1. 引言
本研究旨在对高校新商科专业的产学研协同创新效率进行系统化评价，全面探讨其影响因素及相应的发展策略，旨在为提升高校新商科专业的创新水平和社会效益提供理论依据和实践指导。张婉晴[1]等认为AHP (层次分析法)和FCE (模糊综合评价法)都是决策分析中常用的多准则决策方法。王琳琳[2]等人认为AHP和FCE在解决复杂的决策问题时具有一定的优势，但也有各自的局限性。AHP适用于结构化问题，能够将复杂决策问题分解为多层次结构，结合定性与定量数据进行分析，并适合处理多准则决策。然而，AHP依赖专家判断，容易产生一致性问题，计算量大，且尺度的统一性可能受到不同决策者的影响。赵佳丽[3]等指出FCE则更擅长处理模糊性和不确定性，适用于环境评估和风险评估等领域，能够将各个模糊指标综合评价。然而，黄璐[4]等指出FCE也存在模糊集定义、信息整合复杂性、权重主观性等问题，且计算过程较为复杂。总的来说，AHP适合处理层次结构明确、需要精确判断的决策问题，而FCE则适用于处理不确定性较高的问题，两者可以结合使用以弥补各自的局限性。基于AHP-FCE模型的理论框架，本文深入分析高校新商科专业在创新投入、创新产出、协同效率和社会效益等关键维度的表现，构建科学、系统的产学研协同创新效率评价指标体系。段金锁[5]认为通过运用层次分析法(AHP)对指标权重进行精确计算，明确各指标在整体评价体系中的相对重要性，并结合模糊综合评价法(FCE)，对高校新商科专业的产学研协同创新效率进行量化评估，揭示各指标对创新效率的具体影响程度。这一方法为复杂系统的多维度评价提供了有力工具，有助于全面理解高校新商科专业产学研协同创新的现状及其潜在改进方向。
为增强研究的实践价值，本文以物流领域为案例，通过实证分析评估高校新商科专业在该领域的产学研协同创新效率。研究不仅探讨了物流领域内各关键指标的表现，还结合实际问题分析，提出针对性强的改进建议。这些建议包括优化资源配置、加强校企合作、调整研发方向以贴合市场需求、提升创新成果的转化率等，旨在推动高校新商科专业在具体领域的创新实践迈向更高水平。总体而言，本研究不仅致力于理论创新，为高校新商科专业产学研协同创新效率的系统化研究提供了方法论支持，同时也强调实践应用价值，为高校、企业及政策制定者在推进产学研协同创新时提供了重要参考。通过构建完善的评价体系和提出切实可行的策略，本研究为提升高校新商科专业的整体创新能力，促进社会经济的发展奠定了理论和实践基础。
2. 高校新商科专业产学研协同创新效率评价指标体系构建
2.1. 模型选择
在模型选择方面，本文结合层次分析法(AHP)与模糊综合评价法(FCE)，建立了AHP-FCE模型，为全面、综合地应对各种因素对创新效率的评价提供了科学方法。许颖[6]等认为这种模型整合了两种方法的优点，能够更有效地分析复杂系统中多种因素的影响程度，为评价体系的科学性和全面性提供了坚实基础。层次分析法(AHP)是由美国运筹学家托马斯·萨蒂(Thomas L. Saaty)于20世纪70年代初提出的一种多准则决策分析方法。李卉[7]等认为其核心在于通过将复杂问题分解为多个层次和指标，构建成树状结构模型，依靠成对比较和一致性检验的数学方法确定各指标的权重系数，从而使评价过程更加清晰和逻辑严谨。AHP尤其适用于定性与定量相结合的研究领域，在本研究中用于权重的精确计算，为模糊综合评价法提供了可靠的权重集基础。模糊综合评价法(FCE)则是一种基于模糊数学理论的综合分析方法，适合处理存在模糊性或不确定性的评价问题。在本研究中，模糊综合评价法通过将AHP得出的权重系数与各指标的隶属度结合，构造出模糊关系矩阵，以量化复杂系统中各指标对创新效率的影响。具体而言，该方法首先对单因素进行模糊评价，通过模糊隶属函数描述各评价对象在某指标下的表现，然后基于模糊矩阵运算，进一步进行多因素的综合评价，从而得出系统的整体评价结果。通过将层次分析法和模糊综合评价法相结合，AHP-FCE模型不仅能够分层次、系统性地处理复杂的多维评价问题，还能够以科学量化的方式有效应对创新效率评价中难以避免的模糊性和不确定性。这一模型方法的运用，不仅提升了评价结果的科学性和可信度，还为本研究的实证分析提供了坚实的理论和方法支持，确保了高校新商科专业产学研协同创新效率的评价具有实践指导意义和理论深度。
2.2. 建立层次结构模型
通过对有关文献的查阅与相关书籍的整理，并且结合当下高校新商科专业产学研协同创新效率的特点，选择了创新投入、创新产出、协同效率、社会效益为准则层，总共归纳出12个方案层，具体见表1所示。
Table 1. Index system of industry-university-research collaborative innovation efficiency for new business majors in universities
表1. 高校新商科专业产学研协同创新效率指标体系
目标层(A) |
准则层(B) |
方案层(C) |
高校新商科专业产学研协同创新效率 |
创新投入(B1) |
研发经费投入(C1) |
|
|
人才资源投入(C2) |
|
|
设备设施投入(C3) |
|
创新产出(B2) |
专利数量与质量(C4) |
|
|
学术成果数量与影响(C5) |
|
|
产品开发与市场应用(C6) |
|
协同效率(B3) |
项目完成率(C7) |
|
|
成果转化率(C8) |
|
|
合作满意度(C9) |
|
社会效益(B4) |
经济效益(C10) |
|
|
社会影响力(C11) |
|
|
人才培养质量(C12) |
3. 高校新商科专业产学研协同创新效率评价
3.1. 运用层次分析法(AHP)确定指标权重
1) 请专家打分，构建判断矩阵
依据1~9标度的打分原则，邀请多位专家老师，对指标进行重要程度判断，取得下面五个判断矩阵。
B2 =
B3 =
B4 =
2) 一致性检验
各个判断矩阵的一致性检验都通过了，具体结果见表2所示。
Table 2. Matrix results
表2. 矩阵结果
|
矩阵A |
矩阵B1 |
矩阵B2 |
矩阵B3 |
矩阵B4 |
CI |
0.0842 |
0.0057 |
0.0025 |
0.0003 |
0.0024 |
CR |
0.0946 |
0.0110 |
0.0048 |
0.0053 |
0.0047 |
3) 指标权重总排序
CI = 0.0057 × 0.0644 + 0.0025 × 0.1655 + 0.0003 × 0.4693 + 0.0024 × 0.3008 = 0.0016
RI = 0.52 × 0.0644 + 0.52 × 0.0025 + 0.52 × 0.4693 + 0.52 × 0.3008 = 0.4352
CR = 0.0368 < 0.1
通过一致性检验。
根据高校新商科专业产学研协同创新效率评价指标体系的准则层指标权重可以得出，权重的排序为协同效率 > 社会效益 > 创新产出 > 创新投入。
3.2. 模糊综合评价(FCE)
1) 构造模糊关系矩阵
将评语集V划分为五个等级，V = {V1, V2, V3, V4, V5} = {好，较好，一般，较差，很差}，并设置相应的分数即V = (5, 4, 3, 2, 1)。
根据指标的权重值，进行单因素模糊评价，显示各具体评价指标对高校新商科专业产学研协同创新效率评价的隶属度。
构建高校新商科专业产学研协同创新效率模糊判断矩阵：
R1 =
R2 =
R3 =
R4 =
2) 单因素评价
由层次分析法计算可得出各指标的权重集为：
W1 = (0.4048, 0.1223, 0.4787); W2 = (0.6413, 0.2375, 0.1211);
W3 = (0.4286, 0.1428, 0.4286); W4 = (0.6414, 0.2375, 0.1211);
评语集V = (5 4 3 2 1).
创新投入B1的模糊综合评价结果为：B1 = (0.5693, 0.3838, 0.0527, 0, 0)，P1 = 4.5389；创新产出B2的模糊综合评价结果为：B2 = (0.1767, 0.6439, 0.1793, 0, 0)，P2 = 3.997；协同效率B3的模糊综合评价结果为：B3 = (0.3714, 0.4572, 0.1714, 0, 0)，P3 = 4.2000；社会效益B4的模糊综合评价结果为：B4 = (0.2525, 0.3354, 0.4000, 0.0121, 0)，P4 = 3.8283。
3) 多因素评价
依据AHP计算出WA = (0.0644, 0.1655, 0.4693, 0.3008)。
因此高校新商科专业产学研协同创新效率的评价结果为：B = (0.3162, 0.4467, 0.2338, 0.0036, 0)，P = 4.0764。
根据高校新商科专业产学研协同创新效率评价结果得知，总的评价结果为“较好”，目标层得分为4.0764。准则层指标得分排序为创新投入 > 协同效率 > 创新产出 > 社会效益。在准则层中B1的等级为V1“好”，B2、B3等级为V2“较好”，B4等级为V3“一般”。
4. 研究结论与对策建议
4.1. 研究结论
高校新商科专业在产学研协同创新过程中，存在人才资源投入占比不高的问题。这表明当前高校在战略规划上更倾向于关注短期的经济效益，而忽视了对长期人才战略的重视。这种倾向直接导致了人才资源投入的比例偏低，无法为创新效率的持续提升提供足够的支持。同时，缺乏充足的人才储备也会对创新活动的深度和广度产生负面影响，制约了高校新商科专业产学研协同创新的可持续发展。另一方面，专利数量和质量占比较高，这在一定程度上反映出高校新商科专业的创新能力较为突出。专利数量的增加通常意味着研究机构在研发方面投入了大量的精力，研发团队的创造性成果较为丰富。然而，尽管专利数量和质量体现了较强的创新能力，但其背后也可能存在专利成果转化率不高的问题，需要进一步优化专利的实际应用价值，以提升对市场需求的响应能力。然而，产品开发与市场应用的占比明显不足，这一问题导致了研发资源的浪费。许多研发成果未能转化为实际的市场应用产品，使得高校和企业在研发阶段投入的大量资源未能获得预期回报。这种资源浪费不仅降低了产学研协同创新的效率，还可能使研发团队对市场需求的敏感性下降，进一步加剧了研发与实际需求之间的脱节。此外，成果转化率在权重排序中占比最低，这表明研发与市场之间的联动不足。研发成果可能因为过于领先或复杂，无法直接应用于当前市场，或者现有市场对这类创新成果的需求较低。这种市场对接不畅导致创新活动无法产生实际效益，也影响了研究机构在未来研发中的动力和资源分配。最后，人才培养质量的占比同样偏低，这反映出高校的新商科专业在培训课程或项目设计方面未能与行业发展保持同步。教学内容陈旧，无法匹配当前市场需求，导致培养出来的人才缺乏实用性和市场竞争力。这种人才培养体系的落后不仅影响了学生的就业质量，也削弱了高校服务社会经济发展的能力。综合来看，这些问题的存在需要通过加强长期人才战略规划、优化研发资源配置、强化市场导向的成果转化机制，以及提升人才培养体系的质量来解决，从而提升高校新商科专业产学研协同创新的整体效率和社会效益。
4.2. 对策建议
为更好地提升高校新商科专业产学研协同的创新效率，基于以上讨论提出以下几点对策建议：
1) 决策支持系统的设计与优化：针对不同高校的资源状况，可以提出定制化的决策支持系统，例如，较为资源丰富的高校可以引入高效的数据处理工具(如AI辅助决策系统)，而资源有限的高校则可以采取低成本的决策模型或优化方案。
2) 培训和能力建设：在不同高校中，可以通过培训课程、工作坊等方式提升师生的决策分析能力，尤其是AHP和FCE方法的应用技巧。对于基础较好的高校，可以进一步拓展高级决策方法的应用；而对于基础较弱的高校，则可以加强决策理论的普及与应用。
3) 阶段性目标与评估机制：在实际实施过程中，应设计分阶段的目标与评估机制。根据高校的实际发展情况，可以设定短期和长期目标，并通过定期评估来监控实施效果，及时调整策略。
4) 校际合作与资源共享：不同高校之间可以建立合作网络，共享决策支持工具和实践经验。通过合作，能够弥补各自的资源不足，形成互补优势。
5) 加强对创新能力的培育：构建开放协作的生态系统，推动营销、研发、生产等业务部门深度整合。通过数据驱动和数字化手段提升营销效率，增强市场竞争力，为高校新商科专业的发展提供更加广阔的空间和持续动力。
基金项目
1) 应用型新商科人才数据能力培养机制与路径研究2023年12月4日获准立项为中国商业统计学会“2023年度规划课题重点课题”(课题编号：2023STZB07)；
2) 中国民办教育协会2024年度规划课题项目(项目编号CANFZG24333)“应用型新商科人才数智化能力培养机制与路径研究”；
3) 黑龙江东方学院科研创新团队建设项目(项目编号：HDFKYTD202108)；
4) 数字经济背景下“新商科”专业商业数据分析类课程体系研究2023年11月17日获准立项为黑龙江省高等教育学会“2023年高等教育研究课题”(课题编号：23GJYBF074)。