基于主成分分析和層次分析法的科技創(chuàng)新量化考核算法

摘 要：企業(yè)科技成果作為國家科技創(chuàng)新的重要組成部分，是科技創(chuàng)新的重要體現(xiàn)。如何科學評價新時期企業(yè)科技成果創(chuàng)新是一個普遍存在的問題，針對傳統(tǒng)層次分析法（Ａｎａｌｙｔｉｃａｌ Ｈｉｅｒａｒｃｈｙ Ｐｒｏｃｅｓｓ，ＡＨＰ） 在確定權重系數(shù)方面存在的不足，以國有企業(yè)科技創(chuàng)新評價為落腳點，提出一種基于主成分分析法（Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ，ＰＣＡ） 和ＡＨＰ 的科技創(chuàng)新量化考核方法，建立了國有企業(yè)科技創(chuàng)新量化考核指標要素信息庫，構建新型科研平臺科技創(chuàng)新能力考核指標體系。綜合考慮了主客觀因素，利用ＰＣＡ 得到指標層中各指標的重要度，通過ＡＨＰ 得到判斷矩陣，提高判斷矩陣的準確性和合理性。實驗結果表明，采用基于ＰＣＡ 和ＡＨＰ 的科技創(chuàng)新量化考核算法得到的國有企業(yè)科技創(chuàng)新量化考核評估結果更加客觀合理，并通過人機交互系統(tǒng)展示考核的分析結果。

關鍵詞：層次分析法；主成分分析；科技創(chuàng)新；評價指標體系；人機交互系統(tǒng)

中圖分類號：ＴＰ３１５ 文獻標志碼：Ａ 開放科學（資源服務）標識碼（ＯＳＩＤ）：

文章編號：１００３－３１０６（２０２４）０４－０９９８－１１

０ 引言

新時代國家發(fā)展戰(zhàn)略是以科技自主自強為支撐，科技創(chuàng)新是國家發(fā)展的第一要務，科技成果作為國家科技創(chuàng)新的重要組成部分，是衡量一個國家在國際競爭中的綜合實力和國家全面發(fā)展的第一生產(chǎn)力。為加快打造世界創(chuàng)新高地，需盡快構建針對不同級別實驗室、研究所的科技創(chuàng)新成果評價體系，完善國家資源分配。目前對于新時期科技創(chuàng)新的理論研究十分有限，如何對科技創(chuàng)新成果進行評價，已成為科技創(chuàng)新成果轉(zhuǎn)化的重要內(nèi)容。

張敏等［１］提出了一種改進的層次分析法（Ａｎａｌｙｔｉｃａｌ Ｈｉｅｒａｒｃｈｙ Ｐｒｏｃｅｓｓ，ＡＨＰ），采用模糊綜合評判和生成比較的方法建立評判矩陣。羅齊彬等［２］利用主成分分析法（Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ，ＰＣＡ）來分析地氣測量元素間的異常信息，將原始數(shù)據(jù)轉(zhuǎn)化為主成分，克服了主觀因素的影響。Ｆｏｒｔｕｎａｔｏ 等［３］指出創(chuàng)新是基于對現(xiàn)有成果的傳統(tǒng)組合，但同時需要具有獨特性。馮立杰等［４］提出可以通過ＴｅｘｔＲａｎｋＩＤＦ 新穎性度量來評估科技創(chuàng)新并對其創(chuàng)新性進行排序、測量創(chuàng)新帶來的價值。沈律等［５］提出將技術成果的重復率和技術成果的引用率納入技術成果創(chuàng)新程度評價的指標體系，提出了技術創(chuàng)新一般均衡理論。易雪媛等［６］提出了科技成果創(chuàng)新的有效性評價模式，強調(diào)新的科技創(chuàng)新成果考核評價應該增加預設倫理評價、新穎性評價、需求度評價與成果采納、經(jīng)濟性評價、成果的發(fā)表引用獲獎等評價指標，揭示了成果創(chuàng)新會隨著時間推移而衰減，但創(chuàng)新有效性反而得到明顯增強的特殊現(xiàn)象。譚春輝等［７］通過將科技成果劃分為４ 類，對劃分后的４ 類成果分別構建評價指標。

現(xiàn)有的評價方法根據(jù)權重可以大致區(qū)分為客觀賦權和主觀賦權２ 類。前者是根據(jù)現(xiàn)有存在的數(shù)據(jù)進行分析，根據(jù)所分析的數(shù)據(jù)關系對其屬性進行分配權值，較強依賴于數(shù)學理論依據(jù)，具有較強的客觀性，但一定程度上會因為其客觀性，無法將實際情況和人們主觀意向相結合。后者是相關領域的專家根據(jù)現(xiàn)有存在的決策問題，結合專家本身的知識儲備和處理經(jīng)驗，科學合理地對屬性進行權重賦值和排序，一定程度上降低了屬性權重和屬性重要性不一致的現(xiàn)象，該方法很大程度上依賴于決策專家們的判斷，造成對決策專家的負擔，難免會受到個人主觀的影響，從而存在一定的主觀隨意性。

針對現(xiàn)有科技評價方法的不足，本文結合ＰＣＡ的客觀分析法和基于ＡＨＰ 的主觀賦權法，設計一種適用于國有企業(yè)的科技創(chuàng)新量化考核算法，既解決了主觀因素的影響，又客觀地反映了樣本之間的真實關系，同時充分利用了數(shù)據(jù)信息。以國有企業(yè)科技成果創(chuàng)新評價為落腳點，構建了實驗室科技成果評價標準指標數(shù)據(jù)庫，建立了多維度、多層次的全方位指標評價體系。針對每個維度，采用不同的方法從通用數(shù)據(jù)庫中提取相關指標集，對其計算權重，構建唯一的指標體系，最終對實驗室科技創(chuàng)新成果進行多層次、多角度的差異化評價。

１ 考核評價模型與方法

１． １ 基于ＰＣＡ 的指標體系

當考核體系中的指標類型冗雜眾多時，每個指標元素所提供的有效信息并非具有同等價值，若對所有考核對象的指標元素都進行參考并最終得出考核結果，往往會耗費大量不必要的時間，且從考核結果中并不能體現(xiàn)指標元素之間的關聯(lián)性［８］。若僅簡單直觀地選取部分指標元素，雖然比較簡單，但很可能會損失許多有效信息［９］。故對指標元素采用ＰＣＡ 解決上述問題。

定義１（ＰＣＡ）利用現(xiàn)有的ｎ 個指標元素：Ｘ１ ，Ｘ２ ，Ｘ３ ，…，Ｘｎ 構建樣本矩陣，計算出相關系數(shù)矩陣，得出各指標元素的方差貢獻率，采用方差貢獻率較高的指標元素，最終將ｎ 個指標綜合簡化為相對重要的ｋ 個（ｋ＜ｎ）指標元素。

① 構建樣本矩陣：假設采取ｎ 個考核對象，ｐ 個考核指標，考核對象ｉ 對考核指標ｊ 的原始數(shù)據(jù)為ｘｉｊ，其中，ｉ ＝ １，２，…，ｎ；ｊ ＝ １，２，…，ｐ，構成大小為ｎ×ｐ 的樣本矩陣ｘ：

② 樣本矩陣標準化：采用ＺＳｃｏｒｅ 法解決原始變量尺寸和數(shù)量級不同所造成的影響，使每個變量標準化，得到標準化矩陣Ｘ：

③ 計算標準化樣本的協(xié)方差矩陣：根據(jù)步驟②得出的標準化數(shù)據(jù)Ｘｉｊ 計算出樣本相關系數(shù)ｃｉｊ ＝Σｎｋ ＝ １（Ｘｋｉ －Ｘｉ）（Ｘｋｊ －Ｘｊ）／ （ｎ－１）＝Σｎｋ ＝ １Ｘｋｉ·Ｘｋｊ ／ （ｎ－１），得出ｘ 矩陣的樣本相關系數(shù)矩陣ＣｏｖＸ ＝ （ｃｉｊ）ｐ ×ｐ：

④ 計算協(xié)方差矩陣ＣｏｖＸ 的特征值和特征向量：根據(jù)步驟③所得的協(xié)方差矩陣ＣｏｖＸ，通過方程｜ＣｏｖＸ－λ·Ｅ｜＝ ０ 計算得出ＣｏｖＸ 矩陣的特征值λｉ（ｉ ＝ １，２，３，…，ｐ），并按照降序?qū)⑻卣髦颠M行排序，然后對排序后的特征值λｉ 計算其對應的特征向量ｅｉ。

⑤ 方程解排序后的特征值：λ１ ＞λ２ ＞…＞λｐ，對應的特征向量ｅｉ ＝ （ｅ１ｉ，ｅ２ｉ，…，ｅｐｉ） Ｔ ，其中ｉ ＝ １，２，３，…，ｐ。

⑦ 主成分表示：簡化的ｍ 個主成分表示為Ｆｉ（ｉ ＝ １，２，３，…，ｋ），根據(jù)步驟④的特征向量得出第ｉ 個主成分為：

Ｆｉ ＝ ｅ１ｉ ·Ｘ１ ＋ ｅ２ｉ ·Ｘ２ ＋ … ＋ ｅｐｉ ·Ｘｐ 。（７）

根據(jù)步驟⑥得出的對應方差貢獻率ｗｉ 作為每個指標元素的權值，則主成分模型：

Ｆ ＝ Ｆ１ ·ｗ１ ＋ Ｆ２ ·ｗ２ ＋ … ＋ Ｆｍ ·ｗｍ 。（８）

１． ２ 基于ＡＨＰ 的指標賦權及評價

在考核評價指標數(shù)量較多時，僅僅采用傳統(tǒng)的主觀賦值法來確定考核評價指標的權重，會對部分考核評價指標的重要程度產(chǎn)生一定的偏差，進而導致實際考核評價數(shù)據(jù)難以反映客觀實際情況，而采用客觀賦權法來確定評價指標的權重能避免主觀因素的影響。國家級和省部級重點實驗室的考核規(guī)則中均設置了各個考核指標的具體權重，項目單位可直接采用有關的權值進行計算。如果需要對有關權值進行調(diào)整或新增考核指標，項目單位可根據(jù)實際情況直接設置各指標的權值，也可以采用如下的ＡＨＰ 設置和檢驗考核指標權重是否合理。

本文采取的ＡＨＰ 方法步驟如下所示，具體考核指標和分級方法以具體情況確定。

（１）建立層次結構模型

科技創(chuàng)新量化考核指標體系是一個典型的層次結構模型。

例１ 圖１ 所示為一個簡化的實驗室考核層次結構模型，僅用于說明ＡＨＰ 的計算過程。將考核規(guī)則中的１ ～ ３ 級指標分別對應于目標層（Ｈ）、準則層（Ｌ１ ～ Ｌ３）和方案層（Ｙ１ ～ Ｙ６）。

（２）構造各層次的判斷（成對比較）矩陣

根據(jù)Ｓａａｔｙ［１０－１１］提出的一致矩陣法，將所有因素兩兩比較，并采用相對尺度提高準確性。如圖１所示，為了設置目標層Ｈ 下的ｎ 個準則層的權重，將Ｈ 層下的準則層Ｌ１、Ｌ２、Ｌ３ 參照重要性程度評定等級表進行兩兩互相對比，參考表１ 比例度量。例如，在圖１ 中，Ｌ１ 相對于Ｌ２、Ｌ３ 的重要性分別為３和７，Ｌ２ 相對于Ｌ３ 的重要性為５。

權重計算和一致性檢驗過程如下：

① 參考表１ 得出所有因素比較結果ａｉｊ 組成比較矩陣Ａ，Ａ ＝ （ａｉｊ）ｎ×ｎ 為ｎ 階方陣，將Ａ 按列向量歸一化得到矩陣Ｂ ＝ （ｂｉｊ ），其中ｂｉｊ ＝ ａｉｊ ／Σｎｉ ＝ １ ａｉｊ （ｎ ＝ １，２，３，…，ｎ），即將每一個元素除以其所在列元素的和。

② 對Ｂ ＝ （ｂｉｊ ）按行求和得Ｃ ＝ （Ｃ１ ，Ｃ２ ，Ｃ３ ，…，Ｃｎ） Ｔ ，其中，Ｃｉ ＝Σｎｊ ＝ １ ｂｉｊ。

③ 將Ｃ 歸一化Ｗ ＝ （Ｗ１ ，Ｗ２ ，Ｗ３ ，…，Ｗｎ） Ｔ ，其中Ｗｉ ＝ Ｃｉ ／Σｎｉ ＝ １ Ｃｉ，即Σｎｉ ＝ １ Ｗｉ ＝ １。

④ 計算λｍａｘ ＝ （Ａ·Ｗ）ｉ ／ （ｎ·Ｗｉ ），表示最大特征值的近似值，其中（Ａ·Ｗ）ｉ 表示Ａ·Ｗ 的第ｉ 個分量。

⑤ 將ＣＩ 作為一致性指標計算ＣＩ ＝ （λ－ｎ）／ （ｎ－１），當ＣＩ ＝ ０ 時，表示完全一致；當ＣＩ 越接近于０，則一致性越高，反之ＣＩ 越大，則一致性就越低。

⑥ 將ＣＲ 作為一致性比率，計算ＣＲ ＝ ＣＩ ／ ＲＩ，其中，ＲＩ 表示平均隨機一致性指標，當一致性比率ＣＲ＜０． １ 時，通常認為Ａ 的不一致性在容許范圍之內(nèi)可以被接受，通過一致性檢驗；反之則需要重新從比較矩陣Ａ 構建，對ａｉｊ 進行調(diào)整。

２ 科技創(chuàng)新評價指標體系構建

２． １ 考核指標選擇

本文參考《中國大學科技創(chuàng)新力指數(shù)報告（２０１７）》《中國區(qū)域科技創(chuàng)新評價報告（２０２１）》《全國科技創(chuàng)新百強指數(shù)報告２０２２—企業(yè)、高校及研究機構篇》考核信息要求，并參考本文依托項目單位自身定位和現(xiàn)有的有關指標，建立科研機構科技創(chuàng)新量化考核指標要素信息庫，將指標庫收集的指標大致分為１５ 種類型，如表２ 所示。

２． ２ 基于ＰＣＡ 的評價指標體系構建

同上文考核指標選擇所借鑒相關報告相同，并參考項目單位自身定位和現(xiàn)有的有關指標，基于指標體系構建理論，在對科技成果進行多維度、多層次、多元化解讀的基礎上，對科技成果創(chuàng)新評價進行深入研究，構建如表３ 所示的指標體系。

根據(jù)項目單位自身定位，以及下屬各實驗室的等級和考核需求，參考各主管單位的考核規(guī)則，制定考核指標時的基本原則如下：

① 考核指標體系總體框架見表３，考核目標分解為１ ～ ３ 級，與現(xiàn)行的國家級、省部級和各研究院自定的考核方案框架一致，便于與現(xiàn)有考核規(guī)則對接［１２］。表３ 中的３７ 個三級指標是根據(jù)考核指標要素信息庫的１５ 種數(shù)據(jù)類型信息提取而來。

② 對于有外部考核要求的創(chuàng)新實體，如國家級和省部級實驗室，考核標準主要參考對應主管部門制定的考核規(guī)則，保證國家級或省級重點實驗室能順利通過主管部門的考核，重點實驗室的發(fā)展和建設符合國家的科技創(chuàng)新導向，保證重點實驗室地位的延續(xù)性［１３］。

③ 對于項目單位沒有外部考核規(guī)則的實驗室，如院級研發(fā)中心和創(chuàng)新團隊，以項目的單位制定的考核方案為主［１４］。

④ 在考核上述指標的同時，適當增加一些考核的“動態(tài)指標”，為實現(xiàn)國有企業(yè)發(fā)展、科技創(chuàng)新而建立新的考核指標，或根據(jù)上年度的考核結果新增的考核指標，其目的是保證考核指標的與時俱進，與企業(yè)的發(fā)展規(guī)劃相適應［１５］。

２． ３ 基于ＡＨＰ 的指標權重設定

首先，將評價考核指標體系的部分數(shù)據(jù)（表３中標記為加粗的指標），根據(jù)是否進一步區(qū)分的等級乘以不同的權重，其相對權重主要是通過主觀人為確定的，計算方式如下。

① 高級人才綜合得分值Ｓ１ ：

Ｓ１ ＝ Σ５１（人才類型數(shù)目× 人才權重）。（９）

② 科研項目分值：ａｉ ＝ 項目權重×等級權重，表示第ｉ 個科研項目分值；Ａ ＝Σｎ２１ ａｉ，表示科研項目總分值，ｎ２ 為科研項目數(shù)目。

③ 論文分值：ｂｉ ＝ 論文類型權重×期刊分區(qū)×排名次序，表示第ｉ 篇論文分值；Ｂ ＝Σｎ３１ ｂｉ 表示論文總分值，ｎ３ 為論文總數(shù)；人均論文分值＝ 論文分值／ 總?cè)藬?shù)。

④ 專利綜合分值：ｃｉ ＝ 專利類型權重×專利狀態(tài)權重×排名權重，表示第ｉ 篇專利分值；Ｃ ＝Σｎ４１ ｃｉ 表示專利綜合分值，ｎ４ 為專利總數(shù)。

⑤ 標準綜合分值：ｄｉ ＝ 標準等級權重×排名權重，表示每件標準分值；Ｄ ＝Σｎ５１ ｄｉ 表示標準綜合分值，ｎ５ 為標準總數(shù)。

⑥ 科技學技術獎項分值：ｇｉ ＝ 獎項權重×等級權重×排名權重，表示單個獎項分值；Ｅ ＝Σｎ６１ ｇｉ 表示獎項綜合分值，ｎ６ 為獎項個數(shù)。

⑦ 成果鑒定分值：ｆｉ ＝ 成果等級權重× 排名權重，表示單個成果分值；Ｆ ＝Σｎ７１ ｆｉ 表示成果綜合分值，ｎ７ 為成果總數(shù)。

最后，通過ＡＨＰ 方法計算該科研平臺科技創(chuàng)新能力考核指標體系的三級指標權重，并按照由下到上的順序?qū)⒏鲗蛹壘€性相加，逐步得到二級指標和一級指標的權重［１６］，其各級指標權重占比如表４ 所示。

３ 實驗結果與分析

本節(jié)將介紹實驗數(shù)據(jù)和實驗設置，并討論分析在真實數(shù)據(jù)集上的實驗結果。

３． １ 數(shù)據(jù)集描述。

為了評估本系統(tǒng)所提出基于ＰＣＡ 和ＡＨＰ 算法的準確性，以及運行時間的提升，分別選取了通信軟件與專用集成電路設計國家工程研究中心（Ｄ１）、河北省光子信息重點實驗室（Ｄ２）和光通信研發(fā)中心（Ｄ３）的工作人員信息，作為國家級重點實驗室、省企業(yè)重點實驗室和院級研發(fā)中心的不同級別實驗室的真實數(shù)據(jù)集。３ 個數(shù)據(jù)集分別包含了３２６、２８３、１７６ 名工作人員信息，３ 個數(shù)據(jù)集均按照７ ∶ ３ 的比例隨機劃分成訓練集和驗證集。

３． ２ 實驗環(huán)境

實驗軟硬件環(huán)境包括：操作系統(tǒng)為Ｕｂｕｎｔｕ ２０． ０４，ＪＡＶＡ 開發(fā)環(huán)境為ｊｄｋ１． ６． ０＿２６，Ｗｅｂ 服務器為Ｔｏｍｃａｔ９． ０，數(shù)據(jù)庫為ＳＱＬＳｅｒｖｅｒ ２００８ Ｒ２（ＲＴＭ）；硬件環(huán)境為ＮＶＩＤＩＡ ＧｅＦｏｒｃｅ ＲＴＸ ３０８０ Ｔｉ，ＣＰＵ 內(nèi)存為３２ ＧＢ。

３． ３ 評價標準

通過對比相同實驗下的傳統(tǒng)方法、基于ＡＨＰ、基于ＰＣＡ 和基于ＰＣＡ＋ＡＨＰ 四種不同算法對各級實驗室單位的科技創(chuàng)新水平進行量化考核，選擇運行時間、準確率（Ａｃｃｕｒａｃｙ）、精確率（Ｐｒｅｃｉｓｉｏｎ）和召回率（Ｒｅｃａｌｌ）４ 項指標進行實驗。準確率指所有被納入系統(tǒng)的指標占所有指標的比重（式（１０））；精確率指被正確納入系統(tǒng)的指標占所有被納入系統(tǒng)的比重（式（１１））；召回率指被正確納入系統(tǒng)的指標占實際所有應該被納入系統(tǒng)的指標（式（１２）），對應公式如下：

Ａｃｃｕｒａｃｙ ＝ （ＴＰ ＋ ＴＮ）／ （ＴＰ ＋ ＴＮ ＋ ＦＰ ＋ ＦＮ），（１０）

Ｐｒｅｃｉｓｉｏｎ ＝ ＴＰ ／ （ＴＰ ＋ ＦＰ）， （１１）

Ｒｅｃａｌｌ ＝ ＴＰ ／ （ＴＰ ＋ ＦＮ）， （１２）

式中：ＴＰ 表示被成功納入系統(tǒng)并賦予合理權重的指標，ＴＮ 表示未被系統(tǒng)采納的多余指標，ＦＰ 表示被系統(tǒng)納入的多余指標，ＦＮ 表示被系統(tǒng)遺漏的考核指標。

３． ４ 消融實驗

在使用相同數(shù)據(jù)集和訓練環(huán)境的前提下，分別在傳統(tǒng)算法、基于ＡＨＰ、基于ＰＣＡ、基于ＰＣＡ＋ＡＨＰ四種算法上訓練，得到圖２ 所示４ 種算法的運行時間，結果表明傳統(tǒng)方法所需的運行時間最長，在省部級的數(shù)據(jù)集（Ｄ１）中高達２７６ ｍｓ，而省部級中基于ＰＣＡ ＋ ＡＨＰ 的運行時間可以縮短至１０４ ｍｓ。圖３ 給出了４ 種算法分別在不同數(shù)據(jù)集的準確率，從圖中可以看出，本文提出的基于ＰＣＡ＋ＡＨＰ 明顯高于其他方法，因為通過ＰＣＡ 相對于傳統(tǒng)方法可以分析出指標間的關系，然后通過ＡＨＰ 合理地賦予權值，ＰＣＡ ＋ ＡＨＰ 的組合模式下算法準確率最高。

圖４ 展示了４ 種算法的ＰＲ 曲線對比，發(fā)現(xiàn)基于ＰＣＡ＋ＡＨＰ 算法的曲線所占面積最大，曲線下降趨勢劇烈，說明其檢測精度相比其他算法更高。

４ 人機交互系統(tǒng)和創(chuàng)新能力評價

綜合考慮到創(chuàng)新實驗室差異化評估的特點并適應不斷深化的改進需求，本文開發(fā)了一個科技創(chuàng)新量化考核系統(tǒng)，基于Ｂ ／ Ｓ 模式，采用Ｊ２ＥＥ 架構，ＪＡＶＡ 集成開發(fā)工具選擇ＭｙＥｃｌｉｐｓｅ １０． ０，開源Ｗｅｂ框架選擇Ｓｔｒｕｔｓ２． ０，開源數(shù)據(jù)庫框架選擇Ｈｉｂｅｒｎａｔｅ３． ３，Ａｊａｘ 框架選擇ＪＱｕｅｒｙ１． ７，選用Ｍｉｃｒｏｓｏｆｔ ＳＱＬ Ｓｅｒｖｅｒ２００８ 數(shù)據(jù)庫，以實現(xiàn)海量數(shù)據(jù)高效管理，并具有較強的擴展性和高可用性。本節(jié)將從系統(tǒng)６ 個組成模塊和創(chuàng)新性體現(xiàn)兩方面來進行介紹。

４． １ 人機交互系統(tǒng)功能模塊

建立考核組織體系首先需要成立實驗室考核辦公室或委員會，專門負責企業(yè)下屬各級實驗室的考核工作，形成系統(tǒng)的考核組織體系，以增強考核的獨立性及結果的準確性［１７］。實驗室考核辦公室負責制定考核方案，出臺具體的考核步驟與要點，規(guī)定考核的性質(zhì)和內(nèi)容，明確考核指標、權值。在進行下一年度考核前，考核辦公室可對現(xiàn)行的方案、方式和指標進行修訂，對考核方案進行調(diào)整［１８］。

考核方案確定后，根據(jù)考核方案的內(nèi)容設計考核系統(tǒng)的功能及各個子模塊。實驗室考核平臺在功能上不但要求能夠?qū)Ω鲗蛹墝嶒炇疫M行差異化考核，同時平臺也應滿足考核過程的便捷性，能對實驗室信息和考核所需的數(shù)據(jù)進行標準化、模塊化管理［１９］。將實驗室考核系統(tǒng)分為６ 個功能模塊：實驗室基本信息、年度目標、年度數(shù)據(jù)、評價指標、評價輸出和評價總結，如圖５ 所示。

實驗室基本信息模塊：用于統(tǒng)計實驗室項目和人員情況，包括實驗室簡介、人員列表、項目統(tǒng)計和文章統(tǒng)計等。點擊相應的子模塊可以查看每項的具體信息，可對相關的信息進行維護、修改或添加。

年度目標設定模塊：年度目標是進行實驗室考核的重要依據(jù)，考核辦公室根據(jù)各實驗室的具體情況設置差異化目標。目標設定后將相關數(shù)據(jù)導入考核系統(tǒng)，方便各實驗室人員查看，同時保存用于年底考核時進行指標比對。

實驗室年度數(shù)據(jù)：實驗室年度數(shù)據(jù)指本實驗室一年來運行所有的數(shù)據(jù)統(tǒng)計，包括人員、獎項、國家級項目、省部級項目、文章專利和新增儀器等。這些數(shù)據(jù)并非最終都會用作考核指標，將這些數(shù)據(jù)的存儲備用，提高實驗室管理效率。

評價指標模塊：本文績效考核指標體系采用三級指標體系。三級指標共同構成二級指標，二級指標共同組成一級指標。評價指標模塊用于對評價指標和權值進行設置或修訂。

評價輸出模塊：評價指標輸出模塊用于根據(jù)統(tǒng)計的考核指標和實驗室的年度成果，統(tǒng)計考核數(shù)據(jù)是否完整，對完整數(shù)據(jù)計算評價考核，并將其評價結果進行展示。

評價總結：對考核結果進行分析與總結，包括與本年度其他實驗室的比較、與之前年度考核成績的比較，在哪些方面取得了進步，哪些方面需要進一步改進。

４． ２ 科技創(chuàng)新能力分析

錄入信息后，檢驗其數(shù)據(jù)完整性，進行年度數(shù)據(jù)統(tǒng)計分析。根據(jù)指標權重，計算研究所和下屬各考核對象的創(chuàng)新能力值，進行比較分析，從不同維度展示被考核對象的科技創(chuàng)新能力及變化趨勢。

４． ２． １ 考核指標元素分析

由指標權重計算得出后的結果，對各考核對象的具體考核指標元素進行如下分析：

① 分析項目單位的整體數(shù)據(jù)指標。對全所年度數(shù)據(jù)進行統(tǒng)計和展示。對表２ 考核指標要素信息庫中１５ 個類別的指標元素進行統(tǒng)計和展示。

② 分析企業(yè)下屬各考核對象的數(shù)據(jù)指標，計算各考核對象對研究所總年度指標的貢獻率，計算各考核對象對上述１５ 個類別的指標分別的貢獻度，并分別展示１５ 個類型指標其考核對象排名貢獻度前五的主要貢獻對象。

③ 分析各類指標的人均貢獻度，如人均論文數(shù)、人均專利數(shù)等。

本文從各考核對象之間和歷年歷史數(shù)據(jù)兩個維度進行比較，并展示研究所和各考核單位的指標元素變化。

４． ２． ２ 創(chuàng)新能力分析

由系統(tǒng)計算得出的創(chuàng)新能力值，對各考核對象進行如下創(chuàng)新能力分析：

① 計算并展示項目單位整體創(chuàng)新分值，以及各級考核指標的創(chuàng)新分值，包括表３ 中的一級指標、二級指標和三級指標。

② 計算并展示各考核對象的創(chuàng)新分值，以及各考核對象的各級指標創(chuàng)新分值。

③ 計算展示各考核對象創(chuàng)新能力對整個項目單位創(chuàng)新分值的貢獻度，各級考核指標的貢獻排名前五的單位。

④ 計算展示各考核對象的人均創(chuàng)新指數(shù)Ｉ１ ，Ｉ１ ＝ 創(chuàng)新分值／ 總?cè)藬?shù)，考慮考核對象的部門的大小，以及研發(fā)人員數(shù)目。

⑤ 計算展示各考核對象的人才創(chuàng)新指數(shù)Ｉ２ ，Ｉ２ ＝ 創(chuàng)新分值／ 人才綜合分值，考慮部門所擁有的各級人才數(shù)，包括國家級人才、省部級人才等，人才綜合分值計算如式（９）所述。

⑥ 計算全所平均創(chuàng)新分值，比較各考核對象與平均分值的差距，找出差異的具體指標，篩選出各考核對象需要提升的指標。

從各考核對象之間和歷年歷史數(shù)據(jù)２ 個維度比較展示各指標的變化趨勢，展示各創(chuàng)新考核指標的改善情況。

４． ３ 人機交互系統(tǒng)

良好的用戶體驗能幫助其快速熟悉系統(tǒng)，通過終端操作與服務器進行會話以完成指標輸入、評價計算結構輸出等任務。此外，良好的用戶體驗對于實驗室差異化評估系統(tǒng)的推廣起到很大作用，用戶體驗改善方案的主要策略如圖６ 所示。

為了提高評價體系的實用性，方便考核對象的參與和使用，體現(xiàn)評價過程的科學性、公正性和準確性，系統(tǒng)提供了各類實時查詢和統(tǒng)計功能，并提供了表格、曲線、條形圖、餅圖等多種顯示和輸出方式，方便考核對象從橫向和縱向比較。

以論文為例，圖７ 展示了歷年論文情況，系統(tǒng)左側(cè)通過曲線圖呈現(xiàn)企業(yè)近５ 年論文各類期刊的發(fā)表數(shù)量，當鼠標放置于所屬年份列時，將通過上方餅狀圖反映對應年份的期刊占比情況，系統(tǒng)右側(cè)通過六邊形分析圖展示近３ 年論文署名情況。

歷年論文分析后選擇“論文得分情況”，得到如圖８ 所示論文得分情況，系統(tǒng)左下側(cè)通過柱狀圖計算展示近５ 年論文得分情況，將所有年份的論文得分進行求和后得出論文總得分并在系統(tǒng)左上角進行展示。系統(tǒng)右側(cè)展示了近５ 年論文各類期刊的得分情況。

可根據(jù)需要打印各類圖表，根據(jù)項目需要歸檔成果、專利單位業(yè)績、個人業(yè)績和發(fā)表論文等內(nèi)容。以個人論文模塊為例，個人總覽圖如圖９ 所示，展示了該員工的身份、近３ 個月成果、待辦事項以及全部成果，其中全部成果模塊會將其成果相關情況進行完整展示，成果類型分為論文、專利和科研項目三大類。

統(tǒng)計模塊采用分層設計方法，對于每一級單位，系統(tǒng)提供相應的查詢、比對和統(tǒng)計功能，使系統(tǒng)可以應用于各種規(guī)模的業(yè)務和技術單位。

５ 結束語

本文結合ＰＣＡ 和ＡＨＰ 構建了國有企業(yè)科技創(chuàng)新量化考核指標體系，綜合主客觀２ 種分析角度，參考現(xiàn)有國家級實驗室、高校和企業(yè)等創(chuàng)新指數(shù)報告，根據(jù)項目單位自身定位，以及下屬各實驗室的等級和考核需求，制定考核指標時的基本原則，構建科技創(chuàng)新量化考核體系。所提方法有利于各種科技和物質(zhì)資源的合理分配，促進各單位自我建設和良性競爭，動態(tài)反映科研團隊的科研發(fā)展趨勢和重點發(fā)展內(nèi)容，引導團隊人才的合理分配和資金的正確支配。

參考文獻

［１］ 張敏，廖畢文，肖峰． 層次分析法的模糊綜合評判模型在維修質(zhì)量評判中的應用［Ｊ］． 江西電力職業(yè)技術學院學報，２０２０，３３（７）：２１－２２．

［２］ 羅齊彬，楊亞新，金和海，等． 主成分分析法解析地氣測量元素異常信息［Ｊ］． 核電子學與探測技術，２０２１，４１（２）：２１４－２２０．

［３］ ＦＯＲＴＵＮＡＴＯ Ｓ，ＢＥＲＧＳＴＲＯＭ Ｃ Ｔ，ＢＯＲＮＥＲ Ｋ，ｅｔ ａｌ．Ｓｃｉｅｎｃｅ ｏｆ Ｓｃｉｅｎｃｅ ［Ｊ ］． Ｓｃｉｅｎｃｅ，２０１８，３５９ （６３７９ ）：ｅａａｏ０１８５．

［４］ 馮立杰，尤鴻宇，王金鳳． 專利技術創(chuàng)新路徑識別及其新穎性評價研究［Ｊ］． 情報學報，２０２１，４０（５）：５１３－５２２．

［５］ 沈律，沈豪． 科技創(chuàng)新一般均衡理論及其應用研究［Ｊ］． 中國科技期刊數(shù)據(jù)庫科研，２０１５，１０（２５）：５１．

［６］ 易雪媛，劉衛(wèi)華，彭云，等． 科技成果創(chuàng)新的有效性評價模式研究———以醫(yī)學為例［Ｊ］． 中華醫(yī)學科研管理雜志，２０１６，２９（２）：１１３－１１９．

［７］ 譚春輝，李思佳，程凡． 創(chuàng)新武漢市科技成果評價指標研究［Ｊ］． 科研管理，２０１６，３７（增刊１）：６０７－６１３．

［８］ ＢＲＯ Ｒ，ＳＭＩＬＤＥ Ａ Ｋ． Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ［Ｊ］．Ａｎａｌｙｔｉｃａｌ Ｍｅｔｈｏｄｓ，２０１４，６（９）：２８１２－２８３１．

［９］ ＪＯＬＬＩＦＦＥ Ｉ Ｔ，ＣＡＤＩＭＡ Ｊ． Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ：Ａ Ｒｅｖｉｅｗ ａｎｄ Ｒｅｃｅｎｔ Ｄｅｖｅｌｏｐｍｅｎｔｓ ［Ｊ ］． Ｐｈｉｌｏｓｏｐｈｉｃａｌ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｆ ｔｈｅ Ｒｏｙａｌ Ｓｏｃｉｅｔｙ Ａ：Ｍａｔｈｅｍａｔｉｃａｌ，Ｐｈｙｓｉｃａｌ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ Ｓｃｉｅｎｃｅｓ，２０１６，３７４（２０６５）：２０１５０２０２．

［１０］ ＳＡＡＴＹ Ｔ Ｌ． Ｈｏｗ ｔｏ Ｍａｋｅ ａ Ｄｅｃｉｓｉｏｎ：Ｔｈｅ Ａｎａｌｙｔｉｃ Ｈｉｅｒａｒｃｈｙ Ｐｒｏｃｅｓｓ ［Ｊ］． Ｅｕｒｏｐｅａｎ Ｊｏｕｒｎａｌ ｏｆ Ｏｐｅｒａｔｉｏｎａｌ Ｒｅｓｅａｒｃｈ，１９９０，４８（１）：９－２６．

［１１］ ＳＡＡＴＹ Ｔ Ｌ． Ｄｅｃｉｓｉｏｎ Ｍａｋｉｎｇ ｗｉｔｈ ｔｈｅ Ａｎａｌｙｔｉｃ Ｈｉｅｒａｒｃｈｙ Ｐｒｏｃｅｓｓ［Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｓｅｒｖｉｃｅｓ Ｓｃｉｅｎｃｅｓ，２００８（１）：８３－９８．

［１２］ 王婉娟，危懷安． 協(xié)同創(chuàng)新能力評價指標體系構建———基于國家重點實驗室的實證研究［Ｊ］． 科學學研究，２０１６，３４（３）：４７１－４８０．

［１３］ 李陽，李北偉． 國家重點實驗室運行驅(qū)動力及對策研究［Ｊ］． 科技管理研究，２０２１，４１（２１）：４７－５３．

［１４］ 劉滿君． 主成分分析在人事考核中的應用［Ｊ］． 中國科技信息，２０１１（１２）：１３６．

［１５］ 李健，王小蒙． 主成分分析法在企業(yè)經(jīng)濟效益考核中的應用［Ｊ］． 內(nèi)蒙古科技與經(jīng)濟，２０１７（４）：４９－５０．

［１６］ 張瑩，王志浩． 基于層次分析法的科技項目同行評議專家綜合評價體系構建研究［Ｊ］． 昆明理工大學學報（社會科學版），２０２１，２１（５）：８８－９６．

［１７］ 李新貞． 企業(yè)績效考核評價管理中存在的不足與應對措施［Ｊ］． 投資與創(chuàng)業(yè)，２０２２，３３（２３）：１１０－１１２．

［１８］ 葛小雷． 企業(yè)績效考核體系的設計原則［Ｊ］． 中國有色金屬，２０２２（１１）：６４－６５．

［１９］ 劉新民． 高?？冃Э己说南到y(tǒng)設計與實施［Ｊ］． 天津理工大學學報，２０２２，３８（２）：５２－５７．

作者簡介

冉黎瓊 女，（１９９８—），碩士研究生。主要研究方向：數(shù)據(jù)挖掘、云計算。

陳金勇 男，（１９７０—），碩士，研究員，博士生導師。

高 林 男，（１９８４—），碩士，高級工程師。

宋海權 男，（１９８１—），博士，博士后（在站），講師。主要研究方向：計算機網(wǎng)絡、物聯(lián)網(wǎng)技術。

王邦平 男，（１９７３—），博士，講師。主要研究方向：人工智能、模式識別、機器視覺測量。

于 泳 男，（１９９８—），碩士研究生。主要研究方向：知識圖譜。

劉 洋 男，（１９９７—），碩士研究生。主要研究方向：人工智能。

（*通信作者）喬少杰 男，（１９８１—），博士后，教授。主要研究方向：人工智能數(shù)據(jù)庫、時空數(shù)據(jù)庫。

基金項目：國家自然科學基金（６２２７２０６６，６１９６２００６ ）；四川省科技計劃（２０２１ＪＤＪＱ００２１，２０２２ＹＦＧ０１８６，２０２２ＮＳＦＳＣ０５１１，２０２３ＹＦＧ００２７，２０２２ＹＦＧ０３２５，２０２１ＹＦＧ００２９）；教育部人文社會科學研究規(guī)劃基金（２２ＹＪＡＺＨ０８８）；宜賓市引進高層次人才項目（２０２２ＹＧ０２）；成都市“揭榜掛帥”科技項目（２０２２－ＪＢ００－００００２－ＧＸ，２０２１－ＪＢ００－０００２５－ＧＸ）；成都市重大科技創(chuàng)新項目（２０２１－ＹＦ０８－００１５６－ＧＸ）；中國電子科技集團公司第五十四研究所高校合作課題（ＳＫＸ２１２０１００５７）；成都信息工程大學國家智能社會治理實驗基地開放課題（ＺＮＺＬ２０２３Ｂ０５）；四川省教育廳人文社科重點研究基地四川網(wǎng)絡文化研究中心資助科研項目（ＷＬＷＨ２２－１）；成都信息工程大學科技創(chuàng)新能力提升計劃（ＫＹＴＤ２０２２２２）