数据包络分析在招聘中应用.docVIP

数据包络分析在招聘中应用 　　摘要：从大量的应聘者中，选拔合格人才往往费时费力，面对纷繁复杂的各类岗位考核标准和人为因素，若缺乏科学统一的考评体系，就容易造成人才流失，给招聘企业带来损失。文章尝试性地将DEA方法引入招聘流程中，以辅助企业进行人才选拔，并以高校招聘教师为例说明了此方法的应用价值。 　　关键词：DEA；招聘；简历评估 　　 　　一、 前言 　　 　　目前，国内各行各业的招聘流程，主要采用人工筛选简历的方法，而在数以百计的应聘者中，为公开招聘的职 位挑选最佳候选人是一项耗时耗力的过程。其复杂性是多方面的：（1）应聘者数量巨大；（2）缺乏针对应聘者素质的考评指标；（3）考评指标之间的权重关系难以确定；（4）招聘方个体偏好对招聘过程的影响。因此，这种复杂性使“最佳”候选人流失的可能性增加。 　　为有效解决上述问题，本文将数据包络分析（Data Envelopment Analysis，简称DEA）引入招聘流程中。DEA方法以其特有的优势，如避免了确定各种考评指标在优先意义下的权重，无需对输入输出指标进行无量纲化处理，可以对输入输出指标进行有效投影以及评价结果比较客观等等，在世界范围内得到了极其广泛的研究和应用，已成为分析、评价多输入多输出复杂系统的有力工具。近几年，随着网络和计算机技术的发展，一些单位或公司开始尝试用计算机辅助系统或人工智能来找到符合基本条件的简历，即使这样，仍然需要招聘人员评估大量的材料。DEA方法做为一个成熟的统计分析工具，在事先设置好考评指标的情况下，可以实现自动筛选简历。该方法不必确定各考评指标之间可能存在的某种显式关系，这就排除了许多主观因素，不仅增强了评价结果的客观性，而且还会使问题得到简化。从而为招聘方减少工作量，提高准确度和公平性，减少因个体偏好对招聘工作产生的影响。 　　 　　二、 DEA辅助筛选应聘者流程 　　 　　本文以高校招聘教师岗位为例，建立如图1所示的DEA辅助招聘流程。首先，收到简历后，应聘者信息被输入数据库中，随着计算机技术的发展，特别是在线投递简历的情况下，此过程变得更加自动化。然后，用简单的计算机程序剔除出不符合基本条件的简历，例如，某岗位要求学历是硕士及硕士以上，那么不满足此项条件的简历不能进入下一个流程。此外，某些岗位还有年龄、专业背景、性别等限制，都可以列入这一步骤。下面一步是根据不同单位、不同岗位，由招聘方拟定各考评指标。本文以招聘教师为例，设定了三种考评指标：（1）科研工作指标；（2）教学工作指标；（3）学术职能指标。考评指标设定好后，将各应聘者的相应数据输入DEA模型进行运算，优选出应聘者。此时，简历数量已大大减少，招聘人员再对选出的应聘者进行近一步的考核如面试、实习等，就可以选出此岗位的最佳人选了。 　　 　　三、 指标体系的建立 　　 　　本文根据参考文献“2”、“3”，并结合某校的具体情况，确定了能反映应聘者综合产出水平的如下指标。 　　1． 科研工作的指标。 　　（1）在各自专业学术期刊上发表论文的数量。根据我国《中文核心期刊要目总览》为基准，应用某校学术论文量化考核方法，对学术期刊进行分级，即：权威核心学术期刊、核心学术期刊、一般学术期刊三个等级。由于没有具体的统计数据可供参考，为了操作上的方便，更为了引导教师在高等级学术期刊上发表学术论文，本文将权威核心学术期刊与核心学术期刊之间的权重比定为3∶1，核心学术期刊与一般学术期刊之间的权重比定为2∶1。所以三个等级学术期刊的权重比如下表所示： 　　 　　（2）出版或编辑国际国内公认的相关学术著作的数量。由于新闻出版署、国家科委等有关部门并没有对出版单位进行等级划分，而各高校的做法也不尽相同，因此本文不再做划分。 　　（3）科研成果获奖的数量。奖励等级：国家级，分为一、二、三等；省部级，分为一、二、三等。作为算例，本文将最低一级奖励的三等奖的权重定为1，不同等级的奖励之间的权重比定为2∶1，以此类推。但不重复积分。具体权重比如下表所示： 　　 　　（4）参与或负责科研项目的数量。项目的等级：国家级，分为重点项目、一般项目；省部级，分为重点项目、一般项目。同样做为算例，将不同等级项目之间的权重比为2∶1，如下表所示： 　　 　　2． 学术职能指标。在校内、校外担任不同级别学术团体委员职位的数量：国际级、国家级、省部级，不同级别学术团体之间的权重比为2∶1。 　　 　　另外，本文不将教学工作指标不列入简历筛选步骤，高校可在面试考评中进行考察。 　　 　　四、 模型选择 　　 　　假设定义应聘者作为决策单元，由于考评指标都属输出型，本文应用“仅有产出的多目标DEA模型”对决策单元进行评价。 　　设有n个决策单元DMUj（j=1，2，…，n），其