面向目标导向的科技创新人才柔性竞优评价

Flexible competitive advantage evaluation of scientific and technological innovation talents based on goal guidance

摘要

针对现有科技创新人才评价多局限于单一视角的问题，提出一种组织目标约束下体现科技创新人才价值的柔性竞优评价方法。首先，依据竞优理论，从最能体现各科技创新人才价值的角度获取其意见；其次，构建优化模型，获得科技创新人才的共识性意见；然后，对科技创新人才共识性意见与组织导向性意见的偏离程度进行衡量，并与设定的阈值进行比较，从而依据不同的偏离程度采取不同的评价方法；最后，通过对10位科技创新人才的应用研究，验证了所提方法的有效性。

Abstract

To address the problem that existing evaluations of scientific and technological innovation talents are often limited to a single dimension， a flexible competitive advantage evaluation method that could fully reflect the value of scientific and technological innovation talents under the constraint of organizational goals was proposed. First， based on the theory of competitive advantage， the opinions from the perspective that could best reflect the value of scientific and technological innovation talents were obtained. Second， the optimization model was constructed to obtain the consensus opinions of scientific and technological innovation talents. Furthermore， the deviation degree of the consensus opinion of scientific and technological innovation talents and the guidance opinion of organization was measured and compared with the threshold， so as to adopt different evaluation methods according to different deviation degrees. Finally， the effectiveness of the method was verified through the application of 10 scientific and technological innovation talents.

关键词

目标导向 / 科技创新人才 / 个体优势 / 柔性竞优评价 / 柔性评价

Key words

goal guidance / scientific and technological innovation talents / individual advantage / flexible competitive advantage evaluation / flexible evaluation

在全球经济创新驱动发展背景下，科学技术的重要性更加凸显，人工智能、量子计算、新能源和5G通信等技术成为各国竞争的焦点。科技创新人才肩负着科学研究和科学知识传播的责任和任务，也是推动各国科技发展的主要力量，在实施创新驱动发展战略和推动产业升级中发挥着重要的作用^［1］。因此，如何激发科技创新人才的潜能并调动其积极性，对我国科学技术的突破与创新至关重要。科学的评价在人力资源管理中具有一定的导向作用，是调动科技创新人才积极性和主动性的过程中亟需解决的管理问题，也是对科技创新人才进行科学管理的有效手段。

目前对科技创新人才评价的研究主要集中在评价原则、评价政策、评价指标和评价方法等几个方面。在评价原则与政策方面，潘教峰等^［2］认为，在对科技人才的评价过程中要尽量避免“四唯”现象，主张在评价过程中坚守科学、技术、经济、社会、文化等五大价值导向，创新和完善科技人才评价的方法和机制。甘宇慧等^［3］对我国的科技人才评价政策进行了研究，并指出在科技人才的评价过程中强制性工具使用较多而自愿性工具则较少。谭春辉等^［4］从工具、要素、目标、效力等4个维度出发对我国科技人才的评价政策进行了研究，并提出了注重激励性工具和变革性工具等优化措施。在评价指标体系方面，Chou等^［5］依据《世界竞争力年鉴》构建了包含科技投入、产出、教育水平等23个指标的科技人力资源评价指标体系。赵伟等^［6］将创新型科技人才分为3个类别，并针对不同类别分别建立评价指标体系，进而分析了不同类别的共性指标和特性指标。盛楠等^［7］认为，在对科技创新人才的评价过程中存在唯学历、唯职称的现象，因此以创新能力为核心构建了包括9个指标的科技创新人才评价指标体系。张熠等^［8］从挖掘科技创新人才创新潜能的角度提出了评价指标体系，主要包括科技创新人才的基本素质、创新能力和创新成果等3个方面。在评价方法方面主要包括层次分析法^［9］、网络层次分析法^［10］、熵值法等^［11-12］。薛昱等^［9］将网络层次分析法和模糊评价模型相结合，从健商、智商、知商、情商等8个方面对科技创新人员进行了综合评价。王成军等^［10］则针对科技创新人才的成果转化能力进行评价，并利用层次分析法确定各评价指标的权重。为了避免主观赋权方法的不足，王馨等^［11］采用熵权与TOPSIS相结合的客观评价方法，对创新型技术人才的价值进行了评价。现有研究大多从单一视角出发，突出了决策者（评价者）对科技创新人才发展的目标导向作用，但这种“一刀切”的自上而下评价方式不能赋予科技创新人才更多的自我发展空间，不利于其对科学技术的自由探索。例如，在评价过程中仍然存在“唯论文、唯职称、唯学历、唯奖项”等“四唯”问题，这种目标导向使得科技创新人才尤其是青年科技创新人才，将主要精力都用在项目申请和职称评审上，限制了科技创新人才在其他指标上的投入和提升。现有的科技创新人才评价方法虽然具有较好的评价和排序功能，但在对人才个性优势的识别与发现上却存在一定的不足，不利于对人才进行针对性的培养和使用。因此，“一刀切”式的科技人才评价方式显得不够灵活，不能与科技创新发展的速度相匹配，不能充分调动科技创新人才的积极性和主动性，迫切需要更加合理和灵活的科技创新人才评价方法。

基于以上分析可知，在科技创新人才的评价过程中，既要发挥具有一定强制性的组织目标导向作用，又要赋予科技创新人才一定的话语权和自由空间，鼓励其对科学技术进行自由探索，同时也要具备一定的灵活性。因此，本文基于竞优理论提出一种面向目标导向的科技创新人才柔性竞优评价方法，以满足新时代做好科技人才工作的需求。该方法从组织目标导向和被评价科技创新人才两个视角出发，将两者的价值主张进行柔性融合，在尊重组织目标导向的同时，允许科技创新人才表达自身的价值主张，尽可能赋予被评价科技创新人才个性化的发展空间，从而更好地激励其对科学技术进行自由探索。

1 面向目标导向的科技创新人才柔性竞优评价方法

假设共有科技创新人才n名，记为O=\{o_{\mathrm{1}},o_{\mathrm{2}},\dots ,o_n\}；组织确定的科技创新人才评价指标为m个，记为X=\{x_{\mathrm{1}},x_{\mathrm{2}},\dots ,x_m\}；x_{ij}(i=\mathrm{1,2},\dots ,n;j=\mathrm{1,2},\dots ,m)表示科技创新人才o_i在第j个指标下取得的评价值，为了便于比较，设该评价结果为规范化后的评价数据。

1.1 科技创新人才个性优势识别

科技创新人才的工作具有一定的特殊性，肩负着探索未知科学知识的重任，而目前的评价模式过于强调“论文”“职称”等单项指标的作用，限制了科技创新人才在其他方向的发展。因此，应尽可能为科技创新人才创造一个宽松的环境，允许其依据自身特点选择不同的发展类型，甚至应允许科技创新人才在不同的评价指标上进行自由探索，如在知识创新、社会实践、效益转化等不同方面进行特色发展。基于对科技创新人才差异的尊重和认同，本文借鉴竞优理论^［13-15］，对各科技创新人才的个性优势进行识别，并将该个性优势识别结果作为其价值主张，其识别模型为

\begin{array}{l}\underset{\omega }{\mathrm{m}\mathrm{i}\mathrm{n}}{d_i}^{\mathrm{2}}(x_i,x^{\mathrm{*}})={\displaystyle \sum _{j=\mathrm{1}}^m}{\mathit{\omega }}_{{}_{ij}}^{\mathrm{2}}(x_{ij}-{x_j}^{\mathrm{*}}{)}^{\mathrm{2}}\\ \mathrm{s}.\mathrm{t}.{\displaystyle \sum _{j=\mathrm{1}}^m}{\mathit{\omega }}_{ij}=\mathrm{1}\\ {\mathit{\omega }}_{ij}\ge \mathrm{0},\begin{array}{c}\end{array}j=\mathrm{1,2},\dots ,m;\begin{array}{c}\end{array}i=\mathrm{1,2},\dots ,n\end{array}（1）

式中：x^{\mathrm{*}}为组织选定的指标理想值，为激发科技创新人才的潜能，该理想值应大于科技创新人才的实际最优值；{\mathit{\omega }}_i=({\mathit{\omega }}_{i\mathrm{1}},{\mathit{\omega }}_{i\mathrm{2}},\dots ,{\mathit{\omega }}_{im}{)}^{\mathrm{{\rm T}}}为价值参数向量，即指标权重向量。通过式（1）可以识别出使科技创新人才o_i与组织设定的理想指标值之间距离最小的一组价值参数向量（权重），在该向量结构下，科技创新人才o_i的评价值最优，因此本文将该价值参数向量作为科技创新人才o_i的意见。因为选定的理想值大于实际最优值，即(x_{ij}-{x_j}^{\mathrm{*}}{)}^{\mathrm{2}}>\mathrm{0}，所以可利用拉格朗日函数对式（1）进行求解，得到

L={\displaystyle \sum _{j=\mathrm{1}}^m}{\mathit{\omega }}_{{}_{ij}}^{\mathrm{2}}(x_{ij}-{x_j}^{\mathrm{*}}{)}^{\mathrm{2}}+\mathrm{2}\lambda (\mathrm{1}-{\displaystyle \sum _{j=\mathrm{1}}^m}{\mathit{\omega }}_{{}_{ij}}^{})（2）

分别对{\omega }_{ij}和\lambda求偏导，并令\frac{\partial L}{\partial {\mathit{\omega }}_{ij}}=\mathrm{0},\frac{\partial L}{\partial \lambda }=\mathrm{0}，最终求解结果如式（3）所示。

\left\{\begin{array}{l}\lambda =\frac{\mathrm{1}}{{\displaystyle \sum _{j=\mathrm{1}}^m}[\mathrm{1}/(x_{ij}-x_j^{\mathrm{*}}{)}^{\mathrm{2}}]}\\ {\mathit{\omega }}_{ij}=\frac{\mathrm{1}}{(x_{ij}-x_j^{\mathrm{*}}{)}^{\mathrm{2}}{\displaystyle \sum _{j=\mathrm{1}}^m}[\mathrm{1}/(x_{ij}-x_j^{\mathrm{*}}{)}^{\mathrm{2}}]},\end{array}\right.

(i=\mathrm{1,2},\dots ,n;j=\mathrm{1,2},\dots ,m)（3）

1.2 基于个性优势的科技创新人才意见获取

式（3）是对各科技创新人才意见的客观识别，即从最能体现科技创新人才价值的角度获取其意见。该种意见获取方式提升了科技创新人才在评价中的参与程度，增加了自愿性工具和方法的使用。由式（3）获得不同科技创新人才的意见，而要得到最终所有科技创新人才的共识性意见，还需要对式（3）的识别结果进行融合。{\mathit{w}}_{\mathrm{1}}，{\mathit{w}}_{\mathrm{2}}，\dots，{\mathit{w}}_n表示n位科技创新人才的不同意见，进而可得到科技创新人才群体的共识意见，计算公式如式（4）所示。

\mathrm{m}\mathrm{a}\mathrm{x}{\displaystyle \sum _{i=\mathrm{1}}^n}({\mathit{w}}^{\mathrm{T}}{\mathit{w}}_i{)}^{\mathrm{2}}

\mathrm{s}.\mathrm{t}.{‖\mathit{w}‖}_{\mathrm{2}}=\mathrm{1}（4）

式（4）是寻找一组与{\mathit{w}}_{\mathrm{1}}，{\mathit{w}}_{\mathrm{2}}，\dots，{\mathit{w}}_n夹角之和最小的价值参数向量，作为科技创新人才群体的共识意见。依据文献［16］，式（4）的解为矩阵{\mathit{W}}_i{\mathit{W}}_i^{\mathrm{T}}最大特征根所对应的正特征向量，其中{\mathit{W}}_i=({\mathit{w}}_{\mathrm{1}},{\mathit{w}}_{\mathrm{2}},\dots ,{\mathit{w}}_n{)}^{\mathrm{T}}。获得式（4）的解后，为符合认知习惯可对其进行标准化处理，并标记为{\mathit{w}}_{}^{\mathrm{1}}，此时便获得了科技创新人才群体的共识意见。

1.3 组织目标导向获取

尊重和认同科技创新人才之间的差异，允许其表达不同的意见，有利于为科技创新人才提供创造自由的发展空间。然而不可否认的是，传统的“自上而下”的科技创新人才评价方式具有较强的导向性功能，可以引导科技创新人才向组织倡导的方向发展，从而有利于实现组织的发展战略。因此，在赋予科技创新人才发展空间的同时，也要尊重组织的导向性意见，避免科技创新人才发展的无序和混乱，即兼顾组织和科技创新人才两个视角，从而使科技创新人才在一定导向性约束下获得自由的发展空间。组织的导向性意见由处于主导地位的评价者给出，包括组织决策者、人事部门和专家等。获取组织的目标导向具有多种方法，如AHP法、G₁法和专家访谈法等^［17］，这些方法不是本文研究的重点，因此假定已获得组织的导向性意见，并标记为{\mathit{w}}_{}^{\mathrm{2}}。

1.4 科技创新人才的柔性竞优评价

本文将组织目标导向和科技创新人才两个视角相结合，即在组织导向性意见的约束下，尽可能赋予科技创新人才自由的发展空间。首先，衡量科技创新人才共识意见与组织目标导向的偏离程度；然后，依据不同的偏离程度采取不同的评价方法。科技创新人才共识意见与组织目标导向的偏离程度可通过欧氏距离或向量夹角等进行衡量，本文采用向量夹角的方式进行衡量，如式（5）所示。

\theta =\mathrm{a}\mathrm{r}\mathrm{c}\mathrm{c}\mathrm{o}\mathrm{s}\frac{[{\mathit{w}}_{}^{\mathrm{1}},{\mathit{w}}_{}^{\mathrm{2}}]}{‖{\mathit{w}}_{}^{\mathrm{1}}‖\times ‖{\mathit{w}}_{}^{\mathrm{2}}‖} （\mathrm{0}\le \theta \le \mathrm{180}°） （5）

得到两者的偏离程度后，需要将该偏离程度与决策者协商设置的阈值T进行比较，从而采取不同的评价方法。为了提高方法的灵活性，本文共设置两个阈值，采用3种不同的评价方法。

1）当\theta \le T_{\mathrm{1}}时，组织导向性信息不直接参与评价。表明科技创新人才的共识意见与组织导向性意见的偏离程度在设定的阈值范围内，此时要尽可能给予科技创新人才自由的发展空间，组织的导向性意见不直接参与信息的融合，最终的评价指标权重为科技创新人才的共识性意见，即

{\mathit{w}}_{}^{\mathrm{*}}={\mathit{w}}_{}^{\mathrm{1}}（6）

2）当时，采取激励式评价。此时为了防止偏离程度继续扩大，通过给不同的科技创新人才赋权的方式采取一种激励式的评价方法，即与组织导向性信息偏离程度低的成员会被赋予较大的权重，而偏离程度较大的成员被赋予的权重则较小。采取向量夹角的方式衡量不同科技创新人才与组织导向信息的偏离程度，如式（7）所示。

{\delta }_i=\mathrm{a}\mathrm{r}\mathrm{c}\mathrm{c}\mathrm{o}\mathrm{s}\frac{[{\mathit{w}}_i,{\mathit{w}}^{\mathrm{1}}]}{‖{\mathit{w}}_i‖\times ‖{\mathit{w}}^{\mathrm{1}}‖} （\mathrm{0}\le {\delta }_i\le \mathrm{180}°） （7）

由于偏离程度越小被赋予权重越大，因此不同科技创新人才的权重如式（8）所示。

{\phi }_i=\frac{\mathrm{1}/{\delta }_i}{{\displaystyle \sum _{i=\mathrm{1}}^n}\mathrm{1}/{\delta }_i}（8）

因此，最终的科技创新人才评价指标权重为

{\mathit{w}}_{}^{\mathrm{*}}={\displaystyle \sum _{i=\mathrm{1}}^n}{\phi }_i{\mathit{w}}_i（9）

3）当\theta >T_{\mathrm{2}}时，组织导向性信息直接参与评价。表明科技创新人才的共识意见与组织导向性意见的偏离程度较大，超出了组织可接受的阈值，因此给予科技创新人才有限的自由发展空间，组织的导向性意见直接参与评价，最终的评价指标权重为

{\mathit{w}}_{}^{\mathrm{*}}=\alpha {\mathit{w}}_{}^{\mathrm{1}}+\beta {\mathit{w}}_{}^{\mathrm{2}}（10）

式中：\alpha和\beta均为在意见融合时双方意见的权重，，\alpha +\beta =\mathrm{1}。

当获得最终的价值参数向量后，可通过式（11）计算各科技创新人才最终的评价值。

y_i=\sqrt[]{{\displaystyle \sum _{j=\mathrm{1}}^m}({\mathit{\omega }}_j^{\mathrm{*}}{)}^{\mathrm{2}}(x_{ij}-x_j^{\mathrm{*}}{)}^{\mathrm{2}}}

(i=\mathrm{1,2},\dots ,n;j=\mathrm{1,2},\dots ,m)（11）

式中：y_i为科技创新人才与组织选定的理想结果之间基于权重的距离，所以该值越小，结果越优。

2 应用研究

国内某科技公司十分重视对科技创新人才的评价，主张在该公司导向性约束的条件下，为其公司科技创新人才提供一个相对自由的发展平台，鼓励该公司科技创新人才在不同的研究方向进行积极探索，因此适合作为本文的研究对象。

2.1 科技创新人才评价指标体系

已有10位科技创新人才作为被评价对象，在评选过程中为了规避以往重学历、重资历、重头衔等问题，借鉴现有研究成果^{［7-8，18］}，从基本素质、创新能力和业绩贡献等方面构建科技创新人才评价指标体系，同时将学术道德、科研能力、学习能力等指标纳入到考核范围，对科技创新人才进行更全面的评价，具体评价指标体系如表1所示。

2.2 评价数据的获取及处理

10位科技创新人才在各指标上的表现由公司考核小组依据公司规定，采取Likert五点打分法获得，5分为公司选定的理想分值，具体原始数据表如表2所示。

首先，依据竞优理论，由表2中的数据和式（3）得到10位科技创新人才各自的意见，具体意见识别结果如表3所示。

其次，根据表3和式（4）的求解结果，可得到10位科技创新人才的共识性意见，将其标准化后的共识性意见如表4所示。

再次，通过对公司决策者、专家及参照公司等进行访谈，获得该科技公司的导向性意见，如表5所示。

然后，依据二八定律，该科技公司的决策者协商确定阈值T₁为最大偏离量的20%，即36°。T₂为最大偏离量的25%，即45°。由式（5）可知，两种意见的偏离为21.77°，小于阈值36°。因此，公司的导向性意见不直接参与评价，即只采取10位科技创新人才的共识性意见，最终价值参数向量（权重）由表4决定。进而，由表4和式（11）得到10位科技创新人才的最终评价值。

y₁= 0.574，y₂=0.659，y₃= 0.576，y₄= 0.610，y₅= 0.671，y₆= 0.415，y₇= 0.655，y₈= 0.761，y₉= 0.604，y₁₀= 0.581。

最后，得到该科技公司10位科技创新人才的排名结果为

o₆>o₁ >o₃ >o₁₀>o₉ >o₄ >o₇ >o₂ >o₅ >o₈

2.3 结果讨论

1）获得各科技创新人才意见的同时，也获得了各科技创新人才在不同指标上的优势特征，即权重数值指标越大，说明该科技创新人才在该指标上表现越好。例如，科技创新人才o₃在效益转化和学术道德上表现较好，权重值为0.752和0.188。利用表3中的数据可以对其他科技创新人才的优势进行分析，从而为该科技公司的科学管理提供有效依据。

2）利用表4中的数据可以对10位科技创新人才的整体表现情况进行分析，即在学术道德、绩效成果和效益转化等3项指标上表现较好，权重值分别为0.214、0.213和0.227，该结果的形成可能与该公司以往的导向有关。

3）利用表5中的数据可以对该公司的导向性意见进行分析，从而对该公司的发展方向有所了解，即该公司最看重学习能力、绩效成果和效益转化等3项指标，权重值分别达到了0.15、0.25和0.20，说明该公司对结果类型的指标比较看重，同时也希望员工能提升学习能力，从而促进员工个人和公司的发展。

3 结论

本文从组织目标导向和被评价科技创新人才两个视角出发，提出了一种面向目标导向的科技创新人才竞优评价方法，该方法具有如下特征：

1）兼顾了组织目标导向和科技创新人才两个视角，在尊重组织目标导向作用的同时，主张在评价过程中提高科技创新人才的参与度，认同科技创新人才之间的差异和个性化发展的需求，尽可能赋予其对科学技术进行自由探索的空间和权利，从而丰富了科技创新人才的评价方法。

2）避免了“一刀切”式的科技创新人才评价模式，提高了科技创新人才评价方法的灵活性，即根据科技创新人才意见与组织目标导向的偏离程度进行柔性评价，从而有利于科技创新人才的多元化发展，也利于提高其积极性和主动性。

3）在获取科技创新人才意见的同时，可以获得科技创新人才的个性优势情况，有利于对科技创新人才的识别和发现，从而为管理者提供更科学的决策依据。而对不同个性优势的认同，则有利于科技创新人才在其优势方面进行充分发掘，避免了“四唯”现象。

参考文献

[1] Wang M M. Research on the interactive relationship between the development of strategic emer-ging industries and the cultivation of scientific and technological talents in universities［J］. Frontiers in Educational Research， 2021， 4（10）：85-89.

[2] 潘教峰，王光辉，鲁晓. 基于五大价值导向的“破四唯”和“立新标”［J］. 科学通报，2022，67（3）：236-241．

[3] 甘宇慧，侯胜超，邹立君. 政策工具视角下我国科技人才评价政策文本分析［J］. 科研管理，2022，43（3）：55-62．

[4] 谭春辉，梁远亮，魏温静，等. 基于四维分析视角的我国科技人才评价政策文本计量与优化［J］. 情报科学，2022，40（3）：63-71．

[5] Chou Y C， Hsu Y Y， Yen H Y.Human resources for science and technology：analyzing competitiveness using the analytic hierarchy process［J］.Technology in Society，2008，30（2）：141-153.

[6] 赵伟，包献华，屈宝强，等. 创新型科技人才分类评价指标体系构建［J］. 科技进步与对策，2013，30（16）：113-117.

[7] 盛楠，孟凡祥，姜滨，等.创新驱动战略下科技人才评价体系建设研究［J］. 科研管理，2016，37 （增刊1） ： 602-606.

[8] 张熠，倪集慧. 科技创新人才评价指标体系构建［J］. 统计与决策，2022（16）：172-175.

[9] 薛昱，张文宇，杨媛，等. 基于匹配模型的科技创新人才评价［J］. 技术经济，2018，37（9）：65-72.

[10] 王成军，郭明. 创新型科技人才科技成果转化能力可拓评价［J］. 科技进步与对策，2016，33（4）：106-111.

[11] 王馨，陈妮，赵雅雯. 基于熵权TOPSIS法的企业创新型技术人才价值评价［J］. 东北大学学报（自然科学版），2020，41（12）：1788-1793.

[12] Wang F B， Liu P D， Wang P.An evaluation study of rural scientific and technological talents based on TODIM method with hybrid indicator［J］.Journal of Intelligent & Fuzzy Systems，2021，40（6）：11717-11730.

[13] 刘宏涛，赵希男，周岩.基于二次优势识别的竞优评价方法［J］. 数学的实践与认识，2019，49（20）：36-43.

[14] 刘宏涛，赵希男. 基于三重优势的知识员工绩效竞优评析方法及应用［J］. 系统管理学报，2019，28（4）：725-731.

[15] Huang S T， Zhao X N， Chang S，et al.Organizational construction of a new type of university scientific research team based on jingyou thought［J］.EURASIA Journal of Mathematics，Science and Technology Education，2017，13（8）：5615-5627.

[16] 邱菀华. 群组决策特征根法［J］. 应用数学和力学，1997，18（11）：1027-1031.

[17] 郭亚军.综合评价理论、方法及应用［M］. 北京：科学出版社，2007.

[18] 杨月坤，路楠. 基于知识价值的创新型科技人才评价模型构建［J］. 领导科学，2019（1）：98-102.

基金资助

辽宁省社会科学规划基金(L25AGL011)