基于人才大数据的学者评价及培养策略选择

张忻　李恒

［摘 要］ 围绕建设人才强国的战略目标，基于国家重大需求，为了培养具有国际竞争力的青年科技人才后备军，精准制定培养策略，基于人才大数据的学者评价及培养策略选择开展研究。依据学者评价指标体系的设计原则，给出了优秀学者的核心评价指标，结合层次分析法与因子分析法，构建了优秀学者评价模型及多维度得分模型，科学评价青年学者的整体素养，对照人才雷达提供的优秀学者数据，针对性地给出人才精引精育的建议，为高校高质量人才队伍建设提供理论指导。

［关键词］ 人才雷达；层次分析法；因子分析法；人才评价

［基金项目］ 2022年度西北工业大学发展战略研究基金委托项目“新发展阶段下学校‘高精尖缺人才引育机制研究”（2022WT02）；2020年度国家自然科学基金委员会管理科学部第1期应急管理项目“新时代行业特色高校治理模式与创新发展研究”（72041012）

［作者简介］ 张 忻（1981—），男，陕西子洲人，硕士，西北工业大学人事处副处长，副研究员，主要从事教育管理研究；李 恒（1977—），男，甘肃玉门人，博士，西北工业大学材料学院教授，主要从事教育管理研究。

［中图分类号］ C961 ［文献标识码］ A［文章编号］ 1674-9324（2023）22-0001-04 ［收稿日期］ 2022-10-23

引言

近年来，建设中国特色世界一流大学成为国家对高校提出的最紧迫的战略性需求。一流大学首先要有一流师资，拥有一支政治素质过硬、业务能力精湛、育人水平高超的新时代高素质人才队伍。这对于高校实现高质量内涵式发展至关重要。同时，随着我国进入信息化发展新阶段，利用信息化手段对人才引育策略进行创新，成为人才引育创新的新趋势和未来发展的新动力。人才测评与培养是需要长远规划的工作，是具体而细致的项目，也是包含大学教学活动、大学影响力、学生培养等方面的综合工程。在高校层面，学者的优秀程度与培养策略的选择很难判断，如何评价高校人才素质，提升成为高校所需要的人才，一直是研究的重点问题。在国家和社会发展的大背景下，建立高校学者的多维度评价指标体系与学者评价模型，正是对这一重点问题的研究与探讨。

国内外在相关领域已有较为完善的研究成果，主要体现在以下几点：（1）人才素质评价指标体系方面，谭雷等［1］采用聚类分析和关联分析等数据挖掘方法，提取分析了高校人才科研能力的相关数据，构建了高校人才科研能力评价指标。（2）人才评价原则方面，Johnston［2］指出采用绩效评价的主体需要注意自主独立、内外部评价相结合的原则。（3）人才评价方法方面，杨河清等［3］对海外高层次人才引进政策的实施效果从政策的“投入—产出”角度进行了评价。目前，以最大限度地对高校人才教育质量进行合理且准确的评价为出发点，国内外学者对人才评价的研究已取得了不少成果。然而，在高校现有的学者评价研究中，很少有对学者纵向整体发展和个体横向成长因素进行比较的研究。

本文将立足高校层面，提炼优秀学者的核心评价指标，结合层次分析法与因子分析法优势，同时在横向与纵向方面建立多维度评价指标体系；借助人才雷达检索引擎，获取学者信息，实现人才成长评估，刻画人才成长轨迹，多维度展示人才情况，方便高校、学院客观判断。

一、优秀学者评价指标体系

（一）优秀学者评价指标体系设计原则

构建优秀学者评价指标体系，关键在于优秀学者评价指标体系的设计。目前，国内外学者对指标体系设计原则的理解保持一致。如在确定高校学者评价指标体系时，孙林梅［4］强调应当遵循科学性原则、目的性原则、全面性原则等；刘元春［5］认为优秀学者评价指标体系设计需要坚持统一标准，并尊重个性差异原则、坚持分类评价原则、坚持主体性原則、坚持创新性原则等。总之，专家和学者普遍强调高校学者评价指标设计原则的重要性，并逐渐对原则的要求从最初相对简单的合理性和可实现性提高到更高的层次，如强调科学性、系统性、现实性等的结合，这就要求指标在原则上应更加客观和现实。

（二）优秀学者评价指标体系

近年来，国内外专家学者建立并完善了相应优秀学者评价指标体系。2018年11月，教育部开展了“五唯”清理专项行动，从相关研究看，对学者的评价逐步集中在科研绩效评价和学者自身评价两个方面，“唯论文、唯帽子、唯职称、唯学历、唯奖项”的评价指标渐渐被多维度、多层次的评价指标体系替代［6］。在破“五唯”的背景下，洪銮辉等［7］将优秀学者评价从教育教学改革水平、社会服务水平、社会影响水平、指导学生竞赛水平、科研水平及团队合作水平等方面进行划分，并设计了完整的指标体系。

此类指标体系的构建，不仅兼顾了科研有效性各个环节的能力，还将战略导向性及学者主体特征的各个要素纳入评价范围，使评价指标体系更加系统、合理。基于优秀学者评价指标体系设计原则及大量文献调研，结合国家战略背景及课题需要，本文提出了2级共14个核心指标的优秀学者评价指标，主要涵盖了学术贡献、科技成果转化情况和人才培养水平三个方面，如图1所示。

二、基于层次分析法的人才评价模型

20世纪70年代，美国运筹学家萨蒂（Saaty）首次提出层次分析法，即采用系统分析的方法，按照评价目的连续分解评价对象的总体目标，得到各层次的评价子目标，并以最低的层次作为评价指标来衡量目标的实现程度，通过计算出综合得分指标，对总体目标进行评价。

（一）构建判断矩阵

在明确评价指标、创建递阶层次结构后，需要构建判断矩阵，用于比较每一层次中各因素的相对重要性，其元素取值为1～9，对应相关指标的重要程度。基于专家意见，本文构建了学者评价指标判断矩阵S-A（见表1），准则层认为学术贡献比科研成果转化情况和人才培养水平略微重要，科研成果转化情况与人才培养水平同等重要。在方案层，听取专家意见后，学术贡献方面承担国家级课题与国家级荣誉称号及纵向项目同等重要，高水平论文、著作比承担国家级课题略微重要；相较于高水平学术讲座，承担国家级课题明显重要；相较于学术兼职数，承担国家级课题绝对重要，高水平论文、著作比国家级荣誉称号略微重要；相较于纵向项目，国家级荣誉称号略微重要；相较于高水平学术讲座，国家级荣誉称号相当重要；相较于学术兼职数，国家级荣誉称号明显重要；对比纵向项目，高水平论文著作相当重要；对比高水平学术讲座，高水平论文著作明显重要；对比学术兼职数，高水平论文、著作绝对重要；相较于高水平学术讲座，纵向项目相当重要；相较于学术兼职，纵向项目绝对重要；对比学术兼职数，高水平学术讲座略微重要。对于科研成果转化情况，专家认为科技成果产生的经济效益与专利投入率及成果使用率均比专利及技术成果获奖略微重要，科技成果产生的经济效益与专利投入率及成果使用率同等重要。对于人才培养水平，与核心课程教学时长相比，课程建设项目相当重要，获评示范及精品课程略微重要，指导学生所获奖项及荣誉绝对重要，应届学生就业比例明显重要，课程建设项目比获评示范及精品课程略微重要，与应届学生就业比例同等重要，指导学生所获奖项及荣誉比课程建设项目略微重要；与获评示范及精品课程相比，指导学生所获奖项及荣誉相当重要，应届学生就业比例明显重要，指导学生所获奖项及荣誉与应届学生就业比例同等重要。基于此，可以分别得到方案层对于学术贡献、科研成果转化情况和人才培养水平的判断矩阵。

（二）确定各层次的指标权重及检验一致性

准则层指标权重使用根法计算，并对判断矩阵进行一致性检验。当指标层的随机一致性比率小于0.1时，判断矩阵的一致性较好，归一化后的权重是可以接受的。计算得到的准则层一致性比率为0.046，小于0.1，符合一致性检验要求。同理，计算学术贡献、科技成果转化情况、人才培养水平下各具体指标，得到随机一致性比率分别为0.066、0、0.042，均小于0.1，符合要求。

（三）确定各指标综合权重

通过计算指标在准则层的权重与准则层指标在目标层的权重的乘积得到各指标的综合权重。

（四）评价选择实施

量化评价值通过计算各指标综合权重值并与方案的评价指标值相乘得到，最终通过得分排序获得最优选聘方案。

三、基于因子分析法的多维度得分模型

因子分析法是一种常用的变量降维方法，目标是发现变量之间的内在联系，提取公共信息，通过将原始变量聚合为新变量来实现变量简化。此方法适用于刻画学者成长轨迹中的核心影响因素。

（一）样本与数据选取

结合层次分析法的评价结果，以准聘学者S为研究对象，选择25位已获评“杰青”的优秀学者作对比，基于人才雷达搜索引擎，采集26位学者在相同年龄的指标数据，进行分析。

（二）因子分析法适用性检验

为验证可行性，利用SPSSPRO对变量进行了KMO检验和Bartlett球形检验。26名同龄学者的指标数据KMO检验值大于0.5，Bartlett球形检验显著值小于0.05，适合进行因子分析，且具有良好的因子分析效果。

（三）公共因子的提取

根据陡坡图检验法，从第三个特征值开始，曲线趋于平缓，同时前三个因子的特征值均大于1，且累计方差贡献率达89.883%。因此，三个公共因子在解释原变量信息方面较为理想。

（四）因子解释

因子载荷矩阵采用方差最大化的正交旋转法获得。公共因子一中旋转后，因子载荷系数较大的几个变量包含承担国家级课题，国家级荣誉称号，高水平论文、著作，纵向项目，高水平学术讲座与学术兼职数，故可以将其定义为学术影响力因子。公共因子二中旋转后，因子载荷系数较大的几个变量包含核心课程教学时长、课程建设项目、获评示范及精品课程、指导学生所获奖项及荣誉与应届学生就业比例，故可以将其定义为教书育人因子。公共因子三中旋转后，因子载荷系数较大的几个变量包含专利及技术成果获奖、科技成果产生的经济效益与专利投入率及成果使用率，故可以将其定义为科技成果转化因子。

（五）因子得分计算与分析

依据成分矩阵求出三个公共因子下的指标变量权重，将其分别与变量值相乘即可得到学术影响力因子、教书育人因子与科技成果转化因子的得分。26名青年学者中，在教书育人和科研成果转化因子上，准聘学者S分别位列第7名（因子得分202.416）和第10名（因子得分162.422），处中上游水平，教学能力较为出众，研究成果符合市场需求，具有较为出色的时代价值，这是该学者的优势所在。而在权重为45.829%的学术影响力因子上，准聘学者S排名仅位列第22名（因子得分-11.709），处下游，表明其在科研学术能力方面与优秀学者相比还有较大差距，学术影响力的欠缺是制约其全面发展的重要因素。为促进学者科研工作全面发展，高校要提供个性化培训，并给予信任和支持，合理分配科研资源。同时，准聘学者S应将主要精力放在科研工作上，提高积极性，调动科研兴趣，寻求新的突破。

结语

本研究建立了适用于高校人才引育的优秀学者评价指标体系，综合运用层次分析法和因子分析法构建了学者的整体评价模型与多维度得分模型。基于人才雷达搜索引擎获取的优秀学者数据，对学者的个人发展情况及应具备的能力进行分析，可使人才评价由定性评价转化为定量评价，提高对优秀学者评价选择的科学性和合理性，帮助青年学者发现个人成长中的优势与不足，实现高校人才培养策略选择的精准性。

参考文献

［1］谭雷，庄新田，韩鹏.基于数据挖掘的高校人才科研能力综合评价方法研究［J］.东北大学学报（社会科学版），2014，16（6）：596-600.

［2］R. J. Johnston. Quality assessment of teaching： inputs， processes and outputs［J］. Journal of Geography in Higher Education， 1994，18（2）：184-193.

［3］杨河清，陈怡安.海外高层次人才引进政策实施效果评价：以中央“千人计划”为例［J］.科技进步与对策，2013，30（16）：107-112.

［4］孫林梅.浅析高校创新型人才流动绩效评价体系的构建［J］.经济师，2022（2）：172-173.

［5］刘元春.构建多元评价体系［J］.中国高等教育，2016（2）：5-7.

［6］李思宏，罗瑾琏，张波.科技人才评价维度与方法进展［J］.科学管理研究，2007（2）：76-79.

［7］洪銮辉，林婷.高职院校建设中人才引进评价指标库及指标体系构建的研究［J］.职业教育（中旬刊），2022，21（4）：24-28.

Scholar Evaluation and Training Strategy Selection Based on Talent Radar

ZHANG Xina， LI Hengb

（a. Personnel Division， b. School of Materials Science and Engineering， Northwestern Polytechnical University， Xian， Shaanxi 710072， China）

Abstract： Centering on the strategic goal of building a strong country with talents， based on the major national needs， in order to select the internationally competitive young scientific and technological talents reserve army and accurately formulate the training strategies， this paper carries out the research on the scholar evaluation and training strategy selection based on the talent radar. According to the design principle of scholars evaluation index system， the core evaluation index of outstanding scholars is given， combined with level analysis and factor analysis， the outstanding scholars evaluation model and multidimensional score model are built， to provide scientific evaluation of young scholars overall accomplishment， based on the excellent scholars data from talent radar， to give targeted talent advice and to provide theoretical guidance for high quality talent team construction in colleges and universities.

Key words： talent radar; analytic hierarchy process; factor analysis; talent evaluation