基于模糊综合评价法的AIoT语音软件开发技能评价研究

张恒 阮华英

摘要：文章首先分析了智能语音与传统实体产业加速融合发展的背景下，AIoT语音软件项目群管理对软件团队复合开发技能定量评价的需求；然后借鉴工作分解结构法，对AIoT语音软件工程的功能类与功能点及技能需求进行梳理、归纳；最后在前人技能评价成果基础上，以优化项目交付能力为导向，选择评价指标并构建评价体系。基于模糊综合评价法，对团队内软件工程师所掌握的各软件开发技能熟练度进行刻画与定量评价，其结果具有参考意义，可为考虑柔性技能的软件项目群人力资源调配提供支撑。

关键词：模糊综合评价；AIoT语音软件；技能评价

中图分类号：F272.92;C931.2  文献标志码：A

0 引言

AI语音作为AI领域中相对成熟的落地技术之一，在语音交互市场需求加速上涨与国家政策的强力扶持下，正加速在垂直行业的布局与渗透。随着家电、汽车等产品逐渐完成联网化，智能化将是这些产业的创新与销售驱动力之一，而人机对话则是关键的智能化入口，如华南某头部家电M集团将AI语音交互升级为家电端的战略发展方向。据中国语音产业联盟统计，2021年全球AI语音产业规模约为263.8亿美元，其中中国市场规模达到288亿元，同比增长32.8%［1］。为应对业内玩家间的激烈竞争，抢落地、赶交付、多项目并行也成为AIoT（人工智能物联网，AI+IoT）语音软件开发常态。在比拼硬件、软件、算法的性能、指标背后，是企业的软件人力资源厚度作为强有力的交付保障。而在ToB的商业合作中，软件工程师除了负责研发，还需要肩负对外的技术支撑以及内部矩阵式虚拟组织里的横向协调，故对软件工程师技能的评价，既要关注其“硬指标”，又要兼顾其“软指标”；AIoT语音软件作为一种高度定制化的知识型产品，与普通的工业产品依靠机械的重复工作不同，其研发与落地主要依赖于软件工程师的脑力劳动与柔性技能发挥；众多项目管理工作的实操经验显示，知识型员工的复合型技能在软件项目的成败中扮演着关键角色。因此，因地制宜地对软件工程师开发技能进行合理综合评价，既能基于人岗匹配度优化项目群人力资源调配，提升对外交付能力与客户满意度，又能帮助人力资源部门识别团队成员在技能上的不足，制定个性化的培训与职业发展计划，还有助于管理层识别与规划战略技能。

1 软件技能需求

1.1 AIoT语音交互系统

典型的AIoT语音交互系统包括本地端与云端。其中本地端由AI语音芯片（系统）、无线联网芯片（系统）组成，负责使用麦克风阵列对人声与环境声的采集，经过降噪、波束成形等前端处理后，进行关键热词检测，并接入语音云、IoT设备云，实现基于离在线识别、语义理解、对话管理等关键技术的人机语音交互；最后负责与传统家电设备通信，根据对话产生的设备控制信令，完成指令下发与设备状态同步、提示音播报等，如图1所示，本文所提及的软件开发属于端侧开发范畴。

1.2 AIoT语音软件工程分解

借鉴工作分解法，并依据不同组件、工序间的紧前紧后约束关系，将AIoT语音软件工程细化、排序后归纳出各组件开发依赖的技能集。如表1所示，作为嵌入式软件的分支，AIoT语音软件工程依赖的开发技能覆盖计算机体系结构、计算机网络、编译原理、并行计算、电子电路设计、多种语言的程序开发、端边云协作、人机语音交互、家电控制等细分领域。其中J1（C语言程序设计）、J11（RTOS多任务环境软件开发）作为嵌入式软件开发必备技能，在表中不具体注明。

2 软件技能评价

2.1 员工技能评价现状

顾琳琳等［2］基于德尔菲法和层次分析法，构建了一套包含4个一级指标、18个二级指标、39个三级指标的护理本科生技能评价体系，以全面考查学生职业素养、沟通能力、操作技能等综合素质的评价指标体系；刘银浩等［3］为改善当前员工技能评价主观性与经验性的不足，创新提出基于RFID

的生产系统数据挖掘，融合生产技能与生产一致性系数、权重的服装生产企业员工技能评价方法与流程；方东辉等［4］为解决师范生师范技能评价体系要素复杂、评价难度大的难题，运用模糊层次分析法对影响师范技能评价因素进行分析，并提出了一种师范技能的考核指标体系。高晓明［5］基于改进天牛须搜索-支持向量机算法，构建了企业技能质量评价模型，并实证其相对于SVM模型、层次分析法模型的优越性，以提升企业技能质量，促进企业转型升级。当前学者使用异质的评价指标、评价方法，在技能评价方面取得了一定的研究成果，但鲜有针对软件技能尤其是前沿AIoT语音应用中的软件技能的评价案例。软件团队技能评价属于人力资源考核的一项内容，存在一定的模糊性与不确定性，有些指标甚至难以量化，因此运用模糊综合评价法对员工技能进行评价，有利于促进人力资源管理的科学性，并提高效率［6］。

2.2 模糊综合评价过程

（1）遴选业务驱动中的AIoT语音项目交付关注点作为评价指标，包括交付效率X1、开发经验X2以及自主完成度X3。交付效率衡量工程师使用该技能完成开发任务的时效情况，包括高效完成、如期完成、逾期等分级，在抢落地的行业背景下，逾期闭环极易引发项目失败；开发经验包括工程师使用该项技能的时长、支撑类似项目与产品的数量和贡献比重等，包括丰富、一般、不足等分级，技能经验丰富的员工既熟悉自身研发流程，又掌握上下游协作诉求；自主完成度借助工程师需要指导的程度，反映工程师独立发挥技能的水平以及在矩阵式项目组织中作为技术FO（Function Owner）独当一面的潜力。综上，因素集如公式（1）所示。

X=｛X1，X2，X3}（1）

（2）借鉴Likert 5点计分法，将3个指标分为5个等级，如表2所示。

（3）组织软件技术总监、合作项目团队经理、嵌入式团队共10人，对嵌入式团队8名工程师、32项技能的3个指标进行评分。对评分数据归类、统计得出各员工每项技能的单因素评价向量以及评判矩阵。由于篇幅有限，以员工L的J1技能“C语言程序设计”为例，其评价矩阵R如公式（2）所示。

R=0.30.30.400

0.20.40.400

00.50.500（2）

（4）邀请AIoT语音产品专家，对效率、经验、独立性3个技能指标进行重要性定性打分，然后借助SPSS PRO平台，采用层次分析法计算，并选择方根法计算权重。结果显示，效率的权重为58.151%，经验的权重为30.908%，独立性的权重为10.941%，并通过一致性检验，同时进一步得到因素X的权向量W。具体如表3—5所示。

W=0.5820.3090.109（3）

（5）为体现权数作用，选取“积-和”模糊合成算子，计算员工L技能J1的模糊评价结果向量B，其归一化后取值相当。

B=W°R=（0.2360.3520.41100）（4）

（6）结果表明，员工L技能J1”C语言程序设计”等级为Y1的程度是0.236，等级为Y2的程度是0.352，等级Y3的程度是0.411，不可能是等级Y4、Y5；按照最大隶属原则，评价结论是：其J1技能等级为Y3，即经验不多，但能够在适度指导下如期产出达标的软件功能；与其在团队内的口碑吻合，表明该评价模型准确度高，具有适用性。

（7）循环执行第五与第六2步，直到所有工程师各项技能遍历计算完成。分析整个评价过程以及基于Python3的计算源程序可以发现，主要耗时算子为模糊评价向量B的矩阵操作，其时间复杂度为O（m·n），与团队规模、技能清单长度或者技能的精细度正向强相关。

3 结语

文章应用模糊综合评价法，结合工作结构分解法与层次分析法，对AIoT语音软件团队的复合技能进行量化评价，既有效解决员工技能评价所涉及的模糊性与不确定性，提高评价结果的科学性与实用度，又为AIoT语音软件项目群的人力资源调度提供素材。多技能工的柔性技能调度是项目群管理领域的研究热点与难点，而员工掌握的技能种类与熟练度是其基础约束条件，后续在依据技能熟练度进行软件项目群人力资源调配的过程中，对于需求同一技能的项目工序，可为高优先级的任务配置熟练度高的工程师，对于同一熟练度等级的员工，可依据隶属度大小进行分配。此外，考虑到所述技能，因工程师的学习、遗忘效应导致其水平及因素集处于一个浮动的状态，在下一步的研究中，应将该方法集成于企业自动化数字系统中，定期、实时地对员工技能水平进行评估，以提升管理效率。

参考文献

［1］程鸣，何永春.智能语音标准体系构建研究［J］.中国标准化，2023（10）：100-105.

［2］顾琳琳，李伟，洪华.基于德尔菲法和层次分析法的《基础护理学》技能评价指标体系的构建［J］.解放军护理杂志，2017（9）：36-39.

［3］刘银浩，胡洛燕.服装生产企业缝纫一线员工技能评价［J］.服装学报，2017（2）：117-122.

［4］方东辉，姜姗.模糊层次分析法在师范技能评价体系中的应用［J］.吉首大学学报（自然科学版），2012（6）：107-110.

［5］高晓明.基于机器学习的专业技术与技能质量测评模型优化分析［J］.粘接，2023（6）：140-143.

［6］司守奎，孙兆亮.数学建模算法与应用［M］.2版.北京：国防工业出版社，2015.

（编辑 沈 强）

Research on evaluation of AIoT speech software development skills based on fuzzy comprehensive evaluation method

ZHANG  Heng1， RUAN  Huaying2

（1.School of Mechanical Engineering， Guizhou University， Guiyang 550025， China;

2.School of Life Science and Technology， Wuhan Polytechnic University， Wuhan 430023， China）

Abstract：  The article analyzes the demand for quantitative evaluation of composite development skills of software teams in AIoT voice software project management under the background of accelerating the integration and development of intelligent voice and traditional physical industries; Then， drawing on the work breakdown structure method， the functional categories， points， and skill requirements of AIoT voice software engineering are sorted and summarized; Finally， based on the previous skill evaluation results， an evaluation system was constructed with the optimization of project delivery capability as the guide. The proficiency of various software development skills mastered by software engineers in the team was characterized and quantitatively evaluated using the fuzzy comprehensive evaluation method. The results have reference significance and can provide support for human resource allocation in software project groups considering flexible skills.

Key words： fuzzy comprehensive evaluation; AIoT voice software; skill evaluation