鄒樹梁,武良鵬
(南華大學(xué)經(jīng)濟(jì)與管理學(xué)院,湖南衡陽421001)
基于區(qū)間Vague集的人-崗動態(tài)匹配模型
鄒樹梁,武良鵬
(南華大學(xué)經(jīng)濟(jì)與管理學(xué)院,湖南衡陽421001)
針對現(xiàn)實(shí)生活中人崗匹配問題,文章提出一種新的決策方法。該方法首先引用區(qū)間Vague集來描述人崗匹配中的模糊性,通過自下而上的逆向指標(biāo)體系構(gòu)建方法,構(gòu)建了人崗匹配的評價指標(biāo)體系。為了體現(xiàn)出人崗匹配的動態(tài)性,定義了區(qū)間Vague集的預(yù)測方法,運(yùn)用新的方法對屬性權(quán)重進(jìn)行賦權(quán)。在此基礎(chǔ)上,利用前景理論對人崗匹配度進(jìn)行測算,并在時間維度上進(jìn)行縱向集成。
人崗匹配;區(qū)間Vague集;動態(tài)性;預(yù)測
隨著時間的推移,現(xiàn)在已經(jīng)進(jìn)入了以人才資本為依托的經(jīng)濟(jì)發(fā)展時代,人力資源已然成為現(xiàn)代企業(yè)發(fā)展的第一資源[1]。人和崗位是人力資源中的兩大要素,由此員工與崗位是否合理匹配成為人力資源管理中的熱點(diǎn)問題[2]。國外很多學(xué)者對人崗匹配模型進(jìn)行過研究,Roth[3]等人較早的根據(jù)醫(yī)院招實(shí)習(xí)生的情況,給出了H-R匹配算法,為后來的研究提供了方向性的指導(dǎo);Motowidlo[4]等人對影響人崗匹配因素做出了多方面研究,并對周邊績效和任務(wù)績效做出了區(qū)分;Lin[5]通過建立混合整數(shù)規(guī)劃模型,來解決畢業(yè)生與企業(yè)間的雙邊匹配問題;Jung[6]等人在對食品行業(yè)的研究基礎(chǔ)上,得出員工職業(yè)素質(zhì)對人崗匹配有著重要影響。同樣我國學(xué)者對人崗匹配也做出了大量研究,張莉莉[7]等人突破了人崗匹配中人員能力具有同質(zhì)性的假設(shè),提出了構(gòu)建基于優(yōu)勢的四位一體的人崗匹配模型,體現(xiàn)出了以人為本的優(yōu)點(diǎn);王慶[8]等人利用BP神經(jīng)網(wǎng)絡(luò)對人崗匹配度進(jìn)行測算,使得人崗匹配變的更加智能化;陳希[9]等人提出一種兩階段測評與選擇方法,對人崗匹配中不同形式的滿意度評價信息進(jìn)行了考慮。
但已有研究中不同學(xué)者對人崗匹配評價指標(biāo)體系持不同的看法,沒有達(dá)成一致;同時大多為靜態(tài)人崗匹配研究,對動態(tài)的人崗匹配較少提及;而且隨著人們考慮問題的不確定性和思維的模糊性,將模糊數(shù)運(yùn)用到人崗匹配中已經(jīng)是不可避免,但又存在一般模糊數(shù)對問題的模糊性刻畫粗糙的問題。由此,針對這些問題,本文首先利用自下而上的逆向指標(biāo)體系構(gòu)建方法構(gòu)建人崗匹配的評價指標(biāo)體系,同時利用區(qū)間Vague集來刻畫問題的模糊性,并定義了基于GM(1.1)模型的區(qū)間Vague集預(yù)測方法,從而對人崗匹配進(jìn)行動態(tài)匹配。
1.1區(qū)間Vague集的基本知識
定義1[10]:Vague集:設(shè)論域U為非空有限集合,x為U上元素。U上一Vague集A由隸屬度函數(shù)tA(x)和非隸屬度fA(x)表示。隸屬度函數(shù)tA(x):U→[0,1],表示的是支持x∈A的證據(jù)的隸屬度下界;非隸屬度函數(shù)fA(x):U→[0,1],表示的是反對x∈A的證據(jù)的隸屬度下界。通常tA(x)+fA(x)<1,則稱πA(x)=1-tA(x)-fA(x)為x相對于Vague集A的猶豫度,表示對A未知信息的一種度量,則x對于A的表示應(yīng)具有三維信息,即(tA(x),fA(x),πA(x))。一般情況下將Vague集簡記為(tA(x),fA(x))。當(dāng)πA(x)為0時,Vague集退化為一般的FUZZY集。稱閉區(qū)間[tA(x),1-fA(x)]為Vague集A在x點(diǎn)的Vague值。
定義2[11]:區(qū)間Vague集:稱Vague集為區(qū)間Vague集,其中=[a,b]?[0,1],[0,1],且b+d≤1。區(qū)間Vague集分別由區(qū)間隸屬度和區(qū)間非隸屬度組成,一般情況下簡記為V=([a,b],[c,d])。
1.2問題描述
將所有備選方案形成的方案集合(Alternative set),記為A={a1,a2,…,am},ai表示第i個方案,i=1,2,…,m;設(shè)指標(biāo)集(Criteria set),記為表示第j個指標(biāo),j=1,2,…,n,屬性j的權(quán)重為;時間序列為,tk為k時刻,k=1,2,…,o;為備選方案ai針對屬性cj在時間段tk下的評價值;為決策者針對屬性j的期望水平,由于區(qū)間Vague集分別從區(qū)間隸屬度、區(qū)間非隸屬度和區(qū)間猶豫度三方面來表示決策者的偏好信息,能夠比一般模糊數(shù)更加細(xì)膩的描述問題的不確定性,因此的取值為區(qū)間Vague集。最后通過這些信息,對備選方案進(jìn)行評價,找出評價值最高的方案,其示意圖如圖1。
圖1 問題描述示意圖
對人崗匹配指標(biāo)體系的構(gòu)建,大多采用的是傳統(tǒng)自上而下的指標(biāo)體系構(gòu)建思路,這種思路通過直觀的抽象分析,從概括到具體的正向逐層構(gòu)建指標(biāo)。一般思路為從總目標(biāo)出發(fā),分解細(xì)化為子目標(biāo),通過層層分析,最后形成可以量化的指標(biāo)集,但這種方法主觀性大,構(gòu)建出的評價指標(biāo)體系的正確性無法得到驗(yàn)證。隨著人們對人崗匹配研究深入,積累了大量的評價信息?;诖?,本文將評價信息搜集起來,并試圖通過信息之間的相似性,將其進(jìn)行聚類,從而實(shí)現(xiàn)自下而上的指標(biāo)體系的構(gòu)建。則指標(biāo)體系建立的步驟如下:
(1)對現(xiàn)有分散的指標(biāo)體系進(jìn)行挖掘與處理。不同的國家對人崗匹配的評價可能會存在不同的指標(biāo)體系,由此,本文挖掘的信息均來自國內(nèi),不涉及國外信息。在中國知網(wǎng)和萬方數(shù)據(jù)庫中檢索“人崗匹配”、“人崗匹配指標(biāo)體系”、“人崗匹配度測算指標(biāo)體系”等關(guān)鍵詞,并選取被引用次數(shù)“10”以上的相關(guān)論文共96篇,人工整理合并出指標(biāo)23項,分別為身體健康狀況、外在形象、業(yè)務(wù)水平、學(xué)習(xí)能力、管理能力、創(chuàng)新能力、忠誠度、責(zé)任感、業(yè)績、獎勵、洞察能力、團(tuán)隊合作能力、敬業(yè)精神、經(jīng)驗(yàn)、知識技能、薪酬、心理狀況、學(xué)歷、決斷能力、意志力、執(zhí)行力、風(fēng)險意識、傾聽能力。
(2)邀請專家對這23項名詞進(jìn)行兩兩比較,并判斷出兩者之間的相似性,由于篇幅關(guān)系,本文只列出了部分相似性矩陣如表1。
表1 基本指標(biāo)元素相似度矩陣
(3)對基本指標(biāo)元素進(jìn)行相似度聚類。
表2 聚類過程表
從表2可以看出,類數(shù)從4變?yōu)?時,分類內(nèi)部最小相關(guān)系數(shù)由0.7減到0.4,下降幅度過大,且分為4類時最小相關(guān)系數(shù)0.7大于一般人們設(shè)定的相似度閥值0.6,由此,將基本指標(biāo)元素聚類為4類:=身心素質(zhì);c2=(L9,L10)=獲得過的榮譽(yù);c3=(L7,L8,L13,L16)=道德素質(zhì);L23)=能力素養(yǎng)。
3.1基于GM(1.1)模型的區(qū)間Vague集預(yù)測模型
傳統(tǒng)的人崗匹配方法注重在某一個特定的時刻下,候選人之間能力水平的橫向一次性比較,忽略了候選人自身能力的縱向發(fā)展,對候選人未來能力和崗位未來期望水平的預(yù)測研究較少。為了體現(xiàn)出匹配動態(tài)性,首先對候選人能力和崗位期望水平進(jìn)行預(yù)測,本文提出一種基于GM (1.1)模型的區(qū)間Vague集預(yù)測模型。
其中e1,e2為猶豫度下限;f1,f2為猶豫度的上限??梢宰C明距離公式(1)是完備的。
②當(dāng)D(V1,V2)=0時,則a1-a2=0,b1-b2=0,c1-c2=0,d1-d2=0,e1-e2=0,f1-f2=0,則V1=V2;相反,當(dāng)V1=V2時,a1=a2,b1=b2,c1=c2,d1=d2,e1=e2, f1=f2,則,從而D(V1,V2)=0?V1=V2;
③D(V1,V2)=;則D(V1,V2)=D(V2,V1);
④若V1,V2,V3為任意三個區(qū)間Vague集,且V1?V2?V3,則D(V1,V3)≥D(V2,V3);這是因?yàn)楫?dāng)V1?V2?V3時,a1≤a2≤a3,b1≤b2≤b3,c1≥c2≥c3,d1≥d2≥d3,e1≤e2≤e3,f1≥f2≥f3,則同理D(V1,V3)≥D(V2,V3)。
綜上證明,距離公式(1)是完備的。
現(xiàn)有研究中,對區(qū)間Vague集特性表征最多的概念是得分函數(shù)和精確函數(shù),因此自然的我們會想到利用得分函數(shù)和精確函數(shù)對區(qū)間Vague集進(jìn)行預(yù)測,但僅轉(zhuǎn)化得分函數(shù)和精確函數(shù)是丟失大量信息的,由此本文引入另兩個函數(shù)來對區(qū)間Vague進(jìn)行描述:
定義4:稱T=b+c-a-d為區(qū)間Vague集V=([a,b],[c,d])的隸屬不確定函數(shù)。
定義5:稱G=b+d-a-c為區(qū)間Vague集V=([a,b],[c,d])的猶豫不確定函數(shù)。
可以證明-1≤T≤1,0≤G≤1,證明略。
在對不確定的預(yù)測上,通常根據(jù)灰度不減原理,認(rèn)為不確定性在經(jīng)過一系列運(yùn)算后,其不確定性是不可能減少的[12],由此取預(yù)測值G2,…,Gn};或者認(rèn)為不確定到確定需要信息不斷的補(bǔ)充,由此在沒有額外信息補(bǔ)充的條件下,不確定度趨向于均值[13],即而無論是取最大值還是取均值,其隸屬不確定和猶豫不確定均分別屬于[-1,1]和[0,1],本文的思想是將T和G視為預(yù)測模型的參數(shù),運(yùn)用精度最大化模型確定最優(yōu)的T和G。
假設(shè)預(yù)測原序列為[V1,V2,…,Vn],其中Vi表示排在第i的區(qū)間Vague集,且Vi=([ai,bi],[ci,di]),Vi的猶豫度記為[ei,fi];而預(yù)測之后的序列記為,其中表示預(yù)測后排在第i的區(qū)間Vague集的猶豫度記為需要說明的是,在預(yù)測之前,Vi并不是確切的實(shí)數(shù),而是關(guān)于T和G的不確定表達(dá)式。首先對原序列對應(yīng)的得分函數(shù)序列和精確函數(shù)序列[H1,H2,…,Hn]利用GM(1.1)模型進(jìn)行預(yù)測,以得分函數(shù)序列為例:
其還原值為:
式(4)中L和M未知,為了求出L和M的值,根據(jù)距離式(1),與原序列距離越近,則誤差越小,由此建立如下模型。
由于各對序之間不存在偏好,將模型1改寫為如下形式:
求解模型2可解出最優(yōu)參數(shù)L和M,之后代入式(4)求出預(yù)測值。
從而根據(jù)式(1)至式(4)以及模型2,可預(yù)測出未來幾年候選人能力和崗位期望水平。
3.2屬性權(quán)重與時間節(jié)點(diǎn)權(quán)重的確定
3.2.1屬性權(quán)重的確定
屬性權(quán)重是對屬性在決策中作用和地位差異的描述,本文認(rèn)為,影響權(quán)重差異主要有每個方案的各個單屬性價值的可靠程度、各個屬性在決策過程中所起的作用程度、決策者對各個屬性的偏好程度等3個方面,由此本文從這三個方面綜合考慮,為屬性賦權(quán)。
(1)屬性的可靠度。每個方案的各個單屬性價值的可靠程度影響著屬性權(quán)重的差異,單屬性價值指的是某方案在單個屬性上的價值水平,這種水平是由決策者給出,最直觀的表現(xiàn)就是屬性值,針對區(qū)間Vague集時,本文認(rèn)為猶豫不確定越小,提供的信息就越充分,屬性值就越精確,從而屬性的可靠度越高,由此
(2)屬性的作用度。屬性的作用度是根據(jù)客觀數(shù)據(jù)所定,不受主觀影響,不同方案下同一個屬性差異越大,則屬性提供的信息越多,對決策起到的作用就越大;相反,屬性值的差異越小,對決策起到的作用也就越小,本文利用距離來衡量決策屬性間的差異。
根據(jù)公式(1),k時刻同一屬性下任意兩個區(qū)間Vague集的距離為,則總離差為建立離差最大化模型。
求解模型3,建立拉格朗日函數(shù),L(wj,λ)=;分別對函數(shù)求偏導(dǎo)可得
解式(6)可得
將式(7)代入式(6),并歸一化處理可得
(3)決策者的對屬性的主觀偏好。如果屬性的權(quán)重不考慮決策者對屬性的影響,那么權(quán)重可能會與實(shí)際權(quán)重產(chǎn)生很大的反差?,F(xiàn)實(shí)生活中決策者的知識水平、決策經(jīng)驗(yàn)都會影響到屬性的權(quán)重,將決策者對屬性的重視程度考慮到對權(quán)重的賦權(quán)里面,能使權(quán)重與實(shí)際權(quán)重更加接近,令決策者給出的主觀權(quán)重為
城市軌道交通的運(yùn)營模式正在發(fā)生變化,新興模式在不斷誕生之中。未來一種可預(yù)見的模式是:運(yùn)營業(yè)主無車輛所有權(quán)、僅有使用權(quán),業(yè)主制定車輛RAMS(可靠性、可用性、可維護(hù)性和安全性)指標(biāo)體系給予系統(tǒng)保證,城市軌道交通車輛制造商則提供長達(dá)數(shù)十年的車輛租賃服務(wù)。這一新興范式使得種種維修集約范式不復(fù)存在,而被旅客乘用綜合服務(wù)成本所替代。
3.2.2時間節(jié)點(diǎn)權(quán)重的確定
不同的決策者在對時間序列進(jìn)行集成時,擁有不同的心理狀態(tài),有的決策者比較看重過去的數(shù)據(jù),有的決策者比較看重未來數(shù)據(jù),也有決策者對當(dāng)前數(shù)據(jù)比較看重,為了體現(xiàn)出決策者不同的心理狀態(tài),本文應(yīng)用Yager等人提供的一種模糊語言量化的方法[14]。
其中u為預(yù)測年數(shù),β為模糊語言變量,一般取值有0、0.1、0.5、1、2、10和1000,對應(yīng)取值的含義分別為非常看重過去、很看重過去、一般看重過去、同等對待、一般看重未來、很看重未來、非??粗匚磥恚纱丝梢愿鶕?jù)不同的β值來確定不同決策者對時間賦權(quán)。
3.3人-崗動態(tài)匹配評價模型
根據(jù)前景理論可知,在進(jìn)行人崗匹配評價時,決策者會將候選人與參照物進(jìn)行比較,這個參照物通常是事先定好的對崗位的期望水平要求。決策者會感覺到當(dāng)候選人未超過期望水平時帶來的感受比超過期望水平時來的強(qiáng)烈,這是由于人是“有限理性”造成的?,F(xiàn)代人力資源管理中的人崗匹配面臨的主要問題有兩方面,一是應(yīng)聘崗位的候選人水平符合崗位基本要求,但離崗位期望要求水平太遠(yuǎn),導(dǎo)致小材大用;另一種就是遠(yuǎn)超過崗位期望要求水平,導(dǎo)致大材小用。為了避免這兩種情況的出現(xiàn),應(yīng)該使得候選人水平盡量接近期望水平,由此做出定義:當(dāng)候選人評價水平小于參考點(diǎn),離崗位期望水平越遠(yuǎn)則人崗匹配度越低;當(dāng)候選人評價水平大于參考點(diǎn),且與崗位期望水平的距離在一定范圍內(nèi)時,離崗位期望水平越遠(yuǎn)則人崗匹配度越高;當(dāng)候選人評價水平大于參照點(diǎn),且與崗位期望水平的距離超過一定范圍內(nèi)時,就出現(xiàn)“大材小用”現(xiàn)象,由此人崗匹配度為0。
定義6[11]:假設(shè)任意兩個區(qū)間Vague集為V1,V2,則兩者大小比較規(guī)則如下:
當(dāng)S1>S2時,V1>V2;S1<S2時,V1<V2;
當(dāng)S1=S2時,若H1>H2,則V1>V2;若H1<H2,則V1<V2;
當(dāng)S1=S2且H1=H2時,若T1>T2,則V1<V2;若T1<T2,則V1>V2;
當(dāng)S1=S2、H1=H2、T1=T2時,若G1>G2,則V1<V2;若G1<G2,則V1>V2;若G1=G2,則V1=V2。
則對前景理論的方法進(jìn)行改進(jìn)并利用定義6得出候選人i在k時刻關(guān)于屬性j的匹配度為
其中參數(shù)?和ξ反映了函數(shù)的凹凸程度,?和ξ的取值均大于0小于1,且取值越小敏感程度越低,決策者越趨于保守;ρ表示決策者風(fēng)險厭惡程度,通常ρ>1,且取值越大,對損失的規(guī)避程度越大;θ表示出現(xiàn)“大材小用”時的界點(diǎn)參數(shù),0<θ≤1,取值越大,界點(diǎn)越靠近最理想水平。
將候選人i在屬性上橫向集成后再從時間序列上縱向集成為最終匹配度為
pi越大,則人崗最終匹配度越大,候選人i則與崗位越適合。
綜上,本文提出算法步驟為
①根據(jù)自下而上的方式,建立人崗匹配評價指標(biāo)體系;
②根據(jù)3.1節(jié)提出的方法,預(yù)測出候選人后u年的能力水平和崗位后u年的期望水平要求;
③根據(jù)式(7)至式(10),分別確定屬性的權(quán)系數(shù)和時間權(quán)系數(shù);
④根據(jù)定義6將評價水平與崗位期望水平進(jìn)行比較,并利用前景理論計算候選人i在k時刻關(guān)于屬性j的匹配度;
⑤利用式(12)計算最終匹配度,并選出匹配度最高的候選人擔(dān)任該崗位。
本文針對現(xiàn)實(shí)生活中的人崗匹配問題,提出了一種決策方法。該方法利用聚類的思想建立了人崗匹配評價指標(biāo)體系,并利用區(qū)間Vague集對問題進(jìn)行描述,能更好的體現(xiàn)問題的模糊性。同時提出了基于GM(1.1)模型的區(qū)間Vague集預(yù)測方法,體現(xiàn)了人崗匹配的動態(tài)性,拓寬了傳統(tǒng)屬性賦權(quán)的維度,使得屬性賦權(quán)更加完整。在此基礎(chǔ)上,對現(xiàn)有前景理論的方法進(jìn)行改進(jìn),使得人崗匹配度測算時避免“小材大用”和“大材小用”的情況發(fā)生。
[1]袁有明.人力資源管理中的人崗匹配問題[J].市場周刊(理論研究), 2008,(9).
[2]張志宇,呂明麗,李從東.基于BP神經(jīng)網(wǎng)絡(luò)的人崗匹配測評模型的研究[J].天津大學(xué)學(xué)報(社會科學(xué)版),2010,(5).
[3]Roth A E.The Evolution of the Labor Market for Medical Interns and Residents:A Case Study in Game Theory[J].The Journal of Political Economy,1984.
[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).
[5]Hung-Tso Lin.A Job Placement Intervention Using Fuzzy Approach for Two-Way Choice.[J].ExpertSyst.Appl.,2009,(36).
[6]Jung HYS,Namkung Y,Yoon HYH.The Effects of Employees'Busi?ness Ethical Value on Person-Organization Fitand Turnover Intent in The Foodservice Industry[J].International Journal of Hospitality Man?agement,2010,29(3).
[7]張莉莉,趙希男,臧義勇.基于優(yōu)勢結(jié)構(gòu)識別的人力資本四位一體匹配方法[J].系統(tǒng)工程理論與實(shí)踐,2013,(8).
[8]王慶,劉琨,張志超.基于BP神經(jīng)網(wǎng)絡(luò)的知識員工—崗位匹配測評研究[J].科技管理研究,2009,(10).
[9]陳希,樊治平.組織中員工與崗位匹配的兩階段測評與選擇方法[J].東北大學(xué)學(xué)報(自然科學(xué)版),2009,(9).
[10]Gau W L,Buehrer D J.Vague Sets[J].IEEE Transactions on Sys?tems,Man,and Cybernetics,1993,23(2).
[11]Wang Z,Li KW,WangW.An Approach to Multiattribute Decision Making With Interval-Valued Intuitionistic Fuzzy Assessments and IncompleteWeights[J].Information Sciences,2009.
[12]李鵬,劉思峰,朱建軍.基于直覺模糊數(shù)的GM(1,1)預(yù)測模型[J].控制與決策,2013,(10).
[13]袁潮清,劉思峰,張可.基于發(fā)展趨勢和認(rèn)知程度的區(qū)間灰數(shù)預(yù)測[J].控制與決策,2011,(2).
[14]劉斌,劉思峰,翟振杰,黨耀國.GM(1,1)模型時間響應(yīng)函數(shù)的最優(yōu)化[J].中國管理科學(xué),2003,(4).
(責(zé)任編輯/易永生)
C934
A
1002-6487(2016)19-0037-05
高等學(xué)校博士學(xué)科點(diǎn)專項科研基金(20134324110001);中國博士后科學(xué)基金資助項目(2013M542123)
鄒樹梁(1956—),男,江西安福人,教授,博士生導(dǎo)師,研究方向:決策分析。