摘要：为实现对高校新基建档案管理能力的科学评估，本研究提出高校新基建档案管理成熟度指数（Higher Education Archives Maturity Model Index, HEA- MMI）。通过德尔菲法-熵值法的组合权重模型，构建了包含 5 个一级指标、16 个二级指标的双层评价体系。选取甘肃省 12 所高校作为样本进行实证分析，结果表明：HEA-MMI 指数与高校产学研协同效能呈显著正相关，其中“技术融合度”为核心驱动因素。该指数为国家档案局制定分级分类管理政策提供了量化依据，也为高校档案管理数字化转型指明了路径。

关键词：新基建档案；成熟度指数；德尔菲法；熵值法；组合权重

1 引言

新基建自 2018 年 12 月在中央经济工作会议提出后不断演进，2020 年国家发改委细化其范围形成“3+7”框架，且在国际上形成竞争态势。[1]高校新基建档案记录校园新型基础设施全流程，涵盖智慧校园、科研、教育、绿色、安全与合规五类。然而，高校档案管理存在技术应用失衡、制度韧性不足、区域协同薄弱等关键问题，因此，构建适配新基建特征的档案管理评价体系迫在眉睫。

1.1 国内研究进展

新基建与档案管理融合研究：在《数字中国建设整体布局规划》推动下，高校档案管理的数字化转型与新基建形成协同发展态势。学界提出“数字孪生档案馆”概念，并形成了"物理实体-虚拟模型-交互机制"三层架构体系，通过 5G、BIM+GIS 技术实现档案库房全域感知与三维可视化建模，并依托区块链存证保障数据安全。[2]然而现有研究存在局限性：一是技术部署主要聚焦于 5G 网络覆盖等硬件设施，忽略了技术-制度协同机制；二是区块链存证系统虽验证了数据防篡改的有效性，但未量化技术融合度对管理能力的边际贡献；三是现有评价模型缺乏动态适配能力，难以应对联邦学习等新兴技术带来的合规风险。

成熟度模型本土化实践：国内学者在成熟度模型改造方面取得了阶段性成果：上海交通大学基于CMMI 模型构建了科研档案共享模型，但指标体系缺少“智能应用”维度；[3]武汉大学创新性地采用AHP-熵值法评估档案数据安全，但主客观权重冲突导致人才数字化素养等关键指标赋权失真。[4]

1.2 国外研究现状

国外研究呈现出两大特征：其一，美国 NARA 技术框架虽纳入新基建技术并设区块链存证覆盖率要求，设立了“云原生架构”“AI 辅助编研”等前沿指标，但政府导向与高校需求存在一定的指标适配偏差；[5]其二，欧盟数字遗产项目融合了德尔菲法与模糊综合评价法，但其静态权重机制难以适应技术迭代需求，动态调整滞后周期达 6-8 个月。此外，MIT 团队提出的技术适配度指数，虽量化了物联网等技术应用深度，但未涵盖中国特色产学研协同场景；[6]新加坡国立大学改进的熵值法模型，通过惩罚因子将高相关指标权重稀释度降低，为组合赋权提供了算法支持。[7]

2 HEA-MMI 指标体系设计

在高校新基建档案管理成熟度评估过程中，单纯依靠专家经验或数据统计都容易产生偏差。本研究将德尔菲法与熵值法按照 6：4 的比例进行融合，兼顾了专业判断与数据规律，具体流程如下：

2.1 专家确定

候选专家需同时满足专业背景、权威性和地域分布三个维度的要求。最终，专家组由 15 人组成，分为三个类别：高校档案管理者 6 人，主要解决跨校区协同治理的实际难题；新基建技术专家 5 人，核心诉求是推动区块链和数字孪生技术的实践应用；政策制定者 4 人，重点关注教育新基建评估体系的优化改进。

2.2 德尔菲问卷设计

2.2.1 问卷结构

问卷结构包含制度完备度、技术融合度、数据治理度、人才适配度、生态协同度五大模块。量表设计采用 Likert5 级量表评估指标重要性，并针对可操作性增设“数据获取难度”二级评分标准，其中 1 分表示数据不可获取，3 分表示需校方协助，5 分表示可直接提取。

2.2.2 指标筛选标准

专家认同度维度：筛选阈值为指标需获得专家组认同度≥80。例如，在首轮筛选中，“档案数字化率”仅获 52%专家支持率而被淘汰，专家组认为该指标已无法反映新基建环境下档案管理的核心需求，建议替换为“多模态档案智能识别准确率”。可量化性维度：筛选阈值为数据采集可行性评分≥4 分（5 分制）。例如，“区块链存证覆盖率”指标评分 4.7 分，因其可通过联盟链浏览器实时抓取节点数据而被保留；而“档案情感分析深度”指标评分 3.2 分，因依赖人工标注被暂缓纳入，需优化NLP 自动分析算法后复审。

政策相关性维度：筛选阈值为与国家标准《GB/T 37988-2019 信息安全技术 数据安全能力成熟度模型》匹配度≥70%。例如，将“隐私计算”与“数据安全”指标合并，形成复合指标“隐私增强技术合规应用率”。

2.3 指标池构建与筛选

2.3.1 初步指标池生成

指标池的选择主要来源于以下三个方面：政策文本方面，提取《GB/T 50328-2014》核心条款与配套政策，选取包括“区块链存证覆盖率”“动态更新机制成熟度”等 12 项；企业实践方面，选取华为“边缘节点部署密度”、商汤“联邦学习算法”等 9 项；学术研究方面，提取近三年CNKI 核心期刊与前沿课题的高频词“数据主权合规率”“跨域响应时效”等 11 项。

2.3.2 德尔菲法多轮筛选

第一轮开放式问卷阶段：提供政策原文（《GB/T 50328-2014》）、企业白皮书（华为/商汤）、学术文献库（CNKI 核心期刊 30 篇），要求专家自由提出指标，并标注来源类型。收集到 58 项指标，经合并去重后得到 32 项。第二轮闭合式评分阶段：采用 Likert5 分量表，对可量化性单独标注。计算均值与变异系数（CV），CV=（标准差/均值）*1

00% 。CV＞30%的指标直接剔除；可量化性评分＜3 分的指标合并。最终保留 20 项指标，淘汰率 37.5%。第三轮权重赋分阶段：专家对保留指标按 0-10 分赋分，强制正态分布（前 30%指标权重 ⩾0.8 ），同时达成共识标准：CV≤20%且均值≥4 分。

2.4 组合权重计算

2.4.1 德尔菲法主观权重计算

专家独立评分：邀请选定的专家针对特定的指标或问题，使用 1-9 标度法进行独立评分，其中 1 表示极不重要，9 表示极重要。计算均值与标准差：计算均值与标准差：对于每个指标，计算专家评分的均值（തx）和标准差ቀσቁ。均值的计算公式 ，标准差的计算公式为： ，其中 n 是专家的数量，ݔ௜是第i个专家的评分。

剔除离群值：将评分落在均值±2σ范围之外的数据视为离群值，并将其剔除。

归一化处理，得主观权重矩阵：对于每个指标，将剔除离群值后的评分进行归一化处理，得到该指标的主观权重。归一化的计算公式为： ，其中w是第i个指标的权重，ݔ 是第i个指标的评分。

2.4.2 熵值法客观权重计算

熵值法是一种基于信息熵理论的客观赋权方法，通过数据本身的离散程度确定指标权重。其核心思想是：指标数据越离散，熵值越小，信息是越大，权重越高。以下是具体步骤：

数据标准化：由于不同指标的量纲和数量级可能不同，首先需要对原始数据进行标准化处理，消除量纲的影响。常用的标准化方法包括：

正向指标（越大越好）：

负向指标（越小越好）：

其中， x_ij？ 第i个样本的第j个指标值， y_ijY 标准化后的值，若某指标所有数据相同，直接赋权重 0，跳过后续计算。计算比重݌୧୨：对标准化后的数据，计算每个样本值占该指标总值的比重：

处理零值： ，可替代为极小值，避免ln（0）无效计算。计算熵值E୨：利用信息熵公式计算各指标熵值：

其中，n 为样本数， ，用于归一化，熵值范围： 0⩽E_j⩽1，E_j=1 ：数据完全均匀，权重为 0； E_j=0 ：数据极度集中，权重最高。

计算差异系数݀ ：熵值越小，差异系数越大，反映指标重要性： 。确定权重ܹ：归一化差异系数，达到各指标权重：

2.4.3 线性组合赋权

线性组合赋权是一种将主观权重和客观权重相结合的方法，通过设定一定的比例分配，实现对权重的综合调整。本文主客观权重按照 6：4 的比例进行组合，具体表达式为：

W_j=0.6W_Dj+0.4W_Ej

2.5 动态调优机制

建立动态调优机制，依据高校 MI指标体系和评估方法进行调整优化。采用权重年度衰减规则，对于一些随着 重 衰减，确保评估重点与发展需求相匹配。实施新增指标预分配，当出现新的档案管理 提前规划新增指标，并合理分配其权重，保证评估体系的前瞻性和适应性。

3 实证分析与等级划分

3.1 样本数据采集

本研究为确保样本的代表性和全面性，选取了 12 所甘肃省高校 2023 年的数据作为样本。评价体系给出了指标对应的详细评分细则，以产学研联合项目数为例：评分区间为 0-100 分，评分标准为每年开展 3 个以上产学研联合项目，且项目具有较高的创新性和影响力，可得 80-100 分；每年开展 1-2 个项目，有一定的合作成果，可得 60-79 分；每年未开展产学研联合项目，缺乏与高校和科研机构的合作，可得 0-59 分。

3.2 成熟度等级划分

运用 K-means 聚类分析方法，将 HEA-MMI 划分为5 个等级，样本数据具体情况用成熟度等级分布雷达图表示，如下图：

初始级：此阶段高校在档案管理方面制度严重缺失，技术应用率低，档案管理工作处于较为原始的状态，缺乏有效的规范和先进技术的支撑。成长级：高校开始进行局部试点工作，但数据孤岛现象仍然存在，不同部门或系统之间的数据难以实现有效共享和流通，限制了档案管理效率的提升。规范级：高校档案管理体系已较为健全，初步实现了跨域协同，不同领域之间的档案管理工作能够进行一定程度的协作和整合，提高了整体管理水平。优化级：以智能驱动为主要特征，技术交易贡献率超过平均水平，表明高校在档案管理中充分利用智能技术，通过技术交易等方式推动档案管理的创新和发展。卓越级：高校在档案管理领域具有生态引领作用，能够主导国际标准的制定，代表着高校档案管理的最高水平，在国际上具有较强的影响力。

4 管理启示与政策建议

4.1 高校改进路径

技术融合优先：高校应高度重视技术融合，积极部署区块链存证系统，增加其覆盖率，利用区块链的不可篡改、可追溯等特性，保障档案数据的安全性和真实性。同时，构建数字孪生档案库，通过数字孪生技术实现档案的虚拟映射和实时监控，提高档案管理的效率和准确性。

人才梯队建设：开设“档案+人工智能”双学位项目，培养既懂档案管理又掌握人工智能技术的复合型人才，大力提高复合型人才占比，为高校档案管理的智能化发展提供人才支撑。生态协同深化：高校应加强与头部企业的合作，共建联邦学习实验室，提高联合项目合作率。通过与企业的合作，实现资源共享、优势互补，共同推动高校档案管理的创新和发展。

4.2 政策制定建议

分级扶持策略：对于初始级高校，政府协助建立基础管理制度框架，提供技术培训，解决制度缺失问题。成长级高校，应设立专项基金完善数字基础设施，推动数据标准化以打破信息孤岛。规范级高校需搭建跨域协同平台，组织经验交流活动，深化档案整合与资源共享。优化级高校需设立技术创新奖励基金，建立技术交易服务平台，提升智能技术应用水平。卓越级高校要积极参与国际标准制定，推动国际学术合作，强化生态引领作用。

监测机制：首先建设 HEA-MMI 数据库，按季度更新成熟度雷达图，及时掌握高校档案管理成熟度的动态变化，为政策制定和高校改进提供数据支持，同时设立“红黄蓝”预警机制，对连续两年降级的高校启动整改督导，促使高校重视档案管理工作，不断提升管理水平。

5 结论与展望

HEA-MMI 指数成功填补了新基建档案管理量化评估工具的空白，其组合权重模型在 12 所高校的实证研究中展现出良好的效度，能够较为准确地评估高校档案管理的成熟度。

未来的研究方向主要包括：引入量子计算优化权重算法，利用量子计算的强大计算能力，提升模型的抗干扰能力和计算精度；拓展评估对象至省内全部高校与职业院校，构建全域评价网络，使评估结果更具全面性和代表性，为不同类型高校的档案管理提供更有针对性的指导。

参考文献：

]国家发改委：首次明确“新基建”范围[J].通用机械，2020（5）：10.

[2]任远坤.数学视角下档案工作绩效评估指标体系建构与量化分析[J].山西档案，2024（11）.

[3]胡水星等.我国高校大数据治理能力成熟度模型的构建与实践—基于 CMM 与 ISM 融合研究的视角[J].远程教育杂志，2024，42（04）.

[4]吴倩.孪生档案馆：基于数字孪生的新型档案服务模式[J].北京档案.2022（04）.

[5]美国国家档案与记录管理局.《联邦 RIM 计划成熟度模型用户指南》分析报告[EB/OL]. （2023-08-15）[2025-01-03].https： //www.archives.gov/files/records-mgmt/prmd/maturity-model-user-guide.pdf.MIT Technology Evaluation Lab.（2023）.Technology Rea diness Assessment：A Quantitative Framework. MIT Press.Boyd S.《Distributed Optimization and Statistical Learning via ADMM》， 2023.

作者简介：（1979.6-），汉族，硕士研究生，副研究馆员工作单位：档案馆研究方向：档案信息化、路易·艾黎档案研究项目：2024 年度兰州市哲学社会科学规划项目（24-B56）