数据型高校科技竞争力评价体系构建与应用
Abstract： Science and technology competitiveness is an important link in evaluation of colleges and universities. A science and technology competitiveness evaluation system based on a sample of 64 colleges and universities as data source whose information can be accessed to is established， which covers science and technology basis， scientific and technological personnel， scientific research， scientific and technological achievements， science and technology reputation. The system is divided into 5 categories and 17 units in detail. The concept of layout index is innovatively proposed and the corresponding mathematical model is created in this paper. Evaluation results are released and also suggestions are given by the example analysis and data mining. It is a creative practice exploration to the colleges and universities of science and technology competitiveness evaluation.
Key words：evaluation science and technology competitiveness indicator system data analysis； layout index
中图分类号：S0 文献标识码：A 文章编号：1003-9082（2016）11-0276-03
随着计算机技术的飞速发展和高等教育信息化、国际化进程的加快，高校自我评估活动中面临的最大问题是如何在卷帙浩繁的统计资料、信息公开报告以及各大排行榜榜单中挖掘数据价值，降低信息认知难度，清晰呈现自身状态，从而为主体的科学决策提供客观依据。“评价最重要的意图不是为了证明，而是为了改进。”[1]现存的有关高校的评价活动或评价体系主要问题体现在自上而下的评价多，多维度专业评价少；结果性评价多，跟踪性评价少[2]。由于评估成本和技术的限制，评价活动时间间隔较长，专项评价活动也时断时续，信息反馈严重滞后，评估结果的新鲜度和持续性难以保障。有的高校雇佣第三方机构进行定制化的数据服务和自我评估来解决这个问题，这样自我评估成本也大幅增加。对于多数受评估成本困扰的高校，要抓住机遇应对挑战必须开展类似自我评价活动的数据跟踪和监测，合理定位发展方向，迅速和科学地进行决策，不断改进自身办学行为，最终找到符合自身特色的发展道路，在新一轮的高校发展中抢占先机。
一、数据型高校科技竞争力评价体系建设意义
选择高校科技竞争力作为评价主体，主要考虑到评价主体的内涵和评价主体的数据来源。高校的科技竞争力内涵丰富，是国家科技竞争力的重要组成部分，也是一个高校高水平科技人才培养、科学技术创新与发展、科学技术成果转化等事业的综合体现[3]。高校科技竞争力数据来源广泛，能够实现数据的公开采集、连续跟踪。近年来信息技术的进步使得高教育领域的数据呈指数增长，国内外机构的各大排行榜数据，权威部门的年度报告，为科技竞争力的数据挖掘与分析提供了充分可能。从这些海量数据中选择合适的作为科技竞争力评价体系的数据来源，保证了数据获取的渠道和口径的统一，避免了学校填报数据的过程。
充分发挥数据在评价活动中的作用，对高校开展科技竞争力专项评价在宏观层面和微观层面都具有重要意义。宏观层面，评价体系可以用于高等教育主管部门配置教育资源时的科学依据和政策制定的重要参考，便于有关部门掌握高校的科技发展动态部署区域乃至国家的科技战略；数据型高校科技竞争力评价体系作为专项评价能丰富目前学术性评价为主导的评价体系，避免所有高校清一色的向学术型综合大学进军，体现教育公平，让具有特色的高校能合理定位追求一流。微观层面及对作为评价对象的高校自身来看，评价体系可以帮助高校探寻数据间的内在规律，合理定位特色，有效防止大学建设的“同质化”；高校自身也可以利用科技竞争力评价体系进行内部诊断，找出存在问题、薄弱环节，发现科技前沿，引导科技创新；有利于高校汇聚产学研用的相关资源，构建与更多企业合作的桥梁，也为企业寻找合作高校提供参考和指导[4]。
二、数据型高校科技竞争力评价体系构建
高校科技竞争力评价体系构建是一项综合性的系统工程。大致分为高校科技竞争力内涵界定、数据型评价指标体系构建、数据采集及处理、评价结果分析四个阶段。 1.高校科技竞争力内涵
国内较早明确提出高校科技竞争力的概念的学者从竞争角度出发，认为高校科技竞争力是指高校利用所掌握的资源产出比竞争对手更多高水平的科研成果的能力。高校的科技竞争力总体来说可以理解为高校从事科技活动的综合能力，它包括了高校拥有的科技资源和对其利用的过程，高校进行基础研究、应用研究、成果转化的全部活动过程，以及高校组织管理机制、成长激励机制等能间接推进高校科技进步的软环境。随着国家对一流大学和一流学科建设的统筹推进，高校作为国家创新体系的重要组成部分，肩负着培养高素质创新人才、发展科学技术和推动高新技术产业化的重要使命，高校的科技竞争力内涵也在不断丰富，科技创新等一些能反映科技劳动原创性的要素对科技竞争力的贡献度呈逐年提升态势。
2.指标体系构建
对科技竞争力运用指标体系进行分析最早始于美国，1972年第一份《科学指标》问世[5]。目前国内尚未有获得广泛认可的科技竞争力评价体系，有关科技竞争力评价体系建设的研究主要集中在体系的模型设计方法、构建原则、指标体系等理论研究层面。2015年四川大学全球大学科技竞争力研究所发布全球大学科技竞争力百强名单，采用SCI收录论文、国际专利数量等四项量化指标对全球高校进行科技竞争力分析和排名，我国的清华大学等9所大学进入百强[6]。对于国内众多普通高校而言，国际性的指标数据少且具有很大程度的偶然性，亟待构建一套具有稳定数据来源的能评价自身科技竞争力的评价体系，帮助学校明确自身定位、突出办学特色寻求多元化的发展之路。
2.1指标体系构建原则
一个适用性广泛的指标体系需要遵循以下几个原则[7]。第一系统性原则，能够全方位、立体化、多层次的反映高校科技竞争力。第二导向性原则，2012年国务院《关于深化科技体制改革加快国家创新体系建设的意见》指出，建立以服务需求和提升创新能力为导向的科技评价和科技服务体系；第三可比性原则，量化指标的设计能够反映高校的共性特征进行数据的横向或纵向对比，这就要求对原始数据的归一化或是无量纲处理；第四动态性原则，指标体系要能够根据区域经济和国家战略做出动态调整。
2.2指标体系数据来源
根据上述原则，以高校竞争力作为高校专项评价的主体，探索构建了能够进行数据跟踪和监测的数据型高校科技竞争力评价体系，评价体系以事实型数据为主覆盖科技基础、科技人才、科学研究、科技成果、科技声誉5大类别，包含17个具体的评估单元，如表1所示。指标体系数据均可以通过互联网、权威部门年度报告、第三方机构公开数据等开放渠道获取，大部分评价单元数据来源是每年由教育部科学技术司汇编的《高等学校科技统计资料汇编》（以下简称汇编）。《汇编》的数据采集、编排参照国际通用的分类方法，每年更新保证了数据的连续性，便于对高校的科技竞争力发展状况进行跟踪监测。公开获取的数据来源，不仅降低了数据采集的成本，还能够让研究人员和政策制定者直接通过数据读取各高校在评价单元上的差距，可以在普通高校间大范围推广使用，从而用于高校间科技竞争力的横向比较。数据型的评价体系还可以用于高校自我评估，只要有针对性的选取目标高校作为对比标杆，就可以快速高效地进行自我评估。
为避免忽视评价单元数字特征本身所蕴含的信息以及易专家偏好等主观因素的影响[8]，指标体系不再对大类进行权重分配，而是采用直接的、基础的量化指标作为比较评价参考，数据分析更加便利简洁，同时能通过每个评价单元数值比较进行全方位的水平比较。
3.数学模型
由于不同评估单元内涵、量纲、体量的差异，会出现各单元之间数量级差别较大，为缩小各评价单元的数量级差距，使各个评价单元的数据更加扁平化和降低后期数据处理阶段难度，采用分布指标对各评价单元的原始数据进行归一化和无量纲处理。所谓分布指标是一种带有参照标准的复杂科学计量指标，它与两个评价集合的总量指标相关。这两个评价集合在给定的科学计量系统中有着相似的数据项，其中一个是另一个的子集[9]。
基于分布指标的理念，设计了评估单元布局指数指标Li概念。
j高校的第i个评估单元其布局指数计算公式如下：
其中
i代表评估单元序号；
j代表高校序号；
n代表样本中包含的高校个数；
以评估类别A科技基础中的评估单元1科技投入为例，某高校的科技投入为10亿元，样本总量为500亿元，那么这所高校第1个评估单元布局指数为
按照上述计算方法可以依次计算出这所高校17个评估单元的各个布局指数。科技竞争力量化指标布局指数引入后，该评价体系实现了全部评价单元数据的无量纲化，并能够间接反映被评估高校在评估单元全国总量中的占比。数据能够以数组的形式进行存储、提取、计算，便于科研分析人员进行数据的二次开发和深度挖掘，从而全方位多层次展现高校科技竞争力。
对于同一个评估单元，其数据项具有相同的单位和物理意义，可以在数学意义上计算平均值。
第i个评估单元布局指数平均值的计算方法如下：
经过公式推导，评估单元布局指数的平均值与总量和各单元数据量无关，只与样本数量有关。
为使评价体系5大类别的结果更据评价传统意义上的“成绩单”形式，对同一评估单元下的布局指数进行结果累计，同时采用平均值作为60分基准线，衡量样本高校在各评估类别的得分。
j高校在评估类别A的得分计算方法如下：
三、数据型高校科技竞争力评价体系应用范例
1.数据采集及处理
选取j1高校作为范例进行科技竞争力评估。j1高校是教育部直属高校，为对其科技竞争力水平和特色进行客观评价，利用表1所建立的高校科技竞争力评价体系，选取教育部全国直属的64所高校年度统计数据为样本总量。选取与其行业背景相类似的j2高校作为对比标杆，选取全国顶尖的j3高校作为参照标杆。评价体系的5大类17个评估单元的样本总量依次存储在数组 中，64所高校的原始数据为Uij，对应布局指数为Lij。三所高校的原始数据如表2所示。 利用提出的布局指数概念按照公式1的计算方法对原始数据进行归一化和无量纲处理后，得到三所高校每个评估单元的布局指数，按照公式2的计算方法，计算出布局指数平均值。布局指数的运用使单位不同，原始数据数量级差异很大的评估单元数据更加扁平化，数量级更为接近，研究人员可以有限区域内进行可视化对比，使比较结果更加直观。图1是j1、j2、j3三所高校的布局指数以及布局指数平均值的对比。
根据公式3的计算方法，j1高校在评估类别A科技基础的得分为：
同理可以计算出其他类别和j2、j3高校的得分，三所学校的5大类别得分如表3所示。
2.评估结果分析
基于“评估的最主要目的是为了改进”的理念，对于j1高校来说根据评估结果可以发现具体问题和差距，进行“对症下药”。从评价体系最后给出的分数分析，j1高校的科技基础、科技人才、科技成果、科技声誉等均高于样本平均水平，但科学研究类别得分仅为43分是j1高校的弱项。具体原因是其在该类别分项中评价单元8课题情况、评价单元10国外学术论文、评价单元11高被引论文的布局指数均低于平均值，这些指标有较大提升空间。
j1高校与j2高校所在区域类型和行业相接近，是综合实力比较接近的高校。与j2高校相比，j1高校除了科技声誉优势明显外，在科技人才和科学研究领域都被j2高校近年来的快速发展拉开了差距，尤其是前1%ESI学科数和高被引论文方面，j2高校的布局指数分别是j1高校的2倍和4倍。建议j1高校加强ESI潜力学科的培育和高水平论文的奖励，提高校内论文质量和影响力。
j1高校与全国顶尖的j3高校相比在五大评估类别中都存在着较大的差距，尤其在代表学术精英层次的评价单元7长江学者数量方面，j3高校占比接近样本总量的50%。建议j1高校在高水平人才队伍建设方面另辟蹊径，采用内外结合双管齐下的方式，不仅要加强外部高水平人才的精准引进，同时加大对学校内部优秀青年人才的培养和支持力度，注重对校内潜力人才的挖掘，充分发挥科技声誉的影响力优势，进一步加强对外合作交流。
四、小结
在构建科技竞争力评价体系的过程中，直接以评价单元的事实数据为基础，提出了高校科技竞争力布局指数的概念并建立了相应的数学模型，通过归一化和无量纲处理，使17个背景意义不同单元的评价单元数据更加扁平化，能够可视化表达。以能够公开获取科技竞争力数据的64所高校为样本总量采集数据，应用评价体系对3所高校展开实例分析，用布局指数平均值累计作为比较标准，给出高校在5大评估类别的得分，对于数据结果做了初步分析并给出具体建议，完成了理论体系建设和实际应用的全过程。
高校科技竞争力评价对于高校科研管理者和政策制定者具有重要意义，它能快速高效地进行高校科技竞争力的自我评估，反映出高校科技竞争力的综合水平和与其他院校的具体差距，帮助高校科学准确定位发展目标、强化特色。
