高校智库协同创新的影响因素及效果评价研究

来源 :北京邮电大学 | 被引量 : 0次 | 上传用户:wenyuanyuan0929
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
以大数据、人工智能等广泛应用为特征的第四次工业革命,不仅推动了科学技术的飞速发展,也对经济社会发展产生了革命性的影响。技术变革在带来创新和机遇的同时,也带来了不确定性与风险,客观上要求进一步推动国家治理体系和治理能力的现代化。在这样的背景下,“智库”应运而生。智库体系是国家“软实力”的重要载体,承担着为重大公共决策提供智力支持的重要职责。在我国的智库体系中,高校智库发挥着不可替代的重要作用。2018年中国智库索引(CTTI)共收录706家智库机构,其中高校智库有441家,占比达62%,2019年这一比例已提升至70%。因此,高校智库已经占据了中国智库体系的半壁江山,强化对高校智库的学理研究具有重要的现实意义。在经济社会转型发展的新时期,高校智库决策所面临的内外环境错综复杂,“单兵作战”显然已无法满足复杂的决策需求,这客观上要求不同类型的智库与研究机构进行合作,通过发挥各自优势,克服单个机构和单一学科知识结构的缺陷,从而打破“信息孤岛”,产生协同效应。总之,高校智库与其他机构的合作不仅可以促进资源共享、人才交流,还可以增强高校智库的对外影响力,加快研究成果和创新思想扩散传播,为国家治理和经济社会发展提供科学有效的决策咨询服务。然而,针对高校智库协同创新这一现象,仍缺乏足够研究,主要表现在:到底哪些因素影响了高校智库的协同创新?不同高校智库间协同创新的具体实现机制是怎样的?此外,又该如何评价高校智库协同创新的效果?针对上述问题,本文在系统评估高校智库研究演进趋势并对协同创新理论、高校智库协同创新实践等理论文献进行归纳总结的基础上,综合运用扎根理论方法、DANP方法、结构方程模型以及非线性模糊综合评价等方法对高校智库协同创新行为进行了实证分析。研究内容包括:(1)构建高校智库协同创新影响因素的理论框架模型结合高校智库协同创新的实践特征,利用扎根理论方法对高校智库协同创新的影响因素进行经验提炼,通过逐级编码,最终提炼出影响高校智库协同创新绩效的动力因素。从协同主体维度、组织内部环境维度、协同过程维度、组织外部环境维度等四个维度出发,构建出高校智库协同创新影响因素的理论框架模型。(2)高校智库协同创新影响因素网络关系及关键指标识别研究在高校智库协同创新理论框架模型的基础上,通过收集高校智库领域内的专家经验数据,利用DANP方法分析高校智库协同创新各影响因素之间的网络关系,并生产其网络关系图。最后通过计算得出各影响因素的权重,进而识别出高校智库协同创新的关键影响因素。(3)高校智库协同创新的作用机制研究在识别出高校智库协同创新关键影响因素的基础上,构建了“协同主体异质性—协同意愿/互动关系—协同创新效果”的作用机制模型。之后采用问卷调查法,以高校智库协同主体作为样本,进行数据采集,并将数据代入预设模型进行实证分析,得出了高校智库协同创新的作用过程和路径。(4)高校智库协同创新效果评价研究在高校智库协同创新影响因素指标体系及指标权重基础上,构建非线性模糊综合评价模型,并以三家有代表性的高校智库为案例进行实证研究;同时引入突出影响程度系数及功效系数-障碍因子诊断模型,探索某些不依赖权重而对结果产生突出影响的指标。最后,通过分析三家高校智库的综合评价得分,提出提升高校智库协同创新效果的建议。本文的创新点包括:(1)提出了高校智库协同创新影响因素理论框架并识别了影响因素间的网络关系以往对高校智库的研究多集中于影响力及决策机制方面,因而不仅对高校智库的协同创新行为鲜有关注,并且较少探究高校智库协同创新影响因素之间的相互关系。本文不仅基于扎根理论方法提炼出影响高校智库协同创新效果的动力因素,构建了高校智库协同创新影响因素理论框架模型,而且还采用DANP方法实证检验了影响因素之间的相互关系。本文通过原因度和中心度分析推断了各指标间的因果关系,将条件因素和结果因素进行分类,得到高校智库协同创新因素的网络关系图以及各指标之权重。因此,本研究不仅可以弥补理论分析与经验研究之间的鸿沟,揭示了高校智库协同创新的作用机制,同时也为高校智库协同创新效果评价奠定了理论基础,有助于为高校智库在协同创新过程中实现自我纠偏、提升协同创新效果提供有益参考。(2)揭示了高校智库协同创新过程的作用路径尽管以往文献认为协同主体的差异性、协同意愿、以及协同主体之间的互动关系都会影响协同创新效果,但鲜有研究关注这些因素到底是如何作用于智库协同创新效果的。本文通过分析协同主体的不同特征,把协同意愿与互动关系作为中介变量,构建了协同主体异质性对协同创新效果作用机制的概念模型,并验证了预设模型的有效性。研究结论不仅验证了协同意愿、互动关系在协同主体与协同创新效果之间的中介作用,而且明确了这几个变量之间的作用路径,研究表明:高校智库协同创新过程并非一个神秘的黑箱,而是一个可以改进的过程。(3)将非线性模糊评价法引入高校智库协同创新绩效评价领域高校智库的成果产出常常体现为对政府决策以及公众舆论的影响程度,因而具有不可量化的特征。对此,本文将非线性模糊综合评价模型应用到高校智库协同创新效果评价中,并通过引入“突出影响程度系数”和“功效系数-障碍因子诊断模型”对非线性模糊综合评价模型进行改进,从而更精确识别出某些不依赖权重而发挥重要影响的关键性指标的作用。本文检验了该模型在智库评价领域的适用性和有效性,从理论和方法两个层面丰富了高校智库协同创新效果评价的文献。
其他文献
外周血淋巴细胞染色体畸变分析中的双着丝粒染色体指标是估算生物剂量的“金标准”。本文结合实践工作,介绍了淋巴细胞染色体畸变类型、染色体标本制备操作流程解析及常见问题。
期刊
分析了103名煤矿工作人员和45名对照人员的外周血淋巴细胞染色体畸变率和微核率。结果表明,煤矿工作人员染色体畸变率和微核率高于对照组,但差异无统计学意义;煤矿工作人员的染色体畸变率和微核率随着年龄和工龄的延长均呈上升趋势,差异有统计学意义。
期刊
随着信息技术的蓬勃发展,网络安全问题日益严峻,作为新兴技术的软件定义网络(SDN)也面临着多种攻击的威胁,其中就包含拒绝服务(Do S)攻击。低速率拒绝服务(LDoS)攻击归属于Do S攻击,常借助自适应机制的漏洞,使用少量数据导致目标的网络利用率和服务质量降低,甚至瘫痪。该攻击破坏性大的同时平均速率低、隐蔽性强,检测和缓解的难度大。SDN中的LDoS攻击研究较少,且检测与缓解效果有待提高,因此在
学位
目的 探讨放射工作人员外周血淋巴细胞染色体畸变情况。方法 选取2020年10月至2021年10月在湛江市职业病防治所职业健康体检中心进行体检的494例放射工作人员作为观察组,另选取150例不接触电离辐射的工作人员作为对照组。用微量全血培养,比较两组工作人员的染色体畸变率、异常检出率以及微核畸变率,分析不同工龄和不同岗位工作人员外周血淋巴细胞染色体畸变情况。结果 观察组工作人员染色体畸变率以及微核畸
期刊
为了支撑移动通信网络中低时延、巨容量等差异化极致性能需求,业界先后提出基于云计算/边缘计算的无线网络。在此背景下,云边计算协同的无线网络融合了云计算协作传输与边缘计算实时响应的优势,同时实现了云计算去程链路压力和边缘计算的算力限制之间的平衡。但是,云边计算协同的无线网络中计算资源与通信资源性质差异大,关于二者如何协同的理论和方法尚很缺乏,因此成为研究的难点和热点。为此,本文针对云边计算协同下通信与
学位
随着网络技术和应用的发展,终端应用产生的数据呈指数级增长,使集中式数据处理和存储面临巨大压力,云边端网络架构应运而生。云边端网络架构通过边缘计算,将计算服务从云中心扩展到了网络边缘,扩展了网络计算的范畴。该架构协同云端和边缘的计算能力,就近为移动边缘用户提供智能服务,敏捷连接、实时计算、数据反馈、应用智能、安全与隐私保护、实时获取优化决策等方面的关键需求。云边端网络生态环境以云服务为中心、边缘计算
学位
回顾性分析在某院职业健康检查的1 000例医务放射工作人员的检查资料,上岗前医务人员外周血检测数据为岗前组,在岗期间医务人员外周血检测数据为在岗组,比较两组外周血淋巴细胞微核和染色体畸变情况。结果显示,受放射性因素影响在岗组染色体畸变、淋巴细胞微核数均大于岗前组,染色体畸变在岗组比岗前组多0.37%,微核在岗组比岗前组多0.17%(t=0.419,P<0.05);岗前组染色体畸变正常占99.87%
期刊
目的探讨甲型HlNl流感中西药物结合防治措施及效果。方法选择符合要求的甲型HlNl流感患者共70例,随机分为两组:联合组(中西药物结合组35例)及西药组(35例)。联合组采用中医辨证及磷酸奥司他韦治疗。邪在卫分证:清热解毒散(太子参10g,苏叶6g,黄芩10g,大青叶5g等,服用上述中药同时服用同时加用磷酸奥司他韦75mg,每日2次,疗程5天西药组只服用磷酸奥司他韦75mg,每日2次,疗程5天。结
会议
网络功能虚拟化(Network Function Virtualization,NFV),作为一项新兴技术,将网络功能与专用设备解耦,并通过虚拟化技术将其以软件的形式部署到通用服务器上,形成虚拟网络功能(Virtual Network Function,VNF)。与传统网络相比,NFV的出现使得网络服务部署更加灵活和敏捷,为网络带来了极大的可扩展性。在支持NFV的网络环境中,网络服务所对应的数据流
学位
随着云计算和大数据的飞速发展,云服务器因其强大的存储和计算能力被广泛用来实现数据外包的机器学习模型的训练,但这种学习方式,也带来了一定程度的安全风险,即个人隐私数据的泄漏。出于对数据隐私保护和数据中心化存储的担忧,以及更好地发挥数据的价值,联邦学习应运而生。参与者无需将个人数据通过云端存储进行集中建模,而是先在本地进行模型训练,然后将训练的模型参数传输至服务器聚合,以此来实现本地模型的实时更新和优
学位