基于BERTopic的科技人才政策文本主題識別與量化分析

關鍵詞：科技人才政策；主題識別；BERTopic模型；對比分析；東北振興；政策供給

科技興則民族興，人才強則國家強。黨的二十大報告指出，必須堅持科技是第一生產力、人才是第一資源、創新是第一動力，深入實施科教興國戰略、人才強國戰略、創新驅動發展戰略，開辟發展新領域新賽道，不斷塑造發展新動能新優勢。報告還強調，要堅持教育優先發展、科技自立自強、人才引領驅動，加快建設教育強國、科技強國、人才強國。黨的二十大把科技、人才、創新事業的戰略地位提升到新的高度，為新時代科技人才工作指明了前進方向。為深入貫徹黨的二十大精神，科技人才政策舉措是重要抓手。近年來，我國科技人才政策持續優化完善，為科技強國、人才強國建設提供了有力支撐。一系列相關政策的出臺，推動營造了尊重勞動、尊重知識、尊重人才、尊重創造的社會環境，有效激發了廣大科技人才的創新熱情和創造活力。與此同時，隨著國內外環境的變化，滿足高水平科技自立自強的人才需求日益緊迫，各地區的科技人才政策亟需進一步完善和提升。

當前，國內學界圍繞科技人才政策開展了較多研究。如有研究基于政策工具、政策要素、政策目標、政策效力四維分析視角對我國1978-2020年115份科技人才評價政策文本進行了歷時分析和出臺部門分析，揭示了不同階段政策的主要特點和不足：也有學者通過構建“工具一效力”的二維框架對江浙粵“十三五”以來的科技人才政策進行了比較分析與評價。這些研究有助于全面把握我國科技人才政策的發展態勢和內容要點，但已有研究大多采用傳統科學計量分析方法，對政策文本的語義主題挖掘有所欠缺。此外，區域間比較研究也相對較少，尚未有學者對東北三省的科技人才政策展開系統對比分析。

主題模型是近年來用于文本挖掘的重要工具，其中BERTopic模型因能生成更加連貫、可解釋的主題而備受關注。一些學者已嘗試將BERTopic模型運用于政策文本相關主題的分析并取得了有益進展。如有研究利用該模型分析政府工作報告、政府主要公文及社交媒體評論、政治立場等相關主題分析研究；也有學者運用該模型分析教育政策，揭示了教育公平、教育質量、教育創新等主題。由此可見，BERTopic模型是從語義層面探析政策主題、把握政策導向的有效方法，但將其用于科技人才政策研究的嘗試還十分有限。

綜上所述，本研究選取黑吉遼三省作為科技人才政策文本數據的樣本來源地，主要基于其政策供給充足、人才集聚明顯、產業升級加快、區域戰略地位突出等現實基礎。通過運用BERTopic主題模型對三省科技人才政策開展系統的梳理和實證分析，挖掘出三省科技人才政策的主題分布特點，揭示區域間的共性和差異，以期為東北地區乃至全國范圍內科技人才政策的完善提供參考。

1相關研究

1.1科技人才政策量化研究現狀

國內學者主要采用文獻計量、內容分析等方法，從宏觀和微觀兩個層面對科技人才政策進行分析。一方面，不少學者著眼于宏觀層面，探討科技人才政策的歷史演進。如劉忠艷等對1978-2017年國家層面頒布的科技人才政策進行梳理，將其劃分為起步挫折、恢復調整、改革突破、規范深化和創新賦能5個發展階段。李燕萍等也采用文獻計量和共詞分析方法，將1978-2017年我國科技人才政策的演變劃分為恢復調整、深入改革、戰略導向及創新發展4個時期，并指出未來政策發展趨勢。另一方面，部分學者聚焦于政策微觀層面，剖析科技人才政策的具體內容。如石磊等基于RothwellR等的政策工具分類法，從政策制定部門、頒布形式、政策工具和作用場域4個維度對科技人才政策進行量化分析。李欣等則構建了基于時間、主體、文種、類別、工具和主題的六維分析框架，發現科技人才政策的頒布具有階段性特征，政策工具內部存在結構失衡等問題。上述研究為把握科技人才政策的發展脈絡和內容要點提供了重要參考。然而總的來看，現有研究大多采用傳統的計量分析方法，對政策文本的語義主題挖掘有所欠缺。此外，區域比較視角下的多維度量化分析成果也相對較少，尤其是對黑吉遼等東北地區科技人才政策的對比研究更為鮮見。

1.2主題模型在政策文本分析中的應用

近年來，主題模型因能夠識別文本中潛在的語義結構，在政策文本分析領域得到廣泛應用。主題模型通過對文本詞頻信息的挖掘，能夠揭示其隱含的主題類別，逐漸成為政策研究的重要工具。傳統的LDA（Latent Dirichlet Allocation）主題模型是應用較早且較為成熟的一種，但在主題一致性和可解釋性等方面仍存在不足。為克服LDA的局限，Groo-tendorst M于2022年提出了BERTopic主題模型。該模型利用BERT語言模型生成深度語義向量，并結合類TF-IDF算法提取關鍵詞，能夠生成更加連貫、可解釋的主題。已有研究表明，相比LDA等傳統主題模型，BERTopic模型在主題識別和分類任務上具有明顯優勢。通過梳理發現，BERTopic已被運用于不同領域的政策文本分析中。如高凡等利用BERTopic揭示了我國數字政府治理領域存在價值導向、治理模式進化、技術工具嵌入三大研究熱點，政府數據開放共享、政務服務改革等是重點關注主題。吳應強等基于BERTopic探測出政府數據開放研究主要集中在數據治理、數據資源開發、平臺建設等主題。不難看出，BERTopic模型能夠有效挖掘出領域知識結構和研究主題，是一種從語義層面探析政策主題、把握政策導向的有效方法，但將其用于科技人才政策文本分析相關研究的嘗試還相對有限。

1.3相關研究評述

綜上所述，現有研究在分析科技人才政策方面已取得一定進展，但在研究視角、研究方法等方面仍存在拓展空間。如在研究方法上，已有研究大多采用傳統的計量分析方法，對政策文本蘊含的語義信息挖掘不夠。盡管個別研究嘗試引入LDA等主題模型進行探索，但對主題粒度的精準把控以及主題間關系的系統刻畫仍有不足。如何將BERTopic與傳統理論方法相結合，在現實問題解決和理論視野拓展間達成平衡，也有待進一步探索。鑒于此，本研究擬在借鑒前人研究的基礎上，通過引入BERTopic主題模型，充分利用其在語義挖掘和主題識別方面的技術優勢，力求實現政策主題的精準劃分、主題間關系的系統刻畫；同時，選取東北三省作為案例，開展區域間的橫向比較和主題演化的縱向分析，以期全面把握區域政策的異同特征和動態變化規律，為完善區域政策、推動東北地區科技人才發展提供參考。

2研究設計

2.1數據來源與樣本選擇

本研究選取黑龍江省、吉林省、遼寧省三省2016年以來頒布的科技人才政策文本作為數據來源。2016年是“十三五”規劃的開局之年，也是黨的十八屆五中全會提出“創新、協調、綠色、開放、共享”新發展理念后，東北三省進入全面振興新階段的關鍵節點。此后，三省圍繞培育創新型人才隊伍，出臺了一系列政策文件，為加快新舊動能轉換、推進高質量發展提供堅實的人才支撐。選取該時間節點以來的政策文本作為研究樣本，有助于系統梳理和準確把握新時期東北地區科技人才政策的內容特征和演化態勢。

具體的數據獲取和篩選過程如下：

1）以“北大法寶”數據庫為主要數據來源，在“地方法規庫”中以“科技人才”“科技人員”等為關鍵詞進行全文檢索。檢索范圍限定為黑龍江省、吉林省、遼寧省三省的地方性法規、地方政府規章和地方政府規范性文件，時間起點設定為2016年1月1日-2023年12月31日，共檢索到相關政策文本129份。

2）以各省政府網站、東北三省人力資源和社會保障廳網站及科技廳網站的政策文件數據庫作為補充數據來源。以“科技人才”“創新人才”“領軍人才”等為主題詞，搜集三省2016年1月1日一2023年12月31日制定的指導性政策文件，獲得相關政策文本244份。

3）對以上兩個渠道獲取的政策文本進行人工篩選和去重。剔除內容重復的文本，刪除未對科技人才工作提出實質性部署要求的文件（如會議紀要、工作簡報、人員名單等），最終獲得173份政策文本作為研究樣本，其中黑龍江省46份，吉林省53份，遼寧省74份。

2.2研究方法與技術路線

本研究采用定性與定量相結合的方法，對科技人才政策文本進行系統的量化分析，總體技術路線如圖1所示。

1）數據預處理。由于提取的是BERT特征，BERT本身要求文本長度不超過512，否則就會截斷，對主題識別結果產生影響。對于這個問題，本研究通過對長文本的科技人才政策文本進行分句處理，然后進行中文分詞、去除停用詞、清洗無效信息等預處理操作，將原始政策文本轉換為模型能夠高效處理的短文本結構化數據。

2）主題識別。運用BERTopic模型對預處理的科技人才政策文本進行主題識別。具體而言，首先利用預訓練的Sentence Transformer模型對文本進行語義編碼，得到文檔矩陣；接著使用UMAP（U—niform Manifold Approximation and Projection）算法對文檔向量進行降維，并用HDBSCAN聚類算法對降維后的向量進行聚類：然后通過類TF-IDF算法從每個主題中提取關鍵詞：再通過分析文檔一主題的概率矩陣，確定每個文檔所屬主題類別：最后對主題、文檔、關鍵詞的關系進行可視化呈現。

3）結果分析。根據BERTopic模型輸出的結果，從不同可視化角度進行深入分析。橫向上，從整體性的視角來分析東三省科技人才政策主題分布的異同和主題聚類的類別，來揭示出東北地區人才政策的側重點：縱向上，通過主題模型得出的各省主題，刻畫各省政策導向的不同特征。在比較分析的基礎上，歸納出三省科技人才政策在主題設置、內容覆蓋等方面存在的共性與差異。

4）與發達地區比較分析。選取已有對經濟發達省份的科技人才政策量化分析結果，對比分析東北三省的科技人才政策文本，進而總結出區域間在政策制定和實施方面存在一定差異，針對比較分析中發現的問題短板，啟發科技人才政策在制定過程中需要把握的整體方向和重點領域。

3結果分析與討論

3.1整體研究主題識別

通過使用BERTopic模型對近五年東北三省的科技人才政策文本進行主題識別，共識別出34個主題，如圖2所示的部分主題特征詞。經過人工篩選，剔除權重占比較低的主題后，本小節重點對剩余的21個主題進行深度分析。這些主題涵蓋了產業發展（Topic O_海洋一發展一產業）、資金支持（Topic 1_資金一項目一撥付）、人才引進（Topic 3_外國一人才一國家）、創新創業（Topic 8_萬元一每年一企業）、青年人才培養（Topic 11_青年一中青年一科技人才）等多個維度，反映了東北三省在科技人才政策制定上的重點方向和戰略布局。

從政策側重點來看，主要體現在以下幾個方面：①人才引育并重。東北三省高度重視人才引進與培養工作，通過Topic 3（外國一人才一國家）、Topic 28（高層次一人才一創新）等主題反映了區域對國際化人才和高層次人才的重視。同時，通過Topic11（青年一中青年一科技人才）展現了對青年科技人才的培養力度，體現了人才梯隊建設的戰略考慮；②創新驅動發展。從Topic 8（萬元一每年一企業）、Topic 31（舉人一學術一產學研）等主題可以看出，政策強調創新創業環境建設，注重產學研協同發展。特別是通過Topic 4（承包一租賃一領辦）、Topic 7（民營企業一人民政府一農民）等主題，體現了對企業創新主體的政策支持。③產業轉型升級。Topic 0（海洋一發展一產業）、Topic 6（地區一預算j殳技）、Topic17（項目一變更一合作）等主題反映了東北三省在傳統產業轉型和新興產業培育方面的政策布局。同時，科技人才政策支持的方向與各省特色優勢產業緊密結合，如遼寧省的海洋經濟、吉林省的裝備制造、黑龍江省的現代農業等。

此外，從政策效果來看，這些主題的分布反映了東北三省科技人才政策的系統性和規范性。在政策的系統性方面，通過Topic 5（專員一科創一社廳）、Topic 18（心理健康一心理一心理咨詢）等主題，體現了從科技人才引進、培養到服務保障的全鏈條政策支持。在政策的規范性方面，通過Topic 14（建立一建立健全一評價）等主題，體現了在人才評價機制改革等方面的規范舉措。總體而言，東北三省的科技人才政策主題分布呈現出“立足區域特色、服務轉型發展、突出創新驅動”的特點。政策既注重發揮各省優勢，又在人才引育、創新支持、產業升級等方面形成政策合力，為推動東北振興提供了人才支撐。這種多維度的政策布局，既體現了對國家人才強國戰略的響應，也反映了區域協同發展的政策導向，為東北地區的高質量發展提供了重要的政策保障。

圖3展示了各主題的特征詞權重下降趨勢。由圖可見，大多數主題的特征詞權重呈現明顯的下降態勢，即排序靠前的少數特征詞對主題內涵的刻畫性最強，其權重遠高于排序靠后的其他特征詞。這表明在每個主題下，核心特征詞對主題的語義表征具有決定性作用，而非核心特征詞更多地起到補充說明的作用。由此得出，大多數主題表示需要的特征詞數量為3～5個，超過6個特征詞之后，增加特征詞對主題表達的增益不再明顯。

總的來看，各主題在特征詞權重分布上具有較高的區分度，表明BERTopic模型能夠捕捉主題間的細微差別，具有較強的語義識別能力。不同于傳統主題模型采用“詞袋”假設，BERTopic模型充分利用了BERT預訓練模型的語義理解能力，通過將主題下所有文檔整合為長文檔來提取特征詞及其權重，更好地挖掘出了主題的關鍵語義信息，減少了無關噪聲的影響。這種聚類級別的特征詞提取方式，有助于全面把握每個主題的整體語義特點，精準刻畫主題的內在結構。

根據BERTopic模型對近五年東北三省的科技人才政策文本識別出的34個主題，本研究結合主題層次聚類法進行主題聚類分析，獲取了東三省科技人才政策領域所關注的八大方面。如圖4所示的主題層次聚類分析中，相近的主題在聚類圖中距離更近，橫坐標0.8取值位置的垂直線與圖中8處橫線交叉，其左側相連接的主題構成一個政策方向，呈現較好的分離度。這八大政策方向分別為政策執行與管理規范、人才評選與組織管理、資源配置與保障體系、項目管理與評審機制、多元化人才引育體系、人才培養與機構協同、人才服務與發展保障、人才政策落實與監管。①政策執行與管理規范（Top-ic 27、Topic 13）側重于政策實施的規范性要求，涉及數據管理、執行時間節點等行政管理要素，體現了科技人才政策執行的標準化和規范化：②人才評選與組織管理（Topic 25、Topic 26、Topic 12）側重于人才選拔和管理的組織實施，包括職業技能競賽機制、領導小組構成以及社會公示程序等內容，反映了人才評選工作的系統性和透明：③資源配置與保障體系（Topic 9、Topic 1、Topic 6）側重于人才發展的資源支持，涵蓋社會保障、項目資金、地區預算等要素，體現了科技人才政策的資源保障機制；④項目管理與評審機制（Topic 24、Topic 17、Topic23）側重于項目全周期管理，包括項目誠信體系建設、變更管理和評審標準等內容，反映了科技項目管理的規范化要求。⑤多元化人才引育體系（Topic10、Topic 3、Topic 16、Topic 15、Topic 28、Topic11、Topic 8）側重于多層次人才培養引進，涉及留學人才、外國專家、創新人才、青年人才等多元群體，體現了人才引育工作的全面性和系統性；⑥人才培養與機構協同（Topic 20、Topic 5、Topic 33、Topic 19）側重于人才培養的機構聯動，包括高校院所協同、專員選派等內容，反映了人才培養體系的協同性；⑦人才服務與發展保障（Topic 21、Top-ic 32、Topic 31、Topic 14、Topic 0、Topic 18、Topic 29）側重于人才發展的服務支持，涵蓋人才認定、住房保障、學術發展、評價體系等方面，體現了人才服務的全方位性：⑧人才政策落實與監管（Topic 22、Topic 4、Topic 2、Topic 7．Topic 30）側重于政策執行的監督管理，包括科技人員待遇保障、民營企業政策支持和審核制度等內容，反映了政策落實的監管機制。這八大方面的命名和劃分遵循以下原則：其一，基于主題的語義相關性和政策關聯度進行聚類。其二，根據各類主題的核心要素和共同特征進行命名。其三，確保命名既體現政策導向又符合學術規范。這種分類框架有助于系統把握東北三省科技人才政策的主要方向，為政策效果評估和優化提供參考依據。通過這種多層次的政策主題分析，不僅明確了當前科技人才政策的重點領域，也為后續政策制定和實施提供了理論支撐。

為了深入理解主題之間的關聯關系，本研究采用主題距離圖和主題間余弦相似度熱力圖進行可視化分析，如圖5所示。主題距離圖通過降維技術將主題分布在二維空間中，其中，圓圈大小表示主題的相對重要性，主題間的空間距離反映其語義相似度。從圖中可觀察到，左上方存在一個較大的主題集群，右上方有一組較小但緊密的主題集群，圖的下方則分布著幾個相對獨立的主題，這種分布特征驗證了先前八大類別劃分的合理性。主題間余弦相似度熱力圖則展示了34個主題之間的兩兩相似度關系，顏色深淺代表相似度高低（范圍0～1）。熱力圖中可見一些主題塊呈現較深的藍色，表明這些主題間存在強烈的語義關聯，而一些區域則呈現較淺的藍色，說明這些主題間的關聯相對較弱，與之前劃分的8個類別在熱力圖中形成的相對獨立的深色塊狀區域相對應。這兩種可視化方法的分析結果共同驗證了BERTopic主題聚類的科學性，展示了主題間的自然聚類趨勢，體現了不同政策領域之間的關聯程度。同時，通過可視化分析清晰地展示了哪些主題之間聯系緊密，識別出了相對獨立的政策領域，揭示了政策文本中的潛在語義結構，反映了科技人才政策的系統性特征和層次化結構。

3.2各省政策對比分析

同時，本研究運用BERTopic模型，對東三省各省份的科技人才政策文本進行主題識別與分析，結果如圖6所示，得出黑龍江省識別出21個主題，吉林省識別出13個主題，遼寧省識別出28個主題，能夠清晰地發現三省在政策主題設置上既存在一定的相似性，也呈現出鮮明的地域特色。從主題數量的分布來看，遼寧省在科技人才政策制定上體現出更為全面和精細化的特點，這與其作為東北地區經濟規模最大、創新資源最為集聚的省份地位相吻合。

展開來講，首先，通過對三省科技人才政策主題的對比分析，可以發現其具有以下共性特征：第一，在人才分類培養方面，三省均高度重視青年科技人才的培養工作。這一點可以從黑龍江省的Topic14（青年一重點一科技）、吉林省的Topic 6（人才一項目一中青年）、遼寧省的Topic 14（青年_杰出青年_科技人才）等主題中得到印證，體現了東北三省在人才梯隊建設上的戰略共識。第二，在政策保障機制上，三省都設置了系統的項目資金支持政策，這一點從黑龍江省的Topic 4（項目一資金承擔）、吉林省的Topic 11（重復一經費一比例）、遼寧省的Topic 0（資金一項目一撥付）等主題中可見一斑，顯示了政策支持的實質性和可操作性。第三，在評價體系建設方面，各省都注重建立科學的人才評價機制，這從黑龍江省的Topic 18（職稱一免征一評價）、遼寧的Topic 20等主題中得到充分體現。

在具體政策導向上，三省又呈現出鮮明的差異化特征。黑龍江省突出農業科技導向，這一點主要體現在Topic 2（水平一春耕生產一科研院所）、Topic20（農民一抗旱一作業）等主題中，同時通過Topic 10（我省一省屬一高校）體現了對省屬高校人才資源的統籌利用，并通過Topic 0（承包一租賃一領辦）、Topic16（購房一補貼一供養）等主題反映了對基層科技人才的政策傾斜。吉林省則更加注重科技成果轉化，這從Topic 7（科技成果一完成一驗收）得到驗證，同時通過Topic 3（女性一科技人才一部門）、Topic 10（女性一哺期一服務）體現了對女性科技人才的特殊關懷，并通過Topic 12（中科院一派出一分院）展示了與國家級科研機構的深度合作意愿。遼寧省則形成了以海洋經濟為特色的人才政策體系，這一點集中體現在Topic 5（海水一海洋一淡化）、Topic 1（海洋一經濟一發展）、Topic 6（海洋一中心一國際）等多個相關主題中，同時通過Topic 7（國家一國際一外國）、Topic 3（留學生一優秀一外國）等主題展現了更強的國際化人才引進導向。

進一步分析表明，東三省各省份的科技人才政策差異的形成主要源于3個方面：①產業基礎差異。遼寧省依托沿海優勢，形成了系統的海洋經濟人才政策；黑龍江省立足農業大省定位，突出農業科技人才政策；吉林省則發揮汽車、化工等優勢產業特色，注重相關領域人才培養。②區位條件影響。遼寧省的沿海開放優勢促使其形成更具國際化的人才政策：黑龍江省因地處邊境，更注重對俄科技合作人才培養；吉林省則充分發揮地緣優勢，加強與東北亞地區的人才交流。③發展階段差異。遼寧省由于創新要素集聚度高，形成了更為完善的政策體系；吉林省注重科教資源轉化，突出產學研協同；黑龍江省則更關注基礎性人才政策建設。

綜上所述，東北三省的科技人才政策既呈現出共性特征，又體現出明顯的差異化導向。這種差異化的政策布局，一方面體現了各省對自身發展實際的準確把握，另一方面也反映了在共同推進東北振興過程中的政策互補性。通過差異化的政策設計，不僅有效促進了區域人才資源的優化配置，同時也為區域協同發展提供了有力支撐。這種既有共性又有特色的政策體系，為東北振興戰略的深入實施提供了重要的人才保障。與此同時，基于BERTopic模型對東北三省科技人才政策文本的主題識別與量化分析，能夠客觀揭示各省政策議題設置的異同、側重點的差異等區域性特征，驗證了前文基于傳統方法得出的對比分析結論，有助于從語義層面更深入地把握三省科技人才政策的內在邏輯和發展規律。未來進一步擴大樣本量、細化主題類別，并結合其他語義分析技術，有望為東北三省乃至更大區域范圍內科技人才政策的優化完善提供更加科學的分析視角和實證依據。

3.3與經濟發達地區的比較分析

通過梳理發現，本研究選取了已有對粵蘇浙魯等經濟發達省份的科技人才政策量化分析結果．對比分析東北三省的科技人才政策文本，發現兩個區域在政策制定和實施方面存在一定差異，具體表現在以下幾個方面：

1）科技人才政策供給側發力不足，需求側政策工具匱乏。東北地區科技人才政策在供給側和需求側工具的使用上均不及粵蘇浙魯等經濟發達省份。一方面，東北三省在科技人才政策中對資金投入、基礎設施建設等供給側工具的使用頻次明顯低于發達地區，尤其是在人才信息支持方面存在較大短板；另一方面，與發達地區注重通過服務外包、海外機構管理等需求側工具釋放市場活力形成鮮明對比，東北三省在需求側工具的運用上幾乎處于空缺狀態，導致出現“政府主導、市場參與不足”的局面，政策工具的協同效應難以充分發揮。

2）政策目標設定宏觀性強，可操作性不足。通過對比不難發現，粵蘇浙魯等發達省份在科技人才政策制定過程中，不僅重視從宏觀層面勾勒人才發展藍圖，更注重提出切實可行的量化目標和實施路徑。而東北三省的相關政策則更多地停留在目標設定的宏觀性、概念化層面，在落實舉措上的針對性、可操作性略顯不足。以吉林省為例，雖強調要建設創新型省份，打造高素質人才隊伍，但在具體目標、路徑、措施等方面缺乏細粒度描述。事實上，政策目標越具體，可執行度就越高。因此，提高政策目標的精準度和可操作性是提升東北地區科技人才政策實效的關鍵所在。

3）缺乏對人才全周期、全要素的系統性設計。從科技人才開發的維度看，粵蘇浙魯等發達省份的政策設計相對更加全面和均衡，基本涵蓋了人才引進、培養、使用、評價、激勵、服務等各個環節。相比之下，東北三省的政策差異化特征的形成，主要源于三省在產業基礎、區位條件和發展階段上的差異。遼寧省依托創新要素集聚優勢，形成了較為完善的政策體系；吉林省發揮科教資源優勢，注重產學研協同；黑龍江省則結合農業大省定位，強化特色領域人才培養。這種政策差異化出現了“冷熱不均”的現象。因此，在推進區域協同發展的背景下，東北三省仍需進一步加強政策互補性，特別是在人才評價體系、創新激勵機制等方面的制度協同，以實現人才資源開發的良性互動。

4）政策供給的針對性、精準性有待加強。通過運用BERTopic模型對政策文本進行主題識別，可以看出東北三省在科技人才政策供給上呈現出“泛化、同質化”的特點，缺乏有針對性、差異化、精準化的政策設計與資源配置。例如，在人才引進方面，東北三省均把目光集中在高層次人才上，而忽視了培育本土青年后備人才；在人才使用方面，當前人才政策體系在人才管理自主權放開方面著力較多，但對建立科學合理的人才使用與管理制度體系的系統設計尚顯不足。由此可見，進一步增強政策供給的針對性，推動人才資源的精準配置，是破解東北地區人才瓶頸制約的關鍵所在。

4結論與展望

4.1主要結論

本文以黑龍江省、吉林省、遼寧省三省為例，運用BERTopic主題模型從研究主題和內容演化兩個角度對其科技人才政策進行了系統梳理和實證分析。研究表明，東北三省的科技人才政策主要涵蓋8個方面：政策執行與管理規范、人才評選與組織管理、資源配置與保障體系、項目管理與評審機制、多元化人才引育體系、人才培養與機構協同、人才服務與發展保障、人才政策落實與監管。其中，多元化人才引育體系側重于多層次人才培養引進，涉及留學人才、外國專家、創新人才、青年人才等多元群體；資源配置與保障體系著重從社會保障、項目資金、地區預算等方面提供支持；人才服務與發展保障則涵蓋人才認定、住房保障、學術發展、評價體系等全方位服務內容。

從區域特征來看，三省的政策呈現出差異化與協同性并存的特點。遼寧省（28個主題）形成了較為完整的政策體系，在海洋經濟人才、國際化人才引進等方面形成特色；吉林省（13個主題）突出科技成果轉化和產學研協同，注重政策的普惠性；黑龍江省（21個主題）則立足于農業科技導向，強化基層人才建設。這種差異化政策布局主要源于三省在產業基礎、區位條件和發展階段上的差異。

同時，三省在人才政策上也表現出明顯的共性特征，主要體現在青年科技人才培養、項目資金支持、評價體系建設等方面的政策聯動。這種既有共性又有特色的政策體系，反映了東北三省在推進區域協同發展過程中的政策互補性。通過這種多維度的政策布局，既體現了對國家人才強國戰略的響應，也反映了區域協同發展的政策導向，為東北振興戰略的深入實施提供了重要的人才政策支撐。

此外，BERTopic主題模型能夠有效識別科技人才政策的語義結構，準確刻畫不同主題的內在關聯和演化特征。相比傳統的主題模型，BERTopic能夠更全面地挖掘主題的關鍵語義信息，減少無關噪聲的干擾，生成更加連貫、可解釋的主題，為政策文本的計算分析提供了新的思路和方法。

4.2研究展望

本研究利用BERTopic主題模型，對黑吉遼三省科技人才政策開展了計算分析，實現了從主題分布、關鍵詞權重、主題相似度等角度對政策文本進行全方位解構，為把握區域人才政策的框架結構、內在邏輯、現實指向等提供了新的視角，這對于拓展科技人才政策研究的理論視野、創新研究范式具有一定的借鑒價值。未來可以從以下方面豐富和深化本研究：

第一，可擴大研究的時空范圍，覆蓋更多區域和時間跨度，開展全國性、歷時性的政策比較研究，以期揭示我國科技人才政策的總體格局和發展脈絡。第二，可細化主題分析的粒度，圍繞各政策主題展開針對性的深入剖析，進一步探究主題內部的結構關系、要素特征等。第三，可拓展研究的理論視角和分析工具，在主題模型分析的基礎上，輔以其他計算社會科學方法，如因果推理、情感分析等，多維度、立體化地刻畫科技人才政策的內容、風格、傾向等。第四，還可加強對主題模型方法的改進創新，探索結合主題先驗知識、引人情感信息等優化策略，不斷提升主題識別的精準性和完整性。

綜上所述，加快構建具有針對性、系統性、創新性的科技人才政策體系，是破解東北地區人才瓶頸制約、推動全面振興的關鍵所在。要立足于新發展階段，貫徹新發展理念，主動服務和融人新發展格局，不斷優化人才發展的政策供給和制度安排，為加快建設創新型國家、實現高水平科技自立自強提供有力人才支撐。東北三省要因地制宜、大膽探索，堅持深化改革和擴大開放，把科技人才政策作為基礎性、戰略性、系統性工程來統籌規劃，在服務黨和國家事業全局中展現新擔當、實現新作為。