席玉敏 范玮卫

摘 要：本文以数据量化分析方式为研究工具，挖掘高层次人才科研信息数据意义，为构建全面人才管理体系提供评价指标参考。通过分析学历、学源、学科、年龄及入职年限等信息与高层次人才科研活动数据的关系，可以发掘更全面、有效的科研管理信息。

关键词：量化分析;精细化管理;评价指标;高层次人才

基金项目：河南省社科联2020年度调研课题（待定）;河南工学院高层次人才科研启动基金（项目编号：KQ1832）。

1 综述

据统计，目前我国国际科技论文数量连续多年稳居世界第二[1]。但是，论文数量多不等于成果质量高、创新能力强。鉴于以上问题，近期，科技部和教育部连续发布了《关于破除科技评价中“唯论文”不良导向的若干措施（试行）》和《关于规范高等学校SCI论文相关指标使用 树立正确评价导向的若干意见》。根据不同科技活动特点提出更具实用价值的评价量化体系，是目前科研管理变革的核心。其中目的是引导广大科研人员潜心研究，产出符合社会需求的科技成果。这就涉及要全面树立多元化、全方位的评价导向，注重科研人员对社会的贡献和影响。

本课题将突出实效，注重贡献，结合小同行间的影响力和社会认可度，改进科研人员管理模式，落实评价导向。通过引入精细化管理理念[2]，具体化、明确化评价指标，完善评價体系，改善原有的粗放式人才管理状况，提高科研实力。精者，去粗也，提炼最优的管理方案;细者，入微也，事物内在联系和规律[3]。精细化管理是搭建在规范化管理基础上的高水平管理体系，是以细致入微和精益求精为根本的管理方法，起始于企业管理，现已普及至社会管理多数层面。精细化管理的核心在于专业化和科学量化，拓展至人才管理、特别是专业程度更深的高层次人才管理，需要参考的信息程巨量化和高度专业化特点，仅依靠传统的管理学研究方法无法实现[4]。因此，需要借鉴自然科学研究方法，以科学主义范式[5]，细化科研活动各类信息，通过模型找出必要信息，分析内在联系和规律，这就是本课题采用的量化分析方法。

随着指标量化融入人才管理体系，使传统人才管理逐渐摆脱主观、经验和模糊等问题，体现出更加专业、客观、精准的科学属性。想要突破固有的简单化、一刀切管理体系，建立全面、公平、公正评价体系，就必须借助于更符合现代社会特点，更切实有效的研究工具。课题组根据当代社会人际、科研和经济活动数字化的特点，选取数据量化分析方法作为核心研究工具。本文通过“数据驱动”[6]对数据进行筛选，挖掘、归纳、分析，以发掘数据背后反馈出的科研管理问题，为决策者提供更严谨、准确的证据，指导决策行为，强化决策的精准性和前瞻性[7]。

2 参数指标

目前，针对科研项目、人才和机构的科技评价活动中简单化、一刀切地将论文、专利、著作等数量与考核排名、绩效考核、资源分配直接挂钩现象突出。本研究试图对科学研究推行多维度切入、多措并举的方法，作为高层次人才各类科技活动的主要评价依据和考核指标，真实反映高层次人才的学术价值，为精细化管理提供依据和指导。

本文将能够体现出高层次人才科研贡献和影响的信息进行归纳，用抽象的概念固定下来，成为构建模型必要的参考值。根据现有的管理体系，一些传统标准依然有一定的参考价值，仍需要纳入新的评价标准里，包括项目、论文、专利、著作及奖励等。此外，本研究主要把以前无法量化，但具备相当科研贡献和影响力的信息也抽象出来进行了数据量化，包括个人荣誉、人才来源、人才学源、社会资源等。

以上指标均采用数值量化，并根据目标单位需求进行权重赋值。在实际应用中，指标权重可有目的的进行调节以实现管理导向目的。本课题所涉及数据来源根据河南省新乡区域内各类研究机构自2016年以来新入职博士学历人才收集、整理的科研活动数据库。

3 模型构建

就传统量化分析而言，通常需要假设所有数据或者样本满足一定条件，既符合所采用计算模型的基本假设方可进行相关计算。但实际就人才管理涉及的方方面面，很难归类为某一特定类型条件。因此，先假设后计算的模式往往会使模型根源产生偏差，导致数据反馈信息有所遗漏或者倾向性加剧。这是构建全面评价和管理体系必须避免的。本研究结合大数据分析思维，从数据出发，用数据说话。将原始数据视为整体，根据初始模型凝练潜在信息。不过，为避免大数据分析带来的数据冗余、信息杂乱等弊端，在模型推导过程中加入传统量化分析和质性研究方法，对既有数据进行筛选和加权，使得到的结论更符合管理需求和预期评价性能。

根据数据驱动的研究核心，本研究初期不假设样本符合某种算法规律，而是通过初级数据信息处理算法进行参数指标的筛选、优化，达到融合最优参数，升级评价体系的渐进式推演，直至生成最佳人才管理模型。初始参数指标及数据分布示意如表1。其中可量化指标综合了前期多数科研评价体系中的量化指标，并归类处理。不可量化指标参考目前主流科研活动影响因素初步选取，结合管理需求，体现科研人员的社会贡献和影响力等综合水平设置。表1中可量化指标与不可量化指标逐项结合形成新的二级指标Xi，j。同时，在可量化指标之下设置综合值，代表全部可量化指标总值。该数据与不可量化指标结合还将归纳出新的二级指标Yi，j。根据收集数据，建立个人数据库。多数可量化指标可分为总和以及人均两个类型，部分不可量化指标内含多项细分指标。同时根据指标关联需要，可增加多项复合指标，所生成的指标体量更巨大，需要结合大数据分析方式进行研究。针对数据冗余，本课题还结合质性分析和传统量化分析方式对数据进行必要筛选。

4 数据分析

在本文数据分析中，为简化分析过程，本文数据均为绝对值，是每位高层次人才相应数据的总和或人均值。以下将对部分数据信息进行必要性分析。

4.1 学科分析

研究对象工科专业占比69.2%，根据不同学科高层次人才群体科研总量数据信息基本能够反馈各类指标间的差异，分布基本合理。上述两类指标结合产生的新指标能够较好的反馈科研活动中量化指标与人才学科信息之间的交互作用。工科专业总量虽多，但人均值不高。图1数据基本显示单一量化指标经人均后与人才学科信息两两结合，能够反映各类科研活动在不同学科群体中的人均情况，可以纳入新指标体系。

同时通过分析发挥度、人均产出、总产出和年人均产出等经过整合后的指标参数与学科之间的关系可知，工科高层次人才除总量明显高于其它专业外，其它各项无明显优势。以上数据指标均基本反馈了研究群体科研活动实际情况，可以作为二级指标引入新的管理体系。但结合数据量级，该类复合指标关系很难为自动筛选界定阈值范围，后续可能将阈值有限度的进行分组。

4.2 学源分析

本文根据高层次人才毕业来源尝试分析人才毕业来源对目标单位科研工作发展的贡献值和支撑能力。

图2对7个类别的指标分别绘制了各类学源高层次人才占比。从图2中可以看出，以学源指标与上述新老指标相结合，产生的量化数据可以较好的区分目前所有研究对象的科研活动数据信息，含可量化和新增指标，说明此类关联指标具备良好的信息价值，能够反映研究期间，研究对象在各类科研活动中的表现，为下一步科研管理提供必要的支撑数据。

4.3 学历分析

学历指标以往也会出现在科研评价体系中，但通常都是一刀切将学历与绩效分配直接挂钩。然而这往往造成同一单位内科研人员的群体割裂，也无法避免科研管理单一化趋势。

图3显示了研究对象在各类纵向科研项目分类占比情况。从图中可以明显看出，随着纵向项目级别上升，高层次人才占比逐步升高。以上细分指标结合学历指标后能够很好的反映不同学历层次以及学科门类在各级科研项目中的数据变化，为科研管理提供必要信息。

4.4 年龄分析

根据人才年龄数据与科研项目、成果及发挥度和人均产出等指标相结合所反馈的信息而言：各类数据综合表现最好的是41-50年龄段;年轻高层次人才入职晚，在各方面均处于劣势;31-40年龄段各项指标相对稳定。将年龄指标与各类指标结合，可以推演出对象所在单位科研年龄结构以及管理重点对象，还可以大致判断研究对象所在单位的科研发展状况，为指导后续科研管理和有针对性的调整评价导向提供依据。

4.5 入职年限分析

在研究中，各项指标随人才入职年限演变主要趋势为：高层次人才入职前三年是科研黄金期;第二年是高层次人才科研工作的关键时期;高层次人才科研业绩随时间增加逐步提高，但是在三年期后逐步趋稳。结合多指标关联分析，年限指标对科研管理意义重大，是合理评价人才科研水平和保障人才科研活动可持续发展的重要信息，这在以前的评价体系中很少体现。

5 结论

综上分析结果，将以前无法量化的指标如年龄、学科等信息，与传统量化指标逐一结合，可以得到更全面的反馈信息，有利于科研人才管理和科研活动评价。同时对部分简单一刀切的指标如学历、学源等信息与其它量化指标结合，可以赋予其更丰富的意义，避免单一化导向。而将各类数据与新筛选出的二级指标进行二次结合，还能够挖掘出不同的潜藏信息，同样可以辅助科研管理。因此，本研究初步分析指标体系，可以用于完善科研人才评价管理体系。后续进一步丰富数据信息内容，还可以逐步提升该体系的全面性。

参考文献

[1]中国科学技术信息研究所.2019中国科技论文统计报告[R].北京：中国科学技术信息研究所，2019.

[2]陈启愉，张凌，吴若斌，桑成好，付晔.重点实验室精细化管理实践与探索[J].实验技术与管理，2006（08）：133-135.

[3]汪中求，吴宏彪，刘兴旺.精细化管理[M].新华出版社，2005.

[4]石英.从质性研究到大数据方法：超越与回归[J].中国社会科学评价，2017（02）：36-42+125-126.

[5]张鹏.管理学中科学主义范式与人本主义范式的哲学分析[D].云南师范大学，2009.

[6]汪雅霜，嵇艷.大数据分析与量化研究的区别与整合——兼议教育量化研究的未来走向[J].四川师范大学学报（社会科学版），2017，44（04）：36-41.

[7]王萌萌.“大数据技术+”与人力资源量化管理的研究展望与多维分析[J].天水行政学院学报，2016，17（02）：31-35.

作者简介

席玉敏（1982-），女，河南新乡人，经济师，本科，主要从事人力资源管理研究。

通讯作者

范玮卫，男，博士，讲师，主要从事科研管理研究。