网络招聘:国外研究动态及前沿——基于VOSviewer和CiteSpace的可视化分析

□ 朱雨婷 莫蕾钰 徐孝民

(中国矿业大学(北京) 管理学院,北京 100083)

网络招聘是利用互联网技术进行的招聘活动,包括发布职位信息、收集整理简历、在线面试与在线测评等招聘程序[1]。它具有覆盖面广、时效性强、成本低等优势,成为了高校毕业生和企业员工求职的首选方式。近些年,社交媒体的广泛应用,使得社交网络招聘成为企业招聘的重要手段;人工智能和大数据等新思想、新技术的出现,赋予了网络招聘新的内涵,大数据下的网络招聘成为学者关注的焦点。

综合网络招聘研究可以看出,该领域研究文献的视角、内容呈现多样化,采用可视化的文献计量方法,有助于考察国外研究的最新成果,探索其内在规律和趋势,把握最新的研究动态。因此,为了进一步明确网络招聘领域的研究概况、研究热点及研究前沿,本文基于WOS数据库,利用文献计量软件绘制知识图谱,对2010—2019年网络招聘领域的文献进行可视化分析,为今后国内网络招聘研究提供借鉴和参考。

一、数据来源与研究方法

本文文献数据主要来自于Web of Science 数据库,基本检索“主题=online recruitment OR e-recruiting OR social networking sites”,“语种=English”,“时间跨度=2010—2019”,共得到文献2667篇。最后,人工剔除条件不符的文献以确保数据有效性,共筛选出外文文献810篇。为对数据进行可视化分析,本文使用VOSviewer 1.6.14软件对网络招聘研究相关发文作者、来源机构、高被引文献、关键词聚类进行共现知识图谱分析,并使用CiteSpace V.5.0.R2的突现关键词对研究前沿进行分析。

二、文献最新研究概况

(一)文献基本信息

发文量总体呈增长趋势,2010— 2016年逐年上升,2016年发文最多,达到114篇,2017—2019年稍有回落。产出丰硕的机构为多伦多大学、墨尔本大学、明尼苏达大学、密歇根大学、伦敦大学学院、密歇根州立大学、斯坦福大学、哈佛大学、牛津大学和伊利诺伊大学。

图1 关键词聚类知识图谱

(二)知识基础

一般来说,论文被引频次的多少反映了其学术价值的高低[2]。因此,本文通过高被引文献分析,识别出对该领域研究发展起基础性的重要文献,进而揭示该领域研究的知识基础。通过二次阅读被引频次排在前10 名的文献,发现其内容主要包括:在数据管理上,明确了大数据的概念、来源、类型、特点和价值等[3-4],并结合成功运用大数据技术提高企业绩效的案例[5],强调了“大数据”导向以及相关管理和运营的重要性,指出大数据在领导力、人才管理、企业文化、商业价值和决策等方面有巨大影响[6],还基于社交大数据中使用的数据挖掘和数据分析现状,提出了一种从社交媒体中高效挖掘数据信息和应用程序的方法[7]。在隐私风险上,从企业社会责任角度批判了企业利用社交网络招聘时侵犯个人隐私的行为[8],构建社交网络接受模型,指出隐私风险是影响社交网络使用的主要原因[9],并结合社会交换理论探讨了影响社交网络用户披露个人信息的因素,阐明隐私风险对信息披露有负向影响[10]。在行为科学上,评估了利用社交网站Facebook招聘年轻女性参与健康研究的可行性[11],并比较了由亚马逊MTurk平台、社交媒体和线下面对面招聘的参与者的测试结果,指出在行为测试中,在线招聘参与者是一种有效的方式[12]。

三、研究热点与前沿

(一)研究热点

关键词体现了某一研究领域的主题,因此对关键词的聚类分析能够有效揭示该领域的研究热点。如图1所示,国外网络招聘包括3个主要聚类。

聚类#1申请者吸引力因素研究。该聚类的关键词主要包括 applicant attraction,person organization fit和web-based recruitment等。现有研究表明:招聘平台的品牌形象和招聘信息的匹配程度是吸引求职者使用的主要因素,主要体现在招聘信息有效性、信息更新速度、招聘结果反馈、平台口碑、招聘网站或软件使用体验感等方面。

聚类2社交网络招聘有效性研究。其关键词为social media,Facebook,Internet和social networking site等。目前,被广泛使用的社交网络招聘平台有LinkedIn,Facebook,Myspace和Twitter等。社交招聘能够加快信息传播的速度、易于开发潜在客户,通过雇主雇员双向互动提高人岗匹配度[13-14]。为提升匹配度,需要关注个体社交网络的信息质量,以及社交网络分析技术方法[15]。社交媒体参与度、经验和专业知识、候选人质量、资料匹配、目标设定和品牌等是影响使用社交媒体招聘的主要因素[16]。

聚类3大数据在网络招聘中的价值与挑战研究。该聚类的关键词主要包括 human resources,big data和technology等。大数据在网络招聘中的价值主要体现在:智能匹配求职者,减少招聘人员工作量;采集挖掘各类数据,提高招聘效率与质量;建立以数据为依托的绩效考核指标,提高人力资源决策科学性;主动搜索变为被动推荐,改变招聘运作方式。其挑战在于存储和分析个人数据会导致尖锐的隐私和道德问题[17]。同时,复合型大数据人才也是大数据背景下网络招聘面临的挑战之一[18]。

(二)研究前沿

根据图2可知,国外研究热点主要包括3个阶段:第一阶段为2010—2014年,其关键词有recruiting,internet,web-based recruitment,person organization fit,personality,selection,和unemployment。这一阶段中,个性特质、人与组织的匹配持续时间较长,是该阶段的研究重点。第二阶段为2014—2016年,借助社交网站进行网络招聘成为研究主体,关键词代表有social media,Facebook,technology和site。第三阶段为2016年至今,有关大数据在网络招聘中的研究呈现迅速增长趋势。该阶段的关键词为big data和performance,可见依靠客观数据对招聘人员进行绩效考核成为研究前沿。

图2 国外研究热点情况

四、结论与展望

(一)结论

本文运用VOSviewer和CiteSpace文献计量软件对WOS数据库中2010—2019年网络招聘研究的文献进行分析,得出以下结论。

1.从文献基础信息上看,发文数量总体呈增长趋势;发文机构以大学为主,大部分分布在美国、英国、加拿大和澳大利亚。

2.从知识基础上看,社交网络招聘和大数据领域的理论相对成熟,起步较早,研究更加深入。

3.从研究热点上看,主要关注申请者吸引力因素研究、社交网络招聘有效性研究和大数据在网络招聘中的价值与挑战研究。通过研究热点突现词分析,确定大数据与招聘绩效的结合为研究前沿。

(二)展望

大数据与网络招聘的结合无疑是未来发展的趋势,但面临的最大挑战就是个人隐私问题。要想推进大数据在网络招聘的进程,解决个人隐私保护是驱动力,而这就涉及到大数据处理技术的开发与应用，以及掌握专业技术的人力资源优秀人才。大数据与数字化一样,都是人工智能的前置阶段,未来人工智能可能作为一种手段提高工作绩效和生产力,运用在网络招聘中。但无论是大数据还是人工智能,进一步探究如何优化网络招聘流程，是未来研究的发展方向。□