论文部分内容阅读
在当今经济全球化深入发展,企业间竞争进一步加剧的环境下,企业人力资源管理人员的角色和职能发生了明显的变化。其主要职责已由从事行政类、后勤类的工作转变为企业的战略伙伴。可以看到,人力资源管理者在组织变革、文化构建、绩效提升等方面都发挥着重要作用。随着人力资源管理人员战略地位的提升,企业对其综合素质的要求也随之提高。因此,基于胜任力的人力资源管理逐渐受到企业的重视,企业通过胜任力模型来有效识别个体的潜在特征,从而动态地实现人-岗位-组织战略目标的一致。而胜任力是一个动态的概念,大数据时代的到来和网络招聘的发展必然会对人力资源管理人员提出全新的要求,已构建的胜任力模型并不能完全适应当下的时代特征。本研究基于大数据时代下人力资源管理工作发生深刻变迁这一社会现实,使用自然语言处理和机器学习等方法,以165811条企业招聘数据为驱动,对其进行动态挖掘,展开人力资源管理岗位胜任力的特征解析和模型构建。研究结果表明:本研究使用的“word2vec+k-means聚类”的方法能够从海量的招聘文本中有效地提取胜任特征。提取出的胜任特征在岗位需求度、岗位重要度、岗位中心度方面具有明显的差别。核心胜任力可分为居于中心地位的中心胜任力和占据丰富结构洞、起着桥梁作用的支持胜任力。人力资源管理岗位胜任力模型由四个有层次的因子构成,自下而上、由内而外分别是个体特征、战略贡献、职能推动、专业技能。基于胜任力模型的重要作用,其在招聘与甄选、绩效管理、职业生涯管理等方面都有广泛的应用。而在招聘方面,通过纵向观察,胜任力模型多应用于面试环节。而在前期的简历筛选环节中,并未与胜任力模型进行有效的结合,能岗匹配在简历筛选环节的实践相对不足。这难免会造成遗漏高胜任素质人才的情况,给企业带来损失。本研究通过爬取社交招聘网站中求职者的职业档案数据,并请专家基于构建的胜任力模型对职业档案进行观察评分,获取训练数据,继而开展胜任力模型在简历筛选环节的应用研究,构建能岗匹配模型。研究结果表明:从简历中提取的变量中,是否为人力资源专业、是否有实习实践经历、是否有学生干部经历、任职企业规模、职级、最高学历学校等级对总体胜任特征具有显著影响,而工作时间、获奖经历、学历对胜任特征并无显著影响。使用机器学习构建的胜任力预测模型,其准确率、召回率、精准率、F1 Score四个指标得分均在70%以上,说明该模型能够有效模仿专家的行为基于简历作出胜任力评价,实现简历筛选环节的能岗匹配由小规模的人工操作走向大数据的机器计算。