赵雪娇,徐立华
(唐山工业职业技术学院,河北 唐山 063299)
教师作为培养学生成人成才的主要力量,直接决定了学生培养的质量。好的教师人才队伍建设才能引导好的发展。因此,科学可靠的教师人才发展评价系统对于教师人才队伍的科学化、有效化管理显得尤为重要。随着大数据、云计算等先进信息化技术的不断发展推进,人才发展与信息化紧密结合,创建人才发展评价模型,搭建人才发展评价大数据,实现数据互通,创新优化人才服务,智能化地解决人才发展矛盾,是做好当前人才发展工作的关键,也是高职院校人才发展亟待研究和解决的课题。本文从高职院校人才发展评价现状及其存在的问题为出发点,基于大数据框架,实现数据互通业务融合,使用模糊算法构建人才评价模型,力求从根本上解决大数据时代高职院校人才发展评价问题,从而达到优化高职院校人才资源优化配置的目标。
人才评价是用人单位对人才所具备的能力素质,按照指标体系,采用科学方法,对某个具体人才(群体)进行评价、估测的管理工作。从时效性上看,人才评价是以评价对象(人才)综合能力及现状为考察对象,评测被评价对象的现实价值,即在于考察人才是否适合当前岗位,能否在当前岗位发挥优势,创造出更多价值。从过程性上看,人才评价是按照评价机制,以评价要素为基础进行的一项系统工程。评价因素主要包括,评价主体、评价客体、评价目的、机制、方法等,评价因素同时也是确保评价准确性的制约条件[1]。
从高职院校实际工作出发,不同目的的人才评价具有不同的评测标准,按照评价目的可将人才评价划分为:选择性评价、优化配置性评价、潜力性测评以及诊断考核性评价[2]。选择性评价是指高职院校为实现或完成某种特定的目的或任务,选择合适人才组建团队而进行的人才评价;优化配置性评价是以优化高职院校人才资源为目的进行的人才评价,例如重要部门若干年需要进行员工轮岗,为最大限度发挥人才优势选择合适岗位的人选而进行的人才评价;潜力性评价指的是随着“双高”校、职业本科建设工作,需要更多的人才投入到对新专业新学科的建设中,因此需要选择具有符合新专业新学科能力素质的教师,即对可塑性和潜在性的人才进行的挖掘和评价;诊断考核性评价是人事管理工作中最常见的评测方式,是用来考评人才是否对现岗位或即将分配的岗位能够创造高水平绩效的一种评价。
大多数高职院校普遍已经建立了完善的人事、教务和科研系统等,积累了海量的数据,但是由于各系统独立且分散,导致数据无法同步。人才发展评价因素作为评价的基础,数据需要来源于多个系统,数据规则不统一、数据融合度不够,导致应用不够智慧[3]。
要建立什么样的人才评价衡量标准、使用什么样的规则进行人才评价测量,成为人才评价工作的重中之重,也是高职院校亟待解决的问题之一。评价指标体系是对被评价对象全方面特征状态指标构成的集合,评价体系是人才发展评价的核心,构建科学的评价体系、明确评价项目权重对评价结果准确性有直接的影响。目前,大多数高职院校人力人才资源的调动主要是依靠决策者的主观评价,缺少人才评价理论体系以及评价指标,导致人才评价缺乏“科学性”。
目前高职院校对教师各项数据信息的管理,只停留在收集、汇总、导出阶段,从大数据技术手段来看,只实现了数据的采集存储过程,而海量数据下隐藏的价值尚未被挖掘、未能实现数据预测分析的功能价值[4]。人才评价工作迟迟未能实现真正“信息化”“智慧化”“大数据化”发展。
依托大数据技术,人才发展评价系统首先需要打通数据信息壁垒,优先解决“信息孤岛”问题,各类数据信息清洗融合,实现数据的共享性、有效性,形成综合数据库。建立人才发展评价指标模型,确定量化指标权重。
人才评价模型的构建以大数据分析技术为基础手段,创建数据分析流程、通过数据采集、清洗、分析等过程,挖掘人力资源数据之间隐藏的关联并进行预测。模型的构建能为决策者提供多维度的人才发展数据统计、分析、预测等功能,帮助决策者掌握目前学校行政管理、教学科研、学科建设和专业人才状况。人才评价模型的构建还能为决策者制定更切实有效、科学精细的人才资源配置方针政策提供科学精准的依据,并为高职院校挖掘人才、培养人才、使用人才、评价人才、留住人才提供重要参考。人才评价模型使高职院校真正做到个性化、精准、高效、有温度的人才服务支持,使学校在“双高”校和高水平职业院校建设中能掌握先机,对提高职业院校人才发展和教科研水平具有重要意义。数据分析结果的可视化帮助评价主体直观地对被评价者的优势和劣势有客观清楚的认知。
系统设计采用了普遍应用的三层架构结构,从上至下分为表示层、业务逻辑层、数据访问层。表示层为用户提供操作界面,可视化显示数据分析结果;业务逻辑层作为上下两层的桥梁,获取数据并对数据进行分析,实现系统科学评价功能;在数据访问层能够访问到系统数据库,进行人才评价数据的读取与存储。
人才评价系统由系统管理、基本信息管理、人才评价、信息可视化4个模块组织:系统管理模块主要供系统管理员使用,用于分配用户角色,配置用户权限,记录系统操作日志;基本信息管理模块用于管理人才各类基本信息,对数据进行增删改查操作;人才评价模块通过构建人才发展评价模型来收集人才评价数据、构建评价体系、设置分值权重、进行数据分析、提供最终决策;信息可视化模块将最后分析结果以可视化模式直观地呈现给决策层。
图1 高职院校人才发展评价系统模型
为了打通人事系统、科研系统、教务系统等多系统之间的数据壁垒,笔者利用基于ODI(Oracal Data Integrator)的数据共享平台构建评价系统的数据中心, 平台主要由数据源层、数据处理层、数据中心层、应用层构成,如图2所示[5]。
图2 基于ODI的数据共享
数据源层用于进行数据采集,数据来源于数据库,也可以来源于文档。可以是结构化数据也可以是非结构化数据[6]。数据处理层对采集到的数据按照全院统一规范的数据标准进行清洗转换,实现对各业务系统数据的整合。数据中心以数据库的形式存储清洗整合后的数据,为应用系统提供数据服务。
人才评价的流程设计包括三部分:首先是根据评价目的确认评价指标;其次是确定评价指标权重与量化;最后是数据分析,并进行评分与结果分析。该模型算法的核心部分是根据评价目的构建人才评价模型的评测指标并通过模糊层次分析法对各指标进行量化、通过模糊算法对对象进行评价和分析。课题组以某高职院校某专业选取专业带头人为案例,进行选择性人才评价,判断某教师是否适合专业带头人岗位进行分析。
3.3.1 评价目的与评价指标
某专业提出选择专业带头人的需求,二级学院组建的专家组通过对教师人才信息数据的挖掘,对其综合素质做出科学、客观分析,保证为岗位提供最优人选,以促进专业建设的良性发展。
科学合理的评价体系的构建是确保评价结果准确的重要保证。专家组依据教育部和高职院校相关文件,结合各位专意见,利用模糊聚类分析法和层次分析法对指标进行处理[7],得到了表1所示包括两个一级指标(A)和8个二级指标(B)的两个层次的专业带头人评价体系。专家组根据需求确认出一级指标(A)和二级指标(B),见表1。
表1 人才评价模型指标
3.3.2 确定评价指标权重与量化
由于人才评价具有模糊性,指标权重的确立可以利用模糊数学中的模糊判断方法。
1)确定评价因素集U=(u1u2u3…un);
2)确定评价的等级集V=(v1v2v3…vn);
3)依据等级集评价表中的模拟信息,建立模糊矩阵,如下:
4)确定指标权重集A=(a1a2a3…an);
5)进行模糊综合判断,得出判断结果:
通过使用层次分析法中确定权重的方法,确定主因素层和子因素层各指标的权重。通过两两成对重要性的比较方法建立判断矩阵,再计算判断矩阵特征值的权重。以技能水平为例,由专家组建立的判断矩阵见表2。
表2 技能水平二级指标AHP定义表
根据层次分析法,求得判断矩阵唯一最大特征值λ=5.07,特征向量ω=(0.2500.4750.0550.1100.110)T。
因此可得二级指标:
同理对于工作水平的二级指标(B),建立判断矩阵入表3。
表3 工作水平二级AHP定义表
因此可得二级指标:进行一致性验证:
CR=0.05/0.58=0.08<0.1,通过一致性验证。
一级指标权重由专家组根据经验确定权重:
3.3.3 数据分析
根据实际需要,本文将专业带头人评价等级分为“优秀”“良好”和“一般”三个级别,对评价级别集V赋值有:
组织专家对各对象的各因素进行等级划分,以某教师为例列出各专家等级划分归一化后的结果,如表1。
则技能水平A1指标的权重向量:
同理计算工作水平A2指标的权重向量:
该教师的综合评价为:
3.3.4 评分与结果分析
该教师的最终评分:
通过上述计算,该教师综合评价最终被评为“优秀”“良好”和“一般”的比重分别是48%、31.4%、和20.6%。根据最大隶属原则,教师综合素质考核最终被评为“优秀”水平,综合得分为84.45 分,评价结果优秀,适合专业带头人岗位。
高职院校人才发展评价模型是基于大数据技术而设计的,通过基于ODI的数据共享平台打通了各系统间的数据壁垒,实现了数据的共享。人才发展评价过程通过运用模糊聚类分析法和层次分析法方法构建了科学有效的人才发展评价模型。人才发展评价模型利用大数据技术对数据进行分析挖掘,最终真正实现学院人才发展科学化、智慧化分析。人才发展评价模型的构建优化了高职院校师资队伍,使人才资源得到最科学有效的利用,为各类人才的发展提供广阔的平台。