“挑戰杯”大學生創業計劃競賽獲獎項目持續發展評價體系構建

李安然，舒小立，余錚培，王燕

（西南石油大學 石油與天然氣工程學院，四川成都 610500）

1 獲獎項目孵化現狀分析

“挑戰杯”全國大學生創業計劃競賽自1999年首次舉辦以來，經過20多年的發展，賽制不斷升級、作品日益豐富、規模持續擴大，從最初全國120余所高校的近400件作品到2020年全國2786所學校的17.9萬個項目報名參加[1-3]。越來越多的大學生通過該項賽事，實際運用理論知識，發揚團隊合作精神，積極投入創新創業的熱潮，使得優秀成果不斷涌現，推動了國民經濟發展，取得了良好的社會效益。

當前，“挑戰杯”大學生創業計劃競賽獲獎項目存在后續跟進不到位、相應孵化落地保障體系不完善，獲獎項目的市場轉化率較低，導致創新成果難以高效轉化為社會生產力，不利于發揮創業競賽成果轉化為創業實踐的優勢、實現大學生高質量創業帶動就業、推動創新型國家建設等問題[4-7]。同時，國內外學者對項目孵化評價體系的研究聚焦于高校創業孵化基地以及科技企業孵化器，鮮見對“挑戰杯”大學生創業計劃等相關創業類競賽獲獎項目后續發展的評價體系研究，創業項目實際績效難以得到系統客觀的評價，對獲獎項目孵化落地的引導效果不理想，成果的應用轉化存在較大阻力[8-9]。因此，探究獲獎項目后續發展影響因素，建立獲獎項目后續發展評價體系，有利于及時發現獲獎項目發展中存在的問題，從而促進獲獎項目成功孵化落地。

2 基于“三圈理論”的獲獎項目持續發展評價體系構建

2.1 “三圈理論”概述

“三圈理論”是一種基于“價值”“能力”和“支持”三要素的分析框架，是由美國哈佛大學肯尼迪政府學院學者提出的一種領導者戰略管理的分析工具，被廣泛運用于公共政策的分析[10-11]。“三圈理論”作為評價體系建立的學術支撐，具有理論依據，首先，“挑戰杯”賽事是具有導向性、示范性和群眾性的全國創新創業競賽活動，其獲獎項目持續發展的最終目的是為社會創造公共價值，這與“三圈理論”的研究目的相同。其次，一個項目的發展與其項目價值、項目團隊能力及發展環境密不可分，這與“價值”“能力”和“支持”三要素分析框架相吻合，具有邏輯合理性。

2.2 構建獲獎項目持續發展評價體系

對“挑戰杯”獲獎項目持續發展的影響因素進行系統化剖析，結合文獻調研，以“項目本身價值”“項目執行者能力”和“項目發展外部支持要素”等作為核心要點，對“挑戰杯”獲獎項目整體孵化現狀以及實際發展過程影響因素進行分析，邀請10名相關領域的專家學者，運用德爾菲法進行指標篩選，明確關鍵影響因素，從而建立包含3個一級指標、29個二級指標的獲獎項目持續發展評價體系，如圖1所示。

圖1 獲獎項目持續發展評價體系

在該評價體系中，項目價值主要以項目經濟效益和項目社會效益為觀測點對項目價值進行評價；項目團隊能力是從營銷能力、創新能力、團隊建設情況等方面，綜合反應項目團隊綜合能力水平；項目外部環境支持則結合“政—產—學—研”四個方面，以技術指導、市場環境、資金支持、溝通交流等為切入點，從而對項目發展所具備的外部條件進行綜合評判。整個評價體系，圍繞獲獎項目本身、項目團隊、高校、政府、企業等，將其緊密聯系，能對獲獎項目持續發展現狀進行客觀化、立體化、一體化的評價，以便后續通過AHP-BP神經網絡方法，對指標權重進行計算和驗證，最終形成能精準反映項目發展現狀及項目持續發展關鍵因素的評價體系。

3 基于AHP的獲獎項目持續發展評價體系權重計算

邀請電子科技大學、哈爾濱師范大學、華東農業大學、四川郵電職業學院等16所高校和研究機構的共37名專家學者，其研究領域涵蓋思想政治教育、創新創業管理、企業項目孵化、金融與投資等學科，成立課題專家小組。將評價體系在YAAHP軟件中構建指標模型，據此設計出專家打分表和用于后續指標優化的調研問卷。依據1-9標度方法進行專家量化打分，逐一計算各自的幾何平均值以檢驗判斷矩陣的一致性。在檢驗判斷矩陣一致性過程中多次對判斷矩陣進行調整修正，直至層次的總一致性檢驗C.R.小于0.1，滿足判斷矩陣的一致性需求。通過一致性檢驗之后，通過YAAHP軟件實現評價體系指標權重計算，如表1所示。

表1 “挑戰杯”獲獎項目持續發展評價體系指標權重

在一級指標中，項目價值的權重為0.6592，權重最大，項目發展外部支持權重為0.1285，權重最小。在二級指標中，項目與國家政策及戰略契合度、項目生態環境影響評價等級、項目資金利稅率、項目相關技術轉化率、項目團隊專利申請或擁有數、項目市場占有率、校企合作交流情況、國家政策扶持情況、創新創業孵化平臺建設為關鍵性指標。在該指標體系中，將持續調研的反饋數據進行隨機抽樣，整理成為BP神經網絡訓練和測試的樣本集，為后續指標體系權重優化提供數據支撐。

4 基于BP神經網絡的獲獎項目持續發展評價體系權重驗證

4.1 BP神經網絡運用的基本思路

BP神經網絡算法包含BP神經網絡設計、學習訓練和測試驗證三個過程，是目前應用較為廣泛的優化算法之一。它基于人腦的反饋工作原理，在信號前向傳遞時誤差逐層逆向傳遞，通過訓練樣本的反復學習訓練使誤差沿梯度方向下降，從而實現對各層之間權值和閾值的不斷調整，使輸出結果達到目標精度的要求[12-14]。

4.2 BP神經網絡模型構建

設定網絡結構時，將AHP層次分析法確定的獲獎項目持續發展評價體系權重作為輸入變量、經過優化的指標體系結果作為單輸出值。同時根據經驗公式和多次隨機實驗對比，選取隱含層節點數m=7，并對BP神經網絡的輸入層到輸出層之間的轉換函數選取tansig S型函數，隱含層到輸出層的轉換函數選取purelin線性函數，從而在MATLAB中構建三層（輸入層、隱含層和輸出層）BP神經網絡模型，用于后續的神經網絡學習和測試。

4.3 BP神經網絡指標訓練及測試

通過問卷星對高校教師、“雙創”工作專兼職人員、高校學生、企業家等相關群體進行為期半個月的廣泛調研，針對評價體系中的指標因素按照重要程度進行打分，打分規則為10分制，將數據進行歸一化處理，轉化為[0,1]區間的數據。本次調研共得到103份數據，通過對調查數據進行篩選，去除無效數據和不完整數據，確定96份有效數據納入數據庫。以隨機抽樣的方式從數據庫中抽取76份數據作為BP神經網絡學習訓練樣本，并將剩余的20份樣本用作測試樣本集對網絡進行測試檢驗，經學習訓練和測試檢驗后結果如表2所示。

表2 測試集真實值與期望值數據分析

BP神經網絡得到的真實值與期望值的數據及圖像如圖2所示，在測試樣本中，期望值與真實值圖像重疊度較高，且最大相對誤差為0.40897%，在可接受誤差范圍內，網絡輸出結果較為可靠。

圖2 期望值與真實值對比分析

同時，計算結果均方根誤差為0.011443、均方誤差為0.00013095、平均絕對誤差為0.0090095、平均相對百分誤差為0.11475%、決定系數R2為0.99986。各樣本數據的預測結果如圖3所示，其中訓練樣本的R=0.9999、驗證樣本的R=0.99986、測試樣本的R=0.99989、整體樣本的R=0.99989，R值均接近1，表明模型預測精度高，此神經網絡模擬結果可靠，經AHP層次分析法計算所得的評價體系的指標權重合理有效。

圖3 神經網絡數據擬合結果

5 結語

在創新驅動發展時代，不斷深化創新創業教育體系改革，使“政—產—學—研—商”共同發力，提高創新創業成果轉化率，加強科技與經濟的融合度，打造新時代經濟發展的動力引擎，真正形成“創新推動創業，創業帶動就業”的新格局。通過厘清從競賽到落地的創業項目發展道路，明確項目孵化落地的關鍵性因素，建立客觀全面的評價指標體系，從而準確評估獲獎項目的發展現狀，制定具有針對性的項目發展保障制度，對“挑戰杯”大學生創業計劃競賽的獲獎項目孵化落地、長效轉化、價值實現等具有重要價值與意義。