基于复杂网络分析的军民融合科技创新人才成长影响因素研究

◎张文宇，薛昱，贺珍，樊海燕

1.西安邮电大学 管理学院，西安 710061

2.中国航天科工集团第二研究院，北京 100854

3.中国航天系统科学与工程研究院，北京 100089

引言

党的“十八大”明确提出，要坚持走中国特色军民融合式发展路子，坚持富国与强军相统一。军民融合，即军民双方在进行社会基础建设、力量布局、资源利用、系统管理等过程中，通过在人力、物力、财力和制度、标准、条件等方面的一体实施，最大限度地优化资源配置、实现成果互惠互利，推动社会经济的发展，促进军民融合科技创新体系的进步。在经济全球化深入发展、国际竞争日趋激烈的新形势下，科学技术创新已经成为经济社会发展的决定性力量，而提高科技创新能力的关键是人才创新。当今世界人才资源已经成为推动科技创新和经济社会发展的基础性和战略性资源，军民融合科技创新人才作为军民融合科技创新系统中最基础的构成主体，在科技创新过程更有着不可代替的重大作用。本文在总结前人研究成果的基础上，从大系统的角度，将军民融合科技创新人才定义为在军民融合相关专业知识领域内有很深的专业造诣，具有较高的健康才智、灵活的创新思维及完善的科技创新人格，从事科学发现、技术发明、技术创新活动，能够突破原有的理论、观点、技术和方法并产出创新技术成果，为军民融合科技发展和社会进步做出重要贡献的科学技术主体[1]。

军民融合科技创新人才成长影响因素研究是一个复杂巨系统问题，现有的关于科技创新人才成长影响因素的研究，主要是从科技创新人才内涵和现实问题的角度进行定性分析，提出具有针对性的培养建议，或者单从企业角度、高等教育角度和政府政策角度入手，提出较为深入的人才培养举措，不能准确地表述复杂系统间的内在因素。而复杂网络是当前重要的交叉学科理论之一，渗透到数理学科、生命学科和工程学科等众多不同的领域，已被广泛应用于各种实际系统的研究，如社会关系网络、电力网络、交通网络以及情报网络。对复杂网络的定量与定性特征的科学理解，成为网络时代科学研究中的一个极为重要的挑战性课题。因此，本文在分析军民融合科技创新人才成长的影响因素基础上，分析基于复杂网络军民融合科技创新人才成长影响因素，以此构建影响科技创新人才成长的指标体系及相关的复杂网络拓扑结构，进而评价了基于综合属性的复杂网络节点重要性，构建了相关的建模流程，并给出了相关实证分析结论。

1.军民融合科技创新人才成长影响因素分析及指标体系构建

1.1 军民融合科技创新人才成长的影响因素分析

军民融合科技创新人才，除具有合理的知识体系外，还必须具有较强的创新意识、创新思维、创新能力和创新人格等一系列与科技创新活动相关的素质要求，其劳动成果产生的巨大影响要求科技创新人才拥有高尚的道德和强烈的贡献倾向[2]。培养一名合格的军民融合科技创新人才需要有良好的知识修养、优秀的人格素养、健康的体魄和健全的心理，即要同时拥有高智商、高知商、高德商、高健商、高情商、高意商和高位商[3]。

良好的知识修养主要包括智商和知商，是军民融合科技创新人才内在素质的优良性的体现。智商是能够体现人脑高级功能所表征出来的多种能力的综合型指数，是人们认识客观事物并运用知识解决实际问题的能力，个体智商的高低取决于父母遗传基础、受教育程度、注意力及观察力水平、记忆力水平、应变能力、想象力水平、语言理解及表达能力、逻辑思维表达能力8个方面；知商是获取、学习、应用已知和未知知识的能力，表现出人脑对知识获取的难易程度、理解存储的量化程度以及运用和再加工的创新程度，个体知商的高低取决于知识获取能力、知识存储量、知识运作能力3个方面。

优秀的人格素养主要用德商来衡量，是判定其为军民融合科技创新人才的外在依据，是自身认识道德，评价道德，规范自己行为的能力，个体德商的高低取决于社会责任感、奉献精神、敬业程度、诚信水平4个方面。

健康的体魄作为军民融合科技创新人才发展的基础主要用健商来衡量，是个体生存和成功的保障，个体的健商高低取决于他的健康意识、自理能力、身体素质和运动协调能力四4个方面。

健全的心理包含位商、情商、意商三个方面，位商是认知和把握社会位阶、层级位置的能力，是指个体迅速且准确判断自身在社会中所处地位并恰当制定出人生阶段奋斗目标或把握成功的决策能力，个体位商的高低取决于处位能力、决策能力、组织协作能力3个方面；情商是表示认识、控制和调节自身情感的能力，情商的高低，可以决定个体的其他能力能否发挥到极致，从而决定他的人生有多大的成就，个体情商的高低取决于情绪认知能力、情绪运用能力、情绪表达能力、情绪控制与调节能力4个方面；意商是意志能力的体现，指一个人的意志品质水平，是个体意志力、毅力强弱的量化指数，个体意商的高低取决于个人独立程度、对待事物的主动性、自身行为的把控能力、自信程度、决策执行力、抗压能力6个方面。

1.2 军民融合科技创新人才成长影响因素指标体系构建

基于上述军民融合科技创新人才成长的影响因素分析，为充分、系统、客观地概括影响科技创新人才成长的相关指标体系，本文将上述七商作为评价军民融合科技创新人才成长的直接评价指标，而七商下的32个相关影响要素分别作为底层统计指标，对影响军民融合科技创新人才成长的要素进行复杂网络构建和分析，具体指标体系如表1所示。

表1 军民融合科技创新人才成长影响因素指标体系

2.复杂网络相关理论

2.1 复杂网络的拓扑结构

复杂网络理论出现以来，研究者们针对不同领域的真实网络进行了大量实验性研究，先后提出了规则网络、随机网络、小世界网络和无标度网络等用来描述不同问题的系统网络拓扑图模型。小世界网络是指具有较短的平均路径长度和较大的聚类系数特征的网络模型。本文研究的军民融合科技创新人才成长影响因素复杂网络中的节点只有32个统计指标，网络特点介于随机网络与规则网络之间，具有较显著的小世界网络特征。

2.2 复杂网络的节点重要性

在复杂网络的研究中，对节点重要性的分析是一项重要的基础工作。为了准确地衡量节点的重要性，可以从网络的局部属性、全局属性、综合属性三个角度出发。本文从综合属性的角度出发，全面考虑复杂网络中节点的度数中心度、中间中心度、接近中心度及特征向量中心度对节点重要性的影响，提出了一个复杂网络结构关系的综合测度指标 （Comprehensive Mea-surement Indicator）[4]。

3.基于复杂网络的军民融合科技创新人才成长影响因素模型构建

3.1 军民融合科技创新人才成长影响因素网络拓扑结构的确定

若将表1-1中32个统计指标作为网络节点，将存在关联关系的两个指标所代表的网络节点进行连接作为网络链路[5]。对军民融合科技创新人才成长影响因素的研究即可转化为对由32个指标节点构成的复杂网络特征的分析。

军民融合科技创新人才成长影响因素网络拓扑模型构建步骤如下：

step1.将七商的32个指标分别标记为节点1,2，…，32并作为复杂网络构建的网络节点；

step2.计算32个指标间的Pearson关联系数，构成指标关联系数矩阵；

step3.基于随机规则判断指标节点间是否存在连接，构建复杂网络邻接矩阵；

step4.利用Pajek软件输出复杂网络拓扑结构图。

3.2 军民融合科技创新人才复杂网络节点重要性评价建模

综合考虑复杂网络中节点的度、介数、紧密度及特征向量指标对节点重要性的影响，提出了一个复杂网络结构关系的综合测度指标 ，通过全面评价节点的属性，实现复杂网络中节点重要性的综合评价[6]。定义综合测度指标 的计算公式为[7]：

其中，ND是节点的度值，CB是节点的介数，CC是节点紧密度，CE特征向量指标节点重要度[8]。

一个节点的度值越大，说明与之有关联的节点也就越多；介数的值越大，说明节点的控制能力越好；紧密度值越大，说明该节点越不受其他节点的控制[9]；特征向量指标值越大，说明该节点是否为中心节点依赖于其所关联的其他节点为中心节点的程度[10]。所以，综合考虑四个包含全局属性和局部属性的节点重要性评价指标，结果将全面的体现该节点在复杂网络中重要性的综合排序，指标CMI的值越大，则该节点在网络中越重要[11]。

4.军民融合科技创新人才复杂网络模型实证结果分析

针对高层次的军民融合科技创新人才，通过文本挖掘和问卷调研得到100例样本的指标数据。利用所收集样本数据，使用Pajek软件输出的网络拓扑图如1所示：

图1 军民融合科技创新人才复杂网络拓扑结构图

基于节点重要性评价指标CMI得到复杂网络节点重要性由高到低排序为：

25＞8＞26＞28＞12＞32＞21＞17＞13＞31＞27＞11＞4＞6＞2＞7＞18＞16＞2 4＞30＞29＞3＞20＞23＞14＞1＞10＞9＞2 2＞19＞5＞15

由指标节点在复杂网络中的重要性排序可以看出，影响军民融合科技创新人才培养的指标重要性排在前十的指标分别为对待事物主动性、逻辑思维能力、自身行为把控能力、决策执行力、语言理解及表达能力、组织协作能力、奉献精神、情绪表达能力、知识获取能力、决策能力。

高层次的军民融合科技创新人才热爱科研工作，具备良好的科研能力和丰富的领域知识，严于律己、乐于奉献，能够协调科研团队的各项工作，具备优越的决策能力。实证研究中复杂网络模型得出的指标重要度排序结果与高层次的军民融合科技创新人才所具备的各项特征高度一致，验证了论文所提出的基于复杂网络的军民融合科技创新人才培养影响因素研究模型的可行性，具有重要的理论意义和实践价值。

5.结论

论文通过分析影响军民融合科技创新人才成长的因素，构建了基于复杂网络的军民融合科技创新人才培养影响因素研究模型，通过实证研究得到了影响军民融合科技创新人才成长的指标重要性排序结果。

通过分析实证结果得出位于指标重要性排序结果前列的指标主要归属于意商、智商和位商，表明要培养一名优秀的军民融合科技创新人才需要重点提升个体意商、智商和位商方面的能力和素质，为社会经济的发展与国防现代化建设提供物质、技术和人才支持，积极推进我国军民融合发展。

杨志坚.协同视角下的军民融合路径研究[J].科技进步与对策,2013,（04）：99-102.

郭永辉.基于制度视角的军民融合技术创新分析[J].科技管理研究,2014,（03）：14-17.

马斌,李中斌.中国科技创新人才培养与发展的思考[J].经济与管理,2011,（10）：85-88.

Ren Z M, Shao F, Liu J G, Guo Q, Wang B H, Node importance measurement based on the degree and clustering coefficient information.ActaPhys Sin, 2013, 62（12）：505.

Vergara J R, Estévez P A.A review of feature selection methodsbased on mutual information[J].Neural Computing and Applica-tions, 2014,24（1）：175-186.

Zhou Xiaofei, Guo Li, Wang Tianyi, et al.Text feature selection based on class subspace[C]/ / Proc of IEEE International Conferenceon Data Mining.[S.l.]： IEEE Press,2014： 267-273.

Ahn M W,Jung W.SAccuracy test for link prediction in terms of similarity index：the case of WS and BA models[J].Physica A：Statistical Mechanics and its Applications,2015,429 （1） ：177-183.

程豪,易丹辉.社会网络分析视角下复杂网络结构关系的综合测度[J].统计与决策,2017,（07）：14-17.

Vergara J R, Estévez P A.A review of feature selection methodsbased on mutual information[J].Neural Computing and Applica-tions,2014,24（1）： 175-186.

Ahn M W,Jung W.SAccuracy test for link prediction in terms of similarity index：the case of WS and BA models[J].Physica A：Statistical Mechanics and its Applications,2015,429（1）：177-183.

Sun Ye, Liu Chuang, Zhang Chuxu,et al.Epidemic Spreading on Weighted Complex Networks[J].Physics Letters A,2014,378（7）： 635-640.