摘 要：為了量化評價大學(xué)生創(chuàng)新創(chuàng)業(yè)能力的并保證評價結(jié)果符合實際，本文基于改進BP神經(jīng)網(wǎng)絡(luò)算法，進行了大學(xué)生創(chuàng)新創(chuàng)業(yè)能力評估方法設(shè)計研究。構(gòu)建大學(xué)生創(chuàng)新創(chuàng)業(yè)能力評估層次結(jié)構(gòu)，確定能力評估指標(biāo)權(quán)重與一致性檢驗，基于改進BP神經(jīng)網(wǎng)絡(luò)的評估模型構(gòu)建與訓(xùn)練進行大學(xué)生創(chuàng)新創(chuàng)業(yè)能力量化評價。比較結(jié)果表明，應(yīng)用本文評估方法得到的評估結(jié)果相關(guān)性系數(shù)和可靠性系數(shù)均高于現(xiàn)有方法，證明本文的評估方法更具實際應(yīng)用價值。

關(guān)鍵詞：改進BP神經(jīng)網(wǎng)絡(luò)；創(chuàng)新創(chuàng)業(yè)；能力評估

中圖分類號：TP 183" " " 文獻標(biāo)志碼：A

創(chuàng)新創(chuàng)業(yè)能力已成為當(dāng)代大學(xué)生核心競爭力的重要組成部分。大學(xué)生創(chuàng)新創(chuàng)業(yè)能力不僅關(guān)系個人的職業(yè)發(fā)展，也是推動社會進步和經(jīng)濟發(fā)展的重要力量。因此，準(zhǔn)確評估大學(xué)生的創(chuàng)新創(chuàng)業(yè)能力，對高校教育、企業(yè)招聘以及政策制定都具有重要意義。在現(xiàn)有的大學(xué)生創(chuàng)新創(chuàng)業(yè)能力評估方法中，李麗芳[1]等提出的高職教育中創(chuàng)新創(chuàng)業(yè)能力評價指標(biāo)體系優(yōu)化策略在實際應(yīng)用中存在主觀性強、評估標(biāo)準(zhǔn)不統(tǒng)一的問題；朱辰杰[2]等構(gòu)建的共同富裕背景下返鄉(xiāng)大學(xué)生創(chuàng)業(yè)素質(zhì)與能力評估指標(biāo)體系在實際應(yīng)用中評估效率較低；毛慧敏[3]進行了高校學(xué)生參與就業(yè)創(chuàng)業(yè)能力培養(yǎng)管理的影響分析，提出的創(chuàng)新創(chuàng)業(yè)培養(yǎng)效果評估方法在實際應(yīng)用中難以應(yīng)對大規(guī)模數(shù)據(jù)的情況，評估結(jié)果的準(zhǔn)確性和可靠性也難以保證。隨著人工智能技術(shù)快速發(fā)展，作為一種經(jīng)典的神經(jīng)網(wǎng)絡(luò)模型，BP神經(jīng)網(wǎng)絡(luò)以其強大的自學(xué)習(xí)和自適應(yīng)能力，在模式識別、預(yù)測分析等領(lǐng)域取得了顯著成效，在該背景下，本文基于改進BP神經(jīng)網(wǎng)絡(luò)，提出一種大學(xué)生創(chuàng)新創(chuàng)業(yè)能力評估方法。

1 大學(xué)生創(chuàng)新創(chuàng)業(yè)能力評估層次結(jié)構(gòu)構(gòu)建

為了構(gòu)建大學(xué)生創(chuàng)新創(chuàng)業(yè)能力的評估層次結(jié)構(gòu)體系，本文從基礎(chǔ)能力層、專業(yè)技能層、綜合素質(zhì)層和成果展示層等多個維度出發(fā)進行研究，以保證評估的全面性和準(zhǔn)確性。對各個維度的大學(xué)生創(chuàng)新創(chuàng)業(yè)能力評估考慮層次如下所示。

基礎(chǔ)能力層是評估大學(xué)生創(chuàng)新創(chuàng)業(yè)能力的基石，主要包括以下3個方面。1） 學(xué)科基礎(chǔ)知識，評估學(xué)生對所學(xué)專業(yè)知識的掌握程度和是否具備跨學(xué)科的知識儲備。2） 學(xué)習(xí)能力，評估學(xué)生的學(xué)習(xí)方法、學(xué)習(xí)態(tài)度、自主學(xué)習(xí)能力以及是否具備持續(xù)學(xué)習(xí)的能力。3） 溝通能力，評估學(xué)生是否能夠清晰、準(zhǔn)確地表達自己的觀點，是否具備良好的傾聽和反饋能力。

專業(yè)技能層是在基礎(chǔ)能力之上對創(chuàng)新創(chuàng)業(yè)所需的專業(yè)技能進行評估，主要包括以下3個方面。1） 創(chuàng)新能力。評估學(xué)生是否具備獨立思考、發(fā)現(xiàn)問題和解決問題的能力，是否具備創(chuàng)新思維和創(chuàng)新意識。2） 團隊協(xié)作能力。評估學(xué)生在團隊中的協(xié)作和合作能力，包括分工協(xié)作、溝通協(xié)調(diào)和解決問題的能力等。3） 實踐能力。評估學(xué)生是否具備將理論知識應(yīng)用于實踐的能力，包括試驗?zāi)芰?、項目實踐能力等。

綜合素質(zhì)層是在基礎(chǔ)能力和專業(yè)技能等方面對學(xué)生的綜合素質(zhì)進行評估，主要包括以下3個方面。1） 領(lǐng)導(dǎo)力。評估學(xué)生是否具備帶領(lǐng)團隊、引導(dǎo)團隊方向的能力，是否具備決策和戰(zhàn)略眼光。2） 抗壓能力。評估學(xué)生在面對壓力和困難時是否能夠保持冷靜、樂觀的態(tài)度，是否具備解決問題的能力。3） 社會責(zé)任感。評估學(xué)生是否具備關(guān)注社會、關(guān)注他人的意識，是否愿意為社會做出貢獻[4]。

成果展示層是評估大學(xué)生創(chuàng)新創(chuàng)業(yè)能力的直接體現(xiàn)，主要包括以下3個方面。1） 創(chuàng)新創(chuàng)業(yè)項目。評估學(xué)生是否參與過創(chuàng)新創(chuàng)業(yè)項目和項目的完成情況、成果展示等。2） 論文發(fā)表。評估學(xué)生是否發(fā)表過學(xué)術(shù)論文或研究報告和論文的質(zhì)量和影響力。3） 獲獎情況。評估學(xué)生是否獲得過創(chuàng)新創(chuàng)業(yè)相關(guān)的獎項或榮譽和獎項的級別、影響力。

經(jīng)過以上4個層次的評估，可以全面、準(zhǔn)確地了解大學(xué)生的創(chuàng)新創(chuàng)業(yè)能力水平，并為其提供有針對性的指導(dǎo)和支持[5]。同時，該評估結(jié)構(gòu)也有助于高校和社會各界更好地了解大學(xué)生的創(chuàng)新創(chuàng)業(yè)能力狀況，可為培養(yǎng)更多具有創(chuàng)新精神和實踐能力的人才提供有力支持。

在此基礎(chǔ)上，本文結(jié)合層次分析法，對目標(biāo)、準(zhǔn)則和決策結(jié)構(gòu)進行構(gòu)建，由此反映能力與各要素間的關(guān)聯(lián)[6]，評估指標(biāo)體系見表1。

完成評估指標(biāo)體系構(gòu)建后，利用九級標(biāo)度劃分方法，將要素兩兩比較，建立比較矩陣，其九級標(biāo)度見表2。

通過上述步驟即可完成判斷矩陣構(gòu)建，并確定下層各因素對上層某因素的影響程度。進行大學(xué)生創(chuàng)新創(chuàng)業(yè)能力的層次分析時，需要緊密結(jié)合其固有的定性與定量特征，并對大量數(shù)據(jù)進行系統(tǒng)整理與分類，深入探究大學(xué)生創(chuàng)新創(chuàng)業(yè)能力中各個要素的內(nèi)在邏輯結(jié)構(gòu)[7]。該過程不僅要求對每個特質(zhì)要素進行詳盡的描述和解析，還必須保證分析的客觀性和公正性。

2 能力評估指標(biāo)權(quán)重確定與一致性檢驗

成功構(gòu)建大學(xué)生創(chuàng)新創(chuàng)業(yè)能力評估的層次結(jié)構(gòu)后，為了保證評估的準(zhǔn)確性和科學(xué)性，需要對生成的評估矩陣進行深入的數(shù)據(jù)分析。本文采用方根法（也被稱為幾何平均法）計算每個矩陣中的最大特征根。方根法需要對每個矩陣的每一行元素進行乘積運算，得到每行的乘積結(jié)果[8]。對這些乘積結(jié)果進行開方處理，求得其n次方根。將得到的n次方根進行歸一化處理，獲得每個矩陣每一行的權(quán)重值。獲得權(quán)重值后，計算一致性指標(biāo)，以進一步檢驗這些權(quán)重值的合理性[9]。一致性指標(biāo)是評估得到的權(quán)重值與矩陣的原始數(shù)據(jù)是否一致的一種方法。如果一致性指標(biāo)過高，說明權(quán)重值可能存在偏差，需要重新檢查或調(diào)整計算過程。一致性檢驗可根據(jù)公式（1）進行計算。

（1）

式中：T為一致性指標(biāo)系數(shù)；gmax為最大特征值；n為要素數(shù)量。

完成大學(xué)生創(chuàng)新創(chuàng)業(yè)能力評估層次結(jié)構(gòu)的構(gòu)建和矩陣數(shù)據(jù)分析后，需要進一步檢驗所得到的權(quán)重值是否合理、準(zhǔn)確。這一步驟通常涉及對比一致性指標(biāo)CI和平均隨機一致性指標(biāo)R。

一致性指標(biāo)CI用來衡量評估模型的一致性程度。在層次分析法中，CI值由計算評估矩陣的最大特征根與矩陣階數(shù)間的關(guān)系得出。CI值越低，說明評估矩陣的一致性越高，即評估模型中的各指標(biāo)權(quán)重分配越合理。

由于不同的矩陣階數(shù)對應(yīng)不同的隨機誤差，因此僅利用CI值來判斷評估模型的一致性是不夠準(zhǔn)確的，還需要引入平均隨機一致性指標(biāo)RI來進行比較。RI值是根據(jù)大量隨機生成的矩陣計算出的CI值的平均值，代表隨機誤差的期望水平。結(jié)合上述2個指標(biāo)計算一致性比率CR，以評估模型的一致性，如公式（2）所示。

CR=CI/RI （2）

這個比率將CI值與RI值進行了歸一化處理，使不同階數(shù)的矩陣具有相同的比較基準(zhǔn)。現(xiàn)在可以根據(jù)CR值來判斷評估模型是否合格。通常，如果CR的值＜0.1，說明評估模型的一致性良好，檢驗合格，可以接受當(dāng)前的權(quán)重分配。如果CR的值≥0.1，就說明評估模型的一致性較差，檢驗不合格。這可能是評估指標(biāo)間存在較大的邏輯矛盾或權(quán)重分配不合理導(dǎo)致的。在這種情況下，需要重新篩選評估指標(biāo)，調(diào)整權(quán)重分配，并重新計算CI、RI和CR的值，直到滿足一致性要求為止。由此，可得到確定的指標(biāo)權(quán)重。

3 基于改進BP神經(jīng)網(wǎng)絡(luò)的評估模型構(gòu)建與訓(xùn)練

完成對能力評估指標(biāo)權(quán)重與一致性檢驗后，結(jié)合改進BP神經(jīng)網(wǎng)絡(luò)構(gòu)建評估模型，并對模型進行訓(xùn)練。在輸入層中，根據(jù)大學(xué)生創(chuàng)新創(chuàng)業(yè)能力的評估指標(biāo)確定輸入神經(jīng)元的數(shù)量。根據(jù)上述分析，輸入層神經(jīng)元為12個。根據(jù)問題的復(fù)雜性和數(shù)據(jù)的特性選擇適當(dāng)數(shù)量的隱藏層和神經(jīng)元。本文將輸出層設(shè)計為只有一個神經(jīng)元，用于輸出大學(xué)生創(chuàng)新創(chuàng)業(yè)能力的評估結(jié)果。為了提高網(wǎng)絡(luò)的非線性能力，將非線性激活函數(shù)作為模型的激活函數(shù)，如公式（3）所示。

f（x）=1/（1+e-x） （3）

式中：f（x）為Sigmoid非線性激活函數(shù)；x為輸入變量。

進行評估模型訓(xùn)練時，需要對改進BP神經(jīng)網(wǎng)絡(luò)的權(quán)重和偏置進行初始化。根據(jù)輸入數(shù)據(jù)和初始化的參數(shù)，由網(wǎng)絡(luò)的每一層進行前向傳播，計算每一層的輸出，直到得到最終輸出。使用上述確定的使用損失函數(shù)計算網(wǎng)絡(luò)的預(yù)測輸出與真實值間的差距。使用學(xué)習(xí)率η和梯度信息來更新網(wǎng)絡(luò)的權(quán)重和偏置。基于梯度下降的參數(shù)更新項如公式（4）所示。

Vw（t）=hg（t） （4）

式中：Vw（t）為第t次迭代的參數(shù)調(diào)整量；h為學(xué)習(xí)量；g（t）為第t次迭代計算出的梯度。

為了防止過擬合，可以在損失函數(shù)中添加L1或L2正則化項來限制網(wǎng)絡(luò)的復(fù)雜度。

4 大學(xué)生創(chuàng)新創(chuàng)業(yè)能力量化評價

利用上述訓(xùn)練好的模型對大學(xué)生創(chuàng)新創(chuàng)業(yè)能力進行評價，為了可以得到更直觀的評價結(jié)果，需要對大學(xué)生創(chuàng)新創(chuàng)業(yè)能力進行量化。應(yīng)用本文方法進行評估的指標(biāo)權(quán)重見表3。

為了將模型的預(yù)測值轉(zhuǎn)化為更直觀的量化結(jié)果，本文以此為基礎(chǔ)，根據(jù)實際需求設(shè)定一定的量化標(biāo)準(zhǔn)或閾值。并將預(yù)測值劃分為不同區(qū)間，每個區(qū)間對應(yīng)一個創(chuàng)新創(chuàng)業(yè)能力等級或分?jǐn)?shù)。比較預(yù)測值所在的區(qū)間，可以得到大學(xué)生創(chuàng)新創(chuàng)業(yè)能力的量化評價結(jié)果。大學(xué)生創(chuàng)新創(chuàng)業(yè)能力等級與分?jǐn)?shù)劃分見表4。

對量化后的評價結(jié)果進行分析，了解大學(xué)生在創(chuàng)新創(chuàng)業(yè)能力方面的優(yōu)勢和不足。根據(jù)分析結(jié)果為大學(xué)生提供針對性的指導(dǎo)和建議，幫助他們提升創(chuàng)新創(chuàng)業(yè)能力。

5 對比試驗

為列驗證上述基于改進BP神經(jīng)網(wǎng)絡(luò)的大學(xué)生創(chuàng)新創(chuàng)業(yè)能力評估方法的應(yīng)用效果，本文以某大學(xué)計算機專業(yè)90名學(xué)生為研究對象，分別利用本文方法、基于BP神經(jīng)網(wǎng)絡(luò)的評估方法和基于CIPP的評估方法對該專業(yè)學(xué)生的創(chuàng)新創(chuàng)業(yè)能力進行評估。采用信度分析方法，對3種評估方法進行可行性和穩(wěn)定性驗證。為體現(xiàn)試驗的客觀性，將3種評估方法得出的結(jié)果進行信度評價尺度劃分，見表5。

通過上述論述方式，完成對3種評估方法能力的評估，評估結(jié)果見表6。

根據(jù)表6中的數(shù)據(jù)分析可知，本文方法評估結(jié)果的相關(guān)性系數(shù)和可靠性系數(shù)均在0.800以上，均明顯高于另外2種評估方法。

6 結(jié)語

本文基于改進BP神經(jīng)網(wǎng)絡(luò)提出了一種大學(xué)生創(chuàng)新創(chuàng)業(yè)能力評估方法，該方法引入了新的優(yōu)化算法和激活函數(shù)，有效降低了傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的局限性，提高了評估結(jié)果的準(zhǔn)確性和可靠性。該方法不僅為大學(xué)生創(chuàng)新創(chuàng)業(yè)能力的評估提供了一種新的思路和方法，也為高校教育、企業(yè)招聘以及政策制定提供了有力支持。

參考文獻

[1]李麗芳，李長波.高職教育中創(chuàng)新創(chuàng)業(yè)能力評價指標(biāo)體系優(yōu)化策略研究[J].科學(xué)咨詢（教育科研），2023（12）：8-10.

[2]朱辰杰，丁婷.共同富裕背景下返鄉(xiāng)大學(xué)生創(chuàng)業(yè)素質(zhì)與能力評估指標(biāo)體系構(gòu)建研究[J].江蘇商論，2024（1）：137-141.

[3]毛慧敏.高校學(xué)生參與就業(yè)創(chuàng)業(yè)能力培養(yǎng)管理的影響與效果評估[J].黑龍江科學(xué)，2023，14（21）：83-85.

[4]劉巖，盛麗穎，史寶康，等.新農(nóng)科背景下農(nóng)業(yè)院校創(chuàng)新創(chuàng)業(yè)課程改革研究——基于CDIO教育理念融入農(nóng)業(yè)投資項目評估課程[J].農(nóng)業(yè)科技與裝備，2023（6）：134-136.

[5]陳瑩，陳麗萍，姜鳳，等.可持續(xù)創(chuàng)業(yè)意愿形成的兩階段機制研究：一個有調(diào)節(jié)的中介模型[J].科技創(chuàng)業(yè)月刊，2023，36（9）：14-25.

[6]武彤.“新經(jīng)管”大學(xué)生創(chuàng)新創(chuàng)業(yè)能力評價研究——基于ANP-模糊綜合評價法[J].教育教學(xué)論壇，2023（36）：160-165.

[7]鄧煒，瞿也凡，薛舒丹，等.學(xué)科競賽對經(jīng)管類專業(yè)大學(xué)生創(chuàng)新創(chuàng)業(yè)能力影響調(diào)查研究——以北方工業(yè)大學(xué)為例[J].創(chuàng)新創(chuàng)業(yè)理論研究與實踐，2023，6（13）：195-198.

[8]朱曉博.大學(xué)生創(chuàng)新創(chuàng)業(yè)能力評估體系研究[J].遼寧工業(yè)大學(xué)學(xué)報（社會科學(xué)版），2023，25（3）：102-107.

[9]曹穎，孫鈺涵，尚曉雯.應(yīng)用型人才綠色創(chuàng)業(yè)能力評估模型構(gòu)建研究[J].職業(yè)技術(shù)教育，2023，44（11）：66-72.

通信作者：楊賽男（1988-），女，湖南益陽市人，碩士研究生，講師，研究方向為教學(xué)改革。

電子郵箱：keepmoving9@163.com。