杰出人才精準(zhǔn)畫(huà)像構(gòu)建研究
——以智能制造領(lǐng)域?yàn)槔?

高 揚(yáng)，池雪花，章成志，孔 捷

0 引言

近年全國(guó)各地對(duì)杰出人才的需求旺盛，政府、企業(yè)和高校等用人單位急需一套科學(xué)合理的杰出人才識(shí)別、遴選和評(píng)價(jià)方法?？茖W(xué)的人才識(shí)別和評(píng)價(jià)機(jī)制有助于發(fā)揮引才工作的前瞻性和引導(dǎo)性，從而掌握杰出人才競(jìng)爭(zhēng)的主動(dòng)權(quán)。目前中央和地方層面已基本形成覆蓋多學(xué)科，多層次，旨在識(shí)別、遴選和評(píng)價(jià)杰出人才的高層次人才項(xiàng)目資助體系。雖然這些高層次人才項(xiàng)目已經(jīng)獲得了海內(nèi)外各界的認(rèn)可，但仍存在著人才分類(lèi)評(píng)價(jià)不足、評(píng)價(jià)標(biāo)準(zhǔn)單一、評(píng)價(jià)手段趨同、評(píng)價(jià)社會(huì)化程度不高、評(píng)價(jià)結(jié)果不夠精準(zhǔn)等問(wèn)題，未能充分滿(mǎn)足我國(guó)各行各業(yè)精準(zhǔn)識(shí)別和評(píng)價(jià)杰出人才的需求。根據(jù)2017年江蘇人才發(fā)展戰(zhàn)略研究院對(duì)全球智能制造人才分布的調(diào)研顯示，我國(guó)智能機(jī)器人、高檔數(shù)控機(jī)床和3D打印三大領(lǐng)域具有國(guó)家級(jí)或省市級(jí)人才項(xiàng)目頭銜的杰出人才占杰出人才總量不到三分之一。這表明有大量的智能制造杰出人才未被識(shí)別，現(xiàn)有的人才項(xiàng)目對(duì)杰出人才的識(shí)別和評(píng)價(jià)效果有待提升。因此，對(duì)特定領(lǐng)域杰出人才進(jìn)行識(shí)別和評(píng)價(jià)，并發(fā)現(xiàn)杰出人才特征和人才現(xiàn)狀顯得尤為必要，有助于為特定領(lǐng)域的人才引育工作提供參考。

隨著大數(shù)據(jù)產(chǎn)業(yè)的發(fā)展，海量數(shù)據(jù)加速集聚，人們?cè)诨ヂ?lián)網(wǎng)上留下大量“蹤跡”。為了準(zhǔn)確描繪互聯(lián)網(wǎng)用戶(hù)的特征，用戶(hù)畫(huà)像技術(shù)的應(yīng)用日漸廣泛?；诮艹鋈瞬旁诨ヂ?lián)網(wǎng)上留下的“成長(zhǎng)軌跡”，可將用戶(hù)畫(huà)像技術(shù)應(yīng)用到人才研究領(lǐng)域構(gòu)建人才畫(huà)像。本文精準(zhǔn)構(gòu)建杰出人才畫(huà)像，揭示特定專(zhuān)業(yè)領(lǐng)域的杰出人才群體特征，為人才管理部門(mén)的引才工作進(jìn)行定制化服務(wù)和個(gè)性化推薦，為實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的人才管理模式提供支撐。本文具體研究思路如下：首先通過(guò)各種途徑獲取人才“軌跡”數(shù)據(jù)，構(gòu)建初始人才庫(kù)；然后利用專(zhuān)家評(píng)價(jià)法識(shí)別杰出人才，構(gòu)建杰出人才庫(kù)；接著從多個(gè)維度構(gòu)建杰出人才畫(huà)像；最后通過(guò)統(tǒng)計(jì)分析揭示杰出人才的群體特征。

1 相關(guān)研究概述

與本文相關(guān)的研究主要包括人才識(shí)別與評(píng)價(jià)、用戶(hù)畫(huà)像兩個(gè)方面，下面分別對(duì)這兩個(gè)方面的研究現(xiàn)狀進(jìn)行概述。

1.1 人才識(shí)別和評(píng)價(jià)研究概述

情報(bào)學(xué)中對(duì)人才的識(shí)別和評(píng)價(jià)主要基于文獻(xiàn)計(jì)量學(xué)。賀德方利用知識(shí)管理思想構(gòu)建了科技人才評(píng)價(jià)體系[1]；金碧輝解讀了評(píng)價(jià)科學(xué)家個(gè)人績(jī)效的h 指數(shù)[2]；邱均平等運(yùn)用Hirsch 指數(shù)對(duì)CSSCI 收錄的被引次數(shù)排名前50 位圖情學(xué)者的個(gè)人研究績(jī)效進(jìn)行分析[3]；張學(xué)梅以我國(guó)圖情領(lǐng)域100 名作者為例，比較NSP 與H 指數(shù)的異同以及適用范圍[4]；馬妍等探討H 指數(shù)與類(lèi)H 指數(shù)應(yīng)用于人才遴選的可行性[5]；隋桂玲以實(shí)證分析比較g 指數(shù)與h 指數(shù)、e 指數(shù)在評(píng)價(jià)科技工作者學(xué)術(shù)水平時(shí)的適用性[6]。情報(bào)學(xué)已有的人才識(shí)別方法存在評(píng)價(jià)標(biāo)準(zhǔn)單一問(wèn)題。人力資源管理常用的人才識(shí)別方法有導(dǎo)師推薦、專(zhuān)家評(píng)估法、同行評(píng)價(jià)和實(shí)踐檢驗(yàn)，這些方法在人才評(píng)價(jià)中被廣泛使用，其中德?tīng)柗品ㄊ菄?guó)際通用的人力資源管理方法，具有廣泛的代表性，較為可靠。這些人才識(shí)別和評(píng)價(jià)工作為本文研究奠定了基礎(chǔ)。

1.2 用戶(hù)畫(huà)像研究概述

用戶(hù)畫(huà)像構(gòu)建旨在根據(jù)用戶(hù)的行為、觀點(diǎn)、目標(biāo)等差異，抽取出高度精煉的用戶(hù)特征標(biāo)識(shí)，如興趣愛(ài)好、心理特征。用戶(hù)畫(huà)像構(gòu)建維度一般包括用戶(hù)基本屬性、用戶(hù)興趣以及結(jié)合具體應(yīng)用場(chǎng)景下的屬性。用戶(hù)的基本屬性包括一些基礎(chǔ)注冊(cè)信息和背景信息等人口統(tǒng)計(jì)學(xué)特征，如年齡、性別、職業(yè)、地區(qū)、性格。興趣特征主要是通過(guò)對(duì)用戶(hù)的歷史行為數(shù)據(jù)進(jìn)行挖掘得到。Hung 等利用用戶(hù)的標(biāo)簽和收藏的書(shū)簽，從個(gè)人角度構(gòu)建用戶(hù)興趣模型，然后結(jié)合好友數(shù)據(jù)擴(kuò)展用戶(hù)興趣特征項(xiàng)，從社會(huì)角度發(fā)現(xiàn)用戶(hù)興趣[7]。在不同應(yīng)用領(lǐng)域，用戶(hù)畫(huà)像屬性有所差別。在社交領(lǐng)域，Macskassy 針對(duì)用戶(hù)的轉(zhuǎn)帖行為以及微博內(nèi)容生成用戶(hù)興趣畫(huà)像[8]。在通訊領(lǐng)域，張慷基于用戶(hù)基礎(chǔ)信息、終端信息、業(yè)務(wù)訂購(gòu)等信息，形成手機(jī)用戶(hù)畫(huà)像[9]。在消費(fèi)領(lǐng)域，高玉龍從行為屬性和價(jià)值屬性構(gòu)建網(wǎng)購(gòu)用戶(hù)畫(huà)像，行為屬性包括品牌偏好、產(chǎn)品偏好、購(gòu)買(mǎi)動(dòng)機(jī)等，價(jià)值屬性包括購(gòu)買(mǎi)頻率、平均每次交易額、社交偏好等[10]。在金融領(lǐng)域，主要從人口屬性、消費(fèi)屬性、信用屬性等構(gòu)建用戶(hù)畫(huà)像[11]。

隨著技術(shù)飛速發(fā)展，用戶(hù)畫(huà)像逐漸被電子商務(wù)、金融保險(xiǎn)、社交媒體等多個(gè)領(lǐng)域所應(yīng)用。目前將用戶(hù)畫(huà)像技術(shù)應(yīng)用在人才領(lǐng)域，以人才為對(duì)象，進(jìn)行人才特征標(biāo)識(shí)從而構(gòu)建人才畫(huà)像的研究尚不多見(jiàn)，對(duì)人才畫(huà)像的定義尚未成形成共識(shí)，大多是面向?qū)嵺`工作的具有操作性的界定。本文借鑒用戶(hù)畫(huà)像方法，依據(jù)專(zhuān)業(yè)領(lǐng)域需求，從多個(gè)維度構(gòu)建杰出人才畫(huà)像，揭示杰出人才的群體特征。

2 研究思路

圖1 特定專(zhuān)業(yè)領(lǐng)域的杰出人才精準(zhǔn)畫(huà)像構(gòu)建研究思路

本文認(rèn)為杰出人才是對(duì)具備杰出能力的人才的總稱(chēng)，至少包含兩層意思：一是杰出人才必須術(shù)業(yè)有專(zhuān)攻；二是杰出人才必須具備成為一個(gè)團(tuán)隊(duì)的核心和靈魂的能力。據(jù)此，可將杰出人才界定為已取得同行公認(rèn)的創(chuàng)新性成績(jī)或創(chuàng)造性科技成果，具有發(fā)展?jié)摿?，能引領(lǐng)和帶動(dòng)產(chǎn)業(yè)科技發(fā)展并處于領(lǐng)先地位的團(tuán)隊(duì)帶頭人。本文的杰出人才畫(huà)像構(gòu)建研究包括四部分：第一，采集并預(yù)處理人才留下的大量“軌跡”數(shù)據(jù)，如學(xué)術(shù)論文、發(fā)明專(zhuān)利、科研項(xiàng)目、獲取獎(jiǎng)項(xiàng)等基礎(chǔ)信息，構(gòu)造初始人才庫(kù)；第二，邀請(qǐng)專(zhuān)家從初始人才庫(kù)識(shí)別出杰出人才，由此構(gòu)造杰出人才庫(kù)；第三，從多維度構(gòu)建杰出人才畫(huà)像；第四，通過(guò)統(tǒng)計(jì)分析發(fā)現(xiàn)杰出人才的群體特征。

2.1 初始人才庫(kù)構(gòu)建

本文在具體的人才信息搜索中，對(duì)人才操作化的定義是與千人計(jì)劃、萬(wàn)人計(jì)劃、國(guó)家杰出青年科學(xué)基金入選者同等水平的人才。由于目前還沒(méi)有公開(kāi)的具有權(quán)威性的人才排行榜，因此本文主要通過(guò)兩種途徑獲取全面且具有權(quán)威性的人才軌跡數(shù)據(jù)信息。一是專(zhuān)家推薦。專(zhuān)家團(tuán)隊(duì)由相關(guān)領(lǐng)域的著名高校學(xué)者、知名科研院所研究人員以及知名企業(yè)高管層組成。專(zhuān)家團(tuán)隊(duì)提供搜索杰出人才信息的線(xiàn)索以及部分杰出人才信息。二是線(xiàn)上資源檢索，從人才信息分布平臺(tái)獲取數(shù)據(jù)，如學(xué)術(shù)平臺(tái)、專(zhuān)利信息平臺(tái)。學(xué)術(shù)平臺(tái)如科研在線(xiàn)(http：//www.escience.cn/)提供了大量學(xué)術(shù)主頁(yè)信息，包含基礎(chǔ)信息和學(xué)術(shù)成果等信息。專(zhuān)利信息平臺(tái)如IncoPat 數(shù)據(jù)平臺(tái)(http：//www.incopat.com/)收錄了112 個(gè)國(guó)家/組織/地區(qū)的1 億余件專(zhuān)利信息?；谝陨闲畔⒃?，采用信息抽取技術(shù)獲取人才的基本數(shù)據(jù)，包括基礎(chǔ)信息和研究信息兩部分?；拘畔ㄈ瞬诺男詣e、年齡、出生日期、國(guó)別、省、市、所在機(jī)構(gòu)、職稱(chēng)、職務(wù)、頭銜、電子郵箱、聯(lián)系電話(huà)、通訊地址等；研究信息如專(zhuān)利擁有量、專(zhuān)利內(nèi)容、研究方向、人才URL、成果信息(如獲獎(jiǎng)情況)等。這兩部分共同構(gòu)成初始人才庫(kù)。

2.2 杰出人才識(shí)別

如何從大量的人才集合中識(shí)別杰出人才是本文的研究重點(diǎn)之一。根據(jù)杰出人才的定義，本文要識(shí)別的杰出人才需具備引領(lǐng)和帶動(dòng)產(chǎn)業(yè)科技發(fā)展的潛力，單純依據(jù)文獻(xiàn)計(jì)量法無(wú)法找到與產(chǎn)業(yè)相關(guān)的技術(shù)人才，因此，本文基于德?tīng)柗品╗12]識(shí)別杰出人才，即：就一定的問(wèn)題函請(qǐng)相關(guān)領(lǐng)域的專(zhuān)家提出意見(jiàn)或看法，然后將專(zhuān)家意見(jiàn)或新設(shè)想加以科學(xué)地綜合、整理、歸納，以匿名的方式將所歸納的結(jié)果反饋給各專(zhuān)家再次征詢(xún)意見(jiàn)。如此經(jīng)過(guò)多輪反復(fù)，直到意見(jiàn)趨于集中，得到一種比較一致的、可靠性較高的意見(jiàn)。該方法具有一定的科學(xué)性和實(shí)用性。具體步驟：(1)確定被遴選的對(duì)象：從初始人才庫(kù)中挑選出杰出人才集合；(2)選擇該領(lǐng)域相關(guān)專(zhuān)家；(3)向各位選定專(zhuān)家發(fā)出杰出人才遴選調(diào)查表；(4)對(duì)返回的調(diào)查表進(jìn)行定量統(tǒng)計(jì)分析并將結(jié)果反饋給專(zhuān)家；(5)專(zhuān)家重新給出人才遴選結(jié)果；(6)重復(fù)(4)(5)兩步直到取得大體上一致的意見(jiàn)。

2.3 杰出人才畫(huà)像構(gòu)建

本文借鑒用戶(hù)畫(huà)像的構(gòu)建方法，對(duì)識(shí)別出的杰出人才進(jìn)行畫(huà)像構(gòu)建。由于人才數(shù)據(jù)具有高度的隱私性，較難獲得，因此難以構(gòu)建“完整”的用戶(hù)模型。本研究結(jié)合實(shí)際的應(yīng)用場(chǎng)景，針對(duì)特定專(zhuān)業(yè)領(lǐng)域的杰出人才特征以及人才管理工作的實(shí)際需求，科學(xué)設(shè)計(jì)杰出人才畫(huà)像標(biāo)簽體系，對(duì)特定專(zhuān)業(yè)領(lǐng)域的杰出人才進(jìn)行精準(zhǔn)畫(huà)像構(gòu)建。

2.4 杰出人才群體特征分析

相較于杰出人才的個(gè)體畫(huà)像，杰出人才群體特征呈現(xiàn)的是符合某一標(biāo)準(zhǔn)的杰出人才群體特征。不同階段的杰出人才在學(xué)術(shù)影響力方面的特征比較統(tǒng)一，這就更有利于本文從杰出人才的年齡、性別、研究方向、專(zhuān)利數(shù)量、所在機(jī)構(gòu)類(lèi)別以及地域等方面進(jìn)行群體特征分析。如果單一地從杰出人才的某個(gè)屬性方面進(jìn)行分析會(huì)存在一定的局限性，得出的結(jié)果也會(huì)過(guò)于簡(jiǎn)單，很難形成一定的杰出人才群體特征和規(guī)律。

3 智能制造領(lǐng)域杰出人才畫(huà)像實(shí)驗(yàn)

本文基于智能制造領(lǐng)域這一特定場(chǎng)景，精準(zhǔn)構(gòu)建智能制造領(lǐng)域杰出人才畫(huà)像，具體包括智能制造領(lǐng)域初始人才庫(kù)構(gòu)建、智能制造領(lǐng)域杰出人才識(shí)別、智能制造領(lǐng)域杰出人才畫(huà)像呈現(xiàn)三部分。

3.1 智能制造領(lǐng)域杰出人才畫(huà)像構(gòu)建

3.1.1 智能制造領(lǐng)域初始人才庫(kù)構(gòu)建

以智能制造領(lǐng)域的智能機(jī)器人、高檔數(shù)控機(jī)床和增材制造三個(gè)子領(lǐng)域?yàn)檠芯繉?duì)象，構(gòu)建初始人才庫(kù)的過(guò)程如下：

(1)選取智能制造領(lǐng)域的專(zhuān)家。根據(jù)不同的子領(lǐng)域，組建智能機(jī)器人、高檔數(shù)控機(jī)床和增材制造3 個(gè)專(zhuān)家組。每個(gè)專(zhuān)家組由該領(lǐng)域的國(guó)內(nèi)知名學(xué)者和產(chǎn)業(yè)界知名管理者組成，共10 人，包括有2 名全球500 強(qiáng)公司的高管、2 名具有“院士”“千人計(jì)劃”等人才稱(chēng)號(hào)的專(zhuān)家、2 名一流大學(xué)和科研機(jī)構(gòu)的教授、2 名相關(guān)行業(yè)協(xié)會(huì)主席、2名人才和產(chǎn)業(yè)部門(mén)管理者，確保對(duì)該領(lǐng)域的人才和機(jī)構(gòu)信息具有全面了解。

(2)請(qǐng)專(zhuān)家提供該領(lǐng)域相關(guān)信息。相關(guān)信息包括：一是領(lǐng)域人才集聚機(jī)構(gòu)清單；二是領(lǐng)域人才科研產(chǎn)出和專(zhuān)利成果的檢索關(guān)鍵詞列表；三是領(lǐng)域人才信息。

(3)根據(jù)專(zhuān)家提供的領(lǐng)域人才聚集機(jī)構(gòu)清單搜索到人才127 名，按照專(zhuān)家提供的關(guān)鍵詞檢索出高專(zhuān)利擁有量的發(fā)明人共1420 名，同時(shí)專(zhuān)家根據(jù)領(lǐng)域人才聚集機(jī)構(gòu)清單以及查找專(zhuān)利提供該領(lǐng)域人才2100 名。經(jīng)過(guò)重名比對(duì)，最終得到三個(gè)子領(lǐng)域人才總計(jì)3461 名。

(4)根據(jù)3461 名人才清單，通過(guò)爬蟲(chóng)技術(shù)從數(shù)據(jù)平臺(tái)包括科研在線(xiàn)、incoPat 數(shù)據(jù)平臺(tái)等補(bǔ)充初始人才相關(guān)基礎(chǔ)數(shù)據(jù)，具體包含字段見(jiàn)表1。

表1 人才基礎(chǔ)數(shù)據(jù)

3.1.2 智能制造領(lǐng)域杰出人才識(shí)別

使用德?tīng)柗品ㄟM(jìn)行杰出人才識(shí)別，通過(guò)四輪專(zhuān)家征詢(xún)，最終得到智能制造杰出人才清單及相關(guān)信息。

(1)第一輪征詢(xún)：邀請(qǐng)專(zhuān)家依據(jù)人才研究方向和專(zhuān)利內(nèi)容，篩選智能機(jī)器人、高檔數(shù)控機(jī)床和增材制造三個(gè)子領(lǐng)域的潛在杰出人才。

①明確征詢(xún)問(wèn)題。請(qǐng)專(zhuān)家去除與三個(gè)子領(lǐng)域無(wú)關(guān)的人才信息，圈選該領(lǐng)域的潛在杰出人才信息，標(biāo)注無(wú)法確認(rèn)的潛在杰出人才信息。

②選取和確定專(zhuān)家小組。此次每個(gè)子領(lǐng)域的專(zhuān)家小組成員擴(kuò)充至20 人。其中，具有“院士”“千人計(jì)劃”等人才頭銜的專(zhuān)家、全國(guó)一流大學(xué)相關(guān)領(lǐng)域教授、全國(guó)知名企業(yè)的技術(shù)管理人員、全國(guó)行業(yè)協(xié)會(huì)的管理人員各5 人。他們具有廣泛掌握杰出人才信息的優(yōu)勢(shì)。

③將第一份征詢(xún)調(diào)查表發(fā)放至專(zhuān)家小組。將包含3461 條領(lǐng)域人才信息的征詢(xún)調(diào)查表發(fā)至三個(gè)子領(lǐng)域的每位專(zhuān)家，并向?qū)＜艺f(shuō)明征詢(xún)問(wèn)題和工作規(guī)則。

④收回征詢(xún)調(diào)查表并進(jìn)行分析。專(zhuān)家通過(guò)查找人才研究方向的關(guān)鍵詞以及專(zhuān)利內(nèi)容中的關(guān)鍵詞，去除無(wú)關(guān)信息1920 條，圈定潛在杰出人才信息1500 條，標(biāo)注無(wú)法確認(rèn)的潛在杰出人才信息21 條，增補(bǔ)潛在杰出人才信息20 條。

⑤潛在杰出人才信息整理。將專(zhuān)家認(rèn)為無(wú)關(guān)的人才信息刪除，將專(zhuān)家圈選出的潛在杰出人才信息保留，對(duì)專(zhuān)家不確定的潛在人才信息作進(jìn)一步擴(kuò)充。將專(zhuān)家認(rèn)為需要增補(bǔ)的人才信息補(bǔ)充完整。此階段得到智能機(jī)器人、高檔數(shù)控機(jī)床和增材制造三個(gè)子領(lǐng)域潛在杰出人才信息共1541 條。

(2)第二輪征詢(xún)：邀請(qǐng)專(zhuān)家依據(jù)人才的職稱(chēng)、所在單位、頭銜、獲獎(jiǎng)情況、專(zhuān)利擁有量等篩選符合杰出人才標(biāo)準(zhǔn)的人才信息。

①明確征詢(xún)問(wèn)題。請(qǐng)專(zhuān)家根據(jù)三個(gè)子領(lǐng)域杰出人才的標(biāo)準(zhǔn)，去除不符合標(biāo)準(zhǔn)的杰出人才信息，圈定符合標(biāo)準(zhǔn)的杰出人才信息，標(biāo)注出無(wú)法確定的杰出人才信息。

②選取和確定專(zhuān)家小組人員。此次每個(gè)子領(lǐng)域的專(zhuān)家小組成員擴(kuò)充至25 人，增加了人才和產(chǎn)業(yè)主管部門(mén)的管理者5 人。他們對(duì)杰出人才的認(rèn)定具有權(quán)威性。

③將第二份征詢(xún)調(diào)查表散發(fā)至專(zhuān)家小組。將包含1541 條潛在杰出人才信息表發(fā)至三個(gè)子領(lǐng)域的每位專(zhuān)家，并向?qū)＜艺f(shuō)明征詢(xún)問(wèn)題和工作規(guī)則。

④收回征詢(xún)調(diào)查表，按照專(zhuān)家組意見(jiàn)整理杰出人才信息。將專(zhuān)家認(rèn)為無(wú)關(guān)的人才信息刪除，將專(zhuān)家圈選出的潛在杰出人才信息保留，對(duì)專(zhuān)家不確定的潛在人才信息進(jìn)一步擴(kuò)充。將專(zhuān)家認(rèn)為需要增補(bǔ)的人才信息補(bǔ)充完整。此階段得到智能機(jī)器人、高檔數(shù)控機(jī)床和增材制造三個(gè)子領(lǐng)域潛在杰出人才信息共1201 條。

(3)第三輪征詢(xún)：專(zhuān)家組所有人員對(duì)杰出人才標(biāo)準(zhǔn)達(dá)成基本共識(shí)，精準(zhǔn)鎖定杰出人才。

向各位專(zhuān)家提供有關(guān)集體意見(jiàn)情況和其他專(zhuān)家成員的各自觀點(diǎn)，專(zhuān)家組就杰出人才標(biāo)準(zhǔn)達(dá)成基本共識(shí)。專(zhuān)家一致認(rèn)為可以將智能制造杰出人才的標(biāo)準(zhǔn)設(shè)定為同時(shí)具備以下條件的人才：職稱(chēng)在副教授(或其他同等水平)及以上、獲得省級(jí)以上人才獎(jiǎng)勵(lì)、人才所在單位在本領(lǐng)域業(yè)績(jī)排行前10 位。根據(jù)專(zhuān)家組達(dá)成的共識(shí)，精準(zhǔn)鎖定杰出人才，形成最終意見(jiàn)。本文最終確定了785 條杰出人才信息，其中，智能機(jī)器人領(lǐng)域306 條，高檔數(shù)控336 條，增材制造143 條。表2 是得到的三個(gè)子領(lǐng)域的杰出人才信息數(shù)量分布。

表2 智能制造三個(gè)子領(lǐng)域杰出人才信息

(4)第四輪征詢(xún)：邀請(qǐng)已有具有人才頭銜的專(zhuān)家對(duì)杰出人才篩選結(jié)果進(jìn)行評(píng)估。

選取智能制造三大子領(lǐng)域的“院士”“千人計(jì)劃”“萬(wàn)人計(jì)劃”人才專(zhuān)家各2 名，“長(zhǎng)江學(xué)者”、國(guó)家杰出青年科學(xué)基金獲得者2 名，組成10 人專(zhuān)家組，對(duì)潛在杰出人才的篩選結(jié)果進(jìn)行評(píng)估。專(zhuān)家一致認(rèn)為，篩選出的杰出人才均已取得同行公認(rèn)的創(chuàng)新性成績(jī)或創(chuàng)造性科技成果，具備引領(lǐng)和帶動(dòng)產(chǎn)業(yè)科技發(fā)展的潛力。785 名杰出人才水平大體相當(dāng)，篩選結(jié)果比較可靠。

3.1.3 智能制造杰出人才畫(huà)像模型構(gòu)建

根據(jù)智能制造杰出人才的特征以及人才管理工作的實(shí)際需求，從基本屬性、研究興趣、學(xué)術(shù)影響力三個(gè)維度構(gòu)建杰出人才畫(huà)像標(biāo)簽體系，清晰完整地呈現(xiàn)智能制造三個(gè)子領(lǐng)域的杰出人才信息(具體見(jiàn)圖2)?；A(chǔ)屬性指相對(duì)穩(wěn)定和靜態(tài)的人口屬性；研究興趣指的是杰出人才的研究方向；學(xué)術(shù)影響力則通過(guò)杰出人才的H 指數(shù)、論文數(shù)量、專(zhuān)利數(shù)量等來(lái)體現(xiàn)。

圖2 智能制造杰出人才畫(huà)像

畫(huà)像結(jié)果能精準(zhǔn)清晰地展現(xiàn)智能制造杰出人才的特點(diǎn)。例如，學(xué)術(shù)影響力較高的杰出人才將是智能制造基礎(chǔ)研究的領(lǐng)軍人物，肩負(fù)著關(guān)鍵核心技術(shù)的突破；處在中青年階段且學(xué)術(shù)影響力高的杰出人才將成為引領(lǐng)和帶動(dòng)產(chǎn)業(yè)科技發(fā)展處于領(lǐng)先地位的團(tuán)隊(duì)帶頭人；已形成老、中、青年齡梯度的杰出人才團(tuán)隊(duì)更能夠支撐智能制造領(lǐng)域的可持續(xù)發(fā)展。根據(jù)以上杰出人才畫(huà)像，人才管理部門(mén)可以對(duì)智能制造杰出人才群體的研究方向、發(fā)展?jié)摿σ约暗乩碜鴺?biāo)等有一個(gè)宏觀的把握，為人才引進(jìn)工作以及產(chǎn)業(yè)布局提供科學(xué)參考。

3.2 智能制造領(lǐng)域杰出人才畫(huà)像特征分析

3.2.1 杰出人才年齡分布特征

大部分智能制造領(lǐng)域杰出人才的年齡分布在49~58 歲。其中，84%智能機(jī)器人杰出人才年齡分布在39~58 歲，81%高檔數(shù)控機(jī)床杰出人才年齡分布在49~68 歲，70%增材制造杰出人才年齡分布在39~58 歲。從三個(gè)子領(lǐng)域的杰出人才年齡構(gòu)成看，增材制造領(lǐng)域杰出人才形成了老中青的年齡梯隊(duì)，智能機(jī)器人領(lǐng)域需要補(bǔ)充29~38 歲的青年杰出人才，高檔數(shù)控機(jī)床領(lǐng)域的杰出人才急需補(bǔ)充29~48 歲的中青年杰出人才。

圖3 智能制造杰出人才年齡分布

3.2.2 杰出人才所在機(jī)構(gòu)分布特征

本文將杰出人才所在機(jī)構(gòu)類(lèi)別分為三種：高校及研究院所、企業(yè)和學(xué)會(huì)/行業(yè)協(xié)會(huì)。如圖4所示，從外至內(nèi)圈，①代表智能機(jī)器人領(lǐng)域，②代表高檔數(shù)控機(jī)床領(lǐng)域，③代表增材制造領(lǐng)域。三個(gè)子領(lǐng)域中的杰出人才以學(xué)術(shù)研究型人才居多，集中分布在高校及研究院所，部分分布在企業(yè)，只有極少數(shù)的杰出人才來(lái)自于學(xué)會(huì)/行業(yè)協(xié)會(huì)。

圖4 智能制造杰出人才機(jī)構(gòu)分布

3.2.3 杰出人才性別分布特征

經(jīng)過(guò)數(shù)據(jù)清洗，得到包含性別信息的智能制造領(lǐng)域杰出人才共726 名。其中，以男性為主，占96%；而女性?xún)H占4%，見(jiàn)圖5。

圖5 智能制造杰出人才性別分布

3.2.4 杰出人才專(zhuān)利數(shù)量分布特征

智能制造領(lǐng)域的杰出人才人均專(zhuān)利數(shù)為27項(xiàng)。三個(gè)子領(lǐng)域的杰出人才專(zhuān)利數(shù)量差別較大，見(jiàn)圖6。在智能機(jī)器人領(lǐng)域，杰出人才專(zhuān)利數(shù)量較為平均且數(shù)目較多，皆在20 項(xiàng)專(zhuān)利以上；在高檔數(shù)控機(jī)床領(lǐng)域，高校或研究院所杰出人才人均專(zhuān)利43.78 項(xiàng)，而企業(yè)和學(xué)會(huì)/行業(yè)協(xié)會(huì)的杰出人才人均專(zhuān)利數(shù)量較少；相對(duì)于其他兩個(gè)子領(lǐng)域，增材制造領(lǐng)域的杰出人才人均專(zhuān)利數(shù)量偏少。

圖6 智能制造杰出人才專(zhuān)利數(shù)量分布

3.2.5 杰出人才地理分布特征

表3-5 是智能機(jī)器人、高檔數(shù)控機(jī)床、增材制造三個(gè)子領(lǐng)域的杰出人才在不同省份的人才數(shù)量分布情況。從表中看出，智能制造杰出人才集中在北京、遼寧、上海、江蘇。其中，智能機(jī)器人領(lǐng)域杰出人才主要分布在東部沿海地區(qū)和東北地區(qū)；高檔數(shù)控機(jī)床領(lǐng)域和增材制造領(lǐng)域的杰出人才分布較為相似，除了集中在東部沿海地區(qū)和東北地區(qū)，還有一部分分布在西部地區(qū)如四川、陜西和重慶。

表3 智能機(jī)器人杰出人才地區(qū)分布

表4 高檔數(shù)控機(jī)床杰出人才地區(qū)分布

表5 增材制造杰出人才地區(qū)分布

4 結(jié)論與展望

本文將用戶(hù)畫(huà)像技術(shù)應(yīng)用于人才畫(huà)像研究，以智能制造領(lǐng)域?yàn)槔?，開(kāi)展特定專(zhuān)業(yè)領(lǐng)域的杰出人才精準(zhǔn)畫(huà)像構(gòu)建研究，為我國(guó)智能制造杰出人才的引育工作提供參考。本文首先獲取智能制造領(lǐng)域人才“軌跡”數(shù)據(jù)，構(gòu)建初始人才庫(kù)；然后利用專(zhuān)家評(píng)價(jià)法識(shí)別杰出人才，從多個(gè)維度構(gòu)建智能制造杰出人才畫(huà)像；最后分析智能制造杰出人才的群體特征。研究結(jié)論如下：總體來(lái)看，我國(guó)智能制造杰出人才以男性為主(占96%)，年齡主要分布在49~58 歲，以學(xué)術(shù)研究型人才居多，集中在高校及研究院所，人均專(zhuān)利數(shù)量27 項(xiàng)，主要分布在北京、遼寧、上海、江蘇、湖北等省份。從三個(gè)子領(lǐng)域來(lái)看，為更好地引領(lǐng)和支撐我國(guó)智能制造產(chǎn)業(yè)發(fā)展，智能機(jī)器人領(lǐng)域需要補(bǔ)充29~38 歲的青年杰出人才，高檔數(shù)控機(jī)床領(lǐng)域需要補(bǔ)充29~48 歲、能夠帶動(dòng)產(chǎn)業(yè)發(fā)展的中青年杰出人才，增材制造領(lǐng)域缺乏掌握專(zhuān)利技術(shù)的杰出人才。此方法獨(dú)立于具體領(lǐng)域，可以用于其他領(lǐng)域的人才畫(huà)像構(gòu)建。

本文的創(chuàng)新之處：首次將用戶(hù)畫(huà)像技術(shù)應(yīng)用于人才畫(huà)像研究，清晰直觀地展示了智能制造杰出人才的群體特征。本文構(gòu)建的杰出人才畫(huà)像思路具有可遷移性，可以應(yīng)用于其他領(lǐng)域的杰出人才畫(huà)像構(gòu)建。不足之處：一是杰出人才畫(huà)像構(gòu)建的實(shí)證研究?jī)H局限在智能制造領(lǐng)域，應(yīng)用范圍有待進(jìn)一步擴(kuò)展；二是采用專(zhuān)家評(píng)價(jià)法識(shí)別杰出人才，需耗費(fèi)大量時(shí)間和人力成本，無(wú)法大批量進(jìn)行。下一步將對(duì)杰出人才的學(xué)術(shù)影響力和工作影響力進(jìn)行更深入的研究。具體而言，將更深入地進(jìn)行專(zhuān)利內(nèi)容分析，同時(shí)利用一些文獻(xiàn)計(jì)量學(xué)的指標(biāo)完善杰出人才的學(xué)術(shù)影響力評(píng)估。將選取人才獎(jiǎng)勵(lì)和人才頭銜等指標(biāo)對(duì)杰出人才的工作影響力進(jìn)行評(píng)估，更加系統(tǒng)、深入地呈現(xiàn)智能制造杰出人才畫(huà)像。