高校科技評價的數(shù)字化轉型研究

王泳欣，呂建秋

(1.華南農(nóng)業(yè)大學，廣東廣州 510642；2.廣東省科技管理與規(guī)劃研究院，廣東廣州 510642)

1 研究背景

2018 年我國國務院印發(fā)《關于全面加強基礎科學研究的若干意見》，明確提出要完善分類評價機制，調動高校的積極性創(chuàng)造性，努力創(chuàng)建世界一流大學。近年來，國家增加了對高校科研活動的投入，高校也不斷輸出科技成果，但其產(chǎn)出效率無法通過數(shù)據(jù)直接展示，需要利用特定的科技評價體系和方法對高校科研人員在一定研究周期內(nèi)所取得的科技成果進行評定［1］。通過分析科技活動投入與產(chǎn)出的關系，可以得出科技創(chuàng)新效率，為管理者提供決策參考。

信息技術的發(fā)展引領了新一輪的科技革命，大數(shù)據(jù)和人工智能逐漸應用于各個產(chǎn)業(yè)的生產(chǎn)和服務，加快了產(chǎn)業(yè)的發(fā)展。隨著技術的進步和產(chǎn)業(yè)的發(fā)展，數(shù)字化轉型已是必然的選擇。目前，許多企業(yè)已經(jīng)開始進行數(shù)字化轉型，主要是在工作流程和經(jīng)營活動中融合數(shù)字化技術，利用大數(shù)據(jù)和人工智能等技術對企業(yè)所獲得的數(shù)據(jù)進行分析和預測，以此提高生產(chǎn)效率、獲得更大的經(jīng)濟效益。但是在數(shù)字化轉型的實施過程中也面臨著許多挑戰(zhàn)，例如數(shù)據(jù)存儲量問題，目前的存儲設備還不足以存放巨量的數(shù)據(jù)，所以需要選擇存儲所有數(shù)據(jù)還是只存儲目的性數(shù)據(jù)［2］。

高校的科研活動一直以來都受到來自多方面的監(jiān)督。由于高校的科技投入和產(chǎn)出數(shù)據(jù)仍主要依靠人工進行統(tǒng)計，且統(tǒng)計口徑參差不齊，對同一指標可能存在著不同的理解，所以有關數(shù)據(jù)的真實性受到質疑［3］；同時，常用的評價方法對科研產(chǎn)出存在滯后性這一問題的考慮仍存在不足，導致評價結果出現(xiàn)偏差。因此，本研究通過總結高校科技評價的研究現(xiàn)狀，梳理數(shù)字化轉型的內(nèi)涵和方法，分析在數(shù)字化轉型背景下我國高校科技評價所面臨的機遇和挑戰(zhàn)，提出高效的數(shù)據(jù)采集和科技評價概念模型，為高校科技評價提供新的思路和方法。

2 高校科技評價研究現(xiàn)狀

高校科技評價是高校科技管理的重要手段，要緊跟信息時代的發(fā)展潮流，抓住數(shù)字化轉型的發(fā)展機遇，利用數(shù)字化技術為高校科技評價提供新方法。針對高校科技評價的研究現(xiàn)狀，重點分析評價過程中所使用的數(shù)據(jù)、指標和方法，試圖從數(shù)據(jù)收集、評價手段等方面融合數(shù)字化技術，挖掘出高校科技評價在數(shù)字化轉型時期的更多機遇，為高校的高效科技管理提供更多的手段。

2.1 總體狀況

一般通過分析領域內(nèi)的相關文獻，了解該領域的研究現(xiàn)狀，從文獻的數(shù)量體現(xiàn)研究的熱度，從主題詞的分布體現(xiàn)研究的方向。在中國知網(wǎng)的文獻數(shù)據(jù)庫中以“高校科技評價”作為關鍵詞進行搜索，可以得出2001 至2020 年的文獻發(fā)表量變化情況（見圖1）。圖1 中折線是相關論文的發(fā)表數(shù)量，虛線是相關論文發(fā)表數(shù)量的趨勢線，可以明顯看出趨勢是不斷上升的，說明近年來國內(nèi)對高校科技評價的研究在不斷地增加和深入。

圖1 我國高校科技評價研究發(fā)文量變化趨勢

分析相關文獻的主題詞分布得出，出現(xiàn)頻率較密集的主題詞有：高校科技創(chuàng)新能力；指標體系；績效評價；數(shù)據(jù)包絡分析（data envelopment analysis,DEA）；因子分析等。其中，對評價指標體系研究的論文數(shù)量保持著平穩(wěn)增長。本研究主要對評價方法和數(shù)據(jù)來源進行分析，從兩個維度分析高校科技評價數(shù)字化轉型的可行性。

2.2 評價方法

通過閱讀相關文獻可以了解到，學者逐漸把其他領域的方法應用于高校科技評價，相關研究方法在不斷地更新和完善，如陳冠初等［4］對數(shù)據(jù)做簡單的可視化分析，以直觀地反映數(shù)據(jù)的變化趨勢；路萍等［5］、劉偉等［6］、華恩順等［7］分別使用層次分析、主成分分析和因子分析法等對高校科技創(chuàng)新力進行評估。但因為高校科技數(shù)據(jù)的多投入多產(chǎn)出等特性，所以目前對高校科技評價的方法主要采用數(shù)據(jù)包絡分析，即DEA 模型。

DEA 模型多應用于由多個屬性描述的復雜實體的排名評估，主要從技術效率或技術有效性的角度評估效率。國外對高校進行評價的方法一般是使用DEA 模型，如Yilmaz 等［8］針對土耳其26 所公立大學數(shù)據(jù)，使用DEA 模型對大學進行績效評估，考慮組織資源和各個大學的產(chǎn)出是否匹配，并揭示了高校科技投入產(chǎn)出效率低下的主要原因；Delimiro 等［9］對32 所哥倫比亞公立大學的數(shù)據(jù)進行分析，利用CCR 模型判定技術和規(guī)模是否同時有效，計算混合效率，找到高校科技投入產(chǎn)出效率低下的原因并給出建議。我國越來越重視高校創(chuàng)新科技能力的評估，如楊瑞仙等［10］總結了國內(nèi)相關研究的評價指標和方法，發(fā)現(xiàn)目前我國主要是以DEA 模型為主進行高校科技評價，研究內(nèi)容主要是以省份維度對高校科技活動統(tǒng)計數(shù)據(jù)進行分析，或以高校為維度進行高校科技創(chuàng)新效率評價，為有關部門提供了有效的決策參考。

隨著信息化的發(fā)展，具有預測能力的數(shù)據(jù)挖掘算法逐漸應用于高校科技評價與預測。在已有研究中，大部分學者利用神經(jīng)網(wǎng)絡和聚類方法對高校進行科技評價和分類，如郭俊華等［11］利用因子分析法和聚類分析法對我國高校的科技成果轉化能力進行實證分析，指出其中31 個省份高校中每一類高校的優(yōu)劣勢；梁娜等［12］利用概率神經(jīng)網(wǎng)絡對我國高校科研能力進行評價并提出對策建議。

綜上，目前高校科技評價的研究方法主要是利用DEA 模型進行評價分析，通過數(shù)據(jù)挖掘技術進行分類預測。DEA 模型的使用可以滿足高校科技數(shù)據(jù)多投入與多產(chǎn)出的特性，比因子分析和層次分析等傳統(tǒng)的分析方法更具有優(yōu)勢，但是缺乏預測能力；而數(shù)據(jù)挖掘技術能根據(jù)歷史數(shù)據(jù)進行數(shù)據(jù)預測，但是在處理多投入多產(chǎn)出數(shù)據(jù)方面具有一定難度。因此，綜合上述二者的優(yōu)劣勢，DEA 模型與數(shù)據(jù)挖掘算法的結合使用能有效地進行互補，但是這一結合算法目前較少得到應用，所以需要對該方法在高校科技評價的應用進行不斷地探索和研究。

2.3 數(shù)據(jù)來源

教育部發(fā)布的《高等學校科技活動統(tǒng)計資料匯編》（以下簡稱《匯編》）和《中國科技統(tǒng)計年鑒》所記錄的數(shù)據(jù)是由政府相關部門統(tǒng)計數(shù)據(jù)所得，其中《匯編》統(tǒng)計并記錄了高校科技投入和科技產(chǎn)出情況，能夠較全面反映高校科技活動總體情況，學者大多使用這些具有代表性的數(shù)據(jù)進行高校科技評價。

除統(tǒng)一記錄的數(shù)據(jù)外，部分研究使用的數(shù)據(jù)是通過調研和專家評分所得，包括科研隊伍、科研基地、科技載體、科研管理能力、科學決策能力等，該類數(shù)據(jù)主要是為了完善《匯編》等統(tǒng)計數(shù)據(jù)中沒有記錄的數(shù)據(jù)，以更好地進行高校科技評價。

隨著高校科技評價方法不斷增多，對數(shù)據(jù)的準確性和完整性有了更高的要求。目前大部分研究中使用的是官方統(tǒng)計數(shù)據(jù)，因為相比較調研所得數(shù)據(jù)，官方統(tǒng)計數(shù)據(jù)更具有說服力。但是我國高校科技相關數(shù)據(jù)統(tǒng)計仍存在著不足，主要表現(xiàn)為高校科技統(tǒng)計無法適應科技的發(fā)展、基層統(tǒng)計的質量難以控制、人工進行科技統(tǒng)計耗時長等，這些問題都會隨著數(shù)字化轉型時代的到來得到解決。

3 數(shù)字化轉型的內(nèi)涵

數(shù)字化轉型的目的主要是應對產(chǎn)業(yè)發(fā)展的不確定性、生產(chǎn)過程的復雜性、產(chǎn)業(yè)協(xié)作的多維性、市場需求的多樣化，為此，需要了解數(shù)字化轉型的內(nèi)涵，包括其定義和轉型方式。

3.1 數(shù)字化轉型的定義

Minhw 等［13］通過頭腦風暴方法把第四次工業(yè)革命定義為信息技術在一二三產(chǎn)業(yè)中的擴散，即開展數(shù)字化轉型，以數(shù)據(jù)為核心，把先進的數(shù)字化技術和基于智能的平臺進行深度融合，形成以數(shù)字技術為核心要素、開放平臺為基礎支撐、數(shù)據(jù)驅動為典型特征的組織形態(tài)。目前產(chǎn)業(yè)發(fā)展的規(guī)律性在不斷減弱，越來越多的不確定性因素出現(xiàn)，同時因為需求的不同，生產(chǎn)過程也在不斷地創(chuàng)新。進行數(shù)字化轉型，有利于更精確地獲取需求，把握產(chǎn)業(yè)發(fā)展的規(guī)律性，讓協(xié)作的各方準確獲得所需信息，提高生產(chǎn)效率，實現(xiàn)共同獲益。

3.2 數(shù)字化轉型的方式

數(shù)字化轉型的方式主要是通過互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等技術實現(xiàn)產(chǎn)業(yè)鏈的數(shù)字化、資源配置的全局優(yōu)化、產(chǎn)業(yè)創(chuàng)新的開放化、生產(chǎn)制造的智能化和組織管理的扁平化。數(shù)字化技術是數(shù)字化轉型的關鍵，但值得注意的一點，數(shù)字化技術只是其中一個關鍵方面，成功的數(shù)字化轉型需要卓越的領導力、支持性的文化和新的業(yè)務流程，應促進和培養(yǎng)以數(shù)據(jù)為基礎的文化。

數(shù)字信息既能解決問題，又能創(chuàng)造新問題。目前我國的數(shù)字化轉型主要體現(xiàn)在企業(yè)，企業(yè)在數(shù)字化工廠的基礎上，利用物聯(lián)網(wǎng)技術加強信息管理和服務，即時采集數(shù)據(jù)、編排生產(chǎn)計劃，把流程和業(yè)務轉變?yōu)樾畔⒒Ｐ停瑢崿F(xiàn)從生產(chǎn)到銷售的全鏈數(shù)字化，獲取更多的數(shù)據(jù)以發(fā)掘更多潛在的規(guī)律，以提高生產(chǎn)效益，并更好地進行風險預警［14］。在高校科技管理方面成功的數(shù)字化轉型例子還沒有發(fā)現(xiàn)，但是已有高校準備開展數(shù)字化轉型工作。高校科技管理的數(shù)字化轉型是一項復雜的任務，其難題在于高校科技管理的特殊性，其中就包括高校科技活動數(shù)據(jù)的復雜性。數(shù)字化技術的發(fā)展能夠簡化高校科技評價中繁瑣的工作流程，運用更多的數(shù)據(jù)挖掘技術挖掘出更多知識，為高校科技評價的研究帶來了新的機遇。

4 高校科技評價的新機遇

互聯(lián)網(wǎng)時代，政府采取信息化管理是必然趨勢，在科技管理方面也需要進行數(shù)字化轉型。高校科技管理的數(shù)字化轉型就是利用數(shù)字化技術代替人工統(tǒng)計科技數(shù)據(jù)，從工作流程到管理模式都進行數(shù)字化管理，利用互聯(lián)網(wǎng)、大數(shù)據(jù)等技術提高管理效率。高校的主要職能是科學研究和科技服務，科技產(chǎn)出的時間較長、數(shù)據(jù)量不大，所以高校科技管理進行數(shù)字化轉型的方式與企業(yè)有較大的差異。隨著互聯(lián)網(wǎng)、人工智能等技術的不斷發(fā)展，雖然高校并不像企業(yè)那樣實現(xiàn)全產(chǎn)業(yè)鏈數(shù)字化，但數(shù)字化轉型也為高校的科技評價工作帶來了新的機遇，如利用數(shù)字化手段可以更好地進行數(shù)據(jù)采集，保證數(shù)據(jù)的有效性，也可以為高校科技評價提供新的思路及方法。

4.1 數(shù)據(jù)采集

隨著高校信息化的發(fā)展，許多高校建立并運行著不同的數(shù)據(jù)庫系統(tǒng)，而科技管理系統(tǒng)的數(shù)據(jù)來源較多，需要對數(shù)據(jù)進行整合并通過手工錄入和統(tǒng)計，但采用這種方式較容易出錯，所以需要通過大數(shù)據(jù)技術對數(shù)據(jù)收集形式進行規(guī)范化，以此獲得科技管理所需的數(shù)據(jù)，有效地進行科技管理。本研究提出一個高校科技管理系統(tǒng)數(shù)據(jù)采集模型（以下簡稱“數(shù)據(jù)采集模型”，見圖2），主要步驟如下：

圖2 高校科技管理系統(tǒng)的數(shù)據(jù)采集模型

（1）基于數(shù)據(jù)源的多樣化，利用數(shù)據(jù)倉庫技術ETL（extract-transform-load）進行數(shù)據(jù)的采集、轉換和加載，并存儲到數(shù)字倉庫；

（2）結合數(shù)據(jù)挖掘等工具進行數(shù)據(jù)分析，獲取所需的報表及更多有利于決策的信息；

（3）高校科技管理系統(tǒng)獲得數(shù)據(jù)倉庫數(shù)據(jù)，通過數(shù)據(jù)挖掘分析得到的結果，最終可以通過高校科技管理系統(tǒng)進行科技管理決策，有效地提高管理效率。

目前我國高校科技活動數(shù)據(jù)的統(tǒng)計工作，主要是省（區(qū)、市）政府部門收集本地高校有關數(shù)據(jù)再進行匯總，而高校自身也要收集內(nèi)部各個部門及單位的數(shù)據(jù)進行匯總，在各個環(huán)節(jié)中都可能出現(xiàn)數(shù)據(jù)輸入錯誤或者數(shù)據(jù)存在人工干擾等問題，所以有必要利用信息化技術進行數(shù)據(jù)采集形式的規(guī)范化，實現(xiàn)數(shù)字化轉型，提高管理決策效率。而數(shù)據(jù)采集模型，不管是以單一所高校為對象還是以所有高校為對象，都能適用。對單一所高校進行數(shù)據(jù)采集，則圖2 中數(shù)據(jù)源為該所高校的相關管理系統(tǒng)，所采集數(shù)據(jù)經(jīng)處理后存入到該校的科技管理系統(tǒng)；在此基礎上，可以通過數(shù)據(jù)采集模型獲得不同高校的數(shù)據(jù)，然后利用數(shù)據(jù)挖掘技術等手段從相關數(shù)據(jù)中獲得有效的信息。利用數(shù)據(jù)采集模型進行數(shù)據(jù)的采集，可以避免人工干擾，提高了數(shù)據(jù)采集的效率和準確率。

4.2 評價方法

隨著計算機技術的不斷發(fā)展，高校科技評價的方法也在不斷創(chuàng)新。高校科技數(shù)據(jù)主要有兩個特性：第一，多投入多產(chǎn)出的關系，因為高校的投入維度較多，如人員、經(jīng)費等，產(chǎn)出也分為專利和論文等維度，所以不能直接看出高校科技投入與產(chǎn)出的關系；第二，數(shù)據(jù)的時滯性，高校科技數(shù)據(jù)一般是1年統(tǒng)計1 次的年度數(shù)據(jù)，而論文和專利等科研成果大都需要2 年～3 年時間才會發(fā)表和授權，所以還要考慮科技產(chǎn)出可能有時滯性，不能僅用1 年的數(shù)據(jù)說明高校的科技創(chuàng)新能力。

目前，DEA 模型和數(shù)據(jù)挖掘算法這兩個工具在高校科技評價中已廣泛使用，但是在使用過程中發(fā)現(xiàn)這些評價方法仍然不夠全面：DEA 模型一般只對1 年的數(shù)據(jù)進行計算以獲得高校科技創(chuàng)新能力，沒有考慮數(shù)據(jù)的時滯性，同時也不能預測高校未來的科技投入產(chǎn)出效率；而數(shù)據(jù)挖掘算法一般采取監(jiān)督學習算法，但是因為高校科技數(shù)據(jù)的多投入多產(chǎn)出這一特性，其產(chǎn)出不能作為目標值，所以一般也只能采取無監(jiān)督學習算法，或者參考其他評價結果進行模型的訓練，受到標簽值選擇的影響。本研究的基本思路是對現(xiàn)有的評價方法進行優(yōu)勢互補，針對DEA 模型和數(shù)據(jù)挖掘算法特點進行集成，得到模型1 和模型2（見圖3）。

圖3 高校科技評價的DEA 與數(shù)據(jù)挖掘集成算法模型

其中，模型1 主要是利用DEA 模型計算效率值，然后用該效率值作為監(jiān)督學習的目標值，利用數(shù)據(jù)挖掘算法構建評價模型，一般是分類和回歸預測。如Yang 等［15］從專業(yè)申請破產(chǎn)的公司SIC (Standard Industrial Classification)所收集到的數(shù)據(jù)中選擇近3年的非制造企業(yè)進行分析，利用DEA 模型對其產(chǎn)出（流動資產(chǎn)、正留存收益、正營業(yè)收入、正賬面權益價值、股東人數(shù)）和投入（流動負債、負留存收益、負營業(yè)收入、負賬面權益價值、公司員工人數(shù)）的歷史數(shù)據(jù)進行計算，然后使用DEA 分數(shù)作為SVM的唯一輸入對企業(yè)預測其失敗的可能性，具有較好效果。模型2 是利用數(shù)據(jù)挖掘技術進行連續(xù)值的預測，通過歷史數(shù)據(jù)獲得每一個變量的未來預測值，然后把所有變量的未來預測值輸入到DEA 模型計算其未來效率值。如Wang 等［16］以15 家健身用品制造商為研究對象，利用灰色預測模型預測資產(chǎn)、凈值、聲譽、稅后收入、凈收入5 個指標的變量值，然后利用Pearson 檢驗調整輸入輸出變量，最后利用DEA 模型進行效率評估，獲得未來效率并進行評價。目前，這兩個模型較少在高校科技評價中應用，但是Zhang 等［17］運用集成模型預測了我國科技創(chuàng)新活動的未來效率，其主要思路是根據(jù)1979—2017 年我國科技創(chuàng)新活動的2 個投入、2 個產(chǎn)出指標數(shù)據(jù)建立了基于模糊信息粒度的IG-SVM 模型，預測了這4個變量下一年的平均值和最大值，最后通過DEA 模型計算得出我國科技創(chuàng)新活動的效率值。由此可以看出，DEA 與數(shù)據(jù)挖掘的集成算法能夠應用到科技評價中，但是因為高校科技數(shù)據(jù)具有多維度，所以需要篩選最適合的數(shù)據(jù)挖掘算法與DEA 模型結合并同時滿足高校科技數(shù)據(jù)的兩個特性，為高校科技評價提供新的評價思路和方法。

總的來說，高校科技管理的數(shù)字化轉型是必然趨勢，高校要利用好數(shù)字化技術，實現(xiàn)數(shù)據(jù)采集的智能化，并提高評價方法的準確性，提高科技管理效率。雖然數(shù)字化轉型給高校科技評價的發(fā)展帶來了新的機遇，但是科技數(shù)據(jù)的復雜性和高校科技管理的特殊性也給高校科技評價的數(shù)字化轉型帶來了一定的挑戰(zhàn)。

5 高校科技評價數(shù)字化轉型面臨的挑戰(zhàn)

數(shù)字化轉型為高校科技評價帶來了新的機遇，通過數(shù)字化手段能夠減少人工對數(shù)據(jù)的干擾，并且能夠提供更多的評價方法，但是高校科技活動數(shù)據(jù)結構和來源的不同給數(shù)據(jù)的采集和應用帶來了挑戰(zhàn)。

5.1 數(shù)據(jù)的多樣性和有效性

（1）數(shù)據(jù)結構的多樣性。高校科技活動數(shù)據(jù)的統(tǒng)計一般是對結構化數(shù)據(jù)匯總成表格形式，然后進行高校科技評價。在人工統(tǒng)計數(shù)據(jù)時期，是有目的性地去獲取所需數(shù)據(jù)，所以數(shù)據(jù)存儲量較少；但是在數(shù)字化轉型時期，使用互聯(lián)網(wǎng)等技術代替人工統(tǒng)計進行數(shù)據(jù)收集時，會有較多的數(shù)據(jù)被收集并存儲，其中就包含著非結構化數(shù)據(jù)，如對一個數(shù)字進行說明的文字和圖片等，這些數(shù)據(jù)都必須被收集以說明數(shù)據(jù)的有效性，此外還有部分數(shù)據(jù)需要在非結構化數(shù)據(jù)中進行提取，這是實現(xiàn)高校科技評價數(shù)字化轉型最主要的挑戰(zhàn)之一。

（2）數(shù)據(jù)源的多樣性。高校科技活動數(shù)據(jù)最大的一個特點是數(shù)據(jù)來自不同的部門或者不同的管理系統(tǒng)，在數(shù)據(jù)采集過程中需要對高校內(nèi)部多個系統(tǒng)的數(shù)據(jù)整合到一個輸入數(shù)據(jù)中，而論文和獲獎等科技產(chǎn)出的數(shù)據(jù)需要借助外部系統(tǒng)端口進行獲取，所以數(shù)據(jù)源的多樣性也給高校科技活動數(shù)據(jù)采集帶來挑戰(zhàn)。

5.2 數(shù)據(jù)的相關性與因果性

高校科技活動數(shù)據(jù)是多維度的，比如投入的維度有研發(fā)經(jīng)費數(shù)、研究人員數(shù)、科技推廣人員數(shù)等，產(chǎn)出維度有論文數(shù)、專利數(shù)、成果轉化收入等，其中的數(shù)據(jù)都可能具有相關性，如研究人員數(shù)與論文數(shù)呈正相關，但是不能直接體現(xiàn)為研究人員數(shù)量增多則論文數(shù)量就增多，因為還有科研項目數(shù)等因素也可能對論文的數(shù)量產(chǎn)生影響，所以不能把相關性認為是因果性。高校科技數(shù)據(jù)多投入多產(chǎn)出的特點造成對其因果性難以進行分析，這給數(shù)據(jù)處理和分析帶來了很大的挑戰(zhàn)。

5.3 模型的重要性

高校科技評價中，工具的選擇具有較大的決定性作用。數(shù)據(jù)挖掘的過程其實就是從一堆雜亂無章的數(shù)據(jù)中挖掘出有價值的信息，首先要定出一個目標值，然后各種算法就會不斷地優(yōu)化模型，讓結果越來越接近真實的情況。同一個模型在不同的應用場景下性能也大不相同，而模型的性能也與數(shù)據(jù)的形式和性質有關，高校科技評價所使用的模型一般是DEA 模型和數(shù)據(jù)挖掘算法，如何更好地結合兩種算法的優(yōu)勢是未來的研究方向，同時傳統(tǒng)的方法進行一定的改進后，有可能比新的方法更適合用于高校科技評價。鑒于高校科技活動數(shù)據(jù)的特性，需要不斷地進行試驗以找到適合的模型用于評價，所以尋找更優(yōu)的算法一直是研究者探索破解的難題。

5.4 數(shù)據(jù)的安全性

利用數(shù)據(jù)倉庫對高校科技活動數(shù)據(jù)進行存儲和分析，有利于政府部門匯總高校的科技成果，但是也存在一定的安全隱患。雖然目前高校科技成果相關數(shù)據(jù)是對外公開的，但是在利用數(shù)據(jù)倉庫進行數(shù)據(jù)采集的時候，部分需要保密的信息也會被采集并存儲，這部分不能公開的信息有可能被泄露，并且很多分析涉及到研究人員個人信息問題，所以，對于高校科技活動數(shù)據(jù)這種半公開的數(shù)據(jù)，在高校科技評價數(shù)字化轉型過程中存在一定的安全隱患，如何保證數(shù)據(jù)的安全性是一大挑戰(zhàn)。

綜上，高校科技評價面臨的挑戰(zhàn)并不是獨立的，而是相輔相成、互相影響的，高校科技數(shù)據(jù)的多樣性和安全性決定了數(shù)據(jù)的復雜相關性，因此尋找適合的模型十分重要。

6 結論與展望

本研究對高校科技評價所使用的數(shù)據(jù)和研究方法進行了分析和總結，得出目前高校科技評價所使用的方法主要是DEA 模型，且數(shù)據(jù)挖掘算法也逐漸應用于高校科技評價模型的構建；同時，對數(shù)字化轉型的內(nèi)涵進行解讀，了解數(shù)字化轉型的定義和實現(xiàn)數(shù)字化轉型的方式，然后基于數(shù)字化轉型在其他領域的應用，提出高校科技數(shù)據(jù)采集模型和高校科技評價概念模型；最后，對高校科技評價數(shù)字化轉型所面臨的挑戰(zhàn)進行分析，得出目前的挑戰(zhàn)主要是數(shù)據(jù)的多樣性和安全性以及模型選擇的重要性。

研究表明，高校科技評價的數(shù)字化轉型是可行的，高校需要抓住現(xiàn)有的技術和條件，把握住機遇，為科技評價提供新的思路和新的方法。雖然高校科技評價數(shù)字化轉型存在著一定的挑戰(zhàn)，但是隨著科技的不斷發(fā)展，可以不斷排除困難，尋找到更多適用的方法用于高校科技評價，以達到評價全面性和準確性的目標。