算法公安人力资源管理的建构、价值与进路

王欢欢

数字时代人力资源管理新型模式既是学界热点议题,亦是实务界的实践需求。算法借由其客观性、自动化和高效率的优势,成为提高管理和决策效率的先进生产力工具,人类社会已经进入一个“以算法为中心”的时代。①黄新华、温永林:《算法规制的善治之道:缘起、挑战与路径》,《东南学术》2023 年第2 期。基于此,Jeroen Meijerink 等人提出“算法人力资源管理”(Algorithmic Human Resource Management,Algorithmic-HRM)概念,界定了涵盖数据与技术的人力资源管理活动,②Jeroen Meijerink,Mark Boons,Anne Keegan,Janet Marler,“Algorithmic human resource management: Synthesizing developments and cross-disciplinary insights on digital HRM”,The International Journal of Human Resource Management,2021,32,pp.12.指的是使用基于数据的软件算法,以增强与人力资源相关的决策以及自动化人力资源管理活动。其具有三个特征:一是数据的创建和使用;二是使用软件算法有效处理数据;三是人力资源管理决策的完全或者部分自动化。①Jeroen Meijerink,Mark Boons,Anne Keegan,Janet Marler,“Algorithmic human resource management: Synthesizing developments and cross-disciplinary insights on digital HRM”,The International Journal of Human Resource Management,2021,32,pp.2545-2562.数字时代公安人力资源管理通过利用数字技术获取、分析和应用有价值的数据,驱动人力资源决策。笔者尝试建构相应的理论框架,描述数字时代公安人力资源管理的应然形态,并结合福州公安就近的数字管理实践,对“算法公安人力资源管理”这一概念进行实然分析,进而探讨其应用价值与提升进路。

一、算法公安人力资源管理的理论建构

算法公安人力资源管理是在算法人力资源管理的基础上提出的,是指使用基于数据的软件算法,辅助赋能公安人力资源管理的相关决策,使公安人力资源管理相关决策由人力代理发展到人力代理与技术代理相结合,从而实现公安队伍管理效能提升。算法公安人力资源管理同样具有三个特征:一是公安民警工作中特质与行为数据的创建和使用;二是使用软件算法有效处理数据;三是公安队伍管理决策实现人力代理与技术代理相结合。民警的工作特质与行为形成大量数据,通过数据采集与录入形成数据池。使用合理的算法对数据池进行处理,输出结果辅助公安队伍管理相关决策,从而实现由传统的管理层主观决策(人力代理)到结合客观数据分析结果的决策(人力代理与技术代理相结合)的转变。当然,公安队伍管理的具体实践将调整技术代理与人力代理的结合程度,对技术代理的需求将进一步反馈到算法部署与数据采集(见图1)。

图1 算法公安人力资源管理理论框架

数据创建是算法公安人力资源管理的基础特征,采集公安组织与民警个人的各方面数据来创建公安人力资源管理大数据池。具体包括民警工作中的行为数据、档案数据等。行为数据指民警工作行为产生的数据,主要来自执法记录仪、移动警务终端、相关感知设备以及后台操作痕迹等等。档案数据指民警的个体特征与职业生涯数据,包括人口统计学数据、个人特质数据、学历数据、体能数据、奖惩数据、履历数据、培训数据等等。档案数据属于传统数据,通过纸质档案的电子化与及时录入形成,容易采集。行为数据的采集需要更多的智能设备与技术,采集难度相对高,但行为数据能够深度挖掘和还原民警的实际工作状态,具有更高的数据分析价值。

算法处理是算法公安人力资源管理的核心特征,指基于公安人力资源管理活动的基本原则、决策标准以及现实需求,选择最合适的算法技术对数据池进行处理与分析,包括评估算法、预测算法、匹配算法等。这里说的评估算法指通过数据分析实现对民警行为进行得分排序、绩效考核等,预测算法指通过数据分析实现对民警行为的预判、预警等,匹配算法指通过数据分析实现民警与岗位、任务以及职务职级等的有效匹配。算法是决策者的工具,数据的有效使用依赖于算法的合理设计。通过数据创建与算法处理支持公安人力资源管理决策,公安人力资源管理相关决策的人力代理与技术代理相结合是算法公安人力资源管理的目标效果。

二、算法公安人力资源管理的实然分析

近年来,多地公安逐步推进制度与技术的创新,实现数据与技术对公安队伍管理的赋能,显现出算法公安人力资源管理的基本轮廓。如上海公安的智能化绩效考核实践、成都公安的“1+8+N”云政工实践、杭州公安的智慧政工实践等。笔者以福州公安队伍数字管理实践为例,分析算法公安人力资源管理的实然过程。

福州公安于2022 年1 月3 日起正式上线“有效工作法”应用软件,推行“有效工作法”队伍管理制度。民警每天通过这一软件填写工作日志,将当日的工作内容分项罗列并统计每项工作内容的工作时长,再由分管领导进行审核与评价。通过数据记录与计算,进行周评“有效工作星”、季度评“有效工作铜星”、半年度评“有效工作银星”、年度评“有效工作金星”。这些数据结果为民警评优评先、立功嘉奖以及职务职级晋升、绩效考核、异地调动等人力资源管理有关工作提供参考。

(一)过程:算法公安人力资源管理的特征元素显现

1.数据创建

数据是算法公安人力资源管理的基础,包括工作内容数据与工作时间数据。福州公安队伍数字管理实践汇集海量民警行为数据,体现了算法公安人力资源管理的基础特征。通过制度主导,开启全市全警每日数字记录,保证了数据来源与体量;通过软件平台,实现了海量数据的汇集。截至2023 年2 月20 日,福州公安通过“有效工作法”软件共采集全市民警工作数据2398194 条,较为完整地记录了民警的工作轨迹和工作时效,为人力资源相关决策建立数据基础。

2.算法处理

管理者需要在海量数据的基础上,挖掘数据的内在价值应用于队伍管理,并基于公安队伍管理活动的基本原则、决策标准以及现实需求,设计计算规则,从而实现数据价值。目前,福州公安已有的计算包括有效工作星的“赋星”计算、绩效考核得分计算、晋职晋级评先评优立功受奖人员库的呈现和异地调动积分计算、爱警暖警福利名额分配排序计算等(见表1)。当然,目前算法处理尚处于简单处理的初级阶段。数据池信息体量越大,目标数据越多,越能推动算法的开发与优化,实现更多的算法价值,助力公安队伍管理。

表1 算法处理具体内容

(二)效果:特征元素动态互动实现人力代理与技术代理相结合

在实践中,数据创建与算法处理形成良性互动,呈现出多阶段螺旋式循环渐进动态过程(见图2)。第一阶段是数据创建,实现海量数据的积累。第二阶段在数据积累的基础上逐步开发有效算法。一方面,实现对部分内容的初步计算,辅助决策;另一方面,实现对数据内容的统计分析,优化数据采集。第三阶段进一步提高数据创建与算法处理的自动化、智能化水平,实现“泛在无感采集”式的数据自动化创建以及多场景智能化应用。总体而言,福州公安队伍数字管理实践显现出了算法公安人力资源管理的初步轮廓与成效,实现队伍管理中的数据应用、量化评价、多维考核、靶向激励。这为数字时代公安队伍管理提供了一种新的思路,实现从“传统工作模式”到“数字化工作模式”的队伍变革。

图2 数据创建与算法处理多阶段螺旋式循环渐进动态过程

三、算法公安人力资源管理的价值场域

(一)形成公安工作标准指引,优化公安机关工作分析决策

公安机关工作分析是公安人力资源管理活动的基础,具体指通过收集和分析公安工作信息,确定特定公安工作的性质、任务、职责、环节以及完成此项公安工作所需的知识、技能、经验等条件的实践活动。①王毅虹、孙晓东:《公安人力资源管理概论》,中国人民公安大学出版社2007 年版,第64-65 页。工作分析思想源于科学管理学派。科学管理之父泰勒通过三大经典实验,对工人的工作进行时间研究与作业研究,总结每一项工作的最佳工作流程与有效工作时间。由此,经验管理开始向科学管理转变,极大提升了工人的工作效率以及获得的酬劳,充分调动工人的工作积极性,带动“效率增进运动”的发展。在数字化背景下,科学管理思想与算法技术相互嵌套融合,推动数字化效能变革,实现了“数字泰勒革命”,进一步提升人效。

算法公安人力资源管理能够实现科学有效的公安机关工作分析。通过数据分析来测算每项警务工作的有效时长,有利于优化每项警务工作的工作内容、工作方法、工作流程、工作工具,从而制定各单位岗位说明书,包含具体岗位的工作事项、工作标准描述、有效工作时间,最后形成工作标准指引。例如,福州公安通过数据采集与分析,形成派出所工作事项指南,将“接警工作”分为“接受到所报警”“制作受案笔录”两项工作事项;“接受到所报警”的工作描述为“接受群众报警并生成警情”,有效工作时间分为求助类警情和案件类警情进行具体记录。当然,由于公安工作的权变因素较多,容易出现例外情况。而通过算法软件,数据创建与工作标准结果输出可以呈现动态双向调整过程,逐渐提升输出结果的拟合性,进一步保证数据分析与实践运转相吻合,由此再造流程、明晰职能定位,不断优化公安机关工作分析。

(二)创建民警的“数字孪生”,辅助公安队伍人事管理决策

从个人层面来讲,档案数据的创建能够形成民警的“数字标签”,展示民警的个人特质、经历荣誉、关键优势与不足、各维度能力值等,所有标签聚合成民警个体的“数字画像”。行为数据的创建能够输出民警的工作行为特点、决策偏好、工作风格等,进一步升级“数字画像”,创建映射民警实体的“数字孪生”。从组织层面来讲,所有民警的“数字孪生”集合促进了组织的人才盘点实践,使管理者对组织人力资本有全局的理解。①谢小云、左玉涵、胡琼晶:《数字化时代的人力资源管理:基于人与技术交互的视角》,《管理世界》2021 年第1 期。通过个体层面“数字孪生”的映射关系以及组织层面的人才盘点,辅助公安队伍人事管理决策。

公安队伍人事管理包括用人、育人、评人、留人四个维度,②韩春梅、王禹淋:《数字时代的公安人力资源管理》,《中国人民公安大学学报》(社会科学版)2022 年第4 期。是公安人力资源管理的核心内容。用人维度包括警力配置、人岗匹配等实践问题。应用评估算法、预测算法、匹配算法等辅助决策,实现警力需求统计与供给分析,以算法技术实现“警力无增长改善”。通过设定岗位能力标签组合,分析“数字画像”以及人才盘点,将民警与岗位智能匹配,形成全息组织架构数字孪生应用。育人维度主要指警力的培训与开发。通过算法辅助育人决策,拓展育人的维度,提升育人的精度。一方面,通过“数字孪生”的映射,将实体空间无法实现的培训虚拟化,将实战场景与结果预判呈现在培训中,全方位拓展培训的维度。另一方面,将民警“数字画像”对标岗位说明书,形成“待提升模块”,有针对性地推送培训信息与课程。评人维度主要指民警的考核与监督。第一,用数据辅助考核评价。通过全量采集民警工作数据与设定考核指标,计算生成考核结果,用定量数据辅助人力主观评判。第二,实现全面质量管理。“数字孪生”能够时时映射民警工作行为,异常数据出现时将及时预警。另外,日常工作数据面向组织成员与分管领导开放,形成有效监督。留人维度主要指民警的激励。采用算法技术与数据应用,既能够降低激励制度运行的人力代理成本,提升激励的及时性,又能够通过“数字画像”与“数字孪生”,了解民警需求,以民警更需要的方式实现爱警暖警惠警。还可以结合每个民警特点,制定“个性化职业生涯规划”方案,全盘合理规划民警的晋职晋级,实现组织与个体的双赢。

(三)数据联动驱动部门联动,加强公安队伍协同管理决策

协同管理即协同作战,是指把局部力量合理地排列、组合,来完成某项工作和项目。公安队伍协同管理涉及不同警种间的协同,不同部门间的协同,不同层级间的协同以及不同区域间的协同。科层理性下的“部门碎片化”以及条块分割下的“合作行动困境”①王欢欢、朱旭东:《互联网+社区治理”模式的执行限度与优化路径》,《长白学刊》2021 年第6 期。造成了协同困境,“部门墙”现象和“委托代理”问题进一步加剧了公安队伍传统情境下的协同困境。协同管理的关键在于信息的顺畅流动以及组织的合理分工,实现“情指行”一体化。这需要有效的情报数据采集、合理的指挥决策与行动决策。

在算法公安人力资源管理实践中,数据池的创建有利于信息的公开透明,有效减少信息差。数据流的顺畅能够驱动管理流与业务流的理顺,实现公安队伍协同管理。以福州公安实践为例,通过数字记录,每个民警的工作内容公开透明,工作效率直观可见,促进民警之间相互了解,避免由于信息闭塞造成的隔阂,减少“部门墙”现象。各级领导具有相应范围的数据查阅权限,可以查看其管理的团队中民警的工作数据,了解基层单位与基层民警工作的全貌,解决基层管理中出现“看得见的管不了,管得了的看不见”的传统困境,降低“委托代理”中人力代理造成的信息不对称程度,实现组织的合理分工,形成协同管理的指挥决策与行动决策。另外,通过算法对民警行为数据进行分析,研判公安工作的重点与难点,分析各部门、警种间的资源配置,优化警务流程,以数据联动驱动部门联动,推动“大部门、大警种”制改革,提升协同管理效能。

(四)弥合实践与理论鸿沟,补充公安队伍科学研究决策

公安队伍实践为公安队伍科研提供了样本,公安队伍科研成果能够进一步用于指导实践问题。目前,关于公安队伍的研究主要存在两个问题。一是理论研究与公安实践之间缺乏融合。理论研究无法完全回应公安队伍实践的“真问题”与“关键困境”,公安队伍创新实践遇到的瓶颈难以找到理论支撑,部分实践先于理论,部分理论游离于实践之外。二是公安队伍科研成果中,理论演绎类较多,而实证计量类较少,对于现实世界的深入剖析有所不足,这进一步造成了理论与现实的割裂。

算法公安人力资源管理的数据创建不仅为实践提供了“数据池”,也为公安队伍科学研究提供了丰富的现实案例与数据。在公安队伍组织与行为研究中,实证方法是必要且关键的,而实证方法需要大量的案例与数据。一方面,学术界能够通过丰富的数据与案例洞察生动的现实世界,同时也能够从中发现公安队伍实践的“真问题”与“关键困境”,消弭理论与实践之间的差距;另一方面,丰富的案例与数据为公安队伍科学研究提供了重要素材,通过定量分析、质性研究等,总结公安队伍实践的现实规律与逻辑,服务于公安队伍管理的科学决策。

四、算法公安人力资源管理的进路

(一)平衡算法理性与政治理性的张力

公安队伍管理既要能传递政治信号、实现价值导向,又要能激发积极性、实现效率导向。②朱茂莹、魏姝:《弱激励如何发挥“指挥棒”作用? ——基于W 省省级机关单位绩效考核的案例研究》,《公共管理评论》2021 年第2 期。算法技术以客观数据为计算基础,将现实世界量化为“数据池”,输出明确的计量结果,呈现效率导向。然而,影响决策的因素除了客观外显数据之外,还包括很多主观隐形因素,①韩春梅、王禹淋:《数字时代的公安人力资源管理》,《中国人民公安大学学报》(社会科学版)2022 年第4 期。政治信号、公共服务价值等无法实现客观量化,这就导致算法技术的输出结果有一定程度价值缺失。同时,相同的数据通过不同的算法计算得到的输出结果可能存在一定差异,算法技术也可能存在算法误差,导致与现实世界存在拟合偏差。这些“算法失灵”进一步扩大了算法理性与政治理性的契合度差异。

同时,在算法模式的激励下,民警的行为选择偏好可能会产生变化。为了获得良好的“数据标签”,形成好的“数据画像”,选择能产生“好数据”的行为,形成唯效率导向,而忽略公共价值。例如社区民警在调解群众纠纷的过程中,需要以人民为中心,耐心、细心地化解双方的矛盾。一些棘手的群众矛盾可能需要耗费较长的时间,解决问题耗费时间较长的数据记录显得缺乏“效率”。但是如果为了追求“效率”,简单粗放地处理矛盾纠纷,又与为人民服务的公共伦理价值相悖。

算法公安人力资源管理模式在实践中,需要平衡效率导向下的算法理性与价值导向下的政治理性之间的关系,使公安队伍在价值导向的前提下提升效率。第一,在公安人力资源管理中,算法是为管理决策服务的工具,不能异化为目的。公安队伍具有鲜明的政治导向,在实践中,管理决策应以人力代理为主,技术代理为辅,算法的设计与实施需要符合公安相关政策。第二,要结合公安具体实践进行算法的设计,将多维度价值导向体现在算法计算的过程中,从而避免单向度评价指标产生的算法偏见与算法误差。

(二)平衡数据应用与数据保护的张力

算法公安人力资源管理模式运行的基础是数据创建,数据体量越大,算法优势越明显。因此,在算法公安人力资源管理模式之下,需要不断提升警务活动的科技含量,形成民警行为的“泛在感知”与警务活动的自动留痕,实现民警个体静态数据与动态数据的实时全量采集。对于民警个体而言,一方面,“数字画像”将民警全方位公开透明地进行展示,产生隐私保护与数据应用的冲突,造成敏感信息曝光。另一方面,“数字孪生”映射了民警个体的行为偏好,然而“行为数据”采集的边界比较模糊,全过程实时感知与留痕无法剔除一些与工作非相关的隐私行为,容易造成民警的“被监控感”,引发“算法激进行为”。

对于组织而言,全量采集的数据具有体量大、全面性、涉密性和关联性等显著特点,一旦泄露或被他人掌握,极易对国家、组织和个人信息安全造成不可估量的危险。②陈鼎祥、刘帮成:《人工智能时代的公共部门人力资源管理:实践应用与理论研究》,《公共管理与政策评论》2022 年第4 期。公安队伍担负着维护政治安全、社会安定、人民安宁的重大责任,其全量数据是非常重要的资料,数据库若是遭遇黑客入侵,将造成重大损失。因此,数据体量越大,算法的应用优势越明显,但是对于民警个体与公安组织的数据风险越大。

算法公安人力资源管理在实践中需要平衡数据应用与数据保护的张力。第一,就数据采集而言,需要保护民警的信息隐私,明确数据采集的边界。采集的数据应该仅是工作涉及且需要的数据。第二,就数据使用而言,需要根据决策需求,实施民警数据的分级分类使用,对不同类型的数据规定不同的公开范围,保证相关隐私数据仅在最小以及必要的范围内公开。另外,所有数据的使用行为形成技术留痕,压实数据使用责任。第三,提升数据安全风险防范意识与技术。针对日益升级的信息技术手段,需要不断更新数据安全风险防范意识,提升数据保护技术手段,并制定配套的法律措施。

(三)平衡数据标准化与场景多样性的张力

算法公安人力资源管理模式通过对大体量数据进行处理计算,基于大数法则,输出结果一般是具有统计学意义的概数,从而实现去主观化、去个体化、去个例影响,呈现数据的标准化。例如工作岗位说明标准、标准化的“数据标签”等有利于提升管理的规范化程度,实现科学管理;然而公安实践场景具有多样性和复杂性,基层民警需要面对各种突发情况与百态众生。

一方面,标准指标与标准数据无法涵盖所有情况,一些例外情况无法体现在标准数据中,导致“计算损失”。例如,基层民警开展的工作具有较大的随机性和差异性,处置同一类型工作所耗的时长可能因为当事人的态度、事件的复杂程度等原因而存在较大差别,使用标准数据进行考核与评价将有失公允。另一方面,标准数据的去个体化,容易导致个体机械化操作,失去创造性,而街头空间的多样性和复杂性需要基层民警具备强大的随机应变处置能力。算法模式的优势之一是实现对于现实复杂世界的整体分析,输出规律结果,然而规律结果的标准化呈现又降低了对于现实复杂多样性的解释力度,这导致了数据标准化与实践多样性的张力。

算法公安人力资源管理实践需要平衡数据标准化与场景多样性的张力。第一,根据公安工作的实际情况,制定公安队伍管理不同情境的“例外”清单。例如,通过评估算法得出民警绩效得分排序结果的同时,配套“一票肯定”与“一票否定”事项清单,由此实现标准化与多样性的统一,弥补“计算损失”。通过“例外”清单,对一些个例行为形成管理导向,打破“机械化的牢笼”。第二,从不同的维度分析某一现实场景,分别设计不同的算法模型,将结果进行相互比对、印证,提升技术代理的解释力。同时,针对必须纳入计算的数据,尽可能增加数据量级,数据越大量包容的情况越多,解释力也越强。

(四)平衡数字泰勒主义与人性化管理的张力

二十世纪七八十年代兴起新公共管理运动后,公共部门开始“向企业学习”,引入了科学管理工具,在一定程度上解决了公共部门机构臃肿、效率低下的问题。在现代信息技术背景下,科学管理工具进一步与数字技术相结合,形成公共部门的数字泰勒主义。与企业的营利性不同,公共部门非营利性背景下的行为模式需要数字泰勒主义的激励来进一步提升效率。但是,尽管面对着公共部门非营利性的背景,泰勒主义在实现科学管理的同时仍然可能呈现去人性化的困境。

在算法公安人力资源管理实践中,数据留痕与算法技术的约束可能导致民警的个人空间被逐渐压缩。例如,民警的行为数据通过算法计算形成最佳工作时长,在最佳工作时长的指导下,民警的工作效率将整体提升,这将进一步更新最佳工作时长,由此最佳工作时长被不断优化。然而人非机器,在效率提升一定程度后,数字泰勒主义将呈现出去人性化的弊端。特别是在数据全量实时采集的背景下,“无效时间”的存在是否被允许也是值得反思的问题。

如此看来,算法公安人力资源管理实践需要平衡数字泰勒主义与人性化管理的张力。第一,数字泰勒主义的意义在于实现组织与个体的“双赢”。在组织数字化变革的“阵痛”期,需要做好民警的思想工作,让广大民警意识到,在组织效率提升的同时,民警自身能力也将同样得到提升。第二,保障配套的人性化管理措施,做好爱警暖警工作。将算法结果应用于爱警暖警的福利分配,实现对效率提升的有效激励;并在组织效率提升的同时,配套提升民警的福利待遇,真正实现“双赢”。第三,将人性化空间与容错机制的设计纳入到算法规则的设定中,并建立民警建言渠道,汇总民警的问题、意见与建议,形成良性沟通,让民警更深层次了解算法公安人力资源管理实践的价值与意义,及时调整完善算法公安人力资源管理实践。

(五)平衡孪生世界与真实世界的张力

算法公安人力资源管理构筑了公安队伍的孪生数据世界,通过数据映射真实世界,将真实世界的行为模式、管理规则进行数字化呈现。孪生数据世界对于真实世界的映射程度决定了算法公安人力资源管理的有效程度。孪生数据世界的构筑是为了辅助真实世界的管理,然而其容易由“工具”上升为“目的”。也就是说,真实世界通过“伪装”,营造出更好的孪生世界,由此造成“数据形式主义”。

数据采集内容与管理规则的告知以及全过程留痕,容易引起“接收者效应”,即个体在感知自己被观察的时候改变其行为方式的现象。“接收者效应”一方面能够加强民警对于工作行为的自我管理与约束,提升工作绩效,助长组织行为;而另一方面,也可能导致民警对工作行为的“表面修饰”。正如问卷调查的数据收集往往存在因“接收者效应”引起的修饰偏差,算法公安人力资源管理在创建数据过程中,对于公安队伍真实世界的数据收集也难免存在修饰偏差的问题。

算法公安人力资源管理实践需要平衡孪生世界与真实世界的张力。这就需要配套相关规则,避免“修饰数据”的产生,保证数据的真实性,提升孪生世界对于真实世界的映射程度。第一,逐步实现数据的“泛在无感采集”。不断升级更新民警在工作场所使用的传感器和智能设备,包括警务通、警务手表、警务手环、GPS 跟踪和计量徽章等。这既是实现数据泛在采集,令相关数据之间可以相互印证;也是实现数据无感采集,减少“接收者效应”。第二,设计配套的倒查机制,通过不定期人工随机倒查,检查数据的真实性,对“造假数据”与“伪装数据”一票否决,进一步增强数据的真实性。

结语

公安数字化转型不仅要实现制度与技术的双重调适与变革,更要实现“人的变革”。算法人力资源管理为数字化背景下公安队伍管理提供了一种思路,探索海量数据与算法技术在队伍管理中的应用,同时也为数字化时代公共部门人力资源管理提供新的借鉴。在算法公安人力资源管理中,算法技术的选择是重点也是难点。数据采纳与分析不在于技术工具本身,而在于行动者(决策者)如何使用,使用的关键就在于算法技术的选择。算法的选择涉及多学科的知识,包括公安学、管理学、法学、心理学、数学、统计学、计算机科学与技术等等,需要跨学科跨领域的研究与合作。实际上,多地公安队伍管理实践均呈现出了类似的数字化过程,在今后的研究中,可以对更多的实践案例进行算法选择的分析与类型研究,从而进一步拓展算法公安人力资源管理的理论研究。