基于云模型的行业产业类协同创新中心绩效评价

李爱彬，经 曼，夏洪旺

(中国矿业大学，江苏 徐州 221116)



基于云模型的行业产业类协同创新中心绩效评价

李爱彬，经 曼，夏洪旺

(中国矿业大学，江苏 徐州 221116)

本文以行业产业类协同创新中心为研究对象，立足于高校协同创新目标任务，从协同创新产出绩效、创新行为协同绩效、协同创新环境三个维度构建了协同创新中心绩效评价指标体系，并设计了云模型，通过实例对行业产业类协同创新中心绩效进行评价。结果表明，基于该模型的评价方法能够更好地处理模糊性、随机性信息，且能够满足协同创新中心绩效评价特点和建设需要，可为提升高校协同创新中心绩效提供实践参考。

云模型；行业产业类协同创新中心；绩效评价；评价指标

1 引言

2012年3月，教育部、财政部联合实施了高等学校创新能力提升计划(简称“2011计划”)，协同创新成为提升高校创新能力，全面提高高等教育质量的具体行动。协同创新中心作为“2011计划”实施的重要载体，运行满四年后，由教育部、财政部组织实施第三方绩效评价[1]。绩效评价是整个“2011计划”的关键所在[2]。绩效评价这一“指挥棒”是否科学合理，决定着整个“2011计划”的实施成效和质量，同时也是评价国家“2011计划”政策实施成效而对研究者和实践者提出的要求。

在国家已评选认定的38家协同创新中心里，行业产业类15家，是比例最高的一类协同创新中心[3]。行业产业类协同创新中心依托高校与行业紧密结合的优势学科，以改造传统产业和培育战略新兴产业发展为重点，广泛吸纳科研院所、大中型骨干企业开展有组织创新，是解决行业产业发展核心和共性关键问题的重要基地，对经济新常态下行业技术进步、产业结构优化升级具有持续的支撑引领作用。鉴于此，本文以行业产业类协同创新中心为研究对象，构建一套完善、可操作的绩效评价指标体系，并应用云模型评价方法来处理评价指标确定和量化过程受到主观条件影响的不确定性和随机性问题，实现定性与定量指标之间的转换，从定量上把握协同创新中心绩效水平，以期为政府部门完善协同创新中心绩效管理与考评验收提供决策依据，为协同创新中心进一步提升绩效提供实践参考。

2 行业产业类协同创新中心绩效评价指标体系构建

教育部、财政部建立绩效评价机制，对经培育组建成效突出而批准认定的2011协同创新中心按照确定的任务和规划，加强目标管理和阶段性评估。行业产业类协同创新中心以“支撑传统、引领新兴、产学融合、贡献重大”为目标，旨在建设成为行业产业前瞻与共性技术研发和转移的重要基地、促进学科交叉融合与培养高端行业人才的平台。实现这一建设目标，需要创新链上、中、下游对接与耦合，产生系统叠加的非线性作用，在绩效层面达到高度协同。而对协同过程进行绩效评价，要融合多元协同主体的利益诉求。因此，行业产业协同创新中心绩效评价体系应是一种多层次、结构性、定性和定量相结合的综合评价指标体系。

根据系统理论，协同创新中心绩效影响因素可划分为要素和过程两个相关层次，协同创新各方在投入人力、财力和物力之后，经系统内各要素相互作用，在协同创新的环境中达到一定的创新效果，并最终转化为创新绩效。而绩效包括可测量的工作结果与可描述的工作过程(即结果产生的原因)两个方面[4]。因此，对行业产业协同创新中心绩效的评价既要考察协同目标的达程度，即协同创新产出绩效，还要关注创新主体之间非线性作用的协同创新过程，即协同创新发展环境和创新行为协同绩效。“协同创新产出绩效”指行业产业协同创新中心在不断提升人才、学科、科研三位一体创新能力上的产出绩效，以及对行业产业贡献率与经济社会发展的效应，体现的是目标导向；“创新行为协同绩效”指对不同创新主体之间的协同行为程度和过程评价，考察行业产业类中心打破高校与其他创新主体之间的体制壁垒的状况，按照资源共享、优势互补、风险共担的原则把各方主体联系在一起，推动人才、学科、科研协同创新的进程，体现的是手段途径；“协同创新环境”指协同创新中心的管理运作，特别是与协同单位的战略联盟、合作协同机制等制度建设情况与执行成效，体现的是中心运行保障。由此，在参考相关文献[5-7]及有关专家访谈意见的基础上，并结合行业产业类协同创新中心发展目标要求，从上述3个方面汇总和整理指标，再进一步细化分解，最终得到三层次行业产业协同创新中心绩效评价指标体系，如表1所示。该指标体系准则层包含3个维度，在准则层下分设10个一级指标、43个二级指标。

3 基于云模型的行业产业类协同创新中心绩效评价方法

3.1 云模型理论

云模型是李德毅院士于1995年提出的、用语言值表示的某个不确定概念与定量描述之间的不确定转换模型[8]。

(1)云的概念。U是一个定量的论域，而C是U上的一个定性概念，若一个定量值x∈U，且x是定性概念C的一个随机实现，则x对C的确定度μ(x)∈[0,1]是具有稳定倾向的随机数，这种随机的隶属度在论域上的分布成为隶属云，简称为云，每一个x称为一个云滴[9]。

μ∈[0,1],x∈U,x→μ(x)

(1)

(2)云的数字特征。云模型通常表示为Cloud(Ex,En,He)。其中，期望Ex是云滴在论域空间上分布的期望，熵En为该定性概念语言值的不确定性度量，超熵He为熵的不确定性度量，它们共同构成了云的数字特征。

表1 行业产业类协同创新中心绩效评价指标体系

续表1

(3)云发生器。云发生器是定性概念与定量数值之间转换的桥梁。正向云发生器中输入云数字特征(Ex,En,He)及需要生成的云滴数，产生云滴，实现从定性到定量的映射，继而生成云[10]；逆向云发生器是正向的相反过程，是从定量到定性的映射[11]；X条件云发生器是对给定特定的值，产生这个X在某一概念中对应的一个云滴，即得到X对该概念的一个隶属度[12]。具体算法见表2。

表2 云发生器算法

3.2 基于云模型的评价步骤

(1)根据绩效评价内涵，确定绩效影响因素，建立如表1所示的绩效评价指标体系。

(2)依据层次分析法(AHP)，确立不同指标的权重。

(3)正态云模型综合评价。首先确定评价等级及数字特征：依据有关专家经验，确定评价标准等级及每个等级的数据范围。由此确定每个等级的云模型数字特征(Ex,En,He)。设x、y为对应评价等级的上边界值和下边界值。其中：

(2)

由于边界值体现的是一种模糊边界即从一个级别到另一个级别的过渡，属于两个级别的隶属度应该相同[10]，则：

(3)

可以得到：

(4)

其次计算隶属度：将收集到的评价数据输入X条件云发生器中，得出各个指标隶属于各个级别的隶属度，并将其写入隶属度矩阵中。

最后确定综合评价等级：将求得的指标体系综合权重与隶属度矩阵相乘，得到评价绩效所属级别的隶属度，则绩效的综合评价等级即是隶属度最大值。

4 实例分析

本文以中国矿业大学牵头的煤炭安全绿色开采协同创新中心为例验证所建立的指标体系，应用云模型法对其协同创新绩效进行评价。该中心协同科研院所为中国煤炭科工集团有限公司；协同企业为神华集团有限责任公司等4家大型煤炭企业；协同高校为辽宁工程技术大学等7所高校。

4.1 确立各层指标权重

为了保证评价结果的客观公正性，从该中心的牵头高校、科研机构、协同高校、企业各邀请1名专家，采用Delphi方法收集专家意见，用AHP分别构建指标体系准则层对目标层、一级指标层对准则层、二级指标层对一级指标层的判断矩阵，求出相应的权重和总权重。

以准则层为例，构造准则层对目标层的判断矩阵A，即构造协同创新产出绩效(A1)、创新行为协同绩效(A2)、协同创新环境(A3)对总绩效水平的重要度判断矩阵A：

(5)

4.2 正态云模型综合评价

得到指标体系权重后设计调查问卷，向参与煤炭安全绿色开采协同创新中心建设的8位专家学者、管理者调查咨询，按确定的二级指标对中心建设和运行情况打分，利用反馈的数据对中心绩效水平进行综合评价。

(1)确定评价等级及数字特征。根据有关专家、管理者对指标的百分制赋值打分以及问卷的设计，将评价等级划分为5个等级，分别是(90～100)优秀、(80～90)较优、(60～80)良好、(40～60)较差、(0～40)差。

以评价等级“良好”为例，根据公式(2)和(4)，计算评价等级“良好”的云模型数字特征，即：

(6)

由于专家打分过程中主观因素偏差的存在，取超熵He=0.7。其它评价等级的云模型数字特征运用同样的方法得到，即“优秀”Cloud1(95，4.25，0.7)、“较优”Cloud2(85，4.25，0.7)、“良好”Cloud3(70，8.5，0.7)、“较差”Cloud4(50，8.5，0.7)、“差”Cloud5(20，17，0.7)。

评价等级的数字特征(Ex,En,He)确定之后，利用正向云发生器生成综合云模型。图1表示五组较为模糊的定性概念，即等级优、较优、良好、较差、差用云模型转换成定量数据的情况。

图1 五组正向综合云图

(2)计算隶属度。将专家打分的数据输入X条件云发生器中，得到5个评价等级一次随机出现的隶属度，构成隶属度矩阵。以专家1为例，C1(青年人才培养、学生培养、行业产业技术人员培养数量与计划量比率)指标得92分，输入X条件发生器中，得到每个评价等级一次随机出现的隶属度，如表3所示。

专家1为二级指标层其余42个指标分别打分，最终得出隶属度矩阵Array1：

(7)

同理可求得其他7位专家评价矩阵Array2～Array8。

(3)确定综合评价等级及结果分析。以专家1为例，将综合权重集V(V1,V2,…,V43)=(0.0336,0.0223,…,0.0095)乘以隶属度矩阵Array1，即：

V×Array1=[0.0336 0.0223 Λ 0.0095]×

(8)

归一化后，即得到该协同创新中心绩效隶属于每一个级别的隶属度为L1(0.356，0.443，0.199，0.001，0.001)。

同样方法处理其他专家的调查结果，求得该中心绩效评价等级的隶属度L2～L8，取其平均值，最终得到平均隶属度为L(0.3086，0.5000，0.1894，0.0010，0.0010)。可知煤炭安全绿色开采协同创新中心绩效水平，“优秀”等级的隶属度为 0.3086，“较优”等级隶属度为 0.5000，“良好”等级的隶属度为 0.1894，“较差”等级的隶属度为 0.0010，“差”等级的隶属度为 0.0010，因此，该协同创新中心绩效水平的等级为“较优”，说明总体发展水平较高。

虽然绩效整体评价结果为“较优”，但从专家打分情况来看，一些指标偏离程度较大，如指标C2(团队建设数量及高层次人才汇聚量与计划量比率)、C21(联合共建研究团队、联合引进高层次人才的数量)、C23(人员互动制度的实施效果)、C31(仪器设备共享利用率)。根据逆向云发生器算法可以将专家对指标评价打分转换成云模型参数，再利用正向云发生器得到专家对指标C2、C21、C23、C31的评价云图，如图2～5所示。

从图2～5可看出，指标C2、C21、C23、C31的可视化评价结果的云图用黑色“+”号表示，都较大程度偏离“较优”评价等级，位于评价等级“良好”与“较优”之间，说明这4个二级指标存在不足。因此，该协同中心应加大培养高层次人才数量，重点挖掘有潜力的团队，给予重点支持；围绕特色研究方向汇聚学科资源，集聚学术大师，组建高水平学术团队；打破学校与其他创新主体之间的壁垒，促进学校与科研院所、行业企业间的人员互动，开放共享资源，营造良好的协同创新氛围，激发协同创新活力。

图2 指标C2的评价云图

图3 指标C21的评价云图

图4 指标C23的评价云图

图5 指标C31的评价云图

5 结论

本文以行业产业类协同创新中心为对象，从协同创新产出绩效、创新行为协同绩效和协同创新环境3个维度构建了协同创新中心绩效评价指标体系，并通过实际案例，对行业产业类协同中心绩效进行了云模型评价，验证了指标体系的可操作性和实用性。研究表明，基于该模型的评价方法有着较为准确的定量分析以及较为直观的定性评价，不仅能够处理评价信息中的模糊性，而且能同时解决语言信息中的模糊性和随机性，使得对协同创新中心的绩效评价更具有效性和科学性。有助于为政府部门完善效管理与考评方法提供政策参考依据，也为协同创新中心提升绩效提供决策支持。

[1]教育部财政部关于实施高等学校创新能力提升计划的意见[EB/OL].http://www.dost.moe.edu.cn/dostplan/jyjl/.

[2]赵德武.协同创新中心绩效评价体系构建研究[J].中国高校科技，2014(1)：14-16.

[3]蒋兴华，吴伟.高校面向行业产业协同创新困境化解—基于“2011协同创新中心”的研究[J].中国科技论坛，2016(2):16-20.

[4]周晓晔，孙欢，王喆.基于云模型的区域物流产业集群绩效评价[J].工业工程，2014，17(5)：124-129.

[5]谢思全，鹿媛媛，李叶妍.科技协同创新绩效评价指标体系初探[J].现代管理科学，2014(1)：18-20

[6]李林，袭勇.攻关项目协同创新绩效评价指标体系设计及应用研究[J].科技进步与对策，2014(1)：123-129

[7]王洁方.协同创新中心绩效评估体系研究[J].中国高校科技，2014(4)：59-61.

[8]李德毅，刘常昱，等.不确定性人工智能[J].软件学报，2004，15(11)：1584-1594.

[9]刘东飞.基于AHP与云模型的软件过程绩效评价方法[J].计算机工程与设计，2014，34(3)：843-898.

[10]杨泽寰.科技协同创新平台运行绩效评价指标体系与方法研究[D].长沙，湖南大学，2014.

[11]叶琼，李绍稳，等.云模型及应用综述[J].计算机工程与设计，2011，32(12)：4198-4201.

[12]王雪青，潘辉，等.基于云模型的中国区域建筑产业竞争力评价研究[J].山西财经大学学报，2012，34(7):55-66.

(责任编辑 沈蓉)

Performance Evaluation of the Industry-Oriented Collaborative Innovation Centers Based on Cloud Model

Li Aibin,Jing Man,Xia Hongwang

(China University of Mining and Technology,Xuzhou 221116,China)

The paper took the industry-oriented collaborative innovation centers as an example.Complied with the targets and tasks of collaborative innovation in colleges and universities,it designed the performance evaluation index system from 3 dimensions of collaborative innovation output performance,innovation behavior collaborative performance and collaborative innovation environment.And it designed cloud model to evaluate collaborative innovation center performance through the actual example calculation.The results show that cloud model could better handle the fuzziness,random information as well as in line with the collaborative innovation center performance evaluation features and practical needs,and it could provide practical guidance to increase collaborative innovation center performance.

Cloud model;Industry-oriented collaborative innovation centers;Performance evaluation;Evaluation index

江苏省教育科学“十二五”规划课题“高校产学研协同创新实现机制及制度设计研究”(D/2013/01/029)，江苏省研究生教育教学改革研究与实践课题“江苏高校优势学科核心竞争力评价与培育研究”(JGLX15_035)。

2016-02-22

李爱彬(1971-)，男，安徽庐江人，副研究员，管理学博士，硕士生导师；研究方向：教育与科技管理。

G311

A