基于AHP 模型的协同创新科研团队画像的构建

刘行兵，翟亚超，柴 斌，孙钦英

(河南师范大学计算机与信息工程学院，河南新乡 453007)

在十九大报告中，习近平总书记作出重要指示，国家要加快协同创新发展、校企合作，贯彻落实创新发展理念，建设现代化经济体系。2020 年6 月，MATLAB 等商业软件受美国政策影响，禁止国内一些高校授权使用，这一事件再一次给我们敲响了警钟。政府必须加强产学研协同合作，科研人员必须自主创新、艰苦奋斗，才有可能发展并壮大国产先进技术。要实现产学研协同创新的前提，是要打通产教间的信息壁垒，即对科研团队、企业科技需求进行数字化，再利用推荐算法对科研团队和企业科技需求进行精准匹配。总之，对科研团队进行绩效评价是协同创新的重要内容。

1 研究现状

用户画像，是勾画和表达用户的有效工具，它是真实用户在数字时代的虚拟体现，经常抽象为标签，用于针对性的服务。国外学者Cooper［1］首先提出了一种概念，认为用户画像是通过分析不同用户的各种需求，继而用数学的方法对用户需求特点进行聚类分析。用户画像随着云计算、神经网络和推荐系统等技术的重大突破，得以受到用户的广泛使用，同时关于用户画像的各种组成要素的描述也越来越多。Travis［2］认为用户特征信息包括两部分，稳定性因素和可变因素。稳定性因素有用户的个人基本信息和行为习惯信息；可变因素和环境和搜索目标有关。刘海鸥等［3］基于用户画像进行推荐时引入了用户基本属性、用户行为属性和用户情景属性，在推荐系统中取得了较好的效果。国内学者王凌霄等［4］收集知乎用户的数据，比如用户资历、参与度、回答质量和发展趋势等方面，构建了自定义问答社区的用户画像。在开发科研文献管理系统时，王茹芳等［5］根据用户维度和图书维度，构建用户画像，并和推荐算法结合起来，来提供图书馆个性化推荐服务。

关于科研团队的研究，主要是集中在以下5 个方面：科研团队的定义、建设、管理、凝聚力和绩效评价等方面。李艾丹［6］认为，科研团队一般是由多个科研人员组成，且愿意为共同的研究目标而协同配合的团队。孔春梅等［7］分析了影响科技创新团队绩效评价因素，提出评估体系内容及其指标权重,以对科技创新团队的评估方法进行了细致研究。王立良等［8］使用多角度科研团队相关绩效，对团队创新能力进行考核，来激发团队成员的积极性和创造力。

在对科研团队进行研究的过程中，发现国内都是侧重评估传统科研团队的科研资金、科研能力，而对科研团队的协同意愿评估的研究较少。随着协同创新的发展，越来越多的中小型企业与科研团队如雨后春笋般建立起来。加上科研团队和企业需求的规模越来越大和科技创新的交流日趋复杂，现在的协同创新科研团队，无法适用传统科研团队的绩效评价体系，导致企业科技需求无法匹配合适的科研团队，因此需要构建协同创新科研团队绩效评价体系。

协同意愿，即在协同创新环境下，企业、高校和研究院的科研团队，以促进科研成果转化、解决企业需求为目的，积极参与外部活动、寻求资源和合作伙伴的意愿。实验分析可知，科研团队的协同意愿对科技创新行为存在明显的正反馈影响，能促进协同创新成果的转化［9］。为此，本文把协同意愿纳入科研团队绩效评价体系，以求更精准地对科研团队进行数字化。

2 协同创新科研团队分析

2.1 科研服务平台

本文结合用户画像的构建要素，和协同创新科研团队的相关研究，来构建科研团队的画像。在此之前，首先需要一个科研服务平台，实现企业需求和科研团队的精准匹配。平台能提供企业需求和科研团队的检索、沟通交流以及后台管理等服务。服务平台见图1。

图1 科研服务平台

在科研服务平台的基础上，可以利用科研团队画像的思路，全面准确地覆盖科研团队信息，把科研团队的协同能力和协同意愿进行数字化，以供企业深刻了解相应的科研团队，促进科研团队与企业需求的匹配。

2.2 协同创新科研团队定义

如今，研究学者对普通科研团队的研究已经取得了很多的进展，但是将科研团队融入到协同创新环境下，对其整体特征进行描述方面还有待研究。针对上述问题，本文结合莫君兰等［10］的相关研究丰富了协同创新科研团队画像的概念及其构建方法。协同创新科研团队的属性特点包括：团队基本信息、成员基本信息、团队科研成果、学术专长、科研项目和其他等。概念示意图见图2。

图2 协同创新科研团队概念图

2.3 协同创新科研团队属性特点分析

科研团队的属性特点无法直接地反映团队的协同创新能力，更无法直接验证科研团队与企业需求的匹配情况。因此，在得到科研团队的属性特点后，需要抽取有用的信息，把这些抽象为科研团队的特点，包括：协同能力和协同意愿。简单地说，就是利用科研团队的评价指标体系，评估团队的协同能力和协同意愿。

3 构造评价体系

国内外学者对科研团队的研究有丰富的经验，同时，对科研团队创新能力的评估也逐渐发展起来。冯海燕［11］使用模糊综合评价法，对科研团队创新能力的综合水平进行分析。骆嘉琪等［12］根据层次分析法(AHP)，建立了科研团队的绩效评价体系，更有助于科研团队客观科学的评价。

3.1 设立层次结构图

AHP 最早由国外学者Saaty［13］提出，它是由3个层次共同建构的前提下,简化评价指标和求解过程,进行定性、定量的分析,让人们在面对复杂问题时，得到系统化与数量化的求解过程。本文结合AHP 方法，构建了协同创新科研团队绩效评价模型，包括目标层、准则层和方案层3 个层次。其中协同创新能力为目标层A 层，协同能力和协同意愿为准则层B 层，再把每一个准则层下面的一级设为方案层C 层。以便于精准、系统地分析和评价科研团队的各个指标。

与其他传统科研团队的评估指标略有不同，本文针对协同创新科研团队，制定了基于AHP 法的绩效评价层次结构模型，层次结构表见表1。

表1 协同创新能力绩效评价层次结构表

3.2 构建判断矩阵及求解

本节意在构建判断矩阵并求解。首先将各级指标要素的重要性与上一级对应的指标要素的重要性进行比较；然后根据赋值规则，组织资深、具有丰富经验的专家，给出判断矩阵各要素的值，最后求解得到相应的判断矩阵结果。以下是二级指标协同能力构建的判断矩阵，见表2。

表2 协同能力判断比较矩阵

表3 判断矩阵求解结果

表3 判断矩阵求解结果

3.3 判断矩阵的一致性检验

3.4 构建绩效评价体系

表4 基于AHP 法的绩效评价体系

在构建了基于AHP 方法的绩效评估体系后，便可以选取协同创新科研团队，对团队的协同能力和协同意愿进行数字化和可视化。

4 协同创新科研团队画像的构建

本文选取华中科技大学某团队进行实证测试，利用科研团队的属性进行分析，构建科研团队画像。首先按照表4 统计绩效评价体系对应的权重，然后按照加权求和的方法计算出协同创新意愿和协同能力，最后生成协同创新科研团队的画像。团队画像的构建流程，见图3。

图3 协同创新科研团队画像的构建流程

4.1 统计指标

科研团队信息的来源比较广泛，本文使用科研服务平台后台的数据。其优点有：其一，获取信息（比如指标权重）比较方便；其二，各自科研团队网站上的信息比较整齐完整，非常方便做进一步处理。

需要收集的数据内容主要包括：协同能力（人力资源、横向经费、发明专利、科技奖励和成果转化）和协同意愿（主动协同次数、协同总数和咨询回复次数）。

由表4 可知，协同能力由5 大指标组成，协同意愿由3 大指标组成。数据统计就是对得到的数据统计成权重，然后使用加权的方法，计算最终的协同创新能力。数据统计后的结果，见表5。

表5 数据统计结果

4.2 计算结果

在得到每个指标对应的权重后，采用加权求和的方法，便可计算最终的协同能力和协同意愿。

协同能力=人力资源×0.217 8+横向经费×0.256 1+发明专利×0.122 1+科技奖励×0.271 3+成果转化×0.132 5=108.649 9。

协同意愿=主动协同次数×0.500 0+协同总数× 0.166 6+咨询回复次数×0.333 3=89.158 2。

4.3 协同创新能力可视化

本文采用的工具是python 编程语言的第三方模块wordcloud，把科研团队协同创新能力可视化。首先把协同能力和协同意愿按照不同的属性权重，输入到代码中，最后完成对科研团队协同创新能力的可视化，见图4。

图4 协同创新科研团队的协同创新能力可视化展示

5 结论与讨论

科研团队和企业需求的匹配，不仅需要科研团队特征的数字化，还和协同意愿和协同能力有关。为了提高匹配算法的准确性，本文需要数字化科研团队的协同创新能力。首先，本文提出了符合科研团队画像的概念图，从整体上描述科研团队的各个属性。然后筛选出了2 个二级指标，8 个三级指标，采用AHP 方法确定协同创新科研团队的指标权重，并验证权重的一致性。然后在协同创新能力绩效评价指标的基础上，创建协同创新科研团队画像并可视化显示。

对科研团队进行数字化，有助于科研团队和企业需求的精准匹配。随着科学研究对象的日趋复杂和科技创新活动的规模越来越大，传统的推荐方法越来越难以将企业需求主动、准确、高效地推荐给合适的科研团队。现如今，对科研团队进行数字化，就是用计算机语言，把科研团队的协同能力和协同意愿这些定性指标，用定量表示，再运用推荐算法实现科研团队与企业需求的精准匹配。此外，通过数字化创建科研团队画像，能更直观地反映科研团队的协同创新能力，方便与其他科研团队进行数据比对和处理。

本研究还存在以下问题与不足：本文描述协同创新能力所用的评价指标，数量较少，未来可以继续完善；本文是通过专家评估打分的方式，得到科研团队协同创新能力指标权重，其结果或许存在偏差，因此在评价方法选择上需要继续改进和完善。