由天津師范大學管理學院宋培彥副教授及其團隊共同撰寫的論文《基于冰山模型的科研人員學術專長識別方法研究》和《基于顛覆性指數優化的細分領域優秀科技人才發現研究》分別在《數據分析與知識發現》和《情報雜志》發表，探討了“反五唯”背景下如何采用大數據技術實現人才畫像與評價，發現顛覆性科技創新人才。該研究獲得國家社會科學基金項目“語義驅動的科研人員學術專長畫像研究”和科技部國家科技評估中心人才評價專項“基于專家庫靜態信息的人才創新能力評價模型研究”的資助。
反“五唯”背景下對高層次科技人才進行精準畫像和科學評價，是黨和國家深入實施創新驅動發展戰略和人才強國戰略的內在要求。為此，課題組圍繞“人才做什么”和“做得怎么樣”這兩個關鍵問題，首先研究提出了基于機器學習技術的科研人員學術專長畫像模型，然后設計科研人員的“自身專注指數”和“同行相對指數”兩個關鍵指數計算方法，通過TF/IDF、LDA和BERT機器學習模型自動抽取學術標簽并進行專長識別的實證研究。實驗結果表明：“冰山模型”可以有效解釋人員“做什么”和“做得怎么樣”，為人才標簽抽取和創新能力指數設計奠定了可靠的理論依據并提高了解釋力；同時，課題組提出的可量化比較的專長指數計算方法，能夠有效實現細粒度、精準化、動態化的人才專長揭示。
在此基礎上，課題組以“顛覆性創新”為突破口，進一步發現具有更高創新力的細分領域優秀科技人才。基于國際學術界最新提出的顛覆性D指數計算方法，采用LDA主題模型確定科技人才的研究專長，然后通過顛覆性指數識別科技人才的原始創新能力，并與引用量、h指數、社會網絡分析指標等3個傳統方法進行比較和檢驗，最終形成可量化計算的顛覆性人才發現方法。以“干細胞”領域為例進行的實驗表明：顛覆性指數與傳統指標基本趨勢一致，其優勢是能夠從時間序列和主題角度更為準確、靈敏地發現細分領域具有較強創新能力的“單項冠軍”和“潛一流”人才，該方法對戰略型人才識別、優秀青年科技人才發現、創新人才引進等具有一定參考價值。
相關鏈接：
《基于冰山模型的科研人員學術專長識別方法研究》https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CAPJ&dbname=CAPJLAST&filename=XDTQ20221024002
《基于顛覆性指數優化的細分領域優秀科技人才發現研究》http://www.qbzz.net/#/digest?ArticleID=5837
科研進展