基于数据挖掘的高校人才引进与培养策略研究.pdfVIP

第27卷第12期 科技进步与对策 V01．27No．12 Jun．2010 2010年6月 Science＆TechnologyProgressandPolicy 基于数据挖掘的高校人才引进与培养策略研究 李 锋1’2，尹 洁3，吴 洁4 (1．河海大学商学院，江苏南京210098；2．江苏科技大学研究生部； 3．江苏科技大学经济管理学院；4．江苏科技大学科技处，江苏镇江212003) 摘要：现代人力资源管理为高校构建人才高地、充分发挥人才优势提供了新的机遇。以高校人事、教学、 科研信息为基础，运用数据挖掘和客户细分模型构建方法，将人才划分为4种类别：教学与科研均突出人 才、偏重科研人才、偏重教学人才、教学与科研均不突出人才，将人事基本信息与人才类别相结合，运用 Apriori算法构建关联规则挖掘数据集，寻找人才发展影响因素，结合学校发展战略与学科特点，为高校人才 引进和培养提供策略，为高校人力资源管理提供支持。 关键词：数据挖掘；高校人力资源管理；人才引进；人才培养 中图分类号：G647．23 文献标识码：A 文章编号：1001—7348(2010)12—0149—03 建等问题。 0 引言 l 理论基础 教育的蓬勃发展促使高校决策者充分意识到人才在 高校竞争中的关键作用。立足战略高度，如何围绕“以人 1．1客户细分模型构建方法 为本”的指导思想，制定合适的人才资源管理政策，优化人 美国市场学家温德尔·史密斯于20世纪50年代中期 力资源配置，提高人力资源产出效率，提升人力资源水平， 提出客户细分概念H]。所谓客户细分，即企业在明确的战 增强人力资源竞争力，成为高校决策者关注的重点。 略、业务模式和专注的市场条件下，根据客户的价值、需求 传统的人事管理已不能适应现代高校发展的需要，被 和偏好等综合因素对客户进行分类，分属于同一客户群的 动的、事务性的行政管理模式必然被主动的、战略性的人 消费者具备一定程度的相似性，而不同的细分客户群间存 力资源管理模式所取代，探索高校人力资源管理规律成为 在明显的差异。客户细分模型选择一定的细分变量，按照 一个重要研究课题。随着高校信息化建设的日趋完善，高 一定的划分标准对客户进行分类。客户细分的目的是为 校人事、科技、教学等信息大量积累，其中隐藏着众多规律 了更好地了解客户并提供个性化服务。 性的知识。本文利用数据挖掘技术，从中提取隐含的、有 1．2 W—K-means聚类算法 用的知识，探索高校人力资源发展和管理规律，为高校人 由于传统K—means算法在聚类过程中同等看待所有 力资源管理政策的制定提供支持。 变量，不能自动选择变量，因此学者们提出了基于K-means 人才引进和培养是高校人力资源管理的重要组成部 分，直接关系着高校人力资源水平和发展速度。目前，众 算法根据簇中变量的重要性，自动针对重要性不同的变量 多学者针对高校人才的引进和培养展开了相关研究。文 分配不同的权重。W-K—means算法发现聚类的能力优于 献[1]通过分析教学科研人员来源与师资职称结构的关 系，针对引进的高层次人才进行了孤立点分析，以寻找人 中计算得到的变量最终权重，有效识别噪音变量，此能力 才引进规律。文献[2]选取人才指数体系的具体属性，预 对于高维数据聚类的变量选择具有重要意义。、nK— 测了个体人才成为优秀教师的可能性。文献[3]通过分析 means聚类算法目前已经被聚合于数据挖掘软件Alpha 人力资源管理现状，剖析高