大学生创新能力培养下激励模型构建与应用*

李玲纯， 汪先兵， 高来鑫

(滁州学院 机械与电子工程学院，安徽 滁州 239000)

当今世界竞争主要是科学技术与人才的竞争，归根结底是人才的竞争，是创新能力的竞争。大学生作为掌握科学技术的人才，是企业创新能力的主力军[1]。提高大学生的自主创新能力是当今高等教育重要的目标，高校实施自主创新性教育，能够帮助大学生进行自主创新性学习，适应国家推行素质教育和建设创新型国家的战略发展需求[2]。

1 创新激励的研究现状

创新的概念是由奥地利经济学家J.A.Schumpeier于1912年在《经济发展理论》中首次提出，有更新、创造新和改变新的3层涵义。对于激励，弗隆认为激励是一个过程，有机体在各种自愿选择的备选方式中做出抉择的过程[3]。B.贝雷尔森和GA斯坦纳认为激励是人类的一种心理状态，是个体在心理上进步的条件。创新激励是指创新过程中各要素之间的内在联系，表现为个体在创新过程中内心的协调能力、约束能力和自我管理能力[3]。Crossman，G.M.等研究人员，设计构建了“基于自主创新的经济长期增长模型”[4]。Rothwell分析并研究了欧洲的科研政策的变化过程，并提出集成创新政策，是区域概念系统的延伸。2000年国内激励机制研究起始，国内学者主要对自主创新内涵、现状、战略、能力等方面展开研究。其中陈玉荣研究创新激励机制问题，提出建立合理、科学、公平公正的创新激励机制，但没有提出具体的激励指标。魏刚提出建立科学的创新激励考核指标体系，将奖励与考核相关联，而在指标评价模型的建立上未做重点提出。潘安等通过博弈论分析和讨论，建立基于博弈论的创新激励机制。邢智强分析了制约大学生创新能力的因素，并从不同视角提出培养大学生科技创新能力的对策与建议。通过学习国内外文献关于创新激励的研究，其中主要是针对创新激励的理论分析和指标体系的建立方面展开研究，缺少建立合理的创新激励的评价模型。

此处以激励大学生创新问题为研究对象，结合国内外关于大学生创新激励的理论，分析大学生提高创新能力的过程，研究其创新评价模型，在此基础上，针对创新能力培养的特点，研究大学生创新激励模型的构建。

2 大学生创新激励模型的构建

大学生创新激励的原因是错综复杂的，其表现也是多种多样的。大学生创新激励模型的构建将激发学生创新思维，全面评价大学生自主创新性学习的实现程度，为有效推进高校自主创新性教育奠定基础。

2.1 大学生创新激励因素分析

影响大学生创新激励的因素很多，但是各影响因素对于激励的解释力是不同的，从文献回顾看，目标激励、成就激励、榜样激励、情感激励这4类因素对大学生创新激励具有较强的解释力。

King与Anderson认为目标激励表包括工作活力感、创新行为、组织承诺、组织公民行为等[3]。由于大学生群体的特殊性，其目标激励因素的结构和其他主体的目标激励因素结构应该是有差异的，只是目前这方面的研究较少。在国内外研究基础上，对调查对象进行了访谈，了解创新激励自身的需求及现状，并且从教育者的角度了解指导中的困惑，从大学生自身的特点出发来设计问卷，经过这样的过程，将量表修正为创新活力感、创新意愿、组织承诺、组织公民行为[4]。

根据Shin&Zhou在激励模型提出的成就激励与创新激励之间的关系，将成就激励分为：创新氛围、创新价值观、学习成绩、创新竞赛次数，并提出了创新价值观为离职过程的中介变量[4]。此处沿用King和Anderson的分类法。

大学生的榜样激励因素对创新显得尤其重要，身边的榜样其实对大学生更具有说服力，可以将学生创新能力作为一项重要评价指标列入学生综合素质评价内容之中。大量研究表明，榜样宣传度、成果重要程度、创新竞赛次数等与创新激励之间存在着很强的相关度。因此也将其作为影响因素纳入研究体系。

Carl Rogers认为，教育者对学习者真实地产生同感倾听时，一种自发学习和自由成长的氛围就会产生。要想实现对创新人才的激励目标，必须营造一个开放交流的创新环境，是学习者产生创新的欲望。其中情感激励因素包括交流环境、公平度和激发学习动力等。大学生创新激励指标体系如表1所示。

表1 大学生生创新激励指标体系

2.2 大学生创新激励模型算法原理

以大学生创新激励问题为研究对象，结合国内外关于创新激励理论，分析大学生创新路径，研究其创新评价模型，在此基础上，针对创新能力培养的特点，研究大学生创新激励模型的构建。将粗糙集(RS)理论和神经网络(ANN)相结合，ANN中有较为优异的网络逼近能力和分类能力，粗糙集理论可以对ANN中的样本数据进行约减，达到优化拓扑结构的目的，可以提高样本的学习速度，缩小网络的规模。用粗糙集方法对信息进行预处理，构造RS-ANN系统，为创新激励模型的构建开辟了新的途径。

RS理论用二维决策表描述论域对象。每1行描述一个对象，每1列描述一种属性。属性分为条件属性和决策属性，根据对象条件属性的不同，划分不同的决策类。以表2为例，论域U中有8个对象，{a，b，c，d}是条件属性集，e为决策属性。去除多余的属性不会影响分类效果。对表2经过属性约简和值约简得到的表3是最终采用的决策表[2，3]。

表2 原始决策表

表3 最终决策表

注：表中*表示该项可取0，1或2

基于表1所得的神经网络的结构如图1所示，应用最终决策表(表2)中的规则构建RS-ANN的结构如图2所示。

图1 原神经网络

图2 基于粗糙集理论的神经网络结构

3 实例分析

为了验证提出的大学生创新激励理论，根据创新激励的13个评价指标，调研整理了A学校自2008年4月至2013年4月的大学生创新调研数据，其中以一个季度为监测周期，共20个周期，依据20组专家诊断样本建立基于粗糙集的大学生创新激励特征模型库。将5个激励指标作为粗糙集的属性集。为便于粗糙集处理，已采用贪心算法对其进行过离散化处理。诊断结果作为目标属性J取值J1，J2，J3，J4，J5分别对应大学生创新激励等级高、较高 、一般、较低、低。抽取15组数据进行训练，另5组用来测试[6，7]。

首先对20个训练样本进行数据模糊化处理，形成原始决策表，然后根据前面介绍的约简方法，对原始的决策表进行约减，得到最终决策表4。

表4 最终决策表

根据表4的规则建立神经网络结构，然后用原始数据进行训练，直至取得满意结果。表5所示为大学生创新激励的实测数据和用RS-ANN模型的验证结果，可以看出正判率为95%以上。

表5 实验数据和评价结果

4 结 论

综上所述，RS-ANN组合式大学生创新激励模型构建方法简化了神经网络结构，提高了网络的学习速度；消除了样本中噪声数据的干扰，提高了系统的准确率；条件属性项的减少，使得研究工作成本降低，模型评价速度加快，实时性增强；具有良好的容错性和扩展性，能有效地消除大学生创新激励模型中的误报和漏报现象的影响。

从模型结果看，创新活力感、创新意愿、创新价值观、榜样宣传度、成果重要程度、交流环境这6个影响因素对大学生创新激励的影响最大，可以作为关键性影响因素，并将其作为大学生创新激励的重要指标。将创新的关键性指标作为大学生创新激励的预测变量，建立有效的创新激励评价模型。

构建的创新激励评价模型可以对创新激励指标进行监测，研究创新成果的产生过程，将影响创新的激励指标进行深度分析。如果监测的主体出现异常或处于较低等级，教育者可立即采取相应的对策方案使得大学生恢复到较高的创新激励状态。建立大学生创新激励模型的目的在于及时发现大学生创新效果较低的原因，从而为改进教育者培养方法，全面提升教育者的培养水平，为实施高校的人才创新管理争取主动性。应将高校创新激励的思想渗透到教育者的培养工作当中，以关注大学生的发展，关心大学生前途为基点，增强大学生的创新能力，从而更有效地推进高校自主创新性教育。

参考文献：

[1] 徐荣.知识员工离职倾向关键性影响因素分析[J].科学管理研究，2009(12)：468-431

[2] 王斌.知识转移机制与创新绩效关系的实证研究[J].情报科学，2012，30(1)：90-94

[3] 张雪飞.制约大学生科技创新能力培养的因素及对策探讨[J].科技管理研究，2010，27(5)：75-78

[4] 张颖丽，李建华.企业科技人才流失预警信息系统的构建及运行对策研究[J].情报科学，2010，28(5)：788-792

[5] 岩芳，袁永久.面向知识创新的组织内部知识整合层级研究[J].情报科学，2012，30(12)：1875-1878

[6] SMITH K G，COLLINS C J， CLARK K D.Existing Knowledge，Knowledge Creation Capability，and the Rate of New Product Introduction in High-technology Firms [J].Academy of Management Journal，2007，48(42)：346-357

[7] 郭志军.一种基于粗糙集神经网络的分类算法[J].计算机应用研究，2011，28(3)：838-841

[8] 王德鲁，宋学锋.基于粗糙集-神经网络的城市产业生命周期识别[J].系统工程学报，2011，26(4)：710-716