基于BP神经网络的人岗匹配测评模型的研究

张志宇，吕明丽，李从东

(1．天津大学管理学院，天津300072;2．天津商业大学信息工程学院，天津300134;3．暨南大学管理学院，广州 510632)

基于BP神经网络的人岗匹配测评模型的研究

张志宇1，2，吕明丽2，李从东3

(1．天津大学管理学院，天津300072;2．天津商业大学信息工程学院，天津300134;3．暨南大学管理学院，广州 510632)

人岗匹配测评研究对于个体和企业绩效具有十分重要的影响。文章将智能信息处理技术应用于企业内部人岗匹配测评问题的研究，对影响人岗匹配的各种因素进行了分析，探讨了基于BP神经网络的人岗匹配测评模型的构建及应用;并介绍了基于Web的人岗匹配测评系统的分析及设计，重点介绍了嵌入MATLAB的混合编程技术，测评系统的实现增强了人岗匹配管理的智能化和信息化。

人岗匹配;测评;BP神经网络;系统设计;MATLAB

人力资源是现代企业发展的第一资源，随着经济的发展，人力资源中的岗位管理也越来越被企业所重视，员工与岗位是否合理匹配的问题已成为人力资源管理中的基本问题［1］。近年来，研究者已对主观和客观匹配展开大量研究，这些研究表明人与岗位间的匹配程度确实影响员工能否在此岗位上发挥最有效作用和企业能否充分开发人力资源，强化企业管理职能［2-3］。因此，企业应对人岗匹配予以足够的重视，最大限度地发挥人力资源的作用，促进企业持续、稳定、快速发展。但目前，对人与岗位匹配的理论和模型，尤其对量化和智能化研究均不太深入。

人岗匹配问题由于受到多种因素的复杂影响，呈现出非线性的特征，同时不同企业人岗匹配都具有特殊性，利用一般的数学方法无法完全满足这些要求;随着信息技术尤其是网络技术在企业的广泛应用，员工信息和定期评价的相关数据大量存在数据库中，员工与企业交互性增加，这些人岗匹配的信息具有重要的价值，传统的决策方法无法得到隐藏在这些数据之后的有关这些数据整体特征的描述及其发展趋势的预测信息。人们希望能够让计算机自动智能地分析企业数据库中的海量数据以获取有用决策管理信息，这就是推动数据挖掘(data mining，DM)这一辅助决策工具产生并发展的强大动力。数据挖掘技术正是一种能够解决挖掘有价值信息这类问题的新的智能方法［4］。本文将利用数据挖掘中的人工神经网络所具有的捕捉过程输入(岗位指标)与输出(匹配程度)之间的非线性关系的能力和强大的学习推理能力，建立一个基于BP神经网络的通用的数据挖掘测评模型，将其应用于解决人岗匹配问题。利用智能理论解决人岗匹配问题可以使模型更符合企业的实际情况，保证决策的客观性，同时，还基于网络平台设计和实现一个通用的测评系统，增加了人岗匹配研究的实用性。

一、文献研究

人岗匹配也叫人职匹配，是用于职业选择、介绍和咨询的经典性理论，也称特性与素质理论，最早由美国波士顿大学教授帕森斯1908年在《选择职业》一书提出，后由著名职业咨询专家E．G．Williamson等人进一步发展和定型。该理论认为每个人都有自己主观的人格特征与能力特点，应与对个体有一定可能性的社会职业或岗位相联匹配，从而选择一种职业。人力资源管理就应达到人与岗位之间的合理匹配。

美国学者Schneider等人在1987年提出ASA框架，1995年对该框架进行了改进，认为人与企业因之间的相似性而互相吸引，而人与岗位之间的相容性可以通过其他的多种形式概念化［3］。Motowidlo和Van Scotter提出了区分任务绩效和周边绩效，之后很多学者开始关心匹配和这两个方面的关系，并从人岗匹配视角对影响其的各种因素进行了多方面的研究［4］。Kristof等人提出人与组织匹配的整合模型，认为人与组织存在联系［5-6］。Jung等人通过对食品行业的研究，认为员工职业道德价值对人岗匹配具有影响［7］。国内的王丽萍研究了人岗匹配的方法基础，认为人的能级和岗位的变动会使人岗匹配模型变化［8］。罗伟良研究了人力资源配置的个人与岗位动态匹配模型［9］。沈文海分析了组织和个人的因素对人岗匹配的影响，并进行了实证分析，但在人岗匹配测评方面有所欠缺［10］。

从以上研究可以看出，人岗匹配研究是目前人力资源管理研究的一个重要领域和课题，同时也证实人和岗的匹配影响着员工的岗位选择和企业的人力资源管理效率，虽然国内外研究者为人岗匹配的研究提供了很多有效的方法和思路，但人岗匹配定量化测评方法的研究仍是关键中的难点。在人岗匹配的测量方法方面，James等提出:很多岗位水平的变量在本质上是知觉性质的，因而不存在什么岗位变量的真实分数［11］。在Schmidt和Hunter的研究中提供了很多通过研究设计和统计方法来控制和区分测量误差的具体方法［12］。

综上所述，我们不难看出，目前人与岗位匹配的研究大多数偏于静态的理论和模型，动态、发展和实用的匹配研究较少，没有考虑组织的管理策略对人或岗产生的动态影响因素;对人岗匹配测评指标体系研究不够深入，实用具体的指标体系较少，定量性和智能性欠缺;再有信息技术尤其是网络技术已深刻影响企业经营管理的各个方面，现有的研究没能与企业信息化系统充分结合，起到提高企业人力资源管理信息化水平和效率的作用等。

二、基于BP神经网络的人岗匹配测评模型构建

1．人岗匹配测评指标体系的建立

企业员工与岗位相匹配，蕴含着三重相互对应的关系:一是岗位要求与工作报酬的匹配;二是员工能力与岗位要求之间的匹配;三是员工工作意愿与工作报酬匹配［13］。通过岗位匹配可使员工增加对企业的忠诚度，促进员工提高工作热情，开发员工的潜能，使企业形成一个充满活力的系统。袁有明认为人岗匹配的主要原则是:互补增效原则、能级排列原则、竞争公平原则、同素异构原则、要素有用原则、激励强化原则、信息催化原则，并提出了能力、知识、经验和经历、性格与气质、体能、道德匹配的人岗匹配形式［1］。Wagner认为，员工对岗位的满意度与员工流动率之间具有明显的相关性［14］。郝春晖对有关员工满意和承诺的相关文献进行了比较全面的综述后，从员工与组织价值互动沟通的视角提出员工忠诚和满意是组织成长和获利的主要动力，员工的满意由管理的公平性、工作环境中同事的素质、个人成长的机会、顾客的满意程度(即镜面效应)以及货币报酬等因素带来［15］。

本文通过归纳和总结，得出了建立人岗匹配测评指标体系的原则:评价指标与组织目标统一原则;定量与定性相结合原则，指标体系中应尽量保证可以量化的指标，比如学历、行业经验等以保证测评的客观性;指标动态性原则，由于人的能动性和复杂性，人岗匹配程度受很多动态因素的影响，指标设置应考虑管理策略对员工的动态影响;科学性与可操作性相结合原则，既要考虑人岗匹配的各个方面符合相关理论，又要考虑数据易获得和可量化操作;岗位与员工匹配原则;员工满意度原则;信息技术与管理相结合原则等。

依据以上原则，本文基于动态交互，本着实用的原则，从员工能力、岗位要求、工作报酬、工作满意度四方面提出测评指标体系建立方案，如表1所示。需要指出的是，对于具体的三级指标，对于不同行业、不同岗位系列和不同层次岗位的人员素质确定的测评指标会有所不同，最终具体指标要根据实际情况分析而确定。

表1 人岗匹配测评指标体系

2．基于BP神经网络的人岗匹配测评模型

当确定某一岗位对员工的各个测评指标后，把某一岗位对员工的综合要求视为一个分类，人工神经网络所模拟的就是分类机制。这样的网络以员工测评指标的值为输入，经过运行产生的输出为该人员与岗位的匹配程度类别。

人工神经网络是数据挖掘技术之一，其中误差反向传播(error back propagation，BP)网络由于结构简单和从样本中提取规则的强大能力而使它应用最为广泛［16］，BP网络使用BP算法来对网络中各层的权系数进行修正，逼近任意非线性函数，属于一种有指导的学习算法(即需要历史样本训练网络)，常用于预测、分类、评价处理。

由于人岗匹配测评实质上是对影响岗位匹配的各项评价指标进行评价，这些指标因素复杂，其影响关系一般为非线性，很难建立定量的、固定的数学关系式，而且，前期员工的人岗匹配经验对后期或新员工的匹配有积极的指导作用，属于有指导的学习。模拟非线性及需要有指导的学习这两点，正是我们选择BP神经网络来进行人岗匹配的原因。在实际应用中，利用样本数据对其进行训练，训练后的网络的各神经元间相互联接的权值就能反映该问题的特征，这时，把新的问题特征值输入，模型就能输出问题的解决结果。根据Kolgomorov定理，三层(输入层、输出层和中间层)的BP网络几乎可以逼近任意的非线性的连续映射。本文就将采用三层的BP网络来进行研究。由于BP算法存在收敛速度慢、局部极小等缺点，因此实际上大多使用改进的算法，本文采用动量-自适应学习率调整法，目标函数则选择网络误差平方和。用于人岗匹配测评的BP神经网络模型的结构如图1所示。

图1 用于人岗匹配测评的BP神经网络模型

3．人岗匹配测评系统的设计与实现

(1)系统逻辑关系分析。人岗匹配测评系统设计和实现的目的是增强企业人力资源管理的信息化和智能化，为企业人岗匹配管理 (招聘、评价、培训和差异化管理等)提供较好的决策支持作用。目前，大多数企业或组织都拥有自己的人力资源管理系统或子系统，在其基础上，为增加测评系统的通用性以及测评系统和企业已有的信息系统的有效结合，测评系统的开发将只共享其原有的员工信息数据，而不用对已有信息系统进行任何改变。测评系统与原人力资源管理子系统的逻辑关系如图2所示。

图2 系统逻辑关系图

(2)系统流程分析。利用BP神经网络模型进行人岗匹配测评的流程如图3所示。

首先测评管理员可以根据自己的权限登录本系统，然后对某一员工进行测评，输入员工编号后，系统根据数据库数据进行判断，如果该员工已经测评过了，则直接查看其成绩，如果是新的测评员工，则进行测评，测评完成后，测评管理员可以在后期进行确认，如果肯定测评，则将此次数据加入数据库，成为新的网络学习样本，否定则退出或者重新测评，接下来如果需要，可以查看各个员工的测评信息。

图3 人岗匹配测评的流程分析图

(3)系统开发结构分析。本系统基于最新的浏览器/服务器结构(B/S)进行开发，充分利用网络平台的联通性和数据挖掘的智能性，并采用MATLAB进行神经网络的构建，利用ADO．net组件访问员工信息。其结构如图4所示。

图4 系统开发结构图

(4)系统实现。系统开发基于Microsoft ASP．NET 2．0，开发语言采用 Visual Basic．NET，该语言集成在微软Visual Studio开发环境中，是目前最先进的面向对象编程语言之一［18-19］。在数据库平台的选择上，根据实际需求，后台数据库因数据量较大，计算复杂，选用Microsoft SQL SERVER 2005［19］。系统所采用的 BP 神经网络的构建工具是MATLAB 7．1软件，主要使用其中的神经网络工具箱来完成神经网络的建立和训练［20］。

(5)MATLAB混合编程接口技术实现。在测评系统中成功解决了MATLAB与VB的混合编程接口技术。该技术主要完成将数据库的数据传递到MATLAB空间，由前面所建立的BP模型对历史数据进行训练、预测，得出预测结果，然后将预测结果传回VB．NET。主要方法是在VB．NET中通过调用MATLAB的引擎(ENGINE)接口。使用Windows的OLE通道与MATLAB通信。通过 Object．Execute的 MATLAB语句，在程序中可以直接使用MATLAB提供的函数库和图形库。在VB．NET中调用MATLAB主要程序代码如下:

matlab=CreateObject(“matlab．application”)

matlab．Execute(“cd d:”)

Call matlab．putfullmatrix(“d”，“base”，sdata，sdata img)

matlab．Execute(“r=newffnet(d)”)

Call matlab．GetFullMatrix(“r”，“base”，rreal，rimag)

matlab．quit()

三、基于BP神经网络人岗匹配测评模型的应用实例

1．模型应用过程

本文的研究对象界定为高校教师，高校教师在学历、自身素质、沟通表达能力方面特点测定较容易，员工流动性小，同时近几年高校评价工作开展普遍，可以保证样本数据的充分和各指标的准确客观量化。本研究仅仅是对教师的岗位要求和职务要求进行分析研究，而并非以从业人员个体为研究对象。下面介绍基于BP神经网络人岗匹配测评模型的应用。

(1)评价模型指标体系的建立。本文通过相关文献研究和教师的行业、学校、岗位的经验总结、调查研究、统计分析［21］，通过对人岗匹配测评匹配因素的研究，依据表1中提出的测评指标体系设立方案，建立教师人岗匹配测评模型指标体系，确定其三级指标为员工的专业技能、工作经验、英语水平、身心健康、工作态度、学习与解决实践问题的能力、与人沟通的能力、计算机水平、学历、IQ指数、岗位要求与工作报酬的匹配、员工工作意愿与工作报酬匹配、员工能力与岗位要求之间的匹配共13项。将以上13项指标作为模型的输入指标，然后调用BP神经网络算法进行训练学习，最后将模型得出的值分为不匹配、匹配、非常匹配三个测评类别。

(2)基于BP神经网络的教师人岗匹配测评模型。整个神经网络结构采用三层结构，输入层根据上面建立的13条评价指标，将维数设定为13，各节点的值分别代表以上的13项测试指标的值。网络输出层维数设定为1。将该节点输出的值划分成三个范围，即输出值＜0．6为不匹配，输出值≥0．6并且＜0．8为匹配，输出≥0．8为非常匹配。中间层节点数由经验公式求出，再用实验进行比较确认。由于该网络为13个输入、1个输出，可视为一个特征压缩过程，中间层单元个数 N 大致满足13∶N=N∶1，由此可得 N=3．6。暂定为4，用不同学习速率和样本数据加1和减1进行实验，最后确定当中间层节点数为4时，网络性能比较稳定。

(3)学习、测试样本数据。根据现有职工的实际情况，请相关工作和研究人员进行打分，得到每个职工各指标的数据，再把每学期的教学评价结果分为不匹配，匹配，非常匹配三个测评类别，这样样本数据就准备好了。这些样本数据均来自于人事部门管理人员和参与研究人员对现有职工各项指标的打分和相应的每学期教师教学评价的结果，所有的分值均为百分制，我们进行数据归一化，把其转换为［0，1］的值，以便于运用MATLAB的神经网络工具来进行模拟。本次实验样本数据集共有记录150个，其中学习样本100个，测试样本50个。学习样本用于BP神经网络模型的学习训练阶段，测试样本用于验证已训练好的网络模型，当验证结果与期望输出满足一定精度时，表明该模型是可行的。这样得到的测评模型可用于对新职工应聘教师岗位进行测评，也可为人事部筛选人才的管理决策工作提供支持作用。

2．结果分析与讨论

通过对历史数据的学习，建立了基于神经网络的教师测评模型。该模型可以用于对新人员的应聘、筛选和在岗员工的评价，以更好地进行师资的培养和人力资源的优化。例如，当新的人员来应聘或对员工与岗位的匹配度进行测评时，先对他的13项指标进行打分，再调用已建立的基于神经网络技术的教师测评模型进行测评，所得结果即是其与所聘岗位的匹配程度，该结果可以为人力资源管理提供较好的决策依据，有利于学校对教师进行筛选，图5是测评系统对某一新员工进行测评的结果。

图5 某一员工测评结果图

从图5可以看出，该新员工与应聘岗位的测评结果为“匹配”，若决定录用此新员工，在员工实习工作一段时间后，对该员工的实际工作岗位的匹配程度再次进行核定，并与前期的测评结果进行对比，在“样本维护”模块按实际匹配度进行修改后可以存入样本数据表，作为下一次建立教师测评模型的样本数据，这样可以保证样本数据的实时更新，最终保证了测评结果的准确性。

但也要指出的是，神经网络技术是挖掘历史样本数据的潜在的、有价值的模式，样本数据的客观真实性对结果影响度较大，这一方面可以充分体现模型的智能性，但另一方面对样本的要求也就很高，在所研究的案例中，在样本的各指标打分方面，一部分指标还不可以量化，只能定性处理，这也在一定程度上影响了结果的满意度。另外，本文建立的测评模型及系统注重通用性，可以用于其他组织或企业进行员工测评，但需要注意的是，在应用该模型进行测评时，应根据企业实际情况，确定适合企业的测评指标及其分类。

四、结 语

本文对人岗匹配理论和评价指标体系的构建进行了探讨，将智能理论BP神经网络应用于解决企业内部人岗匹配测评，构建了人岗匹配测评模型，对解决人岗匹配测评的管理决策提供了很好的依据。本文还介绍了以ASP．NET 2．0为平台的人岗匹配测评系统的开发和实现过程，并对其中的关键技术进行详细分析，值得一提的是，系统较好地解决了MATLAB的混合编程问题，提高了MATLAB在高级编程语言中的应用。

将智能理论应用于解决人力资源管理问题是一种新的探索。鉴于人力资源管理问题的复杂性，以及在理论、实践经验方面的不足，人岗匹配的研究仍有许多值得研究的问题。指标体系更趋客观、全面、合理，智能决策系统进一步嵌入到企业日常的管理信息系统之中来自动发现和提取知识，使利用信息系统搜集来的数据充分发挥作用，以提供决策支持，这将是信息系统今后重点发展的方向之一。

［1］ 袁有明．人力资源管理中的人岗匹配问题［J］．市场周刊·理论研究，2008(9):140-142．

［2］ Huang K K．Using an Annealed Neural Network in Organization Personal Management［D］．School of Business，University of South Dakota，1999．

［3］ Schneider B，Goldstein H W，Brent S D．The ASA framework:A update［J］．Personnel Psychology，1995，48(4):747-773．

［4］ Motowidlo S J，Van Scoter J R．Evidence that task performance should be distinguished from contextual performance［J］．Journal of Applied Psychology，1994，79(4):475-480．

［5］ Kristof-Brown A L．Person-organization fit:An integrative review of its conceptualizations，measurement and implications［J］．Personnel Psychology，1996，49(1):1-49．

［6］ Kristof-Brown A L，Zimmerman R D，Johnson E C．Consequence of individual’s fit at work:a meta-analysis of person-job，person-organization，person-group and person-supervisor fit［J］．Personnel Psychology，2005，58:281-342．

［7］ Jung H S，Namkung Y，Yoon H H．The effects of employees'business ethical value on person-organization fit and turnover intent in the foodservice industry［J］．International Journal of Hospitality Manngement，2010，29(3):538-546．

［8］ 王丽萍．能岗匹配的方法基础:工作设计［J］．中国人力资源开发，2003，20(3):45-47．

［9］ 罗伟良．人力资源配置的个人:岗位匹配动态模型［J］．引进与咨询，2003(5):24-26．

［10］ 沈文海．人岗匹配的理论研究与实证分析［D］．厦门大学管理学院，2002．

［11］ James L R，Damaree R G，Wolf G．Estimating within grounder rater reliability with and without response bias［J］．Journal of Applied Psychology，1984，20(5):85-98．

［12］ Schmidt F L，Hunter J E．Measurement error in psychological research:Lessons from 26 research scenarios［J］．Psychological Methods，1996，1(2):33-45．

［13］ 张国初．人力资源管理定量测度与评价［M］．北京:社会科学文献出版社，2000．

［14］ Wagner C．Percept-percept inflation in micro organizational research:An investigation of prevalence and effect［J］．Journal of Applied Psychology，1994，79:67-76．

［15］ 郝春晖．顾客价值的动态结构及其管理问题研究［D］．天津大学管理学院，2007．

［16］ Haykin S．Neural Networks a comprehensive foundation［M］．北京:机械工业出版社，2004．

［17］ 朱本城，王凤林．Visual Basic．NET 2005［M］．北京:电子工业出版社，2008．

［18］ 秦建新，谭子芳．基于ComGIS的城镇宗地估价系统设计与实现［J］．计算机工程与应用，2008，44(24):85-89．

［19］ 张蒲生．数据库应用技术SQL SERVER 2005［M］．北京:机械工业出版社，2008．

［20］ 飞思科技产品研发中心．神经网络理论和MATLAB7实现［M］．北京:电子工业出版社，2006．

［21］ 尚天成，刘培红．电力企业岗位标准的构成要求［J］．天津大学学报:社会科学版，2008，10(1):35-38．

Evaluation Model of Person-Job Fit Based on BP Neural Network

ZHANG Zhi-yu1，2，L¨U Ming-li2，LI Cong-dong3
(1．School of Management，Tianjin University，Tianjin 300072，China;2．College of Information Engineering，Tianjin University of Commerce，Tianjin 300134，China;3．School of Management，Jinan University，Guangzhou 510632，China)

The research about the evaluation of person-job fit is important to the individual and the performance of enterprises．The intelligent information processing technology is applied to the research model about the evaluation of person-job fit．A quantitative analysis is carried out on various impacting of person-job fit evaluation，and BP neural networks is applied to establishing an evaluation model of person-job fit．A Web-based evaluation system is also designed and implemented，which imbeds MATLAB．The implementation of evaluation system improves the intelligence and information level of person-job fit management．

person-job fit;evaluation;BP neural network;system design;MATLAB

C939

A

1008-4339(2010)05-0390-06

2010-03-09．

国家社会科学基金资助项目(06BZX050);天津市高等学校科技发展基金计划资助项目(20071310)．

张志宇(1974— )，女，博士研究生，副教授．

张志宇，zhangredbud@yahoo．com．cn．