1.1　研究设计

扎根理论(Grounded Theory，GT)，由Glazer等提出，是一种以研究问题为导向的质性研究方法论。该方法论植根于实际数据，通过自下而上的方式逐层深入构建理论，已成为社会科学领域中质性研究的重要范式，在因素识别和作用路径研究等领域具有广泛应用，特别适用于现有解释深度不足或理论框架尚不完善的研究场景^[10-11]。鉴于目前重大建设工程技术创新成果转化风险因素研究系统性较低且理论有待完善的现状，本文采用程序化扎根理论，严格按照“开放性编码—主轴编码—选择性编码”的流程，深入萃取重大建设工程技术创新成果转化过程中的风险因素，并以此为基础构建风险因素清单。

1.2　资料收集与整理

扎根理论强调资料来源的多样性，本文通过文献分析、专家访谈、案例调研3种方式获取质性研究资料。

文献分析。通过深入搜索和梳理各级政府官方网站、企事业单位官方网站以及中国法律信息总库，整理出现行关于重大建设工程技术创新成果转化的相关政策和管理办法，总计获得23份文件。广泛检索CNKI、Web of Science、Elsevier等数据库，筛选出与研究主题高度相关且具有代表性的论文55篇。通过对这些文献的深入研究，提取227条原始语料。

专家访谈。采用半结构化访谈方式，邀请来自国铁集团工管中心、铁科院、中南大学、东北大学、中铁大桥院等单位的10位专家参与访谈。访谈的核心议题聚焦于专家们所在单位在重大建设工程技术创新成果转化方面的实践，以及对成果转化风险的认识与重视程度。通过对访谈内容的细致分析，整理得到63条原始语料。

案例调研。依托所参与的课题开展案例调研，涉及国家重点研发计划某重点专项子课题“岩爆产生演化机理及安全防控技术”、国家自然科学基金专项“大跨度悬索桥建造及耐久性保持技术”、中国中铁科技研发计划项目“新型装配式轨道结构智能建造技术”，共获取任务书3份、内部管理制度11份、月度例会记录8份，编写调研报告3份。经对以上资料分析处理，共获得66条原始语料。

1.3　资料编码

2.1　模型框架设计

重大建设工程技术创新成果转化风险预警DEMATEL-ISM-BN模型的主要研究思路为：首先在成果转化风险因素清单的基础上，应用DEMATEL方法，融合专家知识，建立综合影响矩阵，旨在从普适性角度深入剖析各风险因素的属性、重要度及其相互影响的程度，有助于了解各风险因素的本质特征，也可与实际情境下的风险预警结果进行对比。其次通过设置阈值，将综合影响矩阵转换为标准可达矩阵，应用ISM方法将原本复杂的系统分解为若干个子系统，进而构建出一个多层递阶结构模型，以揭示各风险因素间的作用路径，阐明风险因素的作用机理，同时也为贝叶斯网络构建奠定基础。最后，将多层递阶结构模型参照一定的映射逻辑转化为贝叶斯网络拓扑结构，基于三角模糊数计算根节点先验概率，引入Noisy-or gate模型假设确定条件概率表，利用BN的强大推理能力，通过因果推理、逆向推理、敏感性分析、最大致因链分析等方式实现对风险因素及其相互关系的量化研究，从而挖掘实际情境下的风险因素特性，精准辨识关键风险因素，为风险预警提供系统化的技术支持。具体模型框架如图1所示。

图1全屏查看

技术创新成果转化风险预警DEMATEL-ISM-BN模型框架

2.2　基于DEMATEL的风险因素辨析

将“成果转化总效益受损”定义为风险事件I，采用定向问卷调查的方式确定风险因素间、风险因素与风险事件间的影响程度，具体判定标准为：采用0～4的评价标度(0为没有影响关系，1为影响关系较弱，2为影响关系一般，3为影响关系较强，4为影响关系很强)计量影响程度。由于22*22的矩阵量表较为复杂，为减轻专家决策的成本投入并提高调查的准确性，根据文献逻辑、调研情况和储备知识，相对扩大风险因素间、风险因素与风险事件间的影响关系，经行业专家评判后，预先建立包含161项二进制有向关系数据的邻接矩阵。邀请16位具有丰富经验且多次参与过重大建设工程技术创新成果转化的专家对以上161项有向关系数据按标度进行打分。对问卷进行回收，为保证矩阵数据的可靠性，本文选取Cronbach’s α来测量矩阵数据的内在一致性信度，利用KMO检验和Bartlett球形度检验进行效度分析。将161项量表数据导入SPSS26.0软件进行检验，结果显示Cronbach’s α值为0.905，KMO值为0.812，Bartlett球形检验显著性水平为0.000，表明调查数据信效度较高，能够真实可靠地反映专家对影响程度的判断。将以上矩阵数据分别对应取平均值，得到初始直接影响矩阵()，其中表示风险因素Ri对Rj(或I)的直接影响程度。参照式(1)对初始直接影响矩阵进行标准化处理，得出标准化直接影响矩阵。

(1)

其次，参照式(2)求解综合影响矩阵，其中为单位矩阵，进一步量化各风险因素对其他风险因素或风险事件的影响程度。

(2)

再次，参照式(3)和式(4)计算风险因素的影响度、被影响度，并参照式(5)和式(6)计算中心度、原因度。在此基础上，计算中心度和原因度的均值为1.819 5和0，并以此分为4个象限^[13]，绘制以中心度为横坐标、原因度为纵坐标的风险因素因果关系图，如图2。

图2全屏查看

各风险因素因果关系

(3)

(4)

(5)

(6)

中心度为正向指标，反映风险因素在重大建设工程技术创新成果转化过程中的重要程度。由图2可见，中心度较大的风险因素有R₁₄、R₂₀、R₁₈、R₇、R₁₅，其在风险传导网络中处于枢纽位置并起到关键的中介作用^[14]，具备较强的网络控制力，是风险防控应关注的重点因素。原因度的符号则反映风险因素的原因属性或结果属性，其绝对值反映因果属性的程度。原因因素中原因度较高的有R₉、R₁、R₃、R₅、R₂，这些风险因素驱动其他风险因素发生，往往承担着风险源的角色且对其他风险产生的影响较大。结果因素中原因度较低的有R₂₀、R₁₄、R₂₁、R₁₅、R₇，这些风险因素在系统中更容易遭受其他风险因素影响，往往会造成风险事件发生。

2.3　基于ISM的风险因素作用路径解析

在综合影响矩阵的基础上，参照式(7)计算整体影响矩阵。本文利用MATLAB编写阈值的取值程序，的取值范围在[0.05,0.25]之间，并以每次0.01的增加幅度分别构建可达矩阵并进行风险因素层次划分。考虑到层次划分的合理性和最优性，结合重大建设工程技术创新成果转化的实际情况，经反复迭代与专家判断，最终设定的取值为0.15。参照式(8)和式(9)构建可达矩阵，并通过布尔代数运算将其转化为标准可达矩阵。

(7)

(8)

式(8)中，表示因素与因素是否存在有向通路，其定义式如式(9)所示：

(9)

参照式(10)～(12)，分别计算可达集、先行集、共同集。由于重大建设工程技术创新成果转化风险预警更注重对风险源的发生概率进行监测，本文选择按照原因优先的抽取原则进行层级分解并构建DOWN型多层递阶解释结构模型，从而能够更加直观清晰地展现最底层风险因素^[15]。原因优先的抽取原则为：当时，就抽取相关元素，并将抽取的元素放于最下方，按照由下至上的顺序依次抽取所有元素，直至所有元素都完成层级划分。为使层次结构更加严谨、一目了然，本文设置了7个虚节点(X₁～X₇)来优化调整层次结构，最终绘制出多层递阶解释结构模型，如图3所示。

(10)

(11)

(12)

图3全屏查看

多层递接解释结构模型

由图3可见，6级3阶的有向层次化解释结构反映了风险因素作用的路径以及风险因素逐级传导的作用机制。VI级是由根源因素构成的本质致险阶，共有8项风险因素，其具备风险源的属性，是风险预警监测的重点；III级、IV级和V级是由过渡因素构成的过渡致险阶，共有11项风险因素，它们起到承上启下的枢纽作用，是风险传导的中枢；II级是由表层因素构成的近邻致险阶，共有2项风险因素且均属效益风险，这些风险因素是具有结果导向的风险作用终结点，极易引起I级风险事件发生进而造成重大损失。综合上述层次结构及作用路径分析可知，重大建设工程技术创新成果转化风险因素之间存在复杂的非线性关联，并基于风险因素作用路径形成了多重风险网络。

2.4　基于BN的风险预警分析

由于重大建设工程技术创新成果转化风险的历史案例数据严重缺乏，很难采用机器学习的方式获得理想的贝叶斯网络模型，因此本文选择借助专家知识与历史经验构建贝叶斯网络模型并进行风险预警分析。

1) 贝叶斯网络拓扑结构构建。将已构建的多级递阶结构模型映射为贝叶斯网络拓扑结构，即将风险事件I映射为叶节点，VI级风险因素(R₁、R₂、R₃、R₄、R₅、R₉、R₁₁、R₁₉)映射为根节点，其余层级对风险因素映射为中间节点，风险因素的作用路径映射为有向边。分别定义各节点的状态，其中Y表征风险发生的概率，N表征风险不发生的概率。

2) 根节点先验概率确定。由于风险因素众多且风险发生概率难用一个确切的数值表示，只能表示为一种模糊关系。针对贝叶斯网络模型推理时过度依赖根节点先验概率精确值的问题，本文引入模糊理论，应用三角模糊数法来刻画根节点的先验概率。首先参照GB/T 22900—2022、GB/T 21562—2008、EN50126定义根节点先验概率的等级标准并将其语言值用三角模糊数表示，具体定义见表4。

其次采用均值面积法和依赖不确定性有序加权平均(DUOWA)算子思想^[16]整合具有不确定性权重的专家评判值。具体计算过程如下。

步骤1：设为解模糊化的专家评估值，为专家评估模糊数的算术平均值。参照式(13)计算算数平均模糊数。

(13)

步骤2：设为与的距离测度，表示与相似度。参照式(14)、式(15)计算相似度。

(14)

(15)

步骤3：参照式(16)，根据相似度计算权重系数。

(16)

步骤4：综合各位专家评估结果，参照式(17)计算去模糊化的根节点先验概率精确评估值。

(17)

3) 条件概率表确定。本文引入Noisy-or gate模型计算贝叶斯网络非根节点的条件概率。Noisy-or gate模型^[17]可在已知网络结构和专家知识的情况下，借助较少的数据需求量近似确定贝叶斯网络条件概率表，目前在应用实例中已取得良好的效果^[18]。当某非根节点存在2个状态且有n个父节点时，Noisy-or gate模型可以使条件概率表的项数由2n项转变为2n项，极大程度地减轻了数据采集量。Noisy-or gate模型假设：网络中所有节点状态为二级变量，且所有节点相互独立；每个父节点可单独影响子节点的状态改变；考虑不可预测或未知的父节点存在导致子节点状态改变的情况。首先需确定单一父节点发生状态下子节点发生的概率，即，表示仅发生导致发生的概率；其次参照式(18)确定节点条件概率表的其他项。

(18)

4) 贝叶斯网络推理分析。借助贝叶斯网络良好的推理功能实现对成果转化风险的实时预警。成果转化风险预警是一个不断循环往复的过程，通过不断地采集实时的风险信息并更新贝叶斯网络，实现对成果转化风险的精准预测与诊断，并采取风险防控措施，通过重新采集风险信息并更新贝叶斯网络实现对风险防控效果进行检测，以确保风险发生概率处于合理的区间，具体流程如图4所示。

图4全屏查看

贝叶斯网络推理分析流程

首先将条件概率表与各根节点先验概率输入GeNIe 4.0软件中，通过因果推理功能计算得出非根节点风险后验概率的分布结果，参照基于ALARP准则^[19]的风险分级预警标准(见表5)发出警报，实现对成果转化风险的分级预测。其次通过风险诊断以识别关键风险因素及风险传导链路，具体过程包括：设置叶节点I的风险状态，通过逆向推理获取风险事件发生条件下各非叶节点的后验概率，进而筛选出对风险事件影响较大的风险因素；将叶节点I设为目标节点，通过敏感性分析快速识别出对风险事件发生较为敏感的风险因素；选择“Euclidean”作为距离函数^[20]，借助最大致因链分析功能确定各风险因素间的作用强度。然后针对风险诊断结果，可采取靶向风险防控措施削弱关键风险因素与风险传导链路在网络中的影响范围及影响量。同时不断采集风险信息并更新贝叶斯网络，将风险预测与风险诊断数据进行纵向对比，从而指导风险防控措施的持续优化与改进。

3.1　风险信息采集与处理

在自膨胀吸能吸波抗岩爆支护技术进入试验段示范应用前，由来自国铁集团科信部、L铁路技术创新中心、L铁路公司等的5名专家组成风险评估小组，根据新技术的属性特征、应用需求以及国家重点研发计划成果转化管理制度，经充分讨论编制各根节点的评语集。在此基础上，参照式(13)～式(17)，应用预先编写的Python程序确定各根节点先验概率的精确值，具体见表6。参照式(18)确定Noisy-or gate模型下的条件概率表。例如，节点R₁₅与其父节点R₆、R₇、R₈、R₁₈依赖关系的条件概率表如表7所示。

3.2　风险预警分析与结果讨论

将根节点先验概率与条件概率表输入GeNIe 4.0软件中，通过贝叶斯网络因果推理功能获取非根节点风险后验概率的分布结果并显示预警信号，如图5所示。其中R₁₈、R₁₄、R₁₅、R₂₀的预警信号为黄色，处于最低合理可行区域，说明风险管理人员需制定最为经济合理的防控措施，直至其降低到可忽略程度。叶节点“成果转化总效益受损I”的预警信号也为黄色，说明自膨胀吸能吸波抗岩爆支护技术尚未达到转化标准，国铁集团科信部、L铁路工程建设指挥部、L铁路技术创新中心等技术创新管理单位应暂不批准该项技术创新成果进入试验段试验。

图5全屏查看

贝叶斯网络因果推理结果

为进一步诊断风险诱因，利用贝叶斯网络的逆向推理、敏感性分析、最大致因链分析功能，对成果转化风险因素及风险传导链路进行定量研究，分别计算得出风险事件发生条件下非叶节点的后验概率、敏感度以及风险传导链路的作用强度，结果如图6所示。

图6全屏查看

贝叶斯网络逆向推理、敏感性分析、最大致因链分析结果

根节点风险因素由于具有风险源的属性，在事前易被采取针对性风险防控措施，是风险诊断过程应关注的重点。由图6可见，根节点中R₉、R₃、R₁₁、R₄的后验概率较大，是导致成果转化总效益受损可能性较大的风险因素。其中R₉的后验概率达52.91%，显著高于其他根节点风险因素，在风险防控中需被格外关注。根节点中R₉、R₁₁的敏感指数最高，稍微调整上述敏感性因素的风险水平，便可对成果转化总效益造成较大的影响。R₁₀→R₁₇、R₉→R₁₆、R₉→R₁₀的作用强度明显高于其他风险传导链路，它们对整个风险网络的影响较大，可以通过控制两端的风险因素切断这些链路从而降低风险水平。

综合上述分析，发现根节点风险因素中成果转化组织网络不健全R₉、知识产权机制不健全R₁₁对叶节点成果转化总效益受损I的影响程度最大，是自膨胀吸能吸波抗岩爆支护技术转化活动的关键风险因素。以上风险预测与诊断结果与国铁集团在工程现场的风险评价结果高度拟合，验证了模型的可行性和有效性。

为阻断关键风险在网络中的传导，尽可能避免成果转化总效益受损，本文提出以下靶向风险防控策略：针对R₉，国铁集团等需统筹协调好各技术创新主体间的合作关系，充分发挥技术创新成果转化平台优势，强化成果转化组织保障；针对R₁₁，需健全知识产权价值评估机制，组建利益分配领导小组，基于利益共享与风险共担原则，制定切实可行的利益分配方案，从而充分激发各主体的参与积极性与创造力。在采取以上策略后，应不断采集风险信息并更新贝叶斯网络，通过贝叶斯网络演化分析以优化风险防控策略，从而保障成果转化总效益目标的达成。