基于精細化高層次人才管理的指標量化分析

席玉敏 范瑋衛

摘 要：本文以數據量化分析方式為研究工具，挖掘高層次人才科研信息數據意義，為構建全面人才管理體系提供評價指標參考。通過分析學歷、學源、學科、年齡及入職年限等信息與高層次人才科研活動數據的關系，可以發掘更全面、有效的科研管理信息。

關鍵詞：量化分析;精細化管理;評價指標;高層次人才

基金項目：河南省社科聯2020年度調研課題（待定）;河南工學院高層次人才科研啟動基金（項目編號：KQ1832）。

1 綜述

據統計，目前我國國際科技論文數量連續多年穩居世界第二[1]。但是，論文數量多不等于成果質量高、創新能力強。鑒于以上問題，近期，科技部和教育部連續發布了《關于破除科技評價中“唯論文”不良導向的若干措施（試行）》和《關于規范高等學校SCI論文相關指標使用 樹立正確評價導向的若干意見》。根據不同科技活動特點提出更具實用價值的評價量化體系，是目前科研管理變革的核心。其中目的是引導廣大科研人員潛心研究，產出符合社會需求的科技成果。這就涉及要全面樹立多元化、全方位的評價導向，注重科研人員對社會的貢獻和影響。

本課題將突出實效，注重貢獻，結合小同行間的影響力和社會認可度，改進科研人員管理模式，落實評價導向。通過引入精細化管理理念[2]，具體化、明確化評價指標，完善評價體系，改善原有的粗放式人才管理狀況，提高科研實力。精者，去粗也，提煉最優的管理方案;細者，入微也，事物內在聯系和規律[3]。精細化管理是搭建在規范化管理基礎上的高水平管理體系，是以細致入微和精益求精為根本的管理方法，起始于企業管理，現已普及至社會管理多數層面。精細化管理的核心在于專業化和科學量化，拓展至人才管理、特別是專業程度更深的高層次人才管理，需要參考的信息程巨量化和高度專業化特點，僅依靠傳統的管理學研究方法無法實現[4]。因此，需要借鑒自然科學研究方法，以科學主義范式[5]，細化科研活動各類信息，通過模型找出必要信息，分析內在聯系和規律，這就是本課題采用的量化分析方法。

隨著指標量化融入人才管理體系，使傳統人才管理逐漸擺脫主觀、經驗和模糊等問題，體現出更加專業、客觀、精準的科學屬性。想要突破固有的簡單化、一刀切管理體系，建立全面、公平、公正評價體系，就必須借助于更符合現代社會特點，更切實有效的研究工具。課題組根據當代社會人際、科研和經濟活動數字化的特點，選取數據量化分析方法作為核心研究工具。本文通過“數據驅動”[6]對數據進行篩選，挖掘、歸納、分析，以發掘數據背后反饋出的科研管理問題，為決策者提供更嚴謹、準確的證據，指導決策行為，強化決策的精準性和前瞻性[7]。

2 參數指標

目前，針對科研項目、人才和機構的科技評價活動中簡單化、一刀切地將論文、專利、著作等數量與考核排名、績效考核、資源分配直接掛鉤現象突出。本研究試圖對科學研究推行多維度切入、多措并舉的方法，作為高層次人才各類科技活動的主要評價依據和考核指標，真實反映高層次人才的學術價值，為精細化管理提供依據和指導。

本文將能夠體現出高層次人才科研貢獻和影響的信息進行歸納，用抽象的概念固定下來，成為構建模型必要的參考值。根據現有的管理體系，一些傳統標準依然有一定的參考價值，仍需要納入新的評價標準里，包括項目、論文、專利、著作及獎勵等。此外，本研究主要把以前無法量化，但具備相當科研貢獻和影響力的信息也抽象出來進行了數據量化，包括個人榮譽、人才來源、人才學源、社會資源等。

以上指標均采用數值量化，并根據目標單位需求進行權重賦值。在實際應用中，指標權重可有目的的進行調節以實現管理導向目的。本課題所涉及數據來源根據河南省新鄉區域內各類研究機構自2016年以來新入職博士學歷人才收集、整理的科研活動數據庫。

3 模型構建

就傳統量化分析而言，通常需要假設所有數據或者樣本滿足一定條件，既符合所采用計算模型的基本假設方可進行相關計算。但實際就人才管理涉及的方方面面，很難歸類為某一特定類型條件。因此，先假設后計算的模式往往會使模型根源產生偏差，導致數據反饋信息有所遺漏或者傾向性加劇。這是構建全面評價和管理體系必須避免的。本研究結合大數據分析思維，從數據出發，用數據說話。將原始數據視為整體，根據初始模型凝練潛在信息。不過，為避免大數據分析帶來的數據冗余、信息雜亂等弊端，在模型推導過程中加入傳統量化分析和質性研究方法，對既有數據進行篩選和加權，使得到的結論更符合管理需求和預期評價性能。

根據數據驅動的研究核心，本研究初期不假設樣本符合某種算法規律，而是通過初級數據信息處理算法進行參數指標的篩選、優化，達到融合最優參數，升級評價體系的漸進式推演，直至生成最佳人才管理模型。初始參數指標及數據分布示意如表1。其中可量化指標綜合了前期多數科研評價體系中的量化指標，并歸類處理。不可量化指標參考目前主流科研活動影響因素初步選取，結合管理需求，體現科研人員的社會貢獻和影響力等綜合水平設置。表1中可量化指標與不可量化指標逐項結合形成新的二級指標Xi，j。同時，在可量化指標之下設置綜合值，代表全部可量化指標總值。該數據與不可量化指標結合還將歸納出新的二級指標Yi，j。根據收集數據，建立個人數據庫。多數可量化指標可分為總和以及人均兩個類型，部分不可量化指標內含多項細分指標。同時根據指標關聯需要，可增加多項復合指標，所生成的指標體量更巨大，需要結合大數據分析方式進行研究。針對數據冗余，本課題還結合質性分析和傳統量化分析方式對數據進行必要篩選。

4 數據分析

在本文數據分析中，為簡化分析過程，本文數據均為絕對值，是每位高層次人才相應數據的總和或人均值。以下將對部分數據信息進行必要性分析。

4.1 學科分析

研究對象工科專業占比69.2%，根據不同學科高層次人才群體科研總量數據信息基本能夠反饋各類指標間的差異，分布基本合理。上述兩類指標結合產生的新指標能夠較好的反饋科研活動中量化指標與人才學科信息之間的交互作用。工科專業總量雖多，但人均值不高。圖1數據基本顯示單一量化指標經人均后與人才學科信息兩兩結合，能夠反映各類科研活動在不同學科群體中的人均情況，可以納入新指標體系。

同時通過分析發揮度、人均產出、總產出和年人均產出等經過整合后的指標參數與學科之間的關系可知，工科高層次人才除總量明顯高于其它專業外，其它各項無明顯優勢。以上數據指標均基本反饋了研究群體科研活動實際情況，可以作為二級指標引入新的管理體系。但結合數據量級，該類復合指標關系很難為自動篩選界定閾值范圍，后續可能將閾值有限度的進行分組。

4.2 學源分析

本文根據高層次人才畢業來源嘗試分析人才畢業來源對目標單位科研工作發展的貢獻值和支撐能力。

圖2對7個類別的指標分別繪制了各類學源高層次人才占比。從圖2中可以看出，以學源指標與上述新老指標相結合，產生的量化數據可以較好的區分目前所有研究對象的科研活動數據信息，含可量化和新增指標，說明此類關聯指標具備良好的信息價值，能夠反映研究期間，研究對象在各類科研活動中的表現，為下一步科研管理提供必要的支撐數據。

4.3 學歷分析

學歷指標以往也會出現在科研評價體系中，但通常都是一刀切將學歷與績效分配直接掛鉤。然而這往往造成同一單位內科研人員的群體割裂，也無法避免科研管理單一化趨勢。

圖3顯示了研究對象在各類縱向科研項目分類占比情況。從圖中可以明顯看出，隨著縱向項目級別上升，高層次人才占比逐步升高。以上細分指標結合學歷指標后能夠很好的反映不同學歷層次以及學科門類在各級科研項目中的數據變化，為科研管理提供必要信息。

4.4 年齡分析

根據人才年齡數據與科研項目、成果及發揮度和人均產出等指標相結合所反饋的信息而言：各類數據綜合表現最好的是41-50年齡段;年輕高層次人才入職晚，在各方面均處于劣勢;31-40年齡段各項指標相對穩定。將年齡指標與各類指標結合，可以推演出對象所在單位科研年齡結構以及管理重點對象，還可以大致判斷研究對象所在單位的科研發展狀況，為指導后續科研管理和有針對性的調整評價導向提供依據。

4.5 入職年限分析

在研究中，各項指標隨人才入職年限演變主要趨勢為：高層次人才入職前三年是科研黃金期;第二年是高層次人才科研工作的關鍵時期;高層次人才科研業績隨時間增加逐步提高，但是在三年期后逐步趨穩。結合多指標關聯分析，年限指標對科研管理意義重大，是合理評價人才科研水平和保障人才科研活動可持續發展的重要信息，這在以前的評價體系中很少體現。

5 結論

綜上分析結果，將以前無法量化的指標如年齡、學科等信息，與傳統量化指標逐一結合，可以得到更全面的反饋信息，有利于科研人才管理和科研活動評價。同時對部分簡單一刀切的指標如學歷、學源等信息與其它量化指標結合，可以賦予其更豐富的意義，避免單一化導向。而將各類數據與新篩選出的二級指標進行二次結合，還能夠挖掘出不同的潛藏信息，同樣可以輔助科研管理。因此，本研究初步分析指標體系，可以用于完善科研人才評價管理體系。后續進一步豐富數據信息內容，還可以逐步提升該體系的全面性。

參考文獻

[1]中國科學技術信息研究所.2019中國科技論文統計報告[R].北京：中國科學技術信息研究所，2019.

[2]陳啟愉，張凌，吳若斌，桑成好，付曄.重點實驗室精細化管理實踐與探索[J].實驗技術與管理，2006（08）：133-135.

[3]汪中求，吳宏彪，劉興旺.精細化管理[M].新華出版社，2005.

[4]石英.從質性研究到大數據方法：超越與回歸[J].中國社會科學評價，2017（02）：36-42+125-126.

[5]張鵬.管理學中科學主義范式與人本主義范式的哲學分析[D].云南師范大學，2009.

[6]汪雅霜，嵇艷.大數據分析與量化研究的區別與整合——兼議教育量化研究的未來走向[J].四川師范大學學報（社會科學版），2017，44（04）：36-41.

[7]王萌萌.“大數據技術+”與人力資源量化管理的研究展望與多維分析[J].天水行政學院學報，2016，17（02）：31-35.

作者簡介

席玉敏（1982-），女，河南新鄉人，經濟師，本科，主要從事人力資源管理研究。

通訊作者

范瑋衛，男，博士，講師，主要從事科研管理研究。