作者：王云海（对外经济贸易大学国家对外开放研究院教授），秦冠英（对外经济贸易大学教育与开放经济研究中心副研究员）

(资料图片)

人才评价是人才发展的指挥棒，建设人才强国，人才评价是关键。优化人才评价，精准与综合是关键。所谓精准，是指立足人才自身特点，让资质匹配的评价者使用科学的评价方法，对人才的研究成果和实际贡献做出精准的分类和评价；所谓综合，是指立足人才综合素质，对人才的研究领域与方向、发展潜力与动力、综合素质与能力、团队协作能力与贡献等，做出综合的评价。

以往对人才做出精准且综合的评价难度较大，故导致实践中出现了一些将成果数量简单等同人才质量，将职称和帽子简单等同人才能力，将发展成果简单等同人才潜力，将团队成员各自成果简单叠加算作团队建设成果等问题现象。随着信息和计算机技术，特别是大数据技术的快速发展及相应的数据管理机制的不断完善，人才评价的精准与综合已经成为可望且可及的目标。

大数据赋能人才精准分类，多元化展现人才特点。“不拘一格降人才”的必要基础是“不拘一格”评价人才。分类评价是新时代人才评价的必然要求。《关于分类推进人才评价机制改革的指导意见》指出，建立科学的人才分类评价机制，对于树立正确用人导向、激励引导人才职业发展、调动人才创新创业积极性、加快建设人才强国具有重要作用。《深化新时代教育评价改革总体方案》明确要求改进高校教师科研评价，根据不同学科、不同岗位特点，坚持分类评价。《关于开展科技人才评价改革试点的工作方案》也指出，要对承担国家重大攻关任务、基础研究类、应用研究和技术开发类、社会公益研究类等四类人才进行分开探索评价。

在大数据赋能下，人才队伍的类型化发展能够真正落到实处，产生真正的效果。通过详细和精准人才画像，对各类人才的具体工作进行数字化的翔实记录和描述；在海量数据集合之后，使用科学合理的算法对这些海量的、持续增长和多样化的数据进行加工整理，提炼出人才的类型要素，充分且多元化展现各类人才的特点；进而结合人才发展目标和人才成长与发展逻辑，确定不同类型人才的评价指标和评价方式，夯实分类评价的科学基础。中国教育发展战略学会人才发展专委会、对外经济贸易大学、学术桥联合发布的《中国高校职称评审小同行评价研究报告（2022）》发现，在127所高校的11528名参评教师中，职称评审的职务分类划分越来越多元、越细致，出现了将近200个不同类型的参评数据样本，如有91位参评临床为主的副教授，还有社会服务型、临床教研型、卫技系列、教授级高级工程师（畜牧师）、应用推广型、国际轨教师、资深讲师晋升副教授等诸多新的人才分类。充分说明高校已经开始利用大数据在人才分类评价方面进行探索和创新。

大数据确保成果科学评价，多维度呈现人才贡献。现代科学研究的显著趋势是研究方向日益精细，研究方法愈发综合，多学科、跨学科和交叉学科研究发展迅速。这在不断催生创新成果的同时，对成果的精准评价提出了更高的要求。

大数据赋能下，可以实现对成果所产生的影响进行多角度、多领域、多层次的记录，且这种记录是持续进行的、海量的、及时和迅捷的，从而实现三个关键突破。

一是单一学科的突破，通过数据跟踪、采集和挖掘，研判成果在不同学科领域产生的影响，以及不同学科对该成果的反馈，克服“自说自话”“自娱自乐”的问题。

二是单一价值的突破，通过大数据赋能，能够助力实现科学价值、原创价值、创新价值、转化应用价值、社会价值等多元价值评价，克服“闭门造车”，推进政产学研用深度融合。

三是短期视野的突破，从更长久的时间维度，审视成果在学术发展史、科学发展史、社会发展史和人类文明进程中的价值，克服短期效应的顽疾。

大数据助力同行精确评价，全方位评价人才水平。小同行评价是同行评价的一种。与“大同行评价”相比，小同行评价的突出价值是能够在符合学术规律的前提下实现评价对象与评价者更为精准匹配，从而更有利于对评价对象作出科学、客观和公正的评价。也有人据此称大同行评价为“同行评同行”，小同行评价为“内行评内行”。

实施小同行评价是人才分类评价和成果分类评价的必然要求。实施小同行评价，最大的挑战一方面是对数据信息的跟踪收集、分类建构、储备加工、检索挖掘、开发应用等有较高的要求；另一方面是对评审专家管理、评审流程管理、评审风险处置、评审结果管理等体制机制建设有较严苛的要求。

当前，在大数据技术的赋能下，小同行评价的门槛逐渐被攻克，独立第三方评价机制和评价机构也得到了较好的发展。特别是第三方机构拥有海量的评审专家数据库，可以快速精准实现评审专家与参评人才的研究细分领域和方向匹配。实践中，越来越多的学者认同并积极参与小同行评价，小同行评价不仅在专业技术职务评审方面有较为广泛应用，而且在人才引进、项目评审、学位论文评审等领域“初露锋芒”，也有越来越多的研究支持小同行评价在分类评价、代表性成果评价、长周期评价等人才评价的创新领域发挥更大作用。

大数据持续追踪过程评价，全过程服务人才发展。成果评价最终要服务于人才评价，人才评价最终要服务于人才发展。从这个角度看，大数据技术赋能人才评价和人才发展有三个层次的突出价值。

一是在个人层面。在评价过程中，通过人才和成果分类、小同行评价等子系统的有效运作，大数据赋能的人才评价实际提供了一种个性化的职业发展支持服务。个人在评价过程中能够掌握个人在专业技能、发展潜力、发展方向、成果水平、成果影响力、各方评价与反馈等方面的精确且全面的信息；未来，在深度机器学习和人工智能的进一步加持下，个人可以实时和全面掌握与个人发展密切相关的个性化信息，实现人才成长的全链条支撑。

二是在组织层面。大数据赋能可帮助组织把握自身人才结构，明确人才优势和劣势，确定人才工作方向，为人才引进、团队建设、人才评价改革等工作提供专业指导，使得人尽其才、才尽其用、人事相宜。

三是在国家层面。大数据赋能可以协助国家掌握国内、国际人才详细、动态和全面的信息，利于优化区域人才配置，为人才相关决策及政策制定提供科学指导，推动人才工作高质量发展，支撑从人力资本强国向人才强国转变。