企业创新型人才评价指标体系构建研究

李 琦，徐 敏，何 雷，范沿沿

（1.中国烟草总公司河南省公司，河南 郑州 450046；2.河南省烟草公司许昌市公司，河南 许昌 461000）

0 引言

创新型人才是科技创新的重要力量，对科技人才的客观评价是选拔、培养的重要依据，要突出以人为本，合理构建指标体系，科学赋予权重，选拔出优秀的创新型人才。创新型人才评价与企业绩效评测要区分开，要兼顾创新活动与职责履行，真正为创新型人才的选拔和培养服务。目前，多数企业对创新型人才的选拔培养措施方法很多，但是人才评价指标体系构建还不成熟，主要表现在指标体系设置不够全面，部分指标设置不够合理，偏向行政管理人员，强调历史业绩，轻视科研活动能力，成果数量、质量不能合理分配权重[1-2]。在企业创新型人才的评价方面，国内学者赵祖地等人认为创新型人才特征应包括基本素质、知识技能和创新业绩等3个方面内容[3]。刘慧等人认为创新人才应具备2个条件，一是创新素质，二是创新业绩[4]。文章坚持创新型人才的实用导向，统筹企业特点、专家意见以及评价的可操作性，探索构建企业创新型人才评价指标体系，用于企业创新型人才的评价。

1 企业创新型人才评价指标的确定

1.1 指标体系构建原则

企业创新型人才评价坚持6个原则，一是遵守法律法规、社会公德。二是具有良好的科学素养，作风正派，能够坚守科研诚信，愿意献身于科学研究事业[5]。三是能够认真履行工作职责，及时完成工作任务，热爱学习并不断提升自己的能力。四是能够系统掌握从事专业的专业知识、工作方法和先进技术，对专业领域前沿研究和发展趋势，具有较强的科研能力和丰富的科研积累。五是要有一定的能推广应用的科技成果、关键技术研究、专利论文及其他知识产权等。六是不同领域的创新型人才还需要具有一定的学历学位和工作年限要求。文章通过头脑风暴法，初步形成创新人才评价综合指标，再利用德尔菲法咨询相关专家，形成创新人才评价指标体系[6-9]，并进行了信效度检验，采用层次分析法（AHP）构建创新人才评价指标体系模型，邀请专家打分量化指标权重[10-15]，最后通过KNN算法确定最终权重值。本文研究基本流程见图1。

图1 企业创新型人才评价指标确定流程

1.2 企业创新型人才评价指标体系构建

1.2.1 评价指标的筛选

文章利用文献查询、头脑风暴法和德尔菲法，初步确定创新型人才评价指标体系由5个一级指标和36个二级指标构成，其中一级指标分别为素质、知识、能力、成绩、潜力，素质包括个人品德、学术诚信、科研工作连续性、岗位履职情况，知识包括学历职称、专业理论知识、跨专业知识结构、行业政策把握、专业前沿研究掌握、计算机技术知识、工作实践经验、参加科研交流，能力包括学习总结能力、个人科研能力、市场分析能力、组织攻关能力、指导实践能力、团队协作能力、成果推广能力，成绩包括论文数量、论文被引用次数、承担项目数量、承担项目层次、获得奖励级别、获得奖励数量、专利授权情况、参与标准制定、版权登记、成果登记研究成果转化情况、新闻媒体报道、标志性成果、指导人才成长，潜力包括单位现有科研条件、单位研发团队水平、创新进取热情，见图2。

图2 创新人才评价综合指标体系

为了进一步实现指标科学合理，再次采用德尔菲法组织企业内部和外部有关专家，对创新人才指标体系进行进一步优化[16-22]。为突出专家的权威性，邀请了不同专业领域长期从事科研管理研究工作的专家，开展项目指标体系论证，对初步形成的评价指标进行筛选和调整，进一步形成3个一级指标、10个二级指标的创新人才综合评价指标，详见表1。

表1 创新型人才评价指标体系

1.2.2 评价指标体系的信度和效度分析

信度和效度是测量调查问卷、指标体系等工具科学性的重要技术参数。 信度主要是反应测量结果反应被测量对象的可靠性，主要表现为测量结果的一惯性、一致性和稳定性等特征[23-24]。信度检验方法由主要包括再测法、复本相关法、折半法和克朗巴哈系数(Cronbach's alpha或Cronbach's α)，本文采用Cronbach's alpha进行信度检验，该方法为科学研究常用的信度分析方法，克朗巴哈系数的数学公式如下：

其中，k为被测量的项目数量，r为k个项目的相关系数的均值，Cronbach's α值范围在0-1之间，一般认为0.8以上表示被测量对象的可信度高，0.6-0.8表示被测量对象可信度有参考价值，0.6以下表示被测量对象设计存在问题。创新型人才指标体系克朗巴赫系数平均在0.8以上，该指标体系具有较高的可信度。

效度主要是检验测量工具与被测量对象的吻合程度，反映出测量工具的精准度。效度检验主要有包括内容效度、准则效度和结构效度。本文采用的结构效度，用因子分析法来测量结构效度[25]。经过KMO和Bartlett的检验，KMO的值为0.909，满足因子分析法要求，通过主成分分析法抽取因子，测试后显示多项指标项因子负荷值在0.77以上，累计方差贡献率接近在89%，结果表明构建的企业创新型人才评价指标体系较为合理。

2 创新型人才评价指标量化权重

采用层次分析法（AHP）量化指标权重，层次分析法基本原理是根据分析评价的总目标，把总体中各种影响因素通过划分相互联系的有序层次使之条理化。首先，按照因素间的隶属关系，将因素依照不同层次进行组合，形成一个多层次的分析结构模型。然后，根据客观情况的主观判断，对每一层次的因素间的相对重要性给予量化描述。最后，利用数学方法，确定每一层次全部因素项目重要性次序的数值。通俗讲，层次分析法是在一个多层次的结构模型中，被归结为下一层相对于上一层的相对重要性数值的确定或相对重要次序的排列问题。

2.1 建立模型

本研究将创新型人才评价指标体系分为一、二、三等多层次结构。第一层为总目标，即创新型人才评价指标体系。第二层为准则层，即评估创新型人才的3个要素，分别为专业素质、创新活动和创新产出。第三层为确定各个要素的方案层。其中准则层3个要素分别记为A1、A2、A3，A1下面的子层级分别记为A11、A12、A13,B1下面的子层级分别记为B11、B12、B13…，以此类推，建立模型见表2。

表2 创新型人才评价指标体系模型

2.2 构建判断矩阵

构建创新型人才评价体系结构模型后，每个层级之间的因素隶属关系就被确定，下一步就是对每一层级中各因素之间的相对重要性做出判断。在层次分析法中，为了使指标进行量化，需要将每一层级中的因素进行两两对比，形成判断矩阵。每个层级各因素之间相对重要性的评判，采用1-9的比例标度，见表3。

表3 判断矩阵标度值

另外，取1、1/3、1/5、1/7、1/9分别为同等重要、略次要、次要、很次要、极次要，1/2、1/4、1/6、1/8为中间值。假设评价指标为n个，则判断矩阵A如下所示：

2.3 一致性检验

为防止出现A大于B，B大于C，结果C大于A的逻辑错误，需要对矩阵进行一致性检验，计算一致性指标CI公式如下：

随机一致性指标RI值，见表4。通过一致性指标CI和随机一致性指标RI的比值CR来判断矩阵是否满足一致性。根据一致性检验结果，若CR小于0.1，则判断矩阵满足一致性检验。

表4 随机一致性指标

2.4 指标赋值量化

为了科学反映创新型人次评价指标体系各个指标的权重值，本研究邀请不同专业领域15位专家对上述打分表进行打分，并通过一致性检验。抽取其中一位专家量化打分情况，其余不再一一展示。判断矩阵较打分后，量化情况如下，打分，打分界面见图3。

图3 被抽取专家的打分界面

一级指标判断矩阵：

λmax=3.0183；

RI=0.58；

CI=0.0092；

CR=λmax-n/n-1=0.0158，小于0.1，满足一致性检验。

二级指标专业素质构建判断矩阵：

λmax=3.0182；

RI=0.58；

CI=0.0092；

CR=λmax-n/n-1=0.0158，小于0.1，满足一致性检验。

二级指标创新活动构建判断矩阵：

λmax=5.3409；

RI=1.12；

CI=0.0852；

CR=λmax-n/n-1=0.0761，小于0.1，满足一致性检验。

二级指标创新产出构建判断矩阵如下：

A3为2阶判断矩阵，具有完全一致性。

3 确定评价指标最终权重值

为了进一步科学合理反映创新型人次评价指标体系各个指标的权重值，本文通过基于平均值的KNN算法计算出15位专家理想平均值。KNN全称为k-Nearest Neighbor，该算法是一种用于统计学的数学方法[26-29]。通过确定一个样本的K个最近邻居，将这些邻居的属性的平均值赋给该样本，确定该样本的属性。在KNN算法中，通过计算邻居间距离作为各个因素之间的指标，一般使用距离计算：

二维平面上两点A(x1,y1)与B(x2,y2)之间的距离为：

三维平面上两点 A(x1,y1,z1)和 B(x2,y2,z2)之间的距离为：

那么N 维向量间的距离为：

以一级指标为例，将15位专家的指标权重计算出来后，求出一个指标权重的平均值b，在通过15位专家权重和平均值进行比较，选取K个最近邻居值，然后将K个邻居值再进行平均值计算，得到平均值c，则c为该指标的最终权重值。经计算，一级指标15位专家的平均值为0.15、0.48、0.37，代入KNN算法距离公式，得出15位专家与平均值距离如下表5：

表5 一级指标权重与距离

根据打分情况，设K为12，按照距离选取12个最近数据，排除3、5、11等三位专家打分。再次对剩余专家打分进行计算，一级指标最终权重分别为专业素质0.15、创新活动0.50、创新产出0.35。创新型人才评价指标体系指标最终权重见下表6。

表6 创新型人才评价指标体系权重

从表5中，一级指标中创新活动权重值为0.50，占的比重比较大，主要包括创新能力、科研交流、人才培养、工作考核和工作业绩等内容，可以看出专家对创新活动的重视程度。其次是创新产出权重为0.35，重要程度仅次于创新活动，包括知识产权和创新奖励。一级指标专业素质权重为0.15，主要包括专业技术职称或职业技能鉴定资格、学术影响和科研工作积累。根据打分情况可以看出，创新型人才评价指标体系一定程度上克服了唯论文、唯职称、唯学历、唯奖项的倾向，将参与科研活动，科研交流，培养人才，成果推广以及解决实际问题等内容提升到了重要位置，能够引导创新型人才向实用性方向发展。

4 结论与建议

文章以企业创新型人才使用培养为对象，构建了涵盖专业素质、创新活动和创新产出的评价指标体系。该体系以参加科研项目攻关、科研活动交流、人才培养、成果创新及应用等内容为主，奖励、论文、专利和职称等为辅，在指标设置上反映出专家对人才评价的深刻思考，既保证了该指标在使用过程中的客观性，又体现了对人才培养使用过程中价值引导。通过层次分析法和KNN算法，建立创新型人才评价指标体系模型，邀请专家打分对指标权重进行赋值，将结果分类总结，确定了创新型人才评价指标值。本文的研究思路、指标设置和研究方法为人才评价相关研究提供了参考。

企业创新型人才是促进企业技术创新的高质量发展的重要力量，评价不是目的，为了使企业在高速发展的环境中，能够对人才进行精细分类、科学培养，提出以下几点建议：

一是突出创新型人才的职业道德评价。纠正过去“成果至上”的人才评价思想。将职业道德作为创新型人才评价的首要内容，加强对创新型科技人才职业规范、责任诚信、科学品质的评价考核，倡导诚实守信，强化社会责任。

二是强化创新型人才能力素质评价。改变过去“重学历轻能力、重显能轻潜能”的做法。将创新型人才能力素质评价细化为知识创新能力和社会实践能力等方面，既注重对创新型科技人才心理素质、知识能力的评价，更注重对解决重大问题的实践能力的评价，以促进创新型人才的全面发展，适应高质量发展战略的需要。

三是重视创新型人才的业绩贡献评价。突出创新质量和贡献，以科研质量和价值贡献为导向，重视创新型人才的产出质量，鼓励创新型人才做出具有创新性、前瞻性甚至颠覆性的高质量、高影响力的科研成果，更加注重创新型人才科研成果的转化价值，重点考察其成果对经济技术和社会发展的实际贡献，以有效解决转化率不足的问题。