科技人才项目智能评审中的可行性与对策建议研究
时间：2021-04-09 08:01:00 来源：达达文档网 本文已影响 人 
摘 要：科技人才项目智能评审立足科技人才项目的评审实践，通过对数据情报的挖掘和分析，尝试建立一套科技人才项目智能化评审的指标体系和权重设定，对申报人予以客观的评分和排序，从而达到筛选出入选人员的目的。智能评审目前还处于研究和设想阶段，替代“同行评议”还有一段很长的路要走，然而这正是人工智能驱动发展的趋势。本文分析了科技人才项目智能评审的概念、可行性数据情报基础和智能评审的优势，并为智能评审在科技人才项目中的实现提出相关政策建议。
关键词：数据情报;科技人才项目;智能评审;可行性
中图分类号：TP311.52 文献标识码：A 文章编号：1671-2064（2019）23-0254-03
1 科技人才項目智能评审的概述
科技人才项目智能评审主要通过对申报人客观真实的既往信息（包括申报人的科研背景、研究基础与条件、个人与团队发展情况，取得的科技成果、荣誉奖励、市场认可等）和申报项目的综合情况进行挖掘处理，并根据科技人才项目的宗旨设定评审的指标与权重，通过综合评分和排名的方式遴选出最终入选者。科技人才项目智能评审的本质是对于数据情报的挖掘。智能评审在人才评价和项目评价中均具有重大价值。它的价值深藏于大数据当中，需要在针对“小数据”的传统数据挖掘方法，筛选、改进、创造更合适的数据挖掘算法，以应对大数据的多源异构、规模巨大、快速多变等特性[1]。
从目前我国科技人才项目管理实践看，在其运行管理链条上，评审这一重要环节中，主要以“同行评议”为主要评审形式，通过领域专家的集体决议或者个人打分排名确定最终入选人。为了防止同行评审中出现的问题影响科技人才项目评审的公平公正，许多研究者提出了初步的解决方案[2]。但是这些方案多是从同行专家着手，对专家的评审能力进行测评，并不能从根本上改变“同行评议”的局限性。专家评审项目时，项目自身特点的差异性往往会对专家项目评分结果的偏差程度造成不同的影响[3]。“同行评议”的局限性在于，领域专家的主观的人为因素很大程度上决定了评审结果，而科技人才项目的管理者又难以判断领域专家真正的学术水平，领域专家是否与申报人之间存在学术争议与对立，或者需要规避的关系与道德风险等。不仅如此，在任何时候，包括同行评议的运行、优先领域的制定等在内的资源分配都是资助机构面临的核心问题[4]。然而，同行评议是科学界对科技人才项目进行评审和对科研成果进行评估的一种基本方法。尽管这是一种主观的方法，但迄今还没有找到可以取代它的更好的评价方法[5]。
大数据科技带来的现代化生产方式的转变和人的实践因素的凸显挑战了传统伦理观念[6]。智能评审的提出正是顺应了大数据科技的发展趋势，也切合国家提出的对于科技人才项目、基金、专项等进行“统筹”的大趋势。
2 科技人才项目智能评审的可行性数据基础
数字化是信息化的技术基础，智能化是信息化发展的必然趋势[7]。科技人才项目智能评审管理系统主要由项目申报、项目管理、查询管理、预评审管理、评审管理、评审意见管理、评审结果管理、评审成果库、配置管理、系统管理、评审软件等模块组成，设计一个功能完善、操作简单、处理性能较快、安全性较高的科技人才项目智能化评审系统，满足科技人才项目评审时的申报材料查阅、项目评审打分、排序与评审意见编制等功能。
2.1 申报数据源内容真实、程序严谨
科技人才项目中申报方所提交的申报内容通过了真实性审查才能进一步进行智能化评审。目前，科技人才项目的申报一般都依托网络平台或申报系统，先由申报人填写申报材料，再交由申报人所在单位相关部门进行真实性审查，单位相关部门根据科技人才项目的申报通知及管理办法对该申报人所填写材料的真实性负有查证义务，对单位申报人申报的项目面临的风险和不确定性因素进行判别，并对其真实性负责。这就在申报的源头上确保了申报人所申报内容的真实性。
2.2 评审标准由人才项目的定位与情报数据挖掘结合生成
智能化评审是由计算机AI完成的，但是计算机AI是依据大量数据研究而生成的一套科学的评审指标体系而对申报人进行打分并排序的。评审标准的建立原则是保障科技人才项目宗旨的实现，评审标准的建立需要借鉴包括大数据、创新思维、互联网+等情报数据挖掘手段。智能化评审依托相对应的人才项目管理系统，利用网络通信技术、数据库技术、大数据分析对科技人才项目申报评审管理的各个环节进行自动化、智能化管理，实现项目申报评审管理的无缝对接，能够避免评审过程中人为因素的诸多局限性。
2.3 具备数据整合分析的技术条件
随着新时期云计算技术、互联网技术、数据库技术、多媒体通信技术的快速发展，使得科技人才项目实现智能化评审具有可行性，如采用ASP.NET技术、B/S体系架构、数据库技术和Web应用服务理论等技术开发一个科技人才项目智能评审系统，充分发挥信息化优势，整合数据信息资源，引入了工作流技术、数据挖掘技术、组件技术等，有力地促进了科技项目评审系统向智能化评审方向发展的可能性[8]。
3 科技人才项目智能评审的优势
3.1 智能评审的效率优势
科技人才项目智能评审与传统评审，具有显而易见的效率优势。例如，以一个入选人规模在100人左右的科技人才项目为例，申报人往往是入选人数的3～10倍，要将这些申报人通过形式审查、初审、复审等程序遴选出最后的入选人员，往往需要4～5名科技人才项目管理人员，1～2名信息技术人员，在完全顺利的情况下，用2～3个月的时间才能完成。在专家聘请时需要遵循相关性原则、数量原则、分级优先原则及系统匹配人工校验原则[9]。而智能化评审对于信息的处理则是极为高效的，在领域分组、打分标准、入选比例确定的情况下，最多需要2～3个工作日即可完成评审工作。当然，智能评审发展也是一个循序渐进的过程，在发展初期，尚不能完全取代“同行评议”的情况下，无法完全达到理想状态，但能够提升评审工作效率是确定的。
3.2 智能评审的成本优势
科技人才项目的管理成本核算是以科技人才项目对入选人资助的全部经费为基准，以一定的比例和公式进行测算的。科技人才项目的管理成本中，其中“评审”一项费用占据较大份额，包括了“同行专家评议”过程中产生的专家费、会议费、劳务费等，且随着科技人才项目每年的管理运行往复如此。而智能评审在前期的研究中，需要投入人力、物力的科研成本，随着投入使用，运行成本是逐步降低的，即使在需要处理的数据大量激增的情况下，运行成本依然变化很小。
3.3 智能评审的规范优势
科技人才项目的评审是有一定的标准的，聘请的同行专家依据此项标准进行打分，但是每个专家对于标准和分数的理解又是不尽相同的，专家也容易因申报人的学术观点、研究背景、个人表达能力等情况受到自身主观因素的影响，而智能评审则完全是客观规范而不受情感因素影响的，只要评审标准是科学的、精细化的、符合人才成长规律的，评审结果的公正性就是能够保障的。
3.4 智能评审的记忆优势
科技人才项目的智能评审需要信息系统和计算机技术进行，对于申报人的信息的全部内容，打分标准，评分结果与排序等内容的全过程，能够完全的保存下来，并且随时可以再现，能够做到全过程可追溯。这些信息无论用于查询、质询复议、统计分析、筛选汇总、科学研究等，均具有比专家评审显著的优势。如果说同行专家评审是一次性的工作，那么智能评审就是积累性的工作，能够不断的在原有基础上取得科学性的进步。
3.5 智能评审的反馈优势
就目前的科技人才项目而言，能够将申报信息反馈给申报人本人或单位的情况很少，因为此项工作量巨大。即使有所反馈，反馈内容也多是专家个人建议，多是对项目研究内容，技术路线或者工艺参数等提出的质疑，或者是对行业内研究前沿的阐述，对研究的肯定等。智能评审则能够将申报人在同领域所有申报人每项指标所处的位置进行数据化的标注，能够让申报人一目了然了解自身的优势和弱势，让科技人才在成长过程中少走弯路，更有针对性的进行自我提升。对于政府决策也是如此，大数据不仅能够在事前提供决策支持也能够在事后对政府决策效果进行评估，对政府决策执行效果进行反馈，为政府今后的决策提供依据和支持[10]。
4 科技人才项目智能评审实现的政策建议
4.1 智能评审指标体系的研制出发点为科技人才评价理论
科技人才项目首先是对科技人才本身的发展潜力进行评价，其次才是对科技人才所申报的项目进行评价，因而，科技人才项目智能评审指标体系研制的核心应是对科技人才的评价，以科技人才评价理论为研究基础，进一步细化不同领域、不同行业科技人才的发展特点与成才规律，从而形成数字化标准，对科技人才既有的学术背景、成果指标等进行可量化的评价。
4.2 智能评审指标体系需要根据科技政策与时事动态进行调整
科技人才项目的设立依据来源于科技政策，在执行中需要结合时事动态有所调整。科技政策与实时动态的变化，都会直接影响到科技人才项目评审指标体系的分支项目及权重设定，这些内容在科技人才项目每年开始申报时都需要根据最新情况实时有理有据的进行更新，更新内容包括领域入选人数占比、不同地域入选人数分布等，以保证甄选出的科技人才的研究领域、项目方向是符合国家和地方亟需的产业技术。
4.3 智能评审需要同时配备复议机制
科技人才項目智能评审的实施过程中，申报人难免产生疑虑，对于自己的评审情况有所质疑，对于这种情况，应有一套可以反馈评审情况的复议机制，能够让有疑虑的申报人查询评审的基本情况。对于查询结果仍有疑虑的申报人在某领域达到一定比例时，可集体申请复议程序，复议程序由科技人才项目执行部门组织领域专家组成评审委员会再次复议评审。
4.4 智能评审的真正实现需要破除压力大胆革新
科技人才项目原有评审方式的“同行评议”是将评审的责任均分到每个评审专家身上，在一个领域也有多个专家组成，由专家组成的“集体”对评审结果负责，对于科技人才项目的管理方与执行方而言，只需要做好依照领域聘请专家、组织会议的相关职责。而智能评审则会将责任与压力聚焦于评审的指标体系和打分权重标准，而这些也无法做到尽善尽美让所有人满意，但其无可比拟的优势又是科技人才项目管理发展的必然趋势，需要管理部门破除来自多方的压力，大胆的革新有所作为。
参考文献
[1] 高继平，马峥，潘云涛，等.大数据领域代表性专家识别与分析——文献计量学视角[J].科技管理研究，2016，36（16）：177-182.
[2] 杨晓秋，李旭彦.同行评议中的异常数据检测方法研究——以科研项目评审为例[J].中国软科学，2016（05）：133-142.
[3] 蔡文学，温旖旎，郑顺潮，等.基于偏差度权重的科技项目评审专家绩效评价方法研究[J].科技管理研究，2012，32（15）：75-78+83.
[4] 龚旭.同行评议公正性的影响因素分析[J].科学学研究，2004（06）：613-618.
[5] 胡明铭，黄菊芳.同行评议研究综述[J].中国科学基金，2005（04）：251-253.
[6] 朱慧，刘洪伟，刘智慧.大数据时代变革和隐忧[J].中国科技信息，2015（01）：45-47.
[7] 刘卫国.现代化、信息化、数字化、智能化及其相互关系[J].中国铁路，2011（01）：83-86.
[8] 王振中.科技创新平台项目评审系统的设计与实现[D].天津大学，2016.
[9] 蔡桂兰，彭健铿，韦霁芸，等.科技计划项目评审中项目与专家精准匹配的技术实现——以广东省科技计划项目为例[J].科技进步与对策，2017，34（14）：30-36.
[10] 武海，夏洪波.大数据时代下政府部门信息资源共享策略研究[J].统计与管理，2015（11）：104-105.
