“挑战杯”大学生创业计划竞赛获奖项目持续发展评价体系构建

李安然，舒小立，余铮培，王燕

（西南石油大学 石油与天然气工程学院，四川成都 610500）

1 获奖项目孵化现状分析

“挑战杯”全国大学生创业计划竞赛自1999年首次举办以来，经过20多年的发展，赛制不断升级、作品日益丰富、规模持续扩大，从最初全国120余所高校的近400件作品到2020年全国2786所学校的17.9万个项目报名参加[1-3]。越来越多的大学生通过该项赛事，实际运用理论知识，发扬团队合作精神，积极投入创新创业的热潮，使得优秀成果不断涌现，推动了国民经济发展，取得了良好的社会效益。

当前，“挑战杯”大学生创业计划竞赛获奖项目存在后续跟进不到位、相应孵化落地保障体系不完善，获奖项目的市场转化率较低，导致创新成果难以高效转化为社会生产力，不利于发挥创业竞赛成果转化为创业实践的优势、实现大学生高质量创业带动就业、推动创新型国家建设等问题[4-7]。同时，国内外学者对项目孵化评价体系的研究聚焦于高校创业孵化基地以及科技企业孵化器，鲜见对“挑战杯”大学生创业计划等相关创业类竞赛获奖项目后续发展的评价体系研究，创业项目实际绩效难以得到系统客观的评价，对获奖项目孵化落地的引导效果不理想，成果的应用转化存在较大阻力[8-9]。因此，探究获奖项目后续发展影响因素，建立获奖项目后续发展评价体系，有利于及时发现获奖项目发展中存在的问题，从而促进获奖项目成功孵化落地。

2 基于“三圈理论”的获奖项目持续发展评价体系构建

2.1 “三圈理论”概述

“三圈理论”是一种基于“价值”“能力”和“支持”三要素的分析框架，是由美国哈佛大学肯尼迪政府学院学者提出的一种领导者战略管理的分析工具，被广泛运用于公共政策的分析[10-11]。“三圈理论”作为评价体系建立的学术支撑，具有理论依据，首先，“挑战杯”赛事是具有导向性、示范性和群众性的全国创新创业竞赛活动，其获奖项目持续发展的最终目的是为社会创造公共价值，这与“三圈理论”的研究目的相同。其次，一个项目的发展与其项目价值、项目团队能力及发展环境密不可分，这与“价值”“能力”和“支持”三要素分析框架相吻合，具有逻辑合理性。

2.2 构建获奖项目持续发展评价体系

对“挑战杯”获奖项目持续发展的影响因素进行系统化剖析，结合文献调研，以“项目本身价值”“项目执行者能力”和“项目发展外部支持要素”等作为核心要点，对“挑战杯”获奖项目整体孵化现状以及实际发展过程影响因素进行分析，邀请10名相关领域的专家学者，运用德尔菲法进行指标筛选，明确关键影响因素，从而建立包含3个一级指标、29个二级指标的获奖项目持续发展评价体系，如图1所示。

图1 获奖项目持续发展评价体系

在该评价体系中，项目价值主要以项目经济效益和项目社会效益为观测点对项目价值进行评价；项目团队能力是从营销能力、创新能力、团队建设情况等方面，综合反应项目团队综合能力水平；项目外部环境支持则结合“政—产—学—研”四个方面，以技术指导、市场环境、资金支持、沟通交流等为切入点，从而对项目发展所具备的外部条件进行综合评判。整个评价体系，围绕获奖项目本身、项目团队、高校、政府、企业等，将其紧密联系，能对获奖项目持续发展现状进行客观化、立体化、一体化的评价，以便后续通过AHP-BP神经网络方法，对指标权重进行计算和验证，最终形成能精准反映项目发展现状及项目持续发展关键因素的评价体系。

3 基于AHP的获奖项目持续发展评价体系权重计算

邀请电子科技大学、哈尔滨师范大学、华东农业大学、四川邮电职业学院等16所高校和研究机构的共37名专家学者，其研究领域涵盖思想政治教育、创新创业管理、企业项目孵化、金融与投资等学科，成立课题专家小组。将评价体系在YAAHP软件中构建指标模型，据此设计出专家打分表和用于后续指标优化的调研问卷。依据1-9标度方法进行专家量化打分，逐一计算各自的几何平均值以检验判断矩阵的一致性。在检验判断矩阵一致性过程中多次对判断矩阵进行调整修正，直至层次的总一致性检验C.R.小于0.1，满足判断矩阵的一致性需求。通过一致性检验之后，通过YAAHP软件实现评价体系指标权重计算，如表1所示。

表1 “挑战杯”获奖项目持续发展评价体系指标权重

在一级指标中，项目价值的权重为0.6592，权重最大，项目发展外部支持权重为0.1285，权重最小。在二级指标中，项目与国家政策及战略契合度、项目生态环境影响评价等级、项目资金利税率、项目相关技术转化率、项目团队专利申请或拥有数、项目市场占有率、校企合作交流情况、国家政策扶持情况、创新创业孵化平台建设为关键性指标。在该指标体系中，将持续调研的反馈数据进行随机抽样，整理成为BP神经网络训练和测试的样本集，为后续指标体系权重优化提供数据支撑。

4 基于BP神经网络的获奖项目持续发展评价体系权重验证

4.1 BP神经网络运用的基本思路

BP神经网络算法包含BP神经网络设计、学习训练和测试验证三个过程，是目前应用较为广泛的优化算法之一。它基于人脑的反馈工作原理，在信号前向传递时误差逐层逆向传递，通过训练样本的反复学习训练使误差沿梯度方向下降，从而实现对各层之间权值和阈值的不断调整，使输出结果达到目标精度的要求[12-14]。

4.2 BP神经网络模型构建

设定网络结构时，将AHP层次分析法确定的获奖项目持续发展评价体系权重作为输入变量、经过优化的指标体系结果作为单输出值。同时根据经验公式和多次随机实验对比，选取隐含层节点数m=7，并对BP神经网络的输入层到输出层之间的转换函数选取tansig S型函数，隐含层到输出层的转换函数选取purelin线性函数，从而在MATLAB中构建三层（输入层、隐含层和输出层）BP神经网络模型，用于后续的神经网络学习和测试。

4.3 BP神经网络指标训练及测试

通过问卷星对高校教师、“双创”工作专兼职人员、高校学生、企业家等相关群体进行为期半个月的广泛调研，针对评价体系中的指标因素按照重要程度进行打分，打分规则为10分制，将数据进行归一化处理，转化为[0,1]区间的数据。本次调研共得到103份数据，通过对调查数据进行筛选，去除无效数据和不完整数据，确定96份有效数据纳入数据库。以随机抽样的方式从数据库中抽取76份数据作为BP神经网络学习训练样本，并将剩余的20份样本用作测试样本集对网络进行测试检验，经学习训练和测试检验后结果如表2所示。

表2 测试集真实值与期望值数据分析

BP神经网络得到的真实值与期望值的数据及图像如图2所示，在测试样本中，期望值与真实值图像重叠度较高，且最大相对误差为0.40897%，在可接受误差范围内，网络输出结果较为可靠。

图2 期望值与真实值对比分析

同时，计算结果均方根误差为0.011443、均方误差为0.00013095、平均绝对误差为0.0090095、平均相对百分误差为0.11475%、决定系数R2为0.99986。各样本数据的预测结果如图3所示，其中训练样本的R=0.9999、验证样本的R=0.99986、测试样本的R=0.99989、整体样本的R=0.99989，R值均接近1，表明模型预测精度高，此神经网络模拟结果可靠，经AHP层次分析法计算所得的评价体系的指标权重合理有效。

图3 神经网络数据拟合结果

5 结语

在创新驱动发展时代，不断深化创新创业教育体系改革，使“政—产—学—研—商”共同发力，提高创新创业成果转化率，加强科技与经济的融合度，打造新时代经济发展的动力引擎，真正形成“创新推动创业，创业带动就业”的新格局。通过厘清从竞赛到落地的创业项目发展道路，明确项目孵化落地的关键性因素，建立客观全面的评价指标体系，从而准确评估获奖项目的发展现状，制定具有针对性的项目发展保障制度，对“挑战杯”大学生创业计划竞赛的获奖项目孵化落地、长效转化、价值实现等具有重要价值与意义。