职场欺凌行为识别与干预——基于2023年人力资源投诉记录文本分类.docxVIP

职场欺凌行为识别与干预——基于2023年人力资源投诉记录文本分类

摘要与关键词

本研究旨在通过对2023年大型企业人力资源部门受理的员工投诉和申诉记录文本进行深度自然语言处理与机器学习分析，系统探究职场欺凌行为的显性与隐性模式，构建自动识别模型，并提出基于数据洞察的精准干预策略。研究数据来源于金融、科技、制造业等八个行业、二十家企业于2023年度匿名化处理后的全部正式投诉文本记录，共计约一万五千份文档。研究方法采用混合研究范式：首先，基于职场欺凌文献与心理学理论，构建包含显性攻击、间接排挤、工作设障、人际贬损四类主要欺凌行为，及其下辖二十六个亚类（如公开羞辱、恶意流言、不合理工作量、社交孤立等）的精细化编码体系。其次，邀请三位经过培训的人力资源专家与组织行为学研究者对随机抽样的三千份文档进行独立人工标注，形成高质量训练与验证数据集，并计算编码者间信度以确保标注一致性。随后，运用多种自然语言处理与机器学习技术，包括基于转换器的双向编码器表示技术的预训练模型，长短期记忆网络，以及支持向量机等，对文本进行特征提取、向量化与分类模型训练。通过混淆矩阵、精确率、召回率、F1分数等指标，系统评估并比较不同模型在不同欺凌类型上的分类性能。研究发现，总体而言，基于大规模预训练语言模型的微调方法在欺凌识别任务上表现最佳，其宏观平均F1分数达到零点八六。然而，不同类型欺凌行为的识别难度差异显著：显性攻