基于熵权和灰色关联模型的大学生创新能力评价研究

邹 浩

(湖南财政经济学院工商管理系，湖南长沙410205)

创新是一个民族发展的动力，我国高校已将创新人才的培养作为大学生人才培养的重点.在探究创新人才培养影响因素时，主要考虑学校师资、课程设计、人才培养模式、学生创新学习能力、创新氛围等几个方面，然而对于大学生创新能力的综合评价却还不够系统.

近年来有部分学者从不同角度构建了大学生创新能力评价指标体系，并利用不同方法对其进行了研究.其中，王迪［1］从人才、平台、制度、文化四个方面构建了大学生创新能力培养绩效评价指标体系，并采用模糊综合评价法对创新能力进行评价;张鑫等［2］从创新品质基础、创新知识基础、创新思维能力、创新学习能力、创新技能及创新实践能力六个方面构建了指标体系，并通过物元可拓模型对创新能力进行了评价;李国胜等［3］从创新思维和意识、创新学习能力、实践能力、科研能力四个方面构建了创新能力评价体系;顾准［4］从创新学习能力、创新知识能力、创新思维能力、创新实践能力、创新非智力因素五个方面构建了指标体系，并运用模糊综合评价法构建了评价模型;秦玮［5］从个人因素、群体因素、环境因素三个方面构建了大学生科技创新能力评价指标体系，并运用层次分析法对指标体系进行了评价;郑晓燕等［6］从观察判断力、发散思维、实践创新创业能力、创新意志等10个二级指标构建了创新能力评价指标体系，并运用层次分析法对经管类学生的创新能力进行了评价;吴红霞等［7］从创新教育基础平台、创新活动参与、科技创新成果、科技竞赛获奖、科技项目立项五个方面构建了经管类大学生创新能力指标体系，并运用模糊综合评价法对各指标的权重进行了排序;王家褀等［8］从创新思维、创新学习、创新知识、创新技能四个方面构建了大学生创新能力评价指标体系，并运用模糊综合评价法和改进的AHP法对指标体系进行了评价.

本文从创新能力的表现和大学生创新能力的影响因素分析入手，基于思维能力、学习能力、知识能力、科研能力四个方面建立了大学生创新能力评价指标体系，并运用熵权法确定指标权重，再结合灰色关联理论建立了相应的综合评价模型.

1 大学生创新能力评价

1.1 大学生创新能力评价指标

大学生创新能力的评价是一个复杂的过程，它不仅涉及到大学生的知识能力、动手操作能力、解决实际问题的能力，而且还要考虑学生的兴趣爱好以及多种能力的综合运用.因此大学生创新能力评价指标体系必须能够对高校大学生创新能力的现状以及影响因素进行综合性考虑，能够从不同角度对大学生的创新能力进行测算和评价，这样的评价指标体系才能够如实地反映大学生创新能力的客观实际.参考相关文献，并结合影响大学生创新能力的相关因素，将思维能力、学习能力、知识能力、科研能力四个方面看做主要影响指标进行评价分析.思维能力中主要考察发散思维能力、逻辑思维能力、批判思维能力;学习能力中主要考察信息获取能力、知识更新能力、发现问题的能力、理论联系实际的能力;知识能力中主要考察基础知识能力、专业知识能力、相关知识能力、创新知识能力;科研能力中主要考察论文发表能力、专利发明能力、科技活动获奖能力.具体的大学生创新能力评价指标系统如图1.

图1 大学生创新能力评价指标体系

1.2 熵权法确定指标权重

评价指标对评价体系的影响主要是通过权重体现，因此如何确定大学生创新能力评价指标的权重，对大学生创新能力的评价至关重要.熵是用来描述物理现象中分子运动无序状态的量度，采用熵值来表示事物的不确定性，能够很好地将定性问题定量化.考虑到大学生创新能力评价因素的不统一性，利用信息熵的相关理论，本文采用熵权法来确定大学生创新能力评价的各指标.计算步骤如下:

(1)构建m个事物n个评价指标的原始决策矩阵:

(2)对原始评价指标进行规范化处理:

其中记:R=(rij)n×m为规范化后的标准矩阵.

(3)对规范矩阵R=(rij)n×m进行归一化处理，得到归一化矩阵

(4)计算评价指标cij的熵值:

(5)计算评价指标cij的权重:

2 灰色关联评价模型

2.1 评价指标的无量纲化处理

大学生创新能力评价体系中，各指标没有统一的度量标准，为了保证评价结果的有效性与合理性，需要对大学生创新能力评价体系中原始评价指标cij进行归一化处理.其方法如下:

(1)确定参考数据列

参考数据列一般是以m个事物中，同一指标下的理想标准值为准，该值可以是各指标的最优值，也可以是最劣值，还可以根据评价目的进行选择.参考数据列包含n个指标，记为 C0=(c01，c02...c0n).

(2)评价指标无量纲化处理

考虑到评价指标cij的度量标准不统一，把所有指标除以参考数据列中对应指标值，进行初始化.其方法如下:

2.2 灰色关联评价模型

(1)计算关联系数

记C0=(c01，c02...c0n)={c0(k)，k=1，2，...n}，Ci=(ci1，ci2...cin)={ci(k)，k=1，2，...n}，则原始指标数列 Ci对参考数列C0的关联系数可以定义为:

ε(0＜ε＜1)称为分辨率，一般取ε=0.5.ε越大，表示分辨率越小;ε越小，表示分辨率越大.

(2)计算关联度，排关联序列

单个评价指标与参考指标之间的关联系数只代表该指标与理想值之间的关系，而对某个事物进行评价是所有指标综合影响的结果.因此对大学生创新能力进行综合评价时，需对各指标与参考指标的关联度进行加权处理.其方法如下:

其中，γi为原始指标数列Ci对参考数列C0的灰色关联度;WcP为指标层c相对于目标层P的指标权重向量;n为序列的长度.

根据大学生创新能力原始评价指标与参考数列之间的灰色关联度进行排序，关联系数γi越大，表明该事物各指标与理想值的关联性更强，也即该大学生的创新能力更强.

3 实例分析

以湖南财政经济学院工商管理系物流管理专业学生为对象，进行大学生创新能力评价研究.考虑到大学生创新能力评价指标多为定性指标，根据各评价指标的特性，采用教师的评价、学生的互评以及学生的综合测评作为基础数据来源，将创新能力指标系统评价集设为四个层次:S={S1，S2，S3，S4}={强，较强，临界，差}，各个层次对应的标准元素值为:强(85－100)，较强(70－85)，临界(60－70)，差(60以下).现为考察物流管理专业三个学生的创新能力，任课教师、同学从不同的角度出发，分别对三个学生的创新能力评价指标值综合打分，如表1所示.

表1 评价指标量化表

3.1 指标权重的确定

根据图1大学生创新能力评价指标体系的结构，以及表1中各指标的量化值，利用熵权法对各评价指标之间的相互影响进行分析，不仅可以得到同一层级指标之间的相互权重，而且还可以得到各层级指标对目标层的权重值.如表2所示.

表2 评价指标相对权重以及对目标层权重表

3.2 灰色关联模型的计算及结果分析

由于大学生创新能力评价指标都属于效益型指标，该指标值越大即表示该值越优，因此可以将参考数据列记为C0=(90，80，86，92，86，91，83，82，89，84，88，75，75，78).利用公式(7)对原始决策矩阵进行无量纲化处理，可以得到无量纲化后的标准矩阵如下:

对无量纲化矩阵Rc求差序列，可以得到如下矩阵:

根据求差序列R*易得，原始决策指标值与参考数列之间两级最大差、两级最下差分别为:再 利用公式(8)，并取分辨率参数ε=0.5，即可求得原始决策指标值与参考数列之间的关联系数矩阵为:

关联度γi值越大，表明原始决策指标值与参考数列之间的灰色关联度越强，也即越靠近最优值.因此，由γ3＞γ1＞γ2可知，第三个学生的创新能力比较强.同时，对比熵权法确定的指标权重，发散思维能力、逻辑思维能力以及发现问题的能力对大学生创新能力的影响较大，为了提高物流管理专业学生的创新能力，必须加强发散思维能力、逻辑思维能力的培养，通过物流实训操作、物流科技大赛等培养学生发现问题、解决问题的能力.

4 结论

结合大学生创新能力培养的现状，从思维能力、学习能力、知识能力、科研能力四个方面构建了大学生创新能力的评价指标体系.考虑到各指标的不统一性以及信息熵理论求解不确定性问题的优势，首先利用熵权法确定各指标的权重，然后通过灰色关联模型构建了大学生创新能力评价模型.最后通过实例分析对评价模型的科学性和可行性进行了验证.研究结论表明，发散思维能力、逻辑思维能力以及发现问题的能力对大学生创新能力的影响较大，这为以后大学生创新型人才的培养提供了指导.

［1］王迪.大学生创新能力培养要素模型分析［J］.河南工业大学学报(社会科学版)，2014，(4):157－160.

［2］张鑫，陶化冶，隋金雪.基于可拓的大学生创新能力综合评价研究［J］.高教论坛，2010，(5):45－48.

［3］李国胜，樊彦国，丁智慧.大学生创新能力评价体系研究［J］.教育与人才，2013，(12):90－92.

［4］顾准.大学生创新能力评价指标体系的构建与应用［J］.盐城工学院学报(社会科学版)，2015，(1):91－94.

［5］秦玮.基于AHP的大学生科技创新能力影响因素研究［J］.西安文理学院学报，2015，(1):98－101.

［6］郑晓燕，李玉霞.基于层次分析法的经管类专业大学生创新能力综合评价分析［J］.创新与创业教育，2014，(4):73－75.

［7］吴红霞，张春玲.经管类专业大学生创新能力评价［J］.合作经济与科技，2014，(4):110－111.

［8］王家褀，曹颖颐.大学生创新能力综合评价研究［J］.武汉理工大学学报(信息与管理工程版)，2007，(8):133－137.