移動互聯網下的一種勝任力模型構建方法研究

李澎林，方莉倩，李 偉

(浙江工業大學 計算機科學與技術學院， 浙江 杭州 310023)

?

移動互聯網下的一種勝任力模型構建方法研究

李澎林，方莉倩，李 偉

(浙江工業大學 計算機科學與技術學院， 浙江 杭州 310023)

現有勝任力模型構建方法大多具有較強主觀性，以及缺乏工作過程數據分析，導致構建模型缺乏定量化的結果，對此結合當下移動互聯網的發展背景，在對傳統勝任力模型的研究基礎上，提出并設計了一種新的勝任力模型構建方法，重點討論了勝任力模型隱式特征的挖掘過程，給出了過程數據歸一化、權重量化以及差異性檢驗等相關數據處理方法，從而實現了勝任力特征的提煉以及各指標結果的量化，使之可進行實際的運用，最終結合實例對研究方法進行了驗證，實現對傳統勝任力模型的有益補充.

移動互聯網；勝任力模型；隱式特征；數據歸一化

勝任力模型(Competence model)是為了完成某項具體工作或達到某一業績目標所需要具備的一系列不同勝任力特征的組合.自1973年McClelland提出勝任力(Competence)概念以來[1]，人力資源管理過程中對員工知識、技能、動機和特質等要素與工作績效之間聯系的研究日益深入[2-3]，并被廣泛應用于招聘、培訓和考核等人事管理環節中.隨著移動互聯網技術[4-5]的迅速發展，移動辦公系統應運而生，被應用于企事業單位的考勤、審批和任務等各個工作環節中，系統記錄了大量的個人日常工作行為數據，這些數據也應參與到勝任力模型的構建過程中.目前，國內外學術界對勝任力模型構建方法的研究主要集中在管理領域.McClelland等采用開放式的行為回顧式調查技術提出行為事件訪談法[6]；Mansfield & Mathew利用職能分析法[7]開發了包括技術期望、管理權變、管理不同的工作活動以及管理工作環境的接口等方面的工作能力模型；王重鳴、陳民科基于勝任力特征的分析，設計了管理綜合素質評價量表[8]；Patricia Mclagan公司通過分析績效的方式確定勝任力.雖然研究成果已經在實踐中得以應用，但仍然存在一些不足，主要體現在以下兩個方面：1) 勝任力模型構建方法主要依賴于研究人員的外部觀察或者經驗判斷，缺乏定量化指標，主觀性較強，這也導致了構建的勝任力模型結果缺乏可靠性；2) 勝任力模型構建過程注重“結果導向”，忽略過程考核數據的參與，其分析結果必然存在偏差.移動辦公APP發展迅速，如釘釘、有道云協作等APP都已較廣泛應用于企業日常辦公，一些企業也開始研發符合自身需求的移動辦公系統.隨著移動辦公APP應用的日趨廣泛，如何將移動辦公APP采集的工作過程數據參與到勝任力模型構建過程，也成為一個新的研究課題.從而能有效彌補現有勝任力模型存在的缺點與不足，在大數據時代通過移動互聯網技術將移動辦公APP中的海量行為數據轉化為支持企業決策的勝任力模型，實現“企業大數據”的價值化，使企業的決策從“業務驅動”轉化為“數據驅動”.

基于上述分析，筆者在現有勝任力模型研究基礎上，結合移動辦公APP的功能與特點，重新設計了勝任力模型構建流程，提出了勝任力特征量化的計算方法，并重點對采集數據的歸一化、權重量化以及差異性檢驗等計算處理方法進行了討論，最終結合實例對方法進行驗證，使之可進行實際的運用.

1 傳統勝任力模型

勝任力模型是指擔任某一特定職位或任務角色所需要具備的勝任力特征的總和，可表示為

CM={CIi，i=1,2，…，n}

(1)

式中：CM為勝任力模型；CI為勝任力特征；CIi為第i個勝任特征；n為勝任力特征的數目[9].勝任力模型主要以冰山模型(Iceberg competency model)為理論基礎.圖1即為冰山模型.

圖1 冰山模型Fig.1 Iceberg competency model

根據上述模型，各種勝任力特征CI可被描述為兩部分：

1) 顯式特征，即冰山以上部分特征，如行為、知識和技能等，屬于容易培養發展的部分，識別起來也比較容易見成效.此部分特征較容易通過考察資質證書、考試和簡歷等客觀數據來測量.

2) 隱式特征，即冰山水下部分特征，如價值觀、態度、社會角色和自我形象等，是比較難于評價和改進的，卻是決定人們行為及表現的關鍵性因素，是值得深入研究和挖掘的部分.此部分特征往往難以用客觀數據直接度量，但可以通過分析過程數據間接獲取.

目前，勝任力模型構建的主要方法有行為事件訪談法、問卷調查法、職能分析法和情景法等，但這些構建方法主要依賴于研究人員或被測人員的主觀意識，是對勝任力特征定性化識別和確認的過程.因此，構建的勝任力模型往往用定性的方式進行表達，而缺乏量化的指標，一定程度上不能滿足企業日益變化的人事管理需求，需要引入移動互聯網相關技術以彌補不足.

2 改進的勝任力模型構建流程

如前所述，隱式特征蘊藏于過程數據中，需要通過分析挖掘過程才能獲取，為此，在現有勝任力模型構建方法研究基礎上，提出了基于工作過程數據分析計算的勝任力模型構建流程，具體描述如圖2所示.

圖2 改進的勝任力模型構建流程圖Fig.2 Improved competency model construction flow chart

2.1 樣本準備

樣本準備包括確定績效標準和選取校標樣本.確定績效標準指采用專家小組討論法或工作分析法確定能夠評估工作績效優秀人員的指標或者標準.選取校標樣本指按照確定的績效標準，分別從績效優秀組和績效普通組的員工中分層、分類抽取一定數量的員工作為勝任力提煉的樣本數據.

2.2 數據準備

數據準備包括確定能力特征集和數據采集：

1) 能力特征集(Ability feature set)指進行勝任力特征提煉需要采集的數據類型集合，包括人員信息、時間信息、地點信息、類型信息和評分信息等等可用移動辦公APP采集且與工作績效相關的工作數據類型集合，即

AFs={AFi，i=1,2，…，n}

(2)

式中：AFs為能力特征集；AFi為第i個能力特征項(Ability feature).

2) 數據采集指根據確定的能力特征集，利用移動辦公APP數據錄入、編輯和傳輸等功能對AFi進行采集的過程.

2.3 數據歸一化

由于不同評價指標往往具有不同的量綱和量綱單位，為消除指標之間的量綱影響，必須對采集的數據集AFs的原始數據進行數據歸一化處理[10](Normalization)，得到每個原始數據項的評估值.歸一化處理后數據項值Naf(AFi)為

(3)

歸一化處理后的數據項值Naf(AFi)的取值為原始值通過Min-Max標準化映射在區間[0,1]中的值.

2.4 數據權重量化

2.5 數據差異性對比

為了實現勝任力特征的最終提煉，需要利用普遍應用于差異性檢驗的兩獨立樣本t檢驗方法[12]識別績效優秀組與績效一般組各數據項值Naf(AFi)是否存在差異，并用差異系數(Coefficient of variation)CV(Naf(AFi))表示.差異系數取值范圍為0或1，其中0表示不存在差異，1表示存在差異.

假設從績效優秀組和績效一般組分別抽取樣本Sex和Sno，樣本容量分別為N和M，數據項值Naf(AFi)的樣本均值分別為AVexi和AVnoi，樣本總體方差分別為PVexi和PVnoi，假設H0為兩數據項均值之間不存在顯著差異，利用f檢驗判斷兩總體的方差是否相同，如相等則采用t統計量計算式為

(4)

(5)

如果不同情況，則采用t統計量計算為

(6)

其中自由度采用修正的自由度，即

(7)

通過對各數據項值Naf(AFi)進行差異性檢驗，可得到各數據項對應的差異系數sw(AFi,CI).

2.6 構建模型

利用各數據項AFi對于勝任力特征CI的支持權重sw(AFi,CI)和差異系數CV(Naf(AFi))，可確定每個勝任力特征的量化指標T(CIt)為

(8)

指標值T(CIt)越大表示該公司或職務對勝任力特征CIt的需求程度越高.最終得到量化勝任力特征的勝任力模型為

CM={(CIi,T(CIi)),T(CIi)>0且i=1,2，…，n}

(9)

3 模型設計與應用

基于前述，能力特征集(AFs)是模型計算的數據基礎，其中能力特征項(AFi)分布于個體日常工作行為數據中，由于日常工作行為類型多樣，無法一一表述，所以將自覺性、主動性、合作精神、責任感及執行力作為勝任力特征提煉目標，考勤早到時間、考勤晚退時間、任務早執行時間、任務早完成時間和任務評分等幾項作為能力特征項，結合移動辦公系統中的考勤模塊和任務模塊來討論勝任力模型的設計過程.

3.1 存儲模型設計

能力特征集AFs={考勤早到時間，考勤晚退時間，任務早執行時間，任務早完成時間，任務評分}，相關數據通過考勤模塊和任務模塊間接獲取.

1) 考勤模塊主要獲取考勤早到時間(early_in_time)，考勤晚退時間(late_out_time)數據.涉及表為人員表(t_staff)、考勤排班表(t_workshift)和考勤記錄表(t_attendance)等實體表組成.人員表存儲人員基本信息；考勤排班表存儲組織各類人員考勤應到時間(should_in_time)和應退時間(should_out_time)信息；考勤記錄表記錄人員考勤實到時間(real_in_time)和實退時間(real_out_time)信息.

2) 任務模塊主要獲取任務早執行時間(early_start_time)，任務早完成時間(early_end_time)，任務評分(scores)數據.涉及表為人員表(t_staff)、任務分配表(t_schedule)和任務進度表(t_task)等實體表組成.其中任務分配表存儲組織各類人員各項任務內容和任務應開始時間(should_start_time)、應完成時間(should_end_time)信息；任務進度表記錄人員任務評分(scores)和任務實際開始時間(real_start_time)、實際完成時間(real_end_time)信息.

根據模塊中實體關系以及各數據庫表構建出存儲模型，具體設計如圖3所示.

圖3 存儲模型設計圖Fig.3 Storage model design

其中，人員排班表(t_staff_workshift)、人員記錄表(t_staff_attend)、人員分配表(t_staff_task)和人員進度表(t_staff_schedule)為實體關系表，通過表間關系計算將采集的能力特征集AFs={early_in_time,late_out_time,early_start_time,early_end_time,scores}分別儲存于t_result_attend和t_result_task中.

3.2 模型應用

將采集的能力特征項(AFi)數據進行歸一化處理，使值映射于區間[0,1]，并根據崗位的實際需求確定各能力特征項對各勝任力特征的支持權重.以自覺性、主動性兩項勝任力特征的數據處理過程為例，通過專家討論法確定各能力特征項對自覺性、主動性的支持權重如表1所示.

表1 數據項權重量化描述列表

Table 1 Description list of weight of data items

數據名稱對應勝任力特征支持權重考勤早到時間(early＿in＿time)自覺性0．3主動性0．1考勤晚退時間(late＿out＿time)自覺性0．3主動性0．2任務早執行時間(early＿start＿time)自覺性0．2主動性0．3任務早完成時間(early＿end＿time)自覺性0．1主動性0．3任務評分(scores)自覺性0．1主動性0．1

將校標樣本歸一化處理后的能力特征項(AFi)數據進行差異性對比，確定各數據項的差異系數，結合各數據項對各勝任力特征的支持權重，計算確定各勝任力特征以及量化指標，如表2所示.

表2 勝任力特征量化描述列表

Table 2 A list of quantitative description of competency

數據類型自覺性主動性差異系數考勤早到時間0．30．11考勤晚退時間0．30．21任務早執行時間0．20．30任務早完成時間0．10．31任務評分0．10．11指標值0．80．7

以此類推，可計算合作精神、責任感和執行力等勝任力特征的指標值，最終得到的勝任力模型將是由各勝任力特征以及其量化指標共同構成的模型，即CM={(自覺性，0.8)，(主動性，0.7)，(合作精神，0.6)，(責任感，0.6)，(執行力，0.7)}，如圖4所示.

圖4 勝任力特征及其定量指標量化圖Fig.4 Competency characteristics and quantitative index description

同時，采用最為快捷、便利的數據收集方法即問卷調查法對上述結果進行驗證，通過調查統計上述勝任力特征重要程度的結果，筆者認為上述方法具有一定的科學合理性.由于筆者提出的勝任力模型構建依賴于移動辦公APP中的工作過程數據，因此其將更適用于內部競聘過程中.勝任力模型在內部競聘中的應用是指基于筆者提出的方法對績效優秀組和目標人員的工作過程數據進行分析，得到目標人員的各勝任力特征指標，從而識別目標人員的個體特征.并由圖4可知：若人員各勝任力特征值在勝任力模型基準線的外圍，則該人員可被視為具有勝任力，且離基準線越遠，勝任力特征越明顯.由此，企業依據移動辦公系統采集的數據，基于筆者提出的

方法，對每個內部應聘者或績效考核者等進行勝任力量化計算，最后通過形成勝任力量化圖，客觀地表現對人員能力的評價.

4 結 論

就如何構建基于移動互聯網背景下的勝任力模型的相關問題進行了研究，提出了一種移動互聯網環境下的勝任力模型構建方法，并對數據采集、歸一化處理及權重量化等數據處理方法進行了說明，通過數據差異性比較，最終提煉出勝任力特征以及其量化的指標，從而構建出定量化的勝任力模型.需要指出的是，由于日常工作行為數據類型多樣，考慮到篇幅限制，只對考勤、任務等直接工作數據進行了處理說明，而并未對其他潛在的工作數據進行分析處理，后續工作可基于本論文所提方法，對其他類型工作數據進行討論、分析及完善，使得勝任力模型構建流程更具適用性.

[1]MCCLELLANDDC.Testingforcompetenceratherthanforintelligence[J].Americanpsychologist，1973，28(1)：1-14.

[2] 江衛東.基于AHP和BP神經網絡的企業R&D人員勝任力評價[J].系統工程理論與實踐，2007，27(6)：56-63.

[3] 陳波，唐相艷，于泠，等.基于勝任力模型的社交網絡意見領袖識別方法[J].通信學報，2014，35(11)：102-108.

[4] 張平，崔琪楣，侯延昭，等.移動大數據時代：無線網絡的挑戰與機遇[J].科學通報，2015，60(5)：433-438.

[5] 周曉，邊裕挺，李杰.基于Android智能終端的WSN監控系統[J].浙江工業大學學報，2013，41(5)：558-561.

[6]MCCLELLANDDC，BOYATZISRE.Leadershipmotivepatternandlong-termsuccessinmanagement[J].Humanresourcemanagement，1982，67(6)：737-743.

[7]MANSFIELDRS.Buildingcompetencymodels：approachesforHRprofessionals[J].Humanresourcemanagement，1996，35(1)：7-18.

[8] 王重鳴，陳民科.管理勝任力特征分析：結構方程模型檢驗[J].心理科學,2002，25(5)：513-516.

[9] 張慶.基于勝任力的人力資源招聘選拔[J].工業技術經濟，2009，28(9)：107-112.

[10] 陳鯉江，景程，吳姚鑫，等.數學表達式的歸一化方法研究[J].浙江工業大學學報，2012，40(2)：229-232.

[11] 洪飛，吳劍國.可靠性分析的改進加權響應面法[J].浙江工業大學學報，2012，40(1)：106-110.

[12] 袁鵬程，雋志才.區域交通網絡行程時間估計的半Markov鏈模型[J].系統管理學報，2014，23(5)：690-697.

(責任編輯：陳石平)

Research on the construction method of competency model in mobile Internet

LI Penglin, FANG Liqian, LI Wei

(College of Computer Science and Technology, Zhejiang University of Technology, Hangzhou 310023, China)

Most existing building methods of competency model are of strong subjectivity, and lack of data analysis in the working process. It leads to the model with lack of quantitative results. Based on the research of traditional competency model and the development of the current mobile Internet, a new model construction process is designed in this paper and the mining process of implicit feature of competency model is discussed. The related data process methods, such as process data normalization, weight quantification and difference test, are discussed. Then the competency features are extracted and the indicator results are quantified. Finally, the research method is verified by an example, and the traditional competency model can be complemented usefully.

mobile internet; competency model; implicit feature; data normalization

2016-02-25

李澎林(1968—)，男，浙江上虞人，教授，碩士，研究方向為管理信息系統、移動互聯網技術，E-mail：lpl@zjut.edu.cn.

TP311

A

1006-4303(2016)06-0614-05