摘 要：為了量化評價(jià)大學(xué)生創(chuàng)新創(chuàng)業(yè)能力的并保證評價(jià)結(jié)果符合實(shí)際，本文基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法，進(jìn)行了大學(xué)生創(chuàng)新創(chuàng)業(yè)能力評估方法設(shè)計(jì)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(yàn)，基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的評估模型構(gòu)建與訓(xùn)練進(jìn)行大學(xué)生創(chuàng)新創(chuàng)業(yè)能力量化評價(jià)。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(shí)際應(yīng)用價(jià)值。

關(guān)鍵詞：改進(jìn)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(xiàn)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(gè)人的職業(yè)發(fā)展，也是推動(dòng)社會(huì)進(jìn)步和經(jīng)濟(jì)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(jià)指標(biāo)體系優(yōu)化策略在實(shí)際應(yīng)用中存在主觀性強(qiáng)、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(shí)際應(yīng)用中評估效率較低；毛慧敏[3]進(jìn)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(shí)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(qiáng)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(jìn)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(gè)維度出發(fā)進(jìn)行研究，以保證評估的全面性和準(zhǔn)確性。對各個(gè)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(gè)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(chǔ)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(dá)自己的觀點(diǎn)，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(jìn)行評估，主要包括以下3個(gè)方面。1） 創(chuàng)新能力。評估學(xué)生是否具備獨(dú)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(tuán)隊(duì)協(xié)作能力。評估學(xué)生在團(tuán)隊(duì)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(shí)踐能力。評估學(xué)生是否具備將理論知識應(yīng)用于實(shí)踐的能力，包括試驗(yàn)?zāi)芰?、?xiàng)目實(shí)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(jìn)行評估，主要包括以下3個(gè)方面。1） 領(lǐng)導(dǎo)力。評估學(xué)生是否具備帶領(lǐng)團(tuán)隊(duì)、引導(dǎo)團(tuán)隊(duì)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(shí)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(huì)責(zé)任感。評估學(xué)生是否具備關(guān)注社會(huì)、關(guān)注他人的意識，是否愿意為社會(huì)做出貢獻(xiàn)[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(gè)方面。1） 創(chuàng)新創(chuàng)業(yè)項(xiàng)目。評估學(xué)生是否參與過創(chuàng)新創(chuàng)業(yè)項(xiàng)目和項(xiàng)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(bào)告和論文的質(zhì)量和影響力。3） 獲獎(jiǎng)情況。評估學(xué)生是否獲得過創(chuàng)新創(chuàng)業(yè)相關(guān)的獎(jiǎng)項(xiàng)或榮譽(yù)和獎(jiǎng)項(xiàng)的級別、影響力。

經(jīng)過以上4個(gè)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(shí)，該評估結(jié)構(gòu)也有助于高校和社會(huì)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(shí)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(jìn)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(jìn)行大學(xué)生創(chuàng)新創(chuàng)業(yè)能力的層次分析時(shí)，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(jìn)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(gè)要素的內(nèi)在邏輯結(jié)構(gòu)[7]。該過程不僅要求對每個(gè)特質(zhì)要素進(jìn)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(yàn)

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(jìn)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(jì)算每個(gè)矩陣中的最大特征根。方根法需要對每個(gè)矩陣的每一行元素進(jìn)行乘積運(yùn)算，得到每行的乘積結(jié)果[8]。對這些乘積結(jié)果進(jìn)行開方處理，求得其n次方根。將得到的n次方根進(jìn)行歸一化處理，獲得每個(gè)矩陣每一行的權(quán)重值。獲得權(quán)重值后，計(jì)算一致性指標(biāo)，以進(jìn)一步檢驗(yàn)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(jì)算過程。一致性檢驗(yàn)可根據(jù)公式（1）進(jìn)行計(jì)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?cái)?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(jìn)一步檢驗(yàn)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(jī)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(jì)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(jī)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(jī)一致性指標(biāo)RI來進(jìn)行比較。RI值是根據(jù)大量隨機(jī)生成的矩陣計(jì)算出的CI值的平均值，代表隨機(jī)誤差的期望水平。結(jié)合上述2個(gè)指標(biāo)計(jì)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(gè)比率將CI值與RI值進(jìn)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)?，F(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(yàn)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(yàn)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(jì)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(jìn)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(yàn)后，結(jié)合改進(jìn)BP神經(jīng)網(wǎng)絡(luò)構(gòu)建評估模型，并對模型進(jìn)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(gè)。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(jì)為只有一個(gè)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(jìn)行評估模型訓(xùn)練時(shí)，需要對改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的權(quán)重和偏置進(jìn)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(jìn)行前向傳播，計(jì)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(jì)算網(wǎng)絡(luò)的預(yù)測輸出與真實(shí)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?；谔荻认陆档膮?shù)更新項(xiàng)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(jì)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(xiàng)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(jià)

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(jìn)行評價(jià)，為了可以得到更直觀的評價(jià)結(jié)果，需要對大學(xué)生創(chuàng)新創(chuàng)業(yè)能力進(jìn)行量化。應(yīng)用本文方法進(jìn)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(shí)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(gè)區(qū)間對應(yīng)一個(gè)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(jià)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(jià)結(jié)果進(jìn)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(yàn)

為列驗(yàn)證上述基于改進(jìn)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(jì)算機(jī)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(jìn)行評估。采用信度分析方法，對3種評估方法進(jìn)行可行性和穩(wěn)定性驗(yàn)證。為體現(xiàn)試驗(yàn)的客觀性，將3種評估方法得出的結(jié)果進(jìn)行信度評價(jià)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(jìn)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(xiàn)

[1]李麗芳，李長波.高職教育中創(chuàng)新創(chuàng)業(yè)能力評價(jià)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(xiàng)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(jī)制研究：一個(gè)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(jià)研究——基于ANP-模糊綜合評價(jià)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(shí)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(bào)（社會(huì)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?yàn)榻虒W(xué)改革。

電子郵箱：keepmoving9@163.com。