［摘 要］中國特色新型智庫人才的能力缺失問題已經(jīng)成為制約中國特色新型智庫建設(shè)和發(fā)展的關(guān)鍵因素，單獨以研究者為核心的人才考核評價體系已經(jīng)無法滿足新型智庫的發(fā)展要求。文章以天津市具有代表性的智庫人才考核數(shù)據(jù)為樣本，采用因子分析法選取智庫人才考核評價指標，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的智庫人才考核評價體系，選取50組訓練樣本對智庫人才考核評價模型進行驗證。結(jié)果表明，基于BP神經(jīng)網(wǎng)絡(luò)的智庫人才考核評價值與專家評價值非常接近，具有實用性和操作性，能夠為中國特色新型智庫人才遴選提供一定理論支持。

［關(guān)鍵詞］中國特色新型智庫；BP神經(jīng)網(wǎng)絡(luò)；人才考核評價；指標選取

doi：10.3969/j.issn.1673 - 0194.2023.10.048

［中圖分類號］D630 ［文獻標識碼］A ［文章編號］1673-0194（2023）10-0145-03

0" " "引 言

中國特色新型智庫是基于習近平新時代中國特色社會主義思想，結(jié)合實際國情，以服務(wù)黨和政府科學民主依法決策為宗旨的非營利性研究咨詢機構(gòu)。在中國特色新型智庫的建設(shè)與發(fā)展中，人才是至關(guān)重要的因素［1］。通過對智庫人才考核評價體系的構(gòu)建，選拔出符合中國特色新型智庫建設(shè)標準的高端人才，有利于中國特色新型智庫的建設(shè)與發(fā)展［2］。為此，本文針對智庫人才考核評價體系展開研究，運用因子分析法選取人才考核指標，并利用反向傳播（Back Propagation，BP）神經(jīng)網(wǎng)絡(luò)對指標的重要性進行預(yù)測，模擬出最適合中國特色新型智庫人才考核評價的指標體系，從而通過智庫人才的考核評價促使智庫高端人才充分發(fā)揮其應(yīng)有的作用，助力中國特色新型智庫人才機制的改革。

1" " "中國特色新型智庫人才考核評價存在的問題

一方面，中國特色新型智庫人才隊伍建設(shè)與傳統(tǒng)的學術(shù)導向型評價存在一定矛盾與沖突。尤其是對研究人員而言，其晉升并非簡單晉升到級別更高的崗位，也并非稱謂發(fā)生變化，而是會攜帶著薪酬等級、學術(shù)話語權(quán)、科研機會等一系列相關(guān)的利益問題。

另一方面，智庫人才考核評價過于注重總結(jié)性考核及物質(zhì)激勵，缺少面向智庫人才清晰的發(fā)展性評價，對智庫人才的激勵效果明顯不足。智庫人才考核缺少獨立的考核標準，考核的范圍與內(nèi)容不夠清晰明確，考核重點與智庫的核心職能有一定的偏離。同時，部分智庫人才對學術(shù)論文、科研課題等學術(shù)成果指標過于看重，從而難以投入決策轉(zhuǎn)化實踐中，這種重學術(shù)、輕決策的情況不利于智庫人才的發(fā)展，直接影響了智庫的決策影響力。

2" " "智庫人才考核評價指標選取

本文以天津市南開大學等高校新型智庫及天津市企事業(yè)單位新型智庫為研究對象，借助郵件調(diào)研、網(wǎng)站訪問、調(diào)查問卷的方式，收集有關(guān)智庫人才考核的信息數(shù)據(jù)。利用因子分析法，得出包括咨詢決策貢獻、社會傳播、學術(shù)貢獻和國際智庫合作4個一級評價指標。再從中選取荷載較高的因子作為二級評價指標，構(gòu)建智庫人才考核評價指標體系，具體如表1所示。

3" " "中國特色智庫人才考核評價模型構(gòu)建

3.1" nbsp;BP神經(jīng)網(wǎng)絡(luò)原理

BP神經(jīng)網(wǎng)絡(luò)一般包括輸入層、隱含層和輸出層3層結(jié)構(gòu)，各層間通過權(quán)重值實現(xiàn)連接，其原理是借助隱含層神經(jīng)元的變換，得出輸入層和輸出層間存在的映射關(guān)系［3］。BP神經(jīng)網(wǎng)絡(luò)的輸出值需通過多次訓練，不斷對輸入信息進行反饋和系數(shù)修正，最終得到最合適的運行路徑［4］。圖1為BP神經(jīng)網(wǎng)絡(luò)的運行結(jié)構(gòu)。

圖1中，I代表輸入層，J代表隱含層，K代表輸出層。xm代表輸入值，yn代表輸出值，wij代表I層與J層間的權(quán)重，wjk代表J層和K層間的權(quán)重，而Vj與Vk則分別代表J層與K層的神經(jīng)元閾值。

BP神經(jīng)網(wǎng)絡(luò)模型的學習過程主要分為正向傳輸階段和誤差修正階段。由輸入層輸入的信息進入隱含層，最終由輸出層輸出，正向傳輸過程并不會改變信息中的任何參數(shù)。倘若信息的輸出值在可接受誤差范圍內(nèi)，結(jié)束算法；若輸出值超過可接受誤差范圍，則進行反向傳播，將總誤差分配給各層的神經(jīng)元，通過對權(quán)值和閾值的調(diào)整和修正，直至輸出值符合神經(jīng)網(wǎng)絡(luò)算法的誤差要求，結(jié)束算法［5］。

3.2" "構(gòu)建智庫人才考核評價體系

將上述確定的10個二級評價指標作為輸入，將人才考核評價結(jié)果作為輸出，經(jīng)過BP神經(jīng)網(wǎng)絡(luò)的學習訓練，得到最終的智庫人才考核評價模型［6］。

3.2.1" "輸入層

根據(jù)選擇的10個二級評價指標確定輸入層神經(jīng)元數(shù)量為10個。因各指標間存在較大的數(shù)值差距，出于對數(shù)量級一致性的考慮，應(yīng)在開始訓練前對指標數(shù)據(jù)進行歸一化處理，公式如（1）所示。

（1）

式（1）中，Ci*代表歸一化處理后的指標數(shù)值；Cmax和Cmin代表第i個數(shù)值的最大值和最小值；Ci代表第i個指標的數(shù)值［7］。

3.2.2" "隱含層

隱含層中具有的神經(jīng)元數(shù)量較多會增加BP神經(jīng)網(wǎng)絡(luò)的迭代次數(shù)，使訓練時間增加；反之，神經(jīng)元數(shù)量較少，則會造成樣本識別困難，訓練精度不足?？紤]樣本數(shù)據(jù)情況，利用式（2）確定隱含層的神經(jīng)元數(shù)量，最終確定為12個。

（2）

式（2）中，n、i、m分別代表輸入層、隱含層和輸出層的神經(jīng)元數(shù)量，而a則是在（1，100）的常數(shù)。

3.2.3" "輸出層

輸出層變量確定為智庫人才考核評價的數(shù)值，神經(jīng)元數(shù)量為1個。

3.2.4" "網(wǎng)絡(luò)層數(shù)

對智庫人才考核評價模型的精度和可操作性進行分析，采用Matlab 2021軟件中的BP神經(jīng)網(wǎng)絡(luò)工具，構(gòu)建包含兩個隱含層的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

3.2.5" "確定激活函數(shù)

基于可導條件，采用經(jīng)驗法，確定隱含層的激活函數(shù)為S型正切tansig函數(shù)，最后一層為purelin函數(shù)，以此確保模型的輸出被控制在較小的范圍內(nèi)［8］。

4" " "實證分析

4.1" "實證數(shù)據(jù)來源

實證數(shù)據(jù)選擇天津市高校智庫與天津市企事業(yè)單位智庫的調(diào)研資料，為避免同一高?；蚱髽I(yè)的智庫數(shù)據(jù)較為相似造成的影響，限制在一所高校或一個企業(yè)內(nèi)最多選取的智庫數(shù)量不可超過5個，最終得到50組樣本數(shù)據(jù)。調(diào)研資料的時間期限設(shè)定為2021年全年［9］。

4.2" "因子分析結(jié)果

首先，利用SPSS 22.0中的KMO檢驗和Bartlett球形檢驗展開效度分析，得到KMO數(shù)值為0.83，大于0.7；x2的分布值為396.34，P值為0.000。結(jié)果證實模型效度較好，適合進行因子分析。

其次，依照初始特征值大于1的標準提出公共因子，共提取出4個因子，其解釋方差占總方差的92.1%，說明這4個因子能夠較為全面地反映樣本數(shù)據(jù)信息。為增強因子的可解釋性，通過對初始載荷矩陣方差極大化旋轉(zhuǎn)，并未發(fā)現(xiàn)累積方差貢獻率的變化，而各因子方差貢獻率間距縮小。基于此，最終確定智庫人才考核評價的4個一級指標。

最后，提取各因子中荷載較高的因素，最終確定為10個二級指標。

4.3" "網(wǎng)絡(luò)訓練

考慮樣本數(shù)據(jù)和測試數(shù)據(jù)相互獨立，從樣本數(shù)據(jù)中隨機選取1組數(shù)據(jù)進入訓練，以此得到訓練權(quán)重值。之后，在確保精度為0.001的條件下，經(jīng)過5 000次迭代，得到最終訓練結(jié)果，并將其與專家評價結(jié)果相對比。

待訓練結(jié)束后，再從剩余的樣本數(shù)據(jù)中選擇8組數(shù)據(jù)展開模型的有效性測試，同樣與專家評價結(jié)果對比，結(jié)果如表2所示。

5" " "結(jié)果分析與建議

5.1" "結(jié)果分析

從表2中不難看出，通過前期訓練可得到較為合適的智庫人才考核評價預(yù)測模型，且預(yù)測結(jié)果與專家評價結(jié)果十分接近，擬合情況較好。這證明提出的基于BP神經(jīng)網(wǎng)絡(luò)的智庫人才考核評價體系具有較強的可信性，適用于中國特色新型智庫人才的考核與評價工作。

5.2" "建 議

中國特色新型智庫目前已經(jīng)進入新發(fā)展時期，相應(yīng)的智庫人才建設(shè)也需要進入新的發(fā)展階段。對智庫人才建設(shè)而言，可以從以下幾個方面進行優(yōu)化。

一是健全人才考評機制。在構(gòu)建考評體系的過程中，應(yīng)加強重視咨詢決策貢獻，適當調(diào)整領(lǐng)導批示、咨詢參與、采納建議的權(quán)重，并且科學處理學術(shù)貢獻和社會傳播這兩個因素。

二是加強智庫人才隊伍的建設(shè)。積極建設(shè)擁有多學科背景、綜合能力強的智庫人才隊伍，基于學術(shù)和決策研究進行資源整合，通過人才隊伍的集體智慧，組建優(yōu)勢智庫人才隊伍。同時，積極引導智庫人才隊伍開通微博、公眾號、抖音等賬號，通過拓寬傳播渠道提升影響力。

三是加大對外合作交流及培訓力度。積極與國外知名智庫尋求合作，開展聯(lián)合調(diào)研，在開闊視野的同時獲取國際上的一手資料與信息。同時，加大智庫人才培訓力度，在培訓過程中宣傳國際上的最新發(fā)展導向和黨中央的重大決策等。

主要參考文獻

［1］肖東升，王斌，林道遠，等.基于BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)電作戰(zhàn)人才評價研究［C］//第十屆中國指揮控制大會論文集（上冊），2022：230-234.

［2］肖東升，張琬婷，王斌，等.基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)警探測人才能力評價研究［J］.空天預(yù)警研究學報，2022（2）：

135-139.

［3］何玉輝，尹存濤.基于BP神經(jīng)網(wǎng)絡(luò)算法的技能人才模型建立研究［J］.產(chǎn)業(yè)與科技論壇，2022（4）：54-55.

［4］沈鈺，韓永強.技術(shù)技能人才需求預(yù)測模型及其檢驗：基于BP神經(jīng)網(wǎng)絡(luò)視角［J］.當代職業(yè)教育，2020（2）：72-78.

［5］李娜娜，胡堅劍，顧軍華，等.深度置信網(wǎng)絡(luò)優(yōu)化模型在人才評價中的應(yīng)用［J］.計算機工程，2020（2）：80-87，102.

［6］王黎.基于BP人工神經(jīng)網(wǎng)絡(luò)的卷煙品牌競爭力評價體系構(gòu)建研究［D］.昆明：昆明理工大學，2010.

［7］李玉坤，鞠曉峰.基于BP神經(jīng)網(wǎng)絡(luò)技術(shù)的商業(yè)銀行信用風險評價指標體系構(gòu)建［C］//Intelligent Information Technology Application Association.Proceedings of 2011 AASRI Conference on Information Technology and Economic Development（AASRI-ITED 2011 V2）.American Applied Sciences Research Institute，2011：383-386.

［8］武漢卓爾信息科技有限公司.基于GA-BP神經(jīng)網(wǎng)絡(luò)算法的城市生態(tài)建設(shè)評價方法和系統(tǒng)：CN202111537465.7［P］.2022-03-25.

［9］方俊，秦樂.基于因子分析與BP神經(jīng)網(wǎng)絡(luò)的電力企業(yè)技能人才評價［J］. 人力資源管理，2016（3）：80-83.