江苏省高校科研绩效评价及影...和GA-BP神经网络分析法_卜伟.pdf

第 期 年 月江苏科技信息 .，基金项目：江苏省创新支撑计划软科学研究项目；项目名称：江苏高校科技人才评估体系构建与研究；项目编号：。江苏省社科基金项目；项目名称：江苏高校协同创新机制与效能研究；项目编号：。江苏省社科应用研究精品工程课题；项目名称：江苏高水平大学建设背景下科技人才评估机制研究；项目编号：。作者简介：卜伟（），女，江苏徐州人，助理研究员，博士；研究方向：科研评价，绩效评价，科技管理及人工智能。江苏省高校科研绩效评价及影响因素分析 基于 和 神经网络分析法卜 伟，余南南，陈军冰（江苏师范大学 科学技术研究院，江苏 徐州；江苏师范大学 电气工程与自动化学院，江苏徐州；河海大学 水文水资源与水利工程科学国家重点实验室，江苏 南京）摘要：高校是国家创新体系的重要组成部分，随着创新型国家建设的不断深入，科学评估高校科研绩效并积极探索其影响因素，对加快建设创新型国家具有重要意义。文章基于“投入产出”理论构建了高校绩效评价指标体系，采用 和 神经网络分析法对江苏省 种不同类型高校科研绩效及其影响因素进行分析。结果显示：样本高校综合科研绩效整体呈上升趋势，其中产业发展产出绩效增幅较为显著；各类型高校间科研绩效呈明显阶梯状特征且两极分化严重；不同类型高校科研绩效的决定性影响因素不同。基于此，文章从深化科研评价和坚持错位发展战略两个层面提出对策建议。关键词：科研绩效评价；神经网络；影响因素中图分类号：文献标志码：研究背景与文献综述 当前，全球科技创新进入空前密集活跃时期，科研活动模式和形态发生深刻变化，世界大国均在积极强化创新部署。高校是科技创新的前沿阵地和国家创新体系的重要组成部分。因此，高校科研绩效的科学评估，对提升高校创新能力和加快建设创新型国家具有重大而深远的意义。本文通过对文献的梳理发现，国内外学者对高校科研绩效进行了广泛研究，总体可以概括为 个方面。一是在评价指标体系方面，包含丽等基于科研产出视角，从科研成果、论文著作、成果转化、技术推广、学科建设以及人才培养 个方面建立了评价指标体系；王晓真等综合运用层次分析法（）和熵值法，以“投入产出”为指标设置基础，从科研资源、科研投入、科研产出与效益、社会影响 个方面选取了评价指标；王碗等基于平衡计分卡理论，从财务、效益、效率、学习与成长等 个维度构建了高校科研绩效评价指标体系。二是在评价对象方面，朱建育等对上海“”和非“”高校在 年间科研绩效进行综合评价和比较；王忠等对教育部 所直属高等学校开展分类绩效评价实证研究；罗杭等对 所“”一期高校展开整体效率排序和各项指标的松弛变量分析，为高等教育系统整体效率的提升和教育资源的优化配置提供政策建议。三是在评价方法方面，等基于数据包络分析（）和 指数分析方法测算了英国 所大学的科研生产效率变动；袁丹等综合运用 与熵值法对湖北省科技创新环境进行了评价；邓理等运用主成分分析（）方法和随机前沿分析（）方法构建综合分析模型，对 所高校科研活动数据进行多向综合分析。综上所述，国内外学者从不同的角度对高校科研绩效进行了较为全面系统的研究，但仍存在一些不足，如在评价对象上多集中在“”或部属等单一类型高校，较少关注不同类型、不同层次高校间科研绩效的差异性；且现有研究多是对科研绩效做现状分析，未能进一步分析其影响因素，对高校未来发展方向的意见建议相对缺乏针对性。基于以上两点考虑，第 期 年 月江苏科技信息科教研究.，本文以江苏 种不同类型高校为研究对象，对其 年和 年科研绩效情况开展综合分析，并运用遗传算法（）与 神经网络（）组合的 模型找出关键影响因素，以期为江苏不同类型高校高质量发展提供对策建议。研究方法与模型构建.评价指标体系构建.指标选取 结合破“四唯”背景，同时参考刘天佐等、张家峰等和刘林芽等的研究成果，本文基于“投入产出”视角，从科研资源投入、科研创新产出、产业发展产出和社会影响 个方面构建了高校科研绩效评价指标体系（见表）。其中，奖、项目和平台等仅选取学术界和社会比较认可的省部级以上级别。.指标权重计算 根据层次分析原理，通过问卷调查法邀请 位专家，按照 标度法对指标赋值，建立判断矩阵；基于该判断矩阵，根据求根法计算指标权重并进行一次性检验，具体指标权重如表 所示。表 高校科研绩效评价指标体系及指标权重二级指标二级指标权重三级指标三级指标权重科研资源投入.博士学位占比.高级职称占比.人均 经费（篇 人）.省部级以上科研平台.科研创新产出.人均高水平论文.省部级以上获奖.人均省部级以上科研项目.产业发展产出.人均专利授权数.人均专利拥有数.人均成果转化经济效益.社会影响.主办的国际学术会议.国际合作派遣 接收交流.影响因素分析模型构建 人工神经网络（）是一种模仿动物神经网络行为特征进行分布式并行信息处理的算法数学模型，具有高容错性、智能化和自学习等优点。其中，神经网络（）因具有任意复杂的模式分类能力和优良的非线性映射能力，成为应用最广泛的神经网络算法之一，但其算法易陷入局部极小值。遗传算法（）是模拟自然界中的遗传机制和生物进化论的一种随机的全局搜寻方法，可用于优化模型的参数亦可用于筛选变量。由于 自身的局限性，直接对数据进行训练将会得到很大误差，和 的有效结合 模型可以解决其固有缺陷。具体是将遗传算法全局搜索能力引入 的权值和阈值训练过程中，来克服 收敛速度缓慢且容易陷入局部最优解的缺点，从而构造一种基于遗传算法的网络结构遗传神经网络（），它的基本结构与 的结构基本相同，只是网络训练过程分为两步：首先，在创建 之后将遗传算法引入神经网络的权值和阈值的全局搜索中，使其在全局中进行搜索；其次，用梯度下降法对网络的权值进行更细化的训练，来进一步减小误差，从而获得最佳权值和阈值。模型建立后，使用模型计算各变量的平均影响值（）。绝对值表示自变量对因变量的影响大小，符号表示自变量对因变量的相关方向。模型的具体优化流程如图 所示。高校科研绩效实证分析.样本选择及数据来源 考虑到人均高水平论文（）、省部级以上获奖（）、人均成果转化经济效益（）等指标对艺术、体育、中外合作办学、偏文科等高校适用性不强，因此在样本选择时剔除了南京体育学院、南京艺术学院、南京审计大学等高校，最终参与评价的高校共 所，分为部属高校（）、江苏高水平大学高峰计划 类建设高校（，以下简称“高峰计划 类高校”）、江苏高水平大学高峰计划 类建设高校（，以下简称“高峰计划 类高校”）、普通本科（）种不同类型（见表）。基础分析数据均来自高等学校科技统计资料汇编及各高校科技统计数据。第 期 年 月江苏科技信息科教研究.，图 神经网络流程表 江苏省 种不同类高校相应代码编号序号类型编号部属高校（）南京大学（）、东南大学（）、南京航空航天大学（）、河海大学（）、南京农业大学（）、中国药科大学（）、江南大学（）、中国矿业大学（）江苏高水平大学建设高峰计划 类高校（）苏州大学（）、南京工业大学（）、江苏大学（）、南京信息工程大学（）、扬州大学（）、南京邮电大学（）、南京医科大学（）、南京师范大学（）、南京林业大学（）、南京中医药大学（）江苏高水平大学建设高峰计划 类高校（）江苏师范大学（）、常州大学（）、江苏科技大学（）、南京财经大学（）、徐州医科大学（）普通本科高校（）盐城工学院（）、南京工业职业技术大学（）、金陵科技学院（）、江苏理工学院（）、南京工程学院（）、南京晓庄学院（）、淮阴师范学院（）、宿迁学院（）、江苏第二师范学院（）、徐州工程学院（）、江苏海洋大学（）、三江学院（）、常州工学院（）、淮阴工学院（）、常熟理工学院（）、苏州科技大学（）、盐城师范学院（）第 期 年 月江苏科技信息科教研究.，.科研绩效综合评价分析 将原始数据进行无量纲化处理后再进行加权计算，分别得出 年和 年科研资源投入、科研创新产出、产业发展产出、社会影响及综合科研绩效得分情况，具体如表 所示。表 和 年江苏不同类型高校综合科研绩效及各项二级指标评价结果序号学校编号 年 年综合科研绩效科研资源投入科研创新产出产业发展产出社会影响综合科研绩效科研资源投入科研创新产出产业发展产出社会影响.平均值.第 期 年 月江苏科技信息科教研究.，.动态分析 从整体上看，江苏高校综合科研绩效呈上升趋势，增幅.，发展态势较好。具体从二级指标变化趋 势 看，科 研 资 源 投 入 略 呈 下 降 状 态，降 幅.，这说明江苏高校在资源投入方面重视不够，应进一步加大在人财物等科研资源方面的投入力度；科研创新产出呈小幅增长趋势，增幅.；产业发展产出增幅较为显著，绩效得分从.上升至.，增幅一倍，科研创新是产业发展源泉，这说明科研创新产出的增加不仅有效推进了高校科研创新能力的提升，且创新成果的积累大力促进了创新成果的转化；社会影响呈大幅度下降趋势，下降，其主要原因是 年全球疫情暴发，高校间互访交流活动大幅减少，因此对国际层面科研创新活动影响巨大。总的来说，项二级指标呈两升两降状态，但由于产业发展产出绩效的大幅提升，江苏高校综合科研绩效整体呈上升趋势。从高校类型来看，除高峰计划 类高校下降.外，部属高校、高峰计划 类高校和普通本科高校综合科研绩效增长率分别为.、.和.，普通本科增幅较为显著。具体来看，在科研资源投入方面，种类型高校下降率分别为.、.、.和.，在整体资源缩减的形势下，高峰计划 类高校降幅相对较小，说明其相对重视资源投入且对资源的获取能力相对较强。在科研创新产出和产业发展产出方面，种类型高校上升率分别为.、.、.、.和.、.、.、.，各高校均呈增长趋势，尤其是产业发展绩效增幅较为显著。这说明样本高校认真贯彻落实国家相关政策，在破除“四唯”观念“困局”、深化科研评价改革、促进科技成果转化等方面大胆实践并取得良好成效。在社会影响方面，种类型高校分别下降.、.、.，而普通类本科增幅.，这说明疫情并未对普通本科类高校产生影响，对其他类型高校冲击较大，但同时这也从侧面反映了部属等高校更加注重国际层面合作交流，更加注重国际影响力的提升。.静态比较分析 从整体上看，年样本高校综合科研绩效和各二级指标评分结果两极分化非常严重。一方面，部属高校（）与普通本科类高校（）综合绩效得分别为.和.，得分差距约.倍；另一方面，科研绩效综合得分均值为.，但仅 的高校得分高于平均值，绝大部分高校得分低于平均值。从高校类型来看，江苏高校科研绩效呈明显阶梯状分布特征。绝大部分部属高校位于第 梯队；高峰计划 类高校位于第 梯队，综合绩效得分高于.；高峰计划 类高校位于第 梯队，普通本科位于第 梯队。值得一提的是，、和 所高校，科研绩效综合得分较高，跻身第 梯队；而部属高校中 高校，可能由于学科相对单一原因其综合绩效得分仅为.，应引起注意。.影响因素实证分析 采用 软件进行编程，运用 神经网络算法计算评价指标与综合绩效的相关性。神经网络基本结构如图 所示，具体参数如下：（）网络层数为 个隐含层；（）输出层的节点数为，即 个三级评价指标；（）输出节点数为，即综合科研绩效值；（）隐含层的神经元个数根据公式 计算；（）反向传播使用 算法；（）训练次数为 次，训练精确度为.。为使训练网络更好地收敛，实验数据在输入前进行平滑处理和归一化处理，将所有输入及输出数据映射在，区间。图 神经网络基本结构如图 所示，不同影响因素对不同类型高校科研绩效影响程度不同。人均高水平论文（）是部属高校科研绩效水平的决定性影响因素，博士学位占比（）、人均省部级以上科研项目（）及人均专利拥有数（）是其科研绩效水平的主要阻碍因素。出现这一结果的可能原因有以下两个方面：一是近年来无论是资金上还是人力上，国家对部属高校都给予了充分的支持，出现资源过剩现象，在一定程度上制约了科研绩效发展；二是科学研究成果具有较长的生命周期即存在滞后期，经历滞后期后，知识溢出的效率才能最大，效果才能最佳，因此，对于部属高校来说，充足的科研资源对其科研绩效产生正向影响暂时未能体现。人均省部级以上科研项目（）对高峰计划 类建设高校科研绩效起主要促进作用，但人均专利拥有数（）阻碍了其科研绩效的提升，这说明高峰计划 类建设高校科研