科技人才項目智能評審中的可行性與對策建議研究

陳卓 時艷琴 石雅婷 李楊

摘 要：科技人才項目智能評審立足科技人才項目的評審實踐，通過對數據情報的挖掘和分析，嘗試建立一套科技人才項目智能化評審的指標體系和權重設定，對申報人予以客觀的評分和排序，從而達到篩選出入選人員的目的。智能評審目前還處于研究和設想階段，替代“同行評議”還有一段很長的路要走，然而這正是人工智能驅動發展的趨勢。本文分析了科技人才項目智能評審的概念、可行性數據情報基礎和智能評審的優勢，并為智能評審在科技人才項目中的實現提出相關政策建議。

關鍵詞：數據情報;科技人才項目;智能評審;可行性

中圖分類號：TP311.52 文獻標識碼：A 文章編號：1671-2064（2019）23-0254-03

1 科技人才項目智能評審的概述

科技人才項目智能評審主要通過對申報人客觀真實的既往信息（包括申報人的科研背景、研究基礎與條件、個人與團隊發展情況，取得的科技成果、榮譽獎勵、市場認可等）和申報項目的綜合情況進行挖掘處理，并根據科技人才項目的宗旨設定評審的指標與權重，通過綜合評分和排名的方式遴選出最終入選者。科技人才項目智能評審的本質是對于數據情報的挖掘。智能評審在人才評價和項目評價中均具有重大價值。它的價值深藏于大數據當中，需要在針對“小數據”的傳統數據挖掘方法，篩選、改進、創造更合適的數據挖掘算法，以應對大數據的多源異構、規模巨大、快速多變等特性[1]。

從目前我國科技人才項目管理實踐看，在其運行管理鏈條上，評審這一重要環節中，主要以“同行評議”為主要評審形式，通過領域專家的集體決議或者個人打分排名確定最終入選人。為了防止同行評審中出現的問題影響科技人才項目評審的公平公正，許多研究者提出了初步的解決方案[2]。但是這些方案多是從同行專家著手，對專家的評審能力進行測評，并不能從根本上改變“同行評議”的局限性。專家評審項目時，項目自身特點的差異性往往會對專家項目評分結果的偏差程度造成不同的影響[3]。“同行評議”的局限性在于，領域專家的主觀的人為因素很大程度上決定了評審結果，而科技人才項目的管理者又難以判斷領域專家真正的學術水平，領域專家是否與申報人之間存在學術爭議與對立，或者需要規避的關系與道德風險等。不僅如此，在任何時候，包括同行評議的運行、優先領域的制定等在內的資源分配都是資助機構面臨的核心問題[4]。然而，同行評議是科學界對科技人才項目進行評審和對科研成果進行評估的一種基本方法。盡管這是一種主觀的方法，但迄今還沒有找到可以取代它的更好的評價方法[5]。

大數據科技帶來的現代化生產方式的轉變和人的實踐因素的凸顯挑戰了傳統倫理觀念[6]。智能評審的提出正是順應了大數據科技的發展趨勢，也切合國家提出的對于科技人才項目、基金、專項等進行“統籌”的大趨勢。

2 科技人才項目智能評審的可行性數據基礎

數字化是信息化的技術基礎，智能化是信息化發展的必然趨勢[7]。科技人才項目智能評審管理系統主要由項目申報、項目管理、查詢管理、預評審管理、評審管理、評審意見管理、評審結果管理、評審成果庫、配置管理、系統管理、評審軟件等模塊組成，設計一個功能完善、操作簡單、處理性能較快、安全性較高的科技人才項目智能化評審系統，滿足科技人才項目評審時的申報材料查閱、項目評審打分、排序與評審意見編制等功能。

2.1 申報數據源內容真實、程序嚴謹

科技人才項目中申報方所提交的申報內容通過了真實性審查才能進一步進行智能化評審。目前，科技人才項目的申報一般都依托網絡平臺或申報系統，先由申報人填寫申報材料，再交由申報人所在單位相關部門進行真實性審查，單位相關部門根據科技人才項目的申報通知及管理辦法對該申報人所填寫材料的真實性負有查證義務，對單位申報人申報的項目面臨的風險和不確定性因素進行判別，并對其真實性負責。這就在申報的源頭上確保了申報人所申報內容的真實性。

2.2 評審標準由人才項目的定位與情報數據挖掘結合生成

智能化評審是由計算機AI完成的，但是計算機AI是依據大量數據研究而生成的一套科學的評審指標體系而對申報人進行打分并排序的。評審標準的建立原則是保障科技人才項目宗旨的實現，評審標準的建立需要借鑒包括大數據、創新思維、互聯網+等情報數據挖掘手段。智能化評審依托相對應的人才項目管理系統，利用網絡通信技術、數據庫技術、大數據分析對科技人才項目申報評審管理的各個環節進行自動化、智能化管理，實現項目申報評審管理的無縫對接，能夠避免評審過程中人為因素的諸多局限性。

2.3 具備數據整合分析的技術條件

隨著新時期云計算技術、互聯網技術、數據庫技術、多媒體通信技術的快速發展，使得科技人才項目實現智能化評審具有可行性，如采用ASP.NET技術、B/S體系架構、數據庫技術和Web應用服務理論等技術開發一個科技人才項目智能評審系統，充分發揮信息化優勢，整合數據信息資源，引入了工作流技術、數據挖掘技術、組件技術等，有力地促進了科技項目評審系統向智能化評審方向發展的可能性[8]。

3 科技人才項目智能評審的優勢

3.1 智能評審的效率優勢

科技人才項目智能評審與傳統評審，具有顯而易見的效率優勢。例如，以一個入選人規模在100人左右的科技人才項目為例，申報人往往是入選人數的3～10倍，要將這些申報人通過形式審查、初審、復審等程序遴選出最后的入選人員，往往需要4～5名科技人才項目管理人員，1～2名信息技術人員，在完全順利的情況下，用2～3個月的時間才能完成。在專家聘請時需要遵循相關性原則、數量原則、分級優先原則及系統匹配人工校驗原則[9]。而智能化評審對于信息的處理則是極為高效的，在領域分組、打分標準、入選比例確定的情況下，最多需要2～3個工作日即可完成評審工作。當然，智能評審發展也是一個循序漸進的過程，在發展初期，尚不能完全取代“同行評議”的情況下，無法完全達到理想狀態，但能夠提升評審工作效率是確定的。

3.2 智能評審的成本優勢

科技人才項目的管理成本核算是以科技人才項目對入選人資助的全部經費為基準，以一定的比例和公式進行測算的。科技人才項目的管理成本中，其中“評審”一項費用占據較大份額，包括了“同行專家評議”過程中產生的專家費、會議費、勞務費等，且隨著科技人才項目每年的管理運行往復如此。而智能評審在前期的研究中，需要投入人力、物力的科研成本，隨著投入使用，運行成本是逐步降低的，即使在需要處理的數據大量激增的情況下，運行成本依然變化很小。

3.3 智能評審的規范優勢

科技人才項目的評審是有一定的標準的，聘請的同行專家依據此項標準進行打分，但是每個專家對于標準和分數的理解又是不盡相同的，專家也容易因申報人的學術觀點、研究背景、個人表達能力等情況受到自身主觀因素的影響，而智能評審則完全是客觀規范而不受情感因素影響的，只要評審標準是科學的、精細化的、符合人才成長規律的，評審結果的公正性就是能夠保障的。

3.4 智能評審的記憶優勢

科技人才項目的智能評審需要信息系統和計算機技術進行，對于申報人的信息的全部內容，打分標準，評分結果與排序等內容的全過程，能夠完全的保存下來，并且隨時可以再現，能夠做到全過程可追溯。這些信息無論用于查詢、質詢復議、統計分析、篩選匯總、科學研究等，均具有比專家評審顯著的優勢。如果說同行專家評審是一次性的工作，那么智能評審就是積累性的工作，能夠不斷的在原有基礎上取得科學性的進步。

3.5 智能評審的反饋優勢

就目前的科技人才項目而言，能夠將申報信息反饋給申報人本人或單位的情況很少，因為此項工作量巨大。即使有所反饋，反饋內容也多是專家個人建議，多是對項目研究內容，技術路線或者工藝參數等提出的質疑，或者是對行業內研究前沿的闡述，對研究的肯定等。智能評審則能夠將申報人在同領域所有申報人每項指標所處的位置進行數據化的標注，能夠讓申報人一目了然了解自身的優勢和弱勢，讓科技人才在成長過程中少走彎路，更有針對性的進行自我提升。對于政府決策也是如此，大數據不僅能夠在事前提供決策支持也能夠在事后對政府決策效果進行評估，對政府決策執行效果進行反饋，為政府今后的決策提供依據和支持[10]。

4 科技人才項目智能評審實現的政策建議

4.1 智能評審指標體系的研制出發點為科技人才評價理論

科技人才項目首先是對科技人才本身的發展潛力進行評價，其次才是對科技人才所申報的項目進行評價，因而，科技人才項目智能評審指標體系研制的核心應是對科技人才的評價，以科技人才評價理論為研究基礎，進一步細化不同領域、不同行業科技人才的發展特點與成才規律，從而形成數字化標準，對科技人才既有的學術背景、成果指標等進行可量化的評價。

4.2 智能評審指標體系需要根據科技政策與時事動態進行調整

科技人才項目的設立依據來源于科技政策，在執行中需要結合時事動態有所調整。科技政策與實時動態的變化，都會直接影響到科技人才項目評審指標體系的分支項目及權重設定，這些內容在科技人才項目每年開始申報時都需要根據最新情況實時有理有據的進行更新，更新內容包括領域入選人數占比、不同地域入選人數分布等，以保證甄選出的科技人才的研究領域、項目方向是符合國家和地方亟需的產業技術。

4.3 智能評審需要同時配備復議機制

科技人才項目智能評審的實施過程中，申報人難免產生疑慮，對于自己的評審情況有所質疑，對于這種情況，應有一套可以反饋評審情況的復議機制，能夠讓有疑慮的申報人查詢評審的基本情況。對于查詢結果仍有疑慮的申報人在某領域達到一定比例時，可集體申請復議程序，復議程序由科技人才項目執行部門組織領域專家組成評審委員會再次復議評審。

4.4 智能評審的真正實現需要破除壓力大膽革新

科技人才項目原有評審方式的“同行評議”是將評審的責任均分到每個評審專家身上，在一個領域也有多個專家組成，由專家組成的“集體”對評審結果負責，對于科技人才項目的管理方與執行方而言，只需要做好依照領域聘請專家、組織會議的相關職責。而智能評審則會將責任與壓力聚焦于評審的指標體系和打分權重標準，而這些也無法做到盡善盡美讓所有人滿意，但其無可比擬的優勢又是科技人才項目管理發展的必然趨勢，需要管理部門破除來自多方的壓力，大膽的革新有所作為。

參考文獻

[1] 高繼平，馬崢，潘云濤，等.大數據領域代表性專家識別與分析——文獻計量學視角[J].科技管理研究，2016，36（16）：177-182.

[2] 楊曉秋，李旭彥.同行評議中的異常數據檢測方法研究——以科研項目評審為例[J].中國軟科學，2016（05）：133-142.

[3] 蔡文學，溫旖旎，鄭順潮，等.基于偏差度權重的科技項目評審專家績效評價方法研究[J].科技管理研究，2012，32（15）：75-78+83.

[4] 龔旭.同行評議公正性的影響因素分析[J].科學學研究，2004（06）：613-618.

[5] 胡明銘，黃菊芳.同行評議研究綜述[J].中國科學基金，2005（04）：251-253.

[6] 朱慧，劉洪偉，劉智慧.大數據時代變革和隱憂[J].中國科技信息，2015（01）：45-47.

[7] 劉衛國.現代化、信息化、數字化、智能化及其相互關系[J].中國鐵路，2011（01）：83-86.

[8] 王振中.科技創新平臺項目評審系統的設計與實現[D].天津大學，2016.

[9] 蔡桂蘭，彭健鏗，韋霽蕓，等.科技計劃項目評審中項目與專家精準匹配的技術實現——以廣東省科技計劃項目為例[J].科技進步與對策，2017，34（14）：30-36.

[10] 武海，夏洪波.大數據時代下政府部門信息資源共享策略研究[J].統計與管理，2015（11）：104-105.