1. 引言
“创新教育”起源于1947年美国的哈佛大学商学院开设了此类课程，“创业教育”于1989年联合国教科文组织召开的面向21世纪教育国际研讨会上首次提出。在我国，“大众创业、万众创新”是2014年9月在夏季达沃斯论坛上被提出的，2015年6月发布《国务院关于大力推进大众创业万众创新若干政策措施的意见》，由此创新创业教育提升为国家发展战略，2015年5月教育部发布关于举办第一届中国“互联网+”大学生创新创业大赛的通知，创新创业教育在全国高校得到积极推广。而如何才能搭建一个多主体积极参与的教育生态环境，最终形成一个效果显著的多方共赢结果，构建合理、可行的评价体系是至关重要的。
2. 文献综述
关于创新创业教育评价的国内外研究成果主要集中于评价指标、评价方法和评价主体三方面。首先，关于评价指标，Vesper & Gartner (1997) [1] 通过对全球商学院专家的访谈，给出了高校创新创业教育七个方面的评价指标。美国创业教育联盟(2004)发布了创业教育的评价指标(AEE)等系列标准，同年美国国家企业建设局也提出四个方面的评价指标。之后国外学者从不同视角出发，归纳为过程评价和影响评价两种范式。国内学者也沿袭这两种范式进行相应研究，之后，葛莉和刘则渊(2014) [2] 将CIPP教育评价模型引入高校创新创业教育评价研究中，由此国内学者将创新创业教育评价指标分为过程导向、结果导向、能力导向三类，包含政府、学校、社会、学生四个层面。其次，在评价方法上大部分研究都采用事后评价，多属于定性研究，也有通过实验设计来验证创业教育效果的。早期学者们多采用层次分析法(AHP)，之后针对其不足又提出模糊综合评价(FCE)、序关系分析法(GI)、案例分析法(CAM)等 [3] ，葛莉和刘则渊(2014) [2] 融合了因子分析、聚类分析、熵值法分析等多种统计方法用于创新创业教育评价的实证研究。再有，关于评价主体，少有文献对此进行研究与讨论，郭芳燕(2020) [4] 、曾琳(2018) [5] 等学者提出目前评价主体单一且不明确，第三方评价机构尚不完善。陈致远、左军(2017) [6] 和谭晋钰(2017) [7] 等学者提出评价主体以学校评价为主，政府、社会、家长、学生等主体参与较少，且其他主体参与评价时，其评价结果的科学性、客观性难以实现。由此可看出有些文献将评价指标应着眼于哪几方面主体反馈等同于评价主体研究，再有评价主体主要以政府、高校为主，第三方机构都对创新创业教育虽开展了评价但并不完善。
此外，为了得到评价体系指标间的相互影响关系和指标权重，很多学者使用了网络分析法(ANP)和借助超级决策软件(Super Decisions)来进行分析。曹萍和陈富集(2010) [8] 、李露(2016) [9] 、刘伟华和周丽珍等学者(2011) [10] 发现基于网络分析法分析评价体系更加科学、合理，也具有一定的推广价值。而张苑秋、田军、冯耕中(2015) [11] 在使用网络分析法分析评价模式发现，通过ANP方法分析问题更加符合实际情况，提高了评价效率和准确性。邢益瑞、佟瑞鹏和张孟春(2010) [12] ，许葭、宋守信和袁朋伟等(2015) [13] 借助网络分析法发现了关键问题的脆弱性，并可以较为直观的应对问题。
基于上述文献梳理，目前研究存在如下问题：第一，对于评价指标的研究，文献较多且对评价指标的补充与修正有些创新研究，但问题一是更关注短期效应而忽视长期效果，这必然导致在从事创新创业教育的相关利益者更关注短期效应，而忽视长期价值。问题二是未充分体现多主体的多元价值诉求。第二，对于评价方法的研究，主要以层次分析法为主，只考虑了上一次级对下一层级的影响，未考虑到同一层级指标间的相互影响。第三，评价指标已由结果导向逐步转变为过程导向，但未体现全过程管理，也未与管理过程相关联，导致对执行过程未形成更好的指导作用，同时导致地方主管部门更关注监督管控，而忽视过程服务。
3. 评价指标体系的构建
在以往创新创业教育评价指标体系构建模型中，学者们更多是基于系统视角，在创新创业教育过程中存在多主体，如何调动多主体的积极性是该系统效率提高的关键，故多主体参与价值共创是十分必要的，因此从多元价值诉求视角，整合了CIPP教育评价模型和VPR结构模型提出评价指标体系框架。其中，CIPP教育评价模型由美国知名教育评价学者Stufflebeam于1966年提出，该模型由背景评价(context evaluation)、输入评价(input evaluation)、过程评价(process evaluation)、成果评价(product evaluation)四个要素构成 [14] 。VPR结构模型由国内学者徐小洲于2019年提出，该模型是以评价内容和评价取向为依据，由价值评价、过程评价和结果评价构成的三维三级创新创业教育评价结构模型 [15] 。
将最初提出的评价指标体系框架发于15位从事于高校创新创业教育方向的学者、专家，其中5位是来自高校从事创新创业教育的教师、5位是来自企业从事孵化器和创业园相关工作的高管、5位是来自政府从事科技产业服务的公务人员。通过德尔菲法对其指标体系进行了两轮讨论，最终形成目前的评价指标体系，如表1所示。此外，将评价指标与管理过程相关联，其中将背景评价与价值评价归为管理过程中的目标，将输入评价归为管理过程中的计划，将过程评价归为管理过程中的行动，将成果评价归为管理过程中的结果，该指标体系强调目标导向、决策导向、过程导向和改进功能。
Table 1. Construction of evaluation index system
表1. 评价指标体系的构建
4. 评价方法的确定
4.1. 常用评价方法的对比分析
在之前的文献综述中，提到关于高校创新创业教育的评价方法，主要有模糊综合评价法、专家评分法、层次分析法、网络分析法。其中，网络分析法是在层次分析法的基础上改进而提出的一种适应非独立的递阶层次结构的决策方法。下面对这几种方法的适用范围、优缺点进行分析，如表2所示。
Table 2. Comparison of common evaluation methods
表2. 常用评价方法的比较
综合分析上述各种评价方法，最终选择了网络分析法。相对于其他的评价方法，网络分析法可以考虑到总层级间的因素之间相互影响关系，更加适合对于所研究的问题。
4.2. 网络分析法的简介
网络分析法(ANP, Analytical Network Process)是1996年由美国匹兹堡大学Thomas L. Saaty教授基于层次分析法(AHP, Analytic Hierarchy Process)提出的一种决策分析方法。ANP模型的系统结构框架由控制层和网络层两部分构成。控制层由决策目标和决策准则两部分组成，在该层级里必须至少有一个决策目标，决策准则可同时拥有多个或者一个都没有。同时，在控制层里的决策目标可支配决策准则，决策准则之间相互独立，上下层准则是一个自上而下的结构，上一层级的决策准则可支配下一层级决策准则。而作为另一部分的网络层是由受到控制层支配的二级指标元素组成，元素和元素间不都互相独立，彼此影响和支配，是存在依赖和反馈关系的网络结构。利用网络分析法可以将复杂的决策问题由定性分析转化为定量分析，从而从解决系统模型内部因素之间错综复杂的关系。
5. 评价模型的构建
5.1. 构建ANP模型
通过电子问卷调查方式和小组讨论方式，邀请了15位在高校创新创业教育有着深入研究的学者、专家进行讨论与填写问卷，利用学者、专家的知识、经验、洞察力等隐性知识，直接判断评价体系中的每一指标相互影响的程度。专门计算ANP模型的计算机软件Super Decisions一般操作步骤如下图1所示。
Figure 1. Operation process of Super decisions
图1. Super decisions的操作流程
在表1中的指标体系中，各管理过程中一级指标集合里的二级指标元素不全是相互独立，而且在不同的一级指标集中的元素之间也存在着相互影响。经过专家小组讨论，将问题结构进行分析，构造出如下图2的创新创业评价体系的ANP结构模型。在这个创新创业评价体系的ANP模型中，其结构模型在控制层没有任何的决策准则，只有一个总的决策目标，所以创新创业评价体系作为决策目标的同时也作为评价准则。网络层的所有二级指标元素直接以创新创业评价体系为决策目标和决策准则进行比较。
在网络层中，有15个元素集，分别是区域环境、知识基础、技术等一级指标元素集，每个元素集中分别有不同的元素个数，即37个二级评价指标。由专家讨论所有二级指标元素之间的相关关系和问卷调查所得到的两两比较判断矩阵的初始数据，经过调整一致性检验合格后，将这些数据输入到计算ANP的专门软件Super Decisions，得到创新创业评价指标体系内各个指标之间的相对优先度。
5.2. 计算过程
在回收电子调查问卷之后，首先要做的是根据回收回来的电子调查问卷将各位专家学者填写两两比较判断矩阵问卷中的数据进行一致性检验。如果其检验结果不合格，也就是出现判断矩阵一致性比率最大值 > 0.1的情况，则需要向专家再次询问并重新修改填写问卷，直到通过一致性检验。只有判断矩阵的一致性比率的最大值均 < 0.1时，才符合ANP模型对于判断矩阵的数据一致性要求，方可进行下一步的运算。然后需要将经过一致性检验合格后的专家所填写的判断矩阵最终数据输入到Super Decisions软件中。最后，即可得到各个二级指标的权重，如表3和表4所示。
Figure 2. ANP structure model of innovation and entrepreneurship evaluation system
图2. 创新创业评价体系的ANP结构模型
Table 3. Weights of first-level index
表3. 一级指标权重
Table 4. Weight of second-level index
表4. 二级指标权重
经以上计算得出的二级指标权重可以视为创新创业教育评价指标的重要程度，其指标权重数值越大排序越靠前，说明该评价指标在这个创新创业教育体系的影响趋势越大。下面以评价体系的二级指标因素的权重排序作为图表数据，按照由大到小的排序进行整理顺序，然后再绘制该评价体系中所有二级指标因素的折线图以及数据权重排序趋势线，如下图3所示。
Figure 3. Weight trend chart of second-level index
图3. 二级指标权重趋势图
6. 结论与建议
从图3可知，按照权重排在前十名的二级指标分别是个体精神价值、杰出创业校友数、社会精神价值、毕业生就业率、创业教育论文发表数、大学生创办企业的带动就业率、高校所在城市创业活跃度、大学生创办企业数/创业率、国家级创业计划项目立项数、发明专利授权量。将其归类至一级指标后，得出最重要的一级指标是精神价值、社会效益，这两个一级指标包含的二级指标都在前十名；其次较重要的一级指标是知识基础、区域环境、企业发展、创业项目、技术基础，与表3略有不同。将其归类至管理过程中，得出管理过程较重要的环节是目标、行动和结果。如表5所示。
从表3可知，按照权重排在前七名的一级指标分别是精神价值、社会效益、学生发展、知识基础、技术基础、企业发展、师资投入。与表5相比略有不同，多了学生发展、师资投入，少了区域环境、创业项目。将其归类至管理过程中，同样得出管理过程较重要的环节是目标、行动和结果。
Table 5. Importance degree of index
表5. 指标重要程度
由此可看出，从高校、企业、政府三类主体的多元价值诉求视角出发，第一，学者和专家们一致认为管理过程的计划环节不太重要，缘于这些学者和专家都是从事了多年的创新创业相关工作，深知该项工作的持续性导致计划的变动较大，故行动和结果更为重要，而当计划有调整的情况下指导行动的更多是目标的科学、合理设定。第二，学者和专家们一致认为在一级指标中精神价值和社会效益尤为重要。分析其缘由，一是这些学者和专家深知创新创业教育不是短期内即可呈现成果的一项工作，它的价值更多体现在远期，故评价该项工作的隐性成果是精神价值的提升，既包含作为这一项工作受益群体在价值观、择业观、创新意识等方面的个体精神价值的提升，也包含整个社会对创业环境、知识产权保护的重视等方面的社会精神价值的提升；二是基于结果导向型，结果中包含学生发展、企业发展和社会效益，其中学生发展和企业发展固然重要，但既然是多元主体参与的一项工作，最终追求的并非其中某个主体的受益，而是整体价值的提升，故评价这项工作的显性成果应是社会效益的提升。
基于上述分析，提出如下建议：第一，从管理过程出发，今后在创新创业教育过程中，应更重视目标的设定、行动方案的落实与执行、结果的推广与反馈。第二，从具体执行层面来说，一是在目标设定上，首先要关注个体精神价值和社会精神价值的提升，即提高对远期效果的关注；其次要重视执行过程中所产生的相关知识和技术的总结与累积，有利于管理上的持续改进和科研上的成果积累，为后续发展提供原动力；再有要注重所在区域对创业氛围的营造，比如创业热情的激发、创业过程的服务、创业失败的宽容等。二是在行动执行上，师资投入和创业项目立项数量是关键，师资投入解决的是引导的问题，而创业项目立项数量解决的是持续性培育项目的问题，即先通过师资投入引导更多的学生参与到创新创业教育中，然后通过创业项目立项集结与整合各类资源，通过这一平台持续性地为好项目输血。三是在结果评价上，最为重要的是要看社会效益，虽然也该关注学生发展和企业发展，但社会效益才能更充分体现多元价值诉求，因为其中毕业生就业率和杰出创业校友数是高校更关注的，大学生创办企业的带动就业率是政府和企业更关注的。毕业生就业率和大学生创办企业的带动就业率更好地体现了该项工作成果的数量(即覆盖面)，杰出创业校友数更好地体现了该项工作成果的质量(即有效性)，而覆盖面是政府和高校更关注的、有效性是高校和企业更关注的。
基金项目
天津师范大学2019年教学改革重点项目，基于沉浸式体验的“创业模拟实训”的课程思政与课堂改革。
NOTES
*通讯作者。