全球學科人才雷達在高校的建設與應用實踐

張忻 習嘉琪 屈奕帆

摘要 高校是國家建設世界人才中心和創新高地的重要陣地。新時代對高校學科和人才隊伍建設工作提出更高需求，為此，作者團隊探索出基于大數據的工作思路和模式，運用知識工程技術構建了全球學科人才信息供應鏈，搭建了全球學科人才雷達系統，實現了全球學科人才數據的一體化治理，在學科建設分析、人才精準發現、人才精準培育、科研情報支持等方面形成了新方法新經驗。

關鍵詞 全球學科人才雷達；大數據；人才工作

中圖分類號：G642文獻標識碼：ADOI：10.16400/j.cnki.kjdk.2023.6.001

中國加快建設世界一流大學、世界重要人才中心和創新高地的戰略推進，要求高校的學科和人才治理體系和治理能力的現代化，具體表現為學科監測實時化、人才盤點精細化、人才引進精準化、人才培育智能化、人才評價自主化、數據采集自動化、數據治理一體化。我國高校亟需構建自主可控的學科人才數據底座，進而培育出現代化的學科人才治理能力。

本文探索人才引育新思路和模式，采用知識工程技術構建學科領域人才知識圖譜，突破“信息孤島”困境，通過大數據手段揭示人才成長規律及學科發展趨勢，為精準尋才引智、把握學科趨勢、追蹤領域動態、人才評價提供助力。

1相關工作綜述

高校人才引育研究作為人才引育工作的前沿視角，越來越成為研究的熱點。國內外對人才引育的探討取得了一系列成果。

在運用大數據分析人才引育策略方面，衛承霏[1]提出運用大數據思維構建人才引培模式的必要性和重要意義，但未提出具體實施方案和技術路線。

在高校人才引育策略方面，張靜輝[2]從重引進、輕服務，重考核、輕反饋，重個體、輕團隊等方面剖析了高校高層次人才引育工作存在的問題并歸納了部分解決辦法。趙長海等[3]提出建立現有青年人才培育機制，并闡述構建可持續壯大的科技創新人才團隊的方法。Ai Zhang[4]等從高校角度出發闡明和分析創新人才引育策略。孫靜霞[5]闡述高校高層次人才“引培用服”創新機制。廖克敏[6]從機制構建的意義、高層次人才引育現狀及機制建構策略等方面作了簡要分析。滕心蕊[7]等從高校應科學規劃引才方向、核算人力資源效益、優化引才工作考核、建立健全“引育”機制等角度提出合理應對人才流失的舉措。程文鳳[8]從人才引不來、人才留不住等角度剖析高端人才引育困境，并從拓寬人才引育渠道、嚴把人才質量、完善配套服務體系、全面提升薪酬待遇、提供良好科研環境等提出具體的對策和建議。王小力等[9]聚焦C9高校青年高層次人才引進問題，提出應結合高校自身學科特點引進人才并注重匹配度等對策建議。蘭智妮等[10]聚焦西部地區高校人才引育工作實踐，與一流學科建設相結合，提出存在的問題和未來發展之路。陸媛等[11]從加強頂層設計，突出重點，以各級各類人才項目為抓手，科學地設計和優化人才成長路徑，提出構建高層次人才引育機制。徐劍波[12]等提出從制度的科學設計和系統創新出發，科學地提升和盤活“增量”水準，優化和提振“存量”內涵，實現制度和文化凝聚高層次人才。

在大數據視角下其他人才（學生）培養方面，徐濤[13]利用大數據分析技術著重分析社會需求與人才培養之間的關聯指標并建立系統化的人才培養模式。詹川[14]等通過數理統計分析具體人才供應鏈崗位技能需求的特點及相關關系。雷鳴[15]等人運用科學知識圖譜和CiteSpace軟件對以“大數據”和“人才培養”為主題的255篇研究文獻進行可視化分析。陸婷[16]闡述了數學數據建模活動對高校人才培養的積極影響。

綜上所述，對于人才引育，國內外學者已進行了廣泛的探索研究，創新性地提出一系列策略并進行案例分析及數據檢驗，但結合目前的時代要求和國家導向，仍存在一些問題：一是研究大多集中于理論探究、政策論述與實踐途徑，從大數據角度探討人才引育，尤其是高校人才引育策略非常之少。二是極個別將大數據與人才引育相結合進行的研究，也側重論述采用大數據加強人才引育工作的重要性和意義，沒有提出如何利用信息化手段，如何采用大數據統計、挖掘、整合、分析與運用。

2解決方案

2.1建設思路

高校是重要的人才中心和創新高地。在高校建設全球學科人才雷達，用大數據平臺可形成“使命牽引，體系支撐，人機協同，快速響應，科學決策”的學科人才工作新范式。

針對人才引進，綜合評價引進人才的重要程度和發展潛力，為人才引進提供數據支撐，建立科學、精準的人才引進實施方案，為學校評價考核體系和指標設定提供參考，為學校國際同行評價提供全球范圍內的專家智庫。

針對人才培育，形成人才成長評估模型，將人才現有成果與指標體系進行對比，更精確發現自身目前的短板缺項，從而有針對性地制訂培育方案，為學者的個性化發展和規劃提供支撐；擴充學校高層次人才后備庫，為學者對標對表、補短補缺強長等提供數據來源和指標參考；為學者科研提供數據決策支持。

針對學科建設，支撐學校學科評估與發展，為實現機構超前規劃和精準實施提供參考和支撐；為學校建立新興交叉學科及機構提供支撐；為學院和學校師資隊伍規劃和人才布局提供數據參考，使學校學科布局，人才結構調整等方面更精確。

2.2體系結構

全球學科人才雷達是一個全球學科人才大數據治理平臺，主要劃分為數據層、模型層、畫像層和業務層。數據層主要為全球學科人才知識圖譜數據庫和各類基礎原料數據緩存庫。模型層是對數據層的一體化組織，提供標準化訪問接口。主要為數據模型和基于數據模型的各類算法模型。畫像層是對模型層各數據實體和關系的高層次整合，給用戶提供了針對性的分析視角和細粒度的視圖。業務層是對畫像層各數據視圖和分析模塊的有機整合（見圖1，P3）。

2.3數據模型設計與實現

全球學科人才雷達的核心數據模型是由多種實體和關系組成的知識圖譜，以統一數據模型來融合不同源異構數據。

實體包括：人才、機構、刊物（包括期刊和會議）、文獻（包括論文、專利、專著、數據集等）、主題（文獻中提取的研究方向關鍵詞）、國家或地區，以及擴展內容。

關系包括：機構和人才之間的雇傭關系、人才/機構與文獻的發表關系、刊物與文獻的發布關系、文獻與主題的關聯關系、主題之間的概念層次關系、文獻之間的引用關系，以及其他擴展關系?！皢翁P系”還可導出兩跳甚至多跳關系。

2.4畫像模型設計與實現

本文畫像是基于全球學科人才知識圖譜并結合實際業務需要而設計的高階數據模型，通過大數據可視化技術提供相應視圖，且支持報表導出、橫向分析和下鉆分析。

2.4.1人才畫像

人才畫像是以人才個人為中心視角，以不同視圖展現人才各方面關聯科研情報的高層次數據模型。

興趣分析：通過AI技術分析該人才發表的全部作品，根據關鍵詞的出現頻次和關聯度繪制“興趣詞云”；以“氣泡圖”展現該學者歷年在各個研究方向的產出變化；以表格形式展現該學者在不同研究方向的跟進時間、該方向在全球首次出現的時間、學者在該方向的年均論文數、跟進延遲和研究時長；以“點線圖”展現學者研究領域的交叉性和深入性。

發表分析：以柱狀圖展示學者歷年論文數，以折線圖展示學者的歷年被引數；以堆疊柱狀圖展示歷年論文在不同分區期刊的分布情況；以表格統計展示歷年論文數、被引數、一區論文數、一作率、末作率（近似表示“通訊作者”）；以玫瑰圖展示論文期刊分布情況，以表格統計在各個期刊/會議的論文數、首次末次發表時間、期刊等級。

他引分析：以柱狀圖展示歷年他引學者數、論文數、期刊數和機構數；以堆疊柱狀圖展示歷年他引文章的分區分布情況；以表格展示他引論文列表。

合作分析：以表格形式展示學者的“合作者視圖”，統計出每位合作學者的合作起止時間、論文數、所在機構、學術生涯起止時間、合作論文數；以表格形式展示“合作機構視圖”，統計出每家合作機構的合作起止時間、合作論文數、合作學者數；以地圖展示“合作機構分布圖”，地圖上亮點為機構位置，亮點大小表示合作論文數。

人才畫像是對科研人才科學素養的數據化全景展示，做到了“比學者更了解自己”，是人才引育分析工作的重要抓手。

2.4.2地區畫像

地區畫像以某地區為中心視角，以不同視圖展現地區各方面關聯科研情報的高層次數據模型。由于不同地區有各自的產業特色、人才政策和經濟水平，人才往往有明顯的地區聚集效應和地方差異。地區畫像主要提供地區機構分析、地區學科分析、地區人才分析、地區合作分析等板塊。

地區畫像可幫助用戶了解地方內有哪些機構、人才、學科方向，分析科研優勢、人才構成、人才缺口、引才需求、產學結構，為地方人才盤點、校地共建合作、地方人才引進、地方產學對接提供決策支持。

2.4.3學科畫像

學科畫像以某研究主題為中心視角，以不同視圖展現該主題各方面關聯科研情報的高層次數據模型。包括：關聯學科、新晉學者、新興主題、跟進機構、相關期刊、學科溯源。其中學科溯源展示該研究方向在全球首次出現的時間、首篇論文、首發學者、首發機構、首發期刊和首發地區。點擊可進入相應的文獻畫像、人才畫像、機構畫像、期刊畫像和地區畫像。進一步，可限定地區和機構，研究地區或機構內的首發情況。

2.4.4期刊畫像

期刊畫像以某期刊或會議為中心視角，以不同視圖展現期刊或會議各方面關聯科研情報的高層次數據模型。主要展示期刊內的最新論文、高被引論文、高產作者、高被引作者、機構跟進情況、高產機構、高被引機構、最新研究主題、熱門研究主題、相關期刊和會議、細分人才庫和論文庫。期刊或會議有鮮明的學科方向性，對重點期刊的考查有助于快速了解學科前沿動態，發現學科人才，學習借鑒不同機構和人才的研究布局。

2.4.5機構畫像

機構畫像以某機構為中心視角，以不同視圖展現機構各方面關聯科研情報的高層次數據模型。主要展示機構內的最新論文、高被引論文、高產作者、高被引作者、學科跟進情況、最新研究主題、熱門研究主題等。利用機構畫像可學習借鑒不同機構的人才布局和學科規劃。

2.4.6團隊畫像

團隊畫像以某團隊為中心視角，以不同視圖展現團隊各方面關聯科研情報的高層次數據模型。團隊畫像支持用戶自由創建團隊，只需要將系統中的人才加入團隊，就自動生成團隊畫像。包括：團隊人才分析、研究興趣分析、參與期刊分析、參與會議分析、合作學者分析、合作機構分析、內部合作分析、人才來源分析、發文質量分析等。

團隊畫像適合學院或科研團隊的精細化人才盤點和實時學科監測，可自定義團隊來預判團隊實力、發展潛力，為團隊組建提供參考。

2.4.7文獻畫像

文獻畫像以某文獻為中心視角，以不同視圖展現文獻各方面關聯科研情報的高層次數據模型。

3工作方法探索實踐

全球學科人才雷達為高校新時代學科人才建設工作提供了一體化的數據環境和有力的決策支持，變革了傳統松散、滯后、手動的數據治理方式。研究團隊總結了如下協同工作方法。

3.1全球學科人才雷達學科建設分析方法

利用大數據手段支持學科建設工作的科學決策和精準落實，包括如下步驟：

學科使命分析。分析國家“卡脖子”技術涉及本一級學科領域的細分研究方向并收藏標注。通過地區畫像了解世界不同國家和地區在細分方向上的研究進展，對比我國發展優勢和差距。

學科趨勢分析。按研究主題分別進入學科畫像主頁，分別點擊查看“歷年論文數走勢”“歷年學者數走勢”“歷年機構數走勢”按鈕了解學科熱度，判斷學科發展趨勢。通過“最新論文”和“最新主題”了解學科前沿動態。

學科跟進分析。通過“學科溯源”了解該研究方向國際和國內第一篇論文的作者、機構和期刊，通過“跟進機構”查看該學科每一所研究機構的跟進研究時間、論文數、學者數。

研究基礎自查。利用系統查看本校和本研究團隊在某一研究方向上的研究基礎。一方面，通過名稱搜索本機構，進入機構畫像，該方向上本校的跟進時間、歷年論文數和學者數；另一方面，通過預設的本學院團隊畫像，查看學院在該學科方向上的跟進時間、人才投入度、年齡結構、發文數量和期刊等級分布，以及合作學者和機構的世界排名和地域分布。

優勢機構對標。通過學科畫像，了解在目標學科上有哪些跟進機構，確定學校和學院對標的科研機構，詳細對比在跟進時間、歷年學者數、年齡結構、發文數量、期刊等級分布、細分研究方向，以及合作學者和機構的世界排名和地域分布上的差異，精細判斷不同機構的發力點和投入度差距，為學科建設的追趕超越或差異化發展提供決策支持。

人才缺口判斷。通過對比對標機構，可以精準判斷出學科建設的人才缺口。

目標人才建模。完成對目標人才模型的精化，這樣可以縮小人才搜尋范圍，提高目標人才鎖定效率。例如，在QS排名前100、某領域的Q1期刊發表至少N篇細分研究方向的相關文章，年齡不超過X歲，且與北方高校有過合作的學者。建模之后，就可以在系統中初步篩選出目標人才列表。

3.2全球學科人才雷達人才精準發現方法

在應用全球學科人才雷達進行人才發現方面，研究團隊總結了多種渠道的高效方法。

建模引才法。利用系統提供的人才建模工具，輸入人才特征指標，可以實現特定模型的人才查找。

論文作者引才法。當發現一篇高水平論文時，可以在系統中搜索該論文，進入文獻畫像，查看作者列表。作者列表中展示了作者姓名、排序、署名機構、論文數、學術生涯、年齡估計等信息，進而進入該作者人才畫像詳細了解。

期刊引才法。通過期刊畫像的新晉學者、高產學者、高被引學者、高被引論文的作者等板塊，可以快速找到某個學科方向的優秀人才。

合作關系引才法。當某個人才難以引進時，可以通過學者的合作學者列表找到其學生，學生可以繼承導師的學術資源，且有更大的發展潛力。

機構引才法。通過機構畫像的高質量期刊學者、高被引學者等板塊引才。

學科引才法。通過學科畫像的新晉學者、高被引學者、高產學者等板塊引才。

路徑尋才法。利用社交網絡“六度分割”理論，系統給出本機構學者與目標學者之間最短的學術社交路徑，進而通過路徑上的中間學者側面了解目標人才的情況，便于人才尋訪和引進。

獎項引才法。培養出獲獎人才的機構往往是優秀人才的源地，而與獲獎者合作的人才也往往是優秀人才。系統已標注出諾貝爾獎、圖靈獎、菲爾茲獎等獲獎學者庫，支持獎項引才。

3.3全球學科人才雷達人才深度評價方法

簡單指標雖便于人工統計，但不能滿足新時代對人才評價的需求，主要在于簡單指標不能反映人才內在的差異化特征。例如，單純論文數并不能反映出學者研究的持續性、廣泛性、引領性、影響力和社交圈，而這些是評價學者科學素養的重要內容。所以應在應用全球學科人才雷達過程中，探索出人才深度評價方法。

研究持續性分析。通過人才畫像中的興趣分析模塊，分析人才在不同研究方向的起止時間，是否中斷，產出是否穩定或加強。橫向對比了解學者與同齡學者和同機構學者之間在該研究方向的跟進時間、論文數、被引數、研究時長、年均論文數。

合作廣泛性分析。通過人才畫像合作分析模塊，分析人才合作機構水平和地區分布，判斷學者學術社交能力和學術合作資源。進一步通過合作學者列表判斷其導師的合作廣泛性。

研究引領性分析。通過人才畫像中的興趣分析模塊了解該人才是否首創或較早跟進了某個研究方向，再通過引文分析模塊了解該人才的論文被什么水平的學者或機構引用，他引論文分布在什么水平的期刊上，從而判斷學者的研究有多大的引領性。

領域交叉性分析。查看人才畫像中興趣分析模塊的“點線圖”，如果出現兩個或多個一級學科，且代表每個一級學科的點都足夠大，而且點代表的論文數之和明顯大于該人才總論文數，則說明人才在多個學科中有多篇跨學科研究成果。

全球學科人才雷達有助于我們摒棄傳統的簡單指標評價方式，形成人才深度洞察和評價能力，建立基于大數據的人才觀。

3.4全球學科人才雷達科研情報支持方法

高水平科研是一項“決策密集型”工作，提高決策效率就意味著解放科研人才創新力。人才培養工作為人才發展服務，其重要內容是為科研人才提供優秀的數據環境和決策支持環境。

全球學科人才雷達為科研人才提供豐富及時的科研情報支持，改變傳統的人工低效率檢索和反復主動瀏覽方式?？蒲腥瞬爬孟到y，通過人才畫像了解優秀人才的學術成長軌跡，為個人學術生涯提供借鑒。在入職高校前后，通過機構畫像了解本機構同方向學者的動態，熟悉學術社交環境。及時獲知學科或期刊的最新主題和首發學者，及時跟進深入了解，把握學術前沿動態。收藏關注某些學者，隨時了解其發展動態。

4應用效果

全球學科人才雷達系統在某高校上線運行兩年，推動了學科人才治理體系和治理能力的現代化，具體表現為人才盤點精細化、學科監測實時化、人才評價自主化。

4.1人才盤點精細化

過去人才行政工作人員能夠回答本機構的學者人數、團隊劃分、院系劃分等宏觀數據，但難以立刻回答某個人才的最新成果、細分研究方向、合作機構分布等細節問題。而科研人才則專注于本團隊，對于其他團隊、其他學院的學科發展則知之甚少。系統應用以來，改變了過去“兵不識將，將不識兵”的狀態，了解范圍還可擴大到對全校、外校的精細化盤點。

4.2學科監測實時化

過去的學科監測無法實時化。一方面依賴幾大主流的世界大學排名，而排名往往是年度發布或季度發布；另一方面本機構的內部學科監測同樣是年度總結時人工向科研人才收集信息再進行人工統計；此外在詳細了解學科動態時需要動用大量人力進行低效率的檢索和統計。系統應用以來，學院可以快速實時了解本機構和對標機構學科建設的豐富信息，做到知己知彼，大大提高學科建設的科學性、時效性和穩定性。

4.3人才評價自主化

人才評價一方面是“破”，另一方面也要“立”。而實現自主評價的前提是掌握評價所需的基礎數據。習近平總書記在講糧食安全時強調，“飯碗”要牢牢端在自己手中。決策的“糧食”就是數據，“飯碗”就是對數據的治理體系和治理能力，在學科人才數據上，我們同樣需把“飯碗牢牢端在自己手中”，就能夠在自己的“土壤上”按照自己的需求“種糧食”。

全球學科人才雷達系統應用以來，學?？梢栽谧灾骺煽氐臄祿脚_上，自定義人才評價算法，動態調整權重系數，反復試驗人才成長評估模型，探索建設自主的學科人才評價體系。

5總結

大數據并不能解決全部問題，但是具有解決問題的能力。大數據并不能替代決策，但能提高決策效率。我們探索出基于大數據的工作思路和模式，運用知識工程技術構建了全球學科人才信息供應鏈，搭建了全球學科人才雷達系統，實現了全球學科人才數據的一體化治理，在學科建設分析、人才精準發現、人才精準培育、科研情報支持等方面形成了新方法新經驗。

基金項目：2022年西北工業大學發展戰略研究基金委托項目（2022WT02）；2021年教育部人文社會科學研究一般項目（21XJC870002）。

參考文獻

[1]衛承霏.大數據思維下人才引培管理模式的變革[J].改革與開放， 2015（24）： 41-44.

[2]張靜輝.高校高層次人才引育“三重三輕”問題及解決策略初探[J].價值工程，2020，39（1）：42-43.

[3]趙長海，宋曉龍，姚金玲，等.引育并舉構建可持續壯大的科技創新人才團隊[J].農業科技管理，2016，35（4）：74-77.

[4]Zhang Ai，Xie Li，Liu YiLing.The training and introduction thinking of innovative talents in colleges and universities under the background of The New Era[J].2020，3（4）：261-262.

[5]孫靜霞.高校高層次人才“引育用服”創新機制研究[J].產業創新研究，2020（22）：194-195.

[6]廖克敏.“人才強桂戰略”背景下廣西高校高層次人才引育機制建構研究[J].高教學刊，2020（15）：101-103，107.

[7]滕心蕊，林萍.“雙一流”建設中高校人才引進的問題與建議[J].理論觀察，2019（11）：140-142.

[8]程文鳳.高校海外高層次人才引育的問題與措施[J].文化創新比較研究，2019，3（13）：168-169.

[9]王小力，彭正霞.C9高校青年高層次人才引進問題與對策研究[J].高等教育研究，2017，38（6）：32-39.

[10]蘭智妮，徐榕，梁夏.西部地區高校一流學科及人才引育工作實踐[J].現代經濟信息，2018（12）：438.

[11]陸媛，王偉.高校高層次人才引育機制的探索與構建[J].黑龍江高教研究，2016（2）：149-151.

[12]徐劍波，陸道坤，付瑤瑤.論創新高校高層次人才“引”“培”“用”機制[J].高教探索，2013（2）：39-42.

[13]徐濤.基于大數據分析的人才培養模式設計[J].現代電子技術， 2020，43（20）：122-125.

[14]詹川，龔英，楊婷婷.大數據視角下供應鏈人才需求分析及其在重大疫情下變化趨勢的研究[J].供應鏈管理，2020，1（9）： 14-20.

[15]雷鳴.大數據背景下我國人才培養研究的科學知識圖譜可視化分析[J].內蒙古大學學報（自然科學版），2020，51（3）： 279-286.

[16]陸婷，朱家明.大數據背景下數據數學建模對人才培養的影響探析[J].黑河學院學報，2019，10（6）：148-150.