解构水晶球：从非正式预测到原则化创业评估的 SAISE 框架
计算工程、金融与科学
2025-08-08 v1 综合经济学
经济学
摘要
人工智能(AI)融入创业评估 represents a significant technological shift，但其背后的学术研究在方法论上仍显碎片化。现有研究常采用非正式方法，导致定义不一致、特征缺乏理论依据且缺乏严格验证的研究体系。这种碎片化严重限制了当前预测模型的可比性、可靠性和实际实用性。为此，本文提出了对 57 项实证研究的全面系统文献综述。我们系统性地解构了当前的 state-of-the-art，通过映射特征、算法、数据来源和评估实践，描绘了 AI 驱动创业预测领域的全貌。我们的综述揭示了一个核心悖论：在工具链上高度统一——风险数据库和基于树的集成方法——但在方法论严谨性上却大相径庭。我们识别出四个根本性弱点：对“成功”定义的碎片化、理论驱动与数据驱动特征工程之间的鸿沟、常见实践与最佳实践模型验证之间的鸿沟、以及数据伦理和可解释性方法的初级阶段。在此基础上，我们的首要贡献是提出 Systemic AI-driven Startup Evaluation(SAISE) 框架。这一新型、五阶段的 prescription 路线图旨在引导研究者从非正式预测走向原则化评估。通过强制执行强调阶段化问题定义、理论驱动数据综合、原则化特征工程、严格验证和风险感知解释的端到端方法论，SAISE 框架为在这一快速成熟领域进行更具可比性、更稳健且更具实际相关性的研究提供了新标准。
引用
@article{arxiv.2508.05491,
title = {Deconstructing the Crystal Ball: From Ad-Hoc Prediction to Principled Startup Evaluation with the SAISE Framework},
author = {Seyed Mohammad Ali Jafari and Ali Mobini Dehkordi and Ehsan Chitsaz and Yadollah Yaghoobzadeh},
journal= {arXiv preprint arXiv:2508.05491},
year = {2025}
}