戴衛(wèi)東， 蔣 蓉， 李鐵欣

(沈陽工業(yè)大學(xué) 管理學(xué)院， 沈陽 110870)

隨著知識經(jīng)濟(jì)時代的到來，全球經(jīng)濟(jì)一體化步伐加快，企業(yè)間的競爭逐步轉(zhuǎn)化成人力資本的較量，人才是企業(yè)得以健康有序發(fā)展的重要保障[1]，起著舉足輕重的作用。人崗匹配是人力資源領(lǐng)域的重要組成部分，是人力資源進(jìn)行有效配置和合理使用的基礎(chǔ)[2]。

近年來，現(xiàn)代科技發(fā)展迅速，科技型中小企業(yè)順勢而生，成為培育和發(fā)展戰(zhàn)略性新興產(chǎn)業(yè)的重要載體，其中，科技型員工憑借知識創(chuàng)造高科技產(chǎn)品，具有重大的作用，此類員工的比例也在逐年增加[3]。崗位和人是科技企業(yè)人力資源不可或缺的兩個核心因素，尋求有效的人崗匹配測量方式能夠提高人力資源效率，為企業(yè)制定人力資源規(guī)劃提供重要參考[4]。

目前建立人崗匹配測算模型最普遍的方法是模糊綜合評價法、層次分析法。層次分析法操作簡單、解釋力強(qiáng)，但是其主觀成分較大，評價過程繁瑣，還不夠完善[5]。因此，設(shè)計一個能夠全面、準(zhǔn)確地評價科技人員工作能力的模型，有著重要的實(shí)際應(yīng)用意義。數(shù)據(jù)挖掘技術(shù)是一種新的智能方法，能夠科學(xué)有效地挖掘有價值的各種信息，保證評價模型的客觀性與有效性，同時規(guī)避了層次分析法主觀性太強(qiáng)的問題[6]。BP神經(jīng)網(wǎng)絡(luò)是一種常用的數(shù)據(jù)挖掘技術(shù)，其憑借著智能性、自適應(yīng)性、自學(xué)習(xí)功能，被廣泛應(yīng)用在管理評價領(lǐng)域[7]，也被許多大企業(yè)引入到管理中，以提高企業(yè)的核心競爭力，進(jìn)而實(shí)現(xiàn)智能化管理。本文正是通過應(yīng)用BP神經(jīng)網(wǎng)絡(luò)對科技人員人崗匹配進(jìn)行研究的。

一、BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

人工神經(jīng)網(wǎng)絡(luò)模仿動物神經(jīng)網(wǎng)絡(luò)行為[8]，結(jié)構(gòu)上由多個具有信息處理能力的神經(jīng)元連接而成，具有類似于動物大腦的學(xué)習(xí)能力、推廣能力、自適應(yīng)能力、容錯能力，被廣泛地應(yīng)用于模式識別、信號處理、知識工程、專家系統(tǒng)、優(yōu)化組合、機(jī)器人控制等領(lǐng)域，并取得了良好的效果[9]。BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋網(wǎng)絡(luò)，是多層感知器神經(jīng)網(wǎng)絡(luò)的典型代表，也是一種應(yīng)用非常廣泛的人工神經(jīng)網(wǎng)絡(luò)[10]。本文選用BP神經(jīng)網(wǎng)絡(luò)建立科技人員人崗匹配評價模型。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 BP神經(jīng)網(wǎng)絡(luò)模型

設(shè)輸入層神經(jīng)元的輸入為xi，則隱含層神經(jīng)元的輸出為

(1)

輸出層神經(jīng)元的輸出為

(2)

式中：w1ij為輸入層與隱含層之間的連接權(quán)重；w1ki為隱含層與輸出層之間的連接權(quán)重；b為閾值，連接權(quán)重和閾值在網(wǎng)絡(luò)訓(xùn)練時被確定；f1和f2為傳遞函數(shù)，可以分別取式(3)、(4)的形式，即

(3)

f2(n)=n

(4)

BP神經(jīng)網(wǎng)絡(luò)宜采用Levenberg-Marquardt算法進(jìn)行訓(xùn)練。

二、科技人員人崗匹配測評模型

1. 模型的建立過程

(1) 確定評價指標(biāo)體系。

(2) 確定輸出層目標(biāo)向量。

(3) 歸一化處理輸入輸出向量。

(4) 確定評價樣本數(shù)據(jù)。

(5) 得到訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)。

(6) 得出擬合測試評價結(jié)果。

評價模型建模過程，見圖2。

圖2 評價模型建模過程

2. 構(gòu)建測評指標(biāo)體系

人崗匹配度評價的重要環(huán)節(jié)就是合理選擇并確定人崗匹配的評價指標(biāo)體系，這是測評得以科學(xué)準(zhǔn)確進(jìn)行的依據(jù)[11]。人與人之間的知識、性格、技能、能力、心理素質(zhì)等存在個體的差異性，各個崗位也根據(jù)環(huán)境、工作性質(zhì)、行為規(guī)范有不一樣的標(biāo)準(zhǔn)。本文在參考前人研究的基礎(chǔ)上，考慮到科技型員工成就性、創(chuàng)新性、流動性和獨(dú)立性等特點(diǎn)，根據(jù)系統(tǒng)科學(xué)、公平公正、人崗均衡、定量與定性相結(jié)合等原則，利用Delphi法向業(yè)內(nèi)專家進(jìn)行函詢，集中專家們的意見篩選出科技人員人崗匹配評價指標(biāo)。在運(yùn)用Delphi法向業(yè)內(nèi)專家征詢意見時，專家組成員應(yīng)該選取級別以及能力水平較高的管理者或?qū)W術(shù)造詣較高的學(xué)者來擔(dān)任[12]。

本文面向100位專家分發(fā)調(diào)查問卷，進(jìn)行3輪反饋，有效問卷回收率達(dá)100%。通過數(shù)據(jù)分析，歸納并構(gòu)建了合理有序的科技人員人崗匹配測評指標(biāo)體系，分為3類16個指標(biāo)，見表1。

表1 人崗匹配測評指標(biāo)體系

3. 測評模型結(jié)構(gòu)

在科技人員人崗匹配測評模型的構(gòu)建過程中，遵循科學(xué)性、通用性、有限性和全面性等原則，將教育背景、身體健康、責(zé)任心等16個指標(biāo)確定為市場影響因素。科技人員人崗匹配測評模型采用二層前饋網(wǎng)絡(luò)，輸入層包括16個神經(jīng)元、1個中間隱層，隱含層包括4個神經(jīng)元，輸出層包括1個神經(jīng)元，神經(jīng)網(wǎng)絡(luò)模型見圖3。

圖3 科技人員人崗匹配測評神經(jīng)網(wǎng)絡(luò)模型

輸入層：包括16個神經(jīng)元，某項神經(jīng)網(wǎng)絡(luò)輸入值為教育背景、身體健康等16個指標(biāo)的打分，分值為1～10。

隱含層：較多的隱含層會使誤差向后傳播的過程計算越發(fā)復(fù)雜，進(jìn)而擴(kuò)大局部最小誤差，最終大大延長訓(xùn)練時間[13]，本文選擇1層隱含層，即構(gòu)建3層BP神經(jīng)網(wǎng)絡(luò)。

輸入單元個數(shù)和輸出單元個數(shù)決定隱含層的神經(jīng)元個數(shù)，計算公式為

(5)

式中：R為輸入層神經(jīng)元個數(shù)；S為輸出層神經(jīng)元個數(shù)[14]。本文中R=16，S=1，根據(jù)公式計算，隱含層神經(jīng)元的個數(shù)為4個。

輸出層：輸出層包括1個神經(jīng)元，輸出為科技人員人崗匹配評價結(jié)果。

三、應(yīng)用實(shí)例

沈陽市某外資企業(yè)的科技型員工約1 000人，他們掌握著企業(yè)的核心技術(shù)和知識，負(fù)責(zé)企業(yè)中最核心的技術(shù)。以該外企科技人員為研究對象，建立基于BP神經(jīng)網(wǎng)絡(luò)的人崗匹配測評模型。

利用圖3建立的評價模型，輸入數(shù)據(jù)即為以上16個人崗匹配測評指標(biāo)，其中定量化指標(biāo)根據(jù)實(shí)際情況獲取，將定性化指標(biāo)值進(jìn)行量化處理，處理方式選取專家打分制(其中，前10個作為訓(xùn)練樣本，后兩個作為檢測樣本)。專家對每個指標(biāo)值進(jìn)行打分，分值范圍為1～10分。輸出數(shù)據(jù)則是通過專家對人崗匹配度進(jìn)行人工評定得到，其中評分的標(biāo)準(zhǔn)和檔次的設(shè)定：教育背景為6(?？?、7(本科)、8(碩士)、9(博士)；工作經(jīng)歷為6(1年以下)、7(1～3年)、8(3～5年)、9(5年及以上)；其他指標(biāo)評分標(biāo)準(zhǔn)見表2。

表2 評分標(biāo)準(zhǔn)

通過專家對12組樣本打分，各指標(biāo)得分情況見表3。

表3 樣本得分情況

表4 歸一化后的無量綱化數(shù)據(jù)結(jié)果

將前10組數(shù)據(jù)指標(biāo)值作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的輸入，后兩組數(shù)據(jù)指標(biāo)值作為神經(jīng)網(wǎng)絡(luò)檢測樣本的輸入，運(yùn)用Matlab對神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練函數(shù)進(jìn)行計算，收斂精度0.000 1，動態(tài)參數(shù)為0.05，最大訓(xùn)練次數(shù)為1 000次，實(shí)際訓(xùn)練迭代次數(shù)6次就能達(dá)到要求精度，對比結(jié)果見表5。

表5 期望輸出值與訓(xùn)練輸出值對比結(jié)果

由表5可知，訓(xùn)練和檢測樣本網(wǎng)絡(luò)輸出結(jié)果大體上符合專家評價結(jié)果，總體誤差在標(biāo)準(zhǔn)范圍之內(nèi)。由此認(rèn)為，用于人崗匹配評價的人工神經(jīng)網(wǎng)絡(luò)模型已訓(xùn)練成功，可用該模型對人崗匹配情況進(jìn)行綜合評價，作為領(lǐng)導(dǎo)者的決策依據(jù)。

四、結(jié)論及建議

本文針對科技人員的特征，構(gòu)建了科技人員人崗匹配測評模型，得到了較好的訓(xùn)練效果，驗證了基于BP神經(jīng)網(wǎng)絡(luò)的科技人員人崗匹配測評模型的適用性，為優(yōu)化科技人員人力資源配置和完善科技人員人力資源管理決策提供了依據(jù)。

本文存在以下幾點(diǎn)不足：第一，由于抽樣群體的限制，整體樣本數(shù)量較少，接下來的研究應(yīng)當(dāng)盡可能選擇較多樣本，最大限度地降低主觀因素的影響，以逐步增加研究結(jié)果的穩(wěn)定性。第二，本文僅選擇了16項指標(biāo)評價值，沒有涉及其他指標(biāo)，今后的研究中要進(jìn)一步完善評價指標(biāo)體系，增加對于崗位較為重要的其他因素，淘汰當(dāng)前不合適的評價指標(biāo)，不斷提高評價結(jié)果的準(zhǔn)確性。

參考文獻(xiàn)：

[1] 楊倩，張小艷.軍工類研究所知識型員工人崗匹配評價研究 [J].現(xiàn)代商業(yè)，2014(2)：161-162.

[2] 李慧，馬士新.試論人力資源配置及其作用與模式 [J].現(xiàn)代經(jīng)濟(jì)信息，2016(13)：32.

[3] 王暢.科技型中小企業(yè)核心競爭力探析 [J].市場觀察，2015(S1)：228-229.

[4] Jaleh F，Dehghanpour F，Mehdi K.The impact of person-job fit and person-organization fit on OCB [J].Personnel Review，2014，43(5)：672-691.

[5] 楊力，劉程程，宋利，等.基于熵權(quán)法的煤礦應(yīng)急救援能力評價 [J].中國軟科學(xué)，2013(11)：185-192.

[6] 王雅軒，頊聰.數(shù)據(jù)挖掘技術(shù)的綜述 [J].電子技術(shù)與軟件工程，2015(8)：204-205.

[7] 朱俚治.一種基于BP神經(jīng)網(wǎng)絡(luò)的智能檢測病毒方法 [J].計算機(jī)技術(shù)與發(fā)展，2014(10)：163-166.

[8] 楊景花，王雙喜，周思方.基于神經(jīng)網(wǎng)絡(luò)的智能語音識別研究 [J].微型機(jī)與應(yīng)用，2016(17)：52-54.

[9] 張鵬，王興元.基于BP神經(jīng)網(wǎng)絡(luò)的品牌延伸決策模型 [J].軟科學(xué)，2012，26(3)：124-128.

[10]黃志華.基于BP算法的多層感知器網(wǎng)絡(luò)原理及程序?qū)崿F(xiàn) [J].嘉應(yīng)學(xué)院學(xué)報，2015(8)：18-21.

[11]Wang Q，Chen G.Evaluation of person-job fit on knowledge workers integrating AHP and BP neural network [M].New York：Springer，2013(1)：1063-1072.

[12]楊莘，典慧娟.病房護(hù)理崗位人崗匹配評價指標(biāo)體系的研究 [J].中華護(hù)理雜志，2016，51(1)：6-10.

[13]張瑞玉，劉健，左敏.BP神經(jīng)網(wǎng)絡(luò)的C2C電子商務(wù)信用評價模型的建立 [J].中國經(jīng)貿(mào)導(dǎo)刊，2015(5)：55-58.

[14]向燕，張小聯(lián)，鄭鑫.基于BP神經(jīng)網(wǎng)絡(luò)的熔鹽電導(dǎo)率預(yù)測研究 [J].中國鎢業(yè)，2014(3)：34-37.

[15]石善志，于會永，孫正麗，等.基于灰色關(guān)聯(lián)分析與BP神經(jīng)網(wǎng)絡(luò)的壓裂效果預(yù)測 [J].長江大學(xué)學(xué)報，2014(1)：154-156.