基于混合多屬性決策的智慧物流人才培養體系建設評估

摘 要：高校智慧物流人才培養體系建設具有多樣性和差異性。為評估各培養體系，找出相對最佳的方案，首先需要綜合物流人才的能力框架和新技術要求，建立評價指標庫，再從知識、能力、價值觀三維度進行勝任力的拓展研究，構建評價指標體系；其次，設計前景理論和VIKOR的評價模型，明確評判方法；最后，選取5所高校物流專業的培養方案和效果數據，說明VIKOR方法的可行性，為智慧物流人才培養體系的評估提供方法論指導。

關鍵詞：智慧物流人才；評價指標；前景理論；VIKOR法

中圖分類號：F250；G642 文獻標志碼：A DOI：10.13714/j.cnki.1002-3100.2023.18.005

Abstract： The construction of a smart logistics talent training system in universities has diversity and differences. To evaluate each training system and find the relatively optimal solution， it is necessary to first integrate the logistics talent capability framework and new technology requirements， establish an evaluation index library， and then conduct competency expansion research from the three-dimensional dimensions of knowledge， ability， and values to construct an evaluation index system. Secondly， the paper designs prospect theory and VIKOR evaluation model to clarify the evaluation method. Finally， the paper selects the logistics professional training programs and effectiveness data from 5 universities to demonstrate the feasibility of the VIKOR method and provide methodological guidance for the evaluation of the smart logistics talent training system.

Key words： intelligent logistics personnel; evaluation index; prospect theory; VIKOR method

收稿日期：2023-07-20

基金項目：揚州大學商學院2022年研究生科研創新項目“基于前景理論和TOPSIS的管理會計人才培養體系評估”（SXYYJSKC202230）

作者簡介：張" " 斌（1968—），男，江蘇泰興人，教授，博士，碩士生導師，研究方向：財務與會計、物流管理；俞啟玟（1999—），女，江蘇揚州人，碩士研究生，研究方向：財務會計、物流管理。

引文格式：張斌，俞啟玟．基于混合多屬性決策的智慧物流人才培養體系建設評估[J]．物流科技，2023，46（18）：17-23.

0" " 引" " 言

在互聯網技術的支持下，“智慧物流”成為了物流發展的必然趨勢之一。傳統物流企業探索智能轉型之路，或是為優化客戶服務，構建公共信息平臺，及時共享物流信息，或是為提高物流能力，提高運輸效率、倉儲效能等。可見，物流系統不能是孤立、靜態的，而是需要動態地參與外部系統的信息交換，以實現資源配置和信息共享。因此，實現智能轉型，人才是關鍵。傳統人員需強化智慧物流的知識和技能以適應其需求，并持續創造價值。高校作為教育主陣地，肩負著培養更具綜合性物流人才的職責，應對培養方案做必要性和適應性的完善，使其能與物流領域發展訴求和國家人才戰略相匹配，滿足其對綜合型人才的需求。

目前，高校物流人才培養在課程設置、教學模式以及師資隊伍等方面存在不足。

第一，物流專業課程設置與智慧物流發展脫節。傳統物流課程會安排大量教學時間，而智慧物流課程學時較短，且僅對理論知識進行灌輸式講解，缺少實質性的技能提升的訓練時間。

第二，智慧物流管理教學內容缺乏完整的體系并且與實際需求脫節。智慧物流依托于傳統物流，因此課程體系將智慧物流內容嵌入了傳統課程中，使智慧物流內容的教學缺乏系統性與可操作性。

第三，智慧物流師資隊伍建設不足。智慧物流是應用性較強的課程，要求教學老師擁有深厚的理論知識、廣泛的案例儲備，同時具備先進的實踐經驗，能夠更好地將理論與實踐和社會發展實際結合，講透智慧物流課程。

進一步分析智慧物流人才培養體系的研究文獻，發現相關研究主要集中于高校的培養方案，鮮少涉及對企業培養模式的探索。

第一，在高校物流專業培養方案方面，魏學將等[1]總結了物流人才的需求特點，認為智慧物流人才要兼具通用與高級技術、管理與技術知識、思維與應用能力。由此提出：更新教學體系，添加智慧物流的理論和實操內容；增加案例、研討頻率，訓練智慧物流思維；個性化培養學生，組織實訓和競賽等建議。翁世洲等[2]探討了物流專業的核心能力，學生需從課程中培養運營、信息和智能化能力，再通過見習拔高能力。翁世洲等[2]建議在教學中加入物聯網、人工智能等應用和智能設備的維修與保養等課程；在實訓中加入VR、AR、自動化技術等項目。

第二，企業智慧物流人才培養模式方面，楊麗麗[3]對基層物流人員進行訪談后提出物流業需要從業者有強大的情緒控制能力、經驗總結能力、團隊意識和溝通能力，還需關注細節與作業秩序。周知宇等[4]以中層物流人員為研究主體，強調物流知識儲備與市場分析、應急處理等能力。李燕等[5]進行物流業勝任力的問卷調查，認為物流企業尤其要注重基層人員的專業知識和職業道德，中層人員的組織和問題處理能力，高層人員的協調和決策能力。

綜上，雖然目前對物流人才培養體系的研究不少，但關于智慧物流人才培養體系的研究仍比較缺乏，主要體現在：缺少統一的智慧物流人才培養評價指標體系；對智慧物流人才培養的評價多集中于定性研究，缺乏定量分析，當評價值出現混合多屬性時（即既有精確值又含有區間值），較難進行測評。為此，本文致力于構建有效的評價指標體系，為反映高校不同風險值下的行為特征引入前景理論，并基于VIKOR法處理混合多屬性決策的優勢，評判出案例中最佳的培養方案。

1" " 智慧物流人才培養評價指標體系構建

構建指標體系時，需要整理物流人才勝任力的相關研究。具體指標方面：李燕等[5]認為高層較重要的是與公共關系相關的協調、溝通能力，與戰略相關的決策、信息收集、計劃、激勵、創新、抗風險能力等；中層是協調能力和與任務分配相關的計劃能力等；基層是與操作有關的技能，責任感等職業道德。周知宇等[4]建立了中層物流人員的勝任力模型，涵蓋了物流、行業安全、商科、英語等知識，信息處理、市場分析、組織、督導、應急處理等能力，統籌思維、責任感、抗壓等特質。楊麗麗[3]概括了基層人員的核心競爭力，包括執行和總結等操作能力，靈活應變、情緒控制等服務能力，創造力等。黃晶等[6]還強調物流人才需吃苦耐勞、愛崗敬業，思維有條理。李寶珠等[7]思考了人才供需失衡的原因，總結了物流人才的必備素質，包括職業道德、團隊精神等道德素質，物流理論、信息技術、外語與法律等業務素質，創新、溝通、異常處理等能力素質。由于高端技術改變了物流模式，魏學將等[1]認為人才需具備智慧物流管理和操作能力、智慧供應鏈和協同共享思維，掌握算法、爬蟲等關鍵技術。

由此可以看出，已有研究從不同層級對智慧物流人才評價指標進行了多重概括和描述。本文以此建立智慧物流人才評價的指標庫，如表1所示。

在指標分類方面：周知宇等[4]采用崗位分析等方法從知識、能力、特質構建勝任力模型。黃晶等[6]從知識、能力、素質完善物流人才培養目標。李寶珠等[7]利用網絡分析法將指標歸類為道德、業務、能力素質。

故遵循多數研究的邏輯，從知識、能力、價值觀三個框架出發構建評價指標體系，并基于評價指標庫，遵循典型性和可操作性原則，在形成10個二級指標的同時將其分類到3類一級指標，設計出評價指標體系，對指標進行解釋，如表2所示。

2" " 基于混合多屬性決策的智慧物流人才培養評價模型設計

表2的指標體系是智慧物流人才培養的重要導向，評估該指標體系能選出相對最佳的方案，進行適應性地推廣，完善高校的人才培養模式。

傳統培養體系評價多用層次分析法。由于人才培養評價包含行為因素，故用多準則決策方法中考慮決策者行為的前景理論，再用VIKOR處理混合指標，對方案進行評估。

2.1" " 語言模糊數

若評價值xijk是定性的語言數，需先將其賦值為定量的區間數，才可進行無量綱化處理，如表3所示。

2.2" " 前景理論

前景理論被廣泛應用于風險評估中。首先，決策者匯總信息，預測與決策相關的行為、偶然事件和可能結果。然后，估計各潛在策略的價值，以此做出最優選擇。該理論從行為心理學的角度分析，考慮環境不確定性和決策者風險態度對方案評估值的影響，將其融入決策方法，使決策過程與人的實際決策過程更相符。

前景理論運用的關鍵在于計算前景價值，公式。其中v（d（xi，x0））為價值函數，π（pi）為考慮風險的決策權重函數。價值函數是依據不同參照點，決策者所感知的實際收益或者損失的大小，表示為。其中d（xi-x0），為決策評價值xi到參照點x0的距離，α指收益區域的凹程度，表現風險規避，β指損失區域的凸程度，表現風險尋求。

2.3" " 基于前景理論和VIKOR方法的智慧物流人才培養的評價步驟

本文基于前景理論和VIKOR多準則決策方法，綜合評價培養體系。具體評價步驟如下。

Step1：評價值的無量綱化處理。

如果評價值屬性存在差異，則其量綱不同，因此首先需要對不同類型的評價值進行無量綱化處理。同時，由于不同評價值對應的無量綱化方法有區別，故需對評價值屬性采取不同的標準化處理方式。將方案Ai在指標Cj下的評價值xijk經過無量綱化處理后的結果記為yijk。

一般說來，如評價值為清晰數xijk，可用極差變換法進行無量綱化處理。針對成本型和效益型指標處理方式的區別，具體公式如下。

如果評價值為區間數[xLijk，xMijk]，定義無量綱化處理后結果為[yLijk，yMijk]，同樣區分效益型和成本型指標。

將[yLijk，yMijk]去模糊化后的結果表示為：

如果評價值表現為語言數，先轉換為區間數，再進行相應的無綱量化處理。

Step2：評估參照點的確定。

若待評估方案較少，將各指標下的方案對應評價值以去模糊化后值的大小排序，計算中位數。對清晰數用標準化后各指標Cj下各方案的評價值yij的中位數作為參照點zjk。若xij待評估方案較多，用非參數檢驗法進行分布擬合，以擬合后的分布期望為參照點zjk。xij若是模糊數，其參照點也是模糊數。記區間數[xLijk，xMijik]對應的中位數參照點為[zLjk，zMjk]。

Step3：前景價值函數的表示和綜合前景值的確定，得出前景矩陣。

xijk是清晰數，標準化后的yijk與zjk的距離表示為d（yijk，zjk）=yijk-zjk[8]。針對區間數[xLijk，xMijk]無量綱化處理后的結果[yLijk，yMijk]，其到參照點[zLjk，zMjk]的距離表示為：

于是，前景價值函數表示為：

其中，α，β為風險態度系數（0≤α，β≤1）；λ為損失厭惡系數（λ＞1），λ越大表示決策者對損失越厭惡，更偏向規避風險。定義α=β=0.88，λ=2.25。

決策者在擁有收益時常規避風險，遭遇損失時追尋風險，決策權重函數用π（pj）表示。

其中風險收益態度系數γ=0.61，風險損失態度系數δ=0.69，pj為不同結果的概率。

在Cj下Ai的綜合前景值表示為：

由此，決策矩陣中的多屬性評價值被轉變為前景價值。前景矩陣表示為V=[v（aij）]m×n。

Step4：每個指標的正、負理想點的確定。

基于步驟3的前景價值矩陣，確定各指標的正理想點f+、負理想點f-，表示為：

其中i=1，...，m。

Step5：群體效用值Si、個體遺憾值Ri和折衷決策指標值Qi的計算。

其中wj為決策屬性的權重，可用熵值法計算，步驟如下。

第一，根據去模糊化矩陣，計算第j個指標在第i個方案所占的比重。

第二，計算第j個指標的熵值ej。

第三，計算第j個指標的差異系數gj。

第四，計算第j個指標的權重wj。

θ為決策機制系數。θ＞0.5意味著依據最大群體的效用值即多數個體的意見做出決策，屬于偏好風險型；θ＜0.5說明是依據最小個體遺憾值即少數個體的反對做出決策，屬于厭惡風險型；θ=0.5表明依據最大群體效用值和個體遺憾值的重要性程度相同，即同時考慮大多數個體和小部分反對意見做出決策，表現對風險的中立態度。

Step6：方案的排序與評價。

對Si，Ri，Qi從小到大排列，靠前的方案效果較好。當滿足以下兩個條件時，可根據Qi值大小判斷方案的優劣，Qi值越小方案越優。設Qi值最小的方案為A1，次小方案為A2。

條件1：可接受的優勢準則，即決策者能夠充分接受A1和A2的差異。通過Q（A2）-Q（A1）判斷。

條件2：可接受的穩定性準則，即A1的Si或者Ri也是在從小到大的排列中的第一個方案。

判斷標準：如果符合條件1和條件2，則最優的折中方案就是Qi值最小的評估方案。如果只符合條件1而不符合條件2，那么A1和A2都是折中解。如果只符合條件2而不符合條件1，那么根據Q（At）-Q（A1）＜得到M，M為滿足不等式的最大的t值，此種情況下A1，A2，...，AM均為貼近折中方案，可以得到妥協解。

3" " 算例研究

3.1" " 基于前景理論和VIKOR的算例分析

選擇5所智慧物流人才培養高校的數據進行算例研究。評價指標知識類為清晰數，運營、系統分析、信息化和智能化能力為區間數，技術和操作能力為語言數，職業道德為清晰數。所有評價指標均為效益型。以“5”為評估值滿分的原始決策矩陣如表4。

Step1：評價值的無量綱化處理。

對評價值為清晰數的C1、C2、C3、C10運用公式（1），評價值為區間數的C4、C5、C8、C9運用公式（2），進行無量綱化處理。對C6、C7的語言數，先按表3轉換為對應的區間數，再按公式（2）進行極差變換。賦值后的原始決策矩陣[xij]5×10如表5，經過無量綱化處理后的矩陣[yij]5×10如表6。對區間數進行去模糊化處理后的矩陣[zij]5×10如表7所示。

Step2：評估參照點的確定。

因為待評估方案的數量較少，用中位數作參照點。根據去模糊化后決策矩陣中各指標下各方案評價值中位數所在的方案，選擇標準化決策矩陣中相同位置上的清晰數或區間數作為參照點。由此得到各指標Cj所對應的參照點的集合：

θj={0.45，0.58，0.47，（0.15，0.24），（0.15，0.27），（0.16，0.26），（0.17，0.26），（0.12，0.26），（0.17，0.24），0.25}。

Step3：前景價值矩陣的確定。

根據公式（4）—（7）及選取的參數值，確定評價指標體系的前景價值矩陣，用Vij表示，計算結果如表8。

Step4：基于步驟3的前景價值矩陣和公式（8）、公式（9），確定各評價指標的正、負理想點，如表9。

Step5：基于去模糊化的決策矩陣，運用熵值法公式（12）—（15）計算出各評價指標的權重wj，再根據公式（10）、公式（11）、公式（16）計算出Si、Ri和Qi，如表10所示。

wj=（0.216 0，0.211 5，0.015 1，0.003 2，0.006 6，0.018 1，0.005 5，0.005 5，0.304 6）

Step6：在不同決策機制下均滿足，且A4的Si和Ri也是5個方案中最小的，故同時滿足條件1和條件2，即A4是最優的折中培養方案。

3.2" " VIKOR與TOPSIS的對比分析

VIKOR和TOPSIS兩種決策方法的模型都是表示“接近理想”的聚合函數。VIKOR將群體效用最大化和個人遺憾最小化，通過對折中決策指標值排序確定妥協的解決方案。而TOPSIS方法是確定到正理想解的距離最短和到負理想解的距離最長的解，基于相對接近度判斷出相對最佳方案。

為驗證本文方法評價的準確性、有效性及穩定性，采用前景理論和TOPSIS方法與之進行對比分析。相對接近度依據胡輝等[9]的步驟進行計算，結果如表11。

可見，用前景理論和TOPSIS法，結果仍是A4相較于其他幾種方案的培養效果最好，說明本文的評價方法得出的結果有一定穩定性。從評價值的差異來看，TOPSIS法在相對最優方案與次優方案間評價值的差異小于VIKOR法。因此，若待決策方案較多，則采用VIKOR法比TOPSIS法更有優勢，更能有效且準確地判斷出相對最優的決策方案。

4" " 結" " 論

本文致力于對智慧物流人才的培養方案進行評價，匯總人才勝任能力，構建有針對性和可操作性的評價指標體系。具體通過基于前景理論，綜合考慮復雜環境、風險偏好以及有限理性對決策的影響，并用VIKOR法削弱絕對最優解概念，科學計算出妥協解，使決策過程更合實際和常理、評價結果更準確可靠。對樣本數據進行案例研究后得出結果，本文所提出的方法適用于評價智慧物流人才培養體系的建設情況，能為今后高校物流專業課程體系的設置提供參考方向與依據。

參考文獻：

[1] 魏學將，王猛．應用型智慧物流管理人才培養探索與實踐[J]．物流技術，2022，41（7）：139-142，150.

[2] 翁世洲，朱俊．基于核心能力的“智慧物流”人才培養探索與實踐[J]．廣西民族師范學院學報，2020，37（3）：124-127.

[3] 楊麗麗．物流企業基層管理者勝任特征模型研究[J]．物流工程與管理，2017，39（5）：52-53.

[4] 周知宇，高志峰．第三方物流企業中層管理者勝任力研究——以珠三角地區企業為例[J]．物流工程與管理，2018，40（8）：49-51.

[5] 李燕，葉飾．基于勝任力的物流管理本科應用型人才培養研究[J]．輕工科技，2021，37（2）：179-180.

[6] 黃晶，黃芬．物流管理職業教育三級人才培養及評價體系探析[J]．物流工程與管理，2015，37（11）：284-285.

[7] 李寶珠，王穎，畢然．基于ANP的物流人才評價指標體系研究[J]．天津理工大學學報，2009，25（4）：74-77.

[8] 周慧妮，江文奇．基于前景理論和VIKOR的營銷競爭情報評價研究[J]．情報雜志，2015，34（10）：16-21.

[9] 胡輝，徐澤水．基于TOPSIS的區間直覺模糊多屬性決策法[J]．模糊系統與數學，2007（5）：108-112.