万 薇 王程民 田 瀚

1.江苏电子信息职业学院商学院，江苏 淮安 223003；2.江苏电子信息职业学院数字装备学院，江苏 淮安 223003

目前用于人才评价的方法主要有专家经验法和人工智能法两大类。专家经验法包括模糊综合评价法、层次分析法（Analytic Hierarchy Process，AHP）等，该类方法构建的评价模型简单，评价结果具有较大的主观性和不确定性。人工智能法以BP神经网络、层次分析法和支持向量机（Support Vector Machine，SVM）为主，计算复杂且需要大量数据支持［1］。陈文博等通过调研，运用AHP建立了面向应用技术型大学学生创新创业能力的各项指标的权重并进行了定量化处理，构建了35个三级指标的创新创业能力评价模型［2］；吴大亲等利用AHP构建10个三级计算机专业人才培养质量层级结构图［3］；王雪莹等利用大数据对会计类人才培养综合能力构建模糊评价模型，以期获得客观公正评价［4］；沈铭等运用和协同粗糙集理论和可拓理论，建立了大学生创新创业能力复合评价方法［5］。以上这些评价方法都存在主观因素大、对调研数据有一定量的要求、计算复杂的缺点。

为了更全面、更准确、更简便地对人才能力进行评价，这里提出多目标层次分析法（Multi Propose AHP）来构建评价体系。其主要思想就是借助AHP的方法，对目标层进行扩展：将原有的单一目标扩充为多个目标；参考企业用人需求，利用层次分析法，构建指标权重；在企业端进行能力调研，形成反馈，增减矩阵元素、调整、合并指标权重，完成“多维”人才评价体系。

AHP的主要步骤是1.建立递阶层次结构模型；2.构造各层次中的所有判断矩阵；3.层次单排序及一致性检验；4.层次总排序及一致性检验［6］。通常在第一个步骤，大多数的文献都采用了三类层次结构模型：目标层（A）、准则层（B）、因素层（C）。

对于目标而言，高职人才培养的目标就是企业的需求。然而根据调研，企业在人才类型、工作岗位、学历层次都存在不同的需求。譬如人才类型方面，企业迫切需要营销、技能、管理人才；工作岗位方面，企业对销售、生产、中基层管理人才需求最迫切；学历方面，企业最需要的是本、专科毕业生［7］。这其中企业规模、性质、行业等对人才的要求都存在很大的影响。因此构建评价体系，首先要对培养目标进行设置。相比较以往都是单一固定目标的评价体系，这里要构建的是多个动态目标的评价体系。

目标层矩阵中的元素代表了某一个培养目标内容，譬如营销、技能等等。一般的，目标矩阵中元素不宜过多，否则计算复杂程度加大。通过设置目标矩阵，可以更好地描述企业对人才的需求情况，同时也为下面的第二、第三层次人才评估提供目标参考。

准则层结构类似目标层，也是一个n阶的方阵，所不同的是元素是代表人才所具有的某类型能力。譬如专业能力、方法能力、社会能力、综合职业能力等，同样的元素不超过9个。不同的目标层元素可以对应相同一个或者几个准则层的元素，譬如营销人才既需要专业能力也需要社会能力，管理人才既需要方法能力也需要社会能力等。两个层面是多对多的关系。

因素层是元素最丰富且直接与高职课程相关的内容表达。前面所述的元素大都是从学生毕业以后或者是面临毕业时所开展的调查所得内容，然而从学生入学到毕业是一个持续的过程，人才评价应该与之匹配。从入学新生到专业理论学习到综合实践，大体上可以分成几个阶段来设置人才因素。这里提出了人才能力矩阵（Ability Competency Matrix，ACM）的概念，即根据人才培养的不同阶段，有针对性地设置能力评价具体内容，其来源于高考成绩、理论课程、实训课程、技能竞赛甚至企业需求、教科研课题。

其描述的对象既有普通的专业类学生，也有参加创新创业训练的拔尖型人才。学生入学以后，经由教师宣讲、现场展示、结合专业介绍等多种方式吸引学生报名，通过调查问卷、技能测试、高考科目成绩等完成能力期初评估。这里设计了一个由以上三部分组成的矩阵，用来了解学生期初能力情况，构建人才能力矩阵。

完成了矩阵元素的设计，接下来就是进行计算，获得具体元素对应的权重。计算步骤如下：

1.对矩阵中的元素两两比较，根据表1对目标矩阵各元素进行标度。将标度值填入对应矩阵元素位置，形成目标矩阵比较阵；

表1 判断矩阵标度定义［7］

倒数若因素i与因素j的重要性之比为aij，那么因素j与因素i重要性之比为aij=1/aij。

3.计算一致性比例CR（Consistency Ratio）：

RI通过n可以查表获得。当CR<0.10时，矩阵的一致性可以接受，否则需要修改标度。

4.计算权重值W

计算权重有多种方法，简便起见，采用算术平均法来计算。

至此，目标层各元素的权重确定。接下来就是第二层准则层和第三层因素层，其计算过程就是重复步骤1）到步骤3）。在计算完第三层因素层后，需要统计在每个目标层元素下的各因素的权重，通过Wj，k计算公式，获得该因素在整个评价体系中的权重：

这里，提供一个计算案例，部分数据来自参考文献7。调查了广州市的159家企业，其中国企34家，民营企业80家。

首先，确定目标层，如表2所示一共7类。

表2 目标层元素

这其中，不同企业对人才目标的要求可以是不同的，通过构造比较矩阵来实现。本例目标层数据取自是广州市34家国企调查。比较矩阵构造如下，根据企业用工情况结合表1的标度，得到企业的目标比较矩阵。由于第三行元素为其他人才类别，没有指示意义，为了计算方便这里只计算了前两行的元素比较矩阵。

从而有CR=0.086<0.10，判断矩阵的一致性可以接受。

WA11=35.00% WA12=11.33% WA13=5.38% WA21=2.27% WA22=23.01% WA23=23.01%

计算准则层，这里选择WA11和WA21对应的营销人才和技术人才两个方面进行计算（见表3、表4）。计算步骤与目标层类似，数据来源于文献8［8］和文献9［9］（营销）、文献10［10］和文献11［11］（技术）。

表4 技术人才准则层元素权重

可以合并相同或者近似的因素，将它们的权重相加得到在特定目标层下的总权重。譬如，这里表5中的专业实践和表6中的专业技能素质以及实习动手能力相类似，可以放在一起考虑，这里就得到了一个新的综合因素权重，称为WD1，则有：

表5 营销人才因素层元素权重

表6 技术人才因素层元素权重

WD1=WA11×WB111×WC1112+WA21×WB212×(WC2112+WC2113≈0.048

同样表5中外语和表6中的计算机和外语能力也可以合并权重，记为WD2，则有：

WD2=WA11×WB111×WC1115+WA21×WB211×WC2114≈0.013

基于上面的示例计算，可以知道广州市这样本159家企业对人才需求中专业素质及动手的要求比重在5%左右，对外语计算机能力要求在1.3%。

传统的层次分析法着眼于单一的需求目标，往往不能很好地展现学生能力的差异性与个性化。企业也由于自身的岗位众多，人才要求大相径庭。因此这里设计了多目标的层次分析法来满足这一要求。通过在目标层设置多个目标元素，并建立与准则层的多对多关系来完成目标要求的多任务描述；在具体的因素层元素计算权重之后，可以根据准则层的要求进行合并，简化问题。

在计算过程中，由于是层次为三层，且为多对多的关系，因此计算量较大；合并因素层时有很多主观人为操作，会有一定的偏差。这些都是需要在以后设计、改进。