、研究生跨学科培训指的是研究生培训活动涉及两个或两个以上的学科。管理系统实现有机整合资源,扩大学科领域的口径,并使用这是一个支持条件调整源,构成,每个基本训练链接关系,形成新形势下人才培养的多学科背景(2)研究生跨学科培养的元素模型可以分为两类。一个跨学科的支持元素,包括四子元素的跨学科的概念,组织管理、合作机构和主题和领域。这些元素为研究生提供跨学科概念培训,组织,管理,和资源的支持;另一种类型是研究生训练元素,包括培训目标、培训过程中,培训评估三个子元素,培训过程的进一步细分为学生选择教师、课程和专业。有四个环节训练和毕业论文,和专业培训包括两个方面:科学研究训练和实践训练。这些元素构成研究生跨学科培养的主要内容,确定跨学科教育的目标是否可以成功地实现了在训练中练习(3)目前,高校跨学科研究生金融培训在我国取得了一定的成果,但仍有许多限制如何进一步发展、深化,并促进研究生跨学科教育:(1)跨学科的概念缺乏政策支持;(2)大学思想更为严重;(3)共享教育资源需要提升作为一个整体;(4)没有有效的跨学科培训计划;(5)一个特别的评价体系还没有给出(4)为了突破当前的瓶颈跨学科培训工程研究生在我的国家,有必要改革和完善跨学科的概念,教育组织形式,资源共享机制,跨学科培训工作,和质量评价方法

基于跨学科教育的相关理论概念和方法理论和系统科学理论,本文以我国研究生跨学科教育政策文本与实践跨学科教育的客观依据,国内外基于现有研究的整理和分析的政策文件,并提出并定义了研究生跨学科培养模式的构成要素,以及这些要素之间的相互作用还有待进一步研究。本文采用的研究方法,结合定性和定量分析,但是定性研究的比例相对较大,后续研究可以考虑增加比例的定量分析,如使用层次分析法构建一个评价指标体系对跨学科培训模型。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称他们没有竞争的经济利益或个人关系可能出现影响工作报告。

确认

这部分工作是支持安徽省大学生的质量工程项目:研究和实现outcome-derived-based学习undergraduates-taking安徽理工大学为例(2021号jyxm0129)和部分研究生的质量工程项目的安徽理工大学:金融专业的研究生教育模式研究在跨领域的概念。