人才评价是个内涵丰富的概念。一般而言，主要是指对一个人所从事的某种专业之学术水平高低档次的评价，不涉及个人品德等其他诸多方面的评价。
人才评价乃是一道世界级难题
对人才做出准确评价，其实是一道世界级难题。中国古代，把评价人才叫做“知人之术”。苏东坡说“人之难知也，江海不足以喻其深”；王安石说“人才难得亦难知”。为什么人才评价很难呢？“评价”在唐朝时候叫做“度”。李白诗曰“仙人持玉尺，度君多少才。玉尺不可尽，君才无时休”。 这里，李白指出了人才评价的两个难点：一是被评价的人才的才能是不断发展变化的；二是测评用的工具“玉尺”也难以完全奏效。
学术人才评价的科学方法是什么？
全国解放以后，我们一直采用“论文著述汇总加权法”。汇总就是把一定时期内的有代表性的主要论文著作汇集起来。加权就是要适当考虑该成果“在哪一级刊物发表”“得到谁人的肯定”“被引用率如何”等。参加评审评价者，按照规定将公开发表的论文著作列出后，交由上级人事部门出面组成的专家委员会来加以评审并投票表决。最近，这种评价方法遭到不少批评，主要是不同类型人才应该设立不同标准，但是对于以学术谋发展的人员来说，还是离不开“汇总与加权”。
大数据的到来，犹如飓风来袭，所到之处，无一可免。大数据对于学术人才评价会带来怎样的变化呢？我的基本看法是影响将是正面的、值得肯定的。道理就在于：大数据能够做我们过去不能做出的很多事。
大数据可能对人才评价带来的变化
变革一：出现预测性评价。过往使用的学术人才评价方法——“汇总加权法”，无一不是在强烈的行政主导下发生的行为。这让人产生一种错觉：似乎人才是评价出来的。事实上，人才并不是评价出来的，而是自己冒出来的。因此，如何预测性地发现人才，就成为一项过去职称主管部门没有做，今后必须去做的一项工作。汤森路透每年均能在公布诺贝尔奖得主之前，提前做出预测。以前年为例，共有11人获奖，汤森路透提前预测准了8个。现在，汤森路透预测世界各国不同领域的拔尖人才，就是基于大数据的在线人才评价。
变革二：呈现多维度评价。针对学术人才的一维性评价，无论多么到位，也属“以管窥豹”。大数据方法能够实现多维评价，从而使被评价者更加立体化、丰满化，更接近客观真实。例如被评价者的行为特征，个性特点，朋友圈等等。这样可以在更为深广的背景上呈现出被评价者的全貌。在这样一个丰富多样的背景下评价人才，就具有了纵深感和鲜活性。
变革三：乐见转换性评价。何谓转换性评价？就是在实施评价过程中会发生被评对象的转换。即由评价A，变出了评价B。比如我们提出“中国最杰出的唐代诗人是谁”，答案肯定五花八门。如果将问题转换为“哪首唐诗最受读者欢迎”，如此便可以先把唐诗中所有诗歌的受欢迎程度排个队。最近，国内确实有人利用大数据原理，完成这样的评价。他们首先确立了四个排行的维度：①历代出版的唐诗诗集收入了这首诗；②历代评点唐诗的大家评论到了这首诗；③20世纪研究唐诗者论述到了这首诗；④文学史著作中选介到这首诗。另外，互联网上的查阅、评论、载录也统计在内。对这些数据按照一定的方法进行加权处理，按照得分多少排列出最好的100首唐诗，第一名是崔颢的《黄鹤楼》。在这100首诗中，入选数量最多的诗人是王维19首，杜甫17首，李白9首，说明诗圣、诗仙、诗佛并不是浪得虚名。
变革四：展示促进性评价。人才评价的目的不在于对某个人给出档次，而是对学术人才个人发展起到促进作用，进而对整个学术人才队伍建设起到加强作用。因此在努力做好“形成性评价”的同时，应该积极推进“过程性评价”。科研部门可以利用大数据自动记录人才成长过程，作为评价依据，同时发现问题，及时给予被评价者以帮助、指导。这属于学术人才评价体系的深刻变化，也是今后的发展方向和趋势。例如，成都电子科技大学的大数据专家通过对学生的价值取向、兴趣偏好、学习能力、生活规律、行为习惯等多个维度的大数据分析，利用大数据预测技术，实现了对学生的成绩排名。吻合度达到90%。
变革五：呼唤公平性评价。当前中国教育最恼人的就是“高考一次定终身”，全国千百万孩子深受应试教育之苦。如何从这种不公平、不合理的考试方法中解脱出来呢？就要发挥大数据的作用，逐步将一次性高考变革为日常学习成绩、个人素质的记录。当然，讲到这里，离我们要讲的学术人才评价远了一点，但是它却讲到了根源上，具有很好的前瞻性。
我们还应该清醒地认识到，评价人才只是一项工作，并不是目的。我们的目的是要促进更多的学术人才成长起来，而大数据的出现，为学术人才的成长提供了前所未有机会。大数据能够帮助人们快速查阅文献，4000米高的资料，10分钟即可阅读完毕；大数据还能帮助人们快速筛选资料，提炼文献，大大提高科研速度；大数据甚至能够帮助人们发明出新的各类产品。大数据时代的到来，将引发一场方法论深度的科研革命。谁早认识到这一点，谁将能够抢占先机，走在世界的前列。改进科研人才结构，把懂得大数据的人才吸引进研究团队，这样我们的大学、研究所就能更好的把科研任务完成。展望将来，大数据人才将是学术团队中最为稀缺的“香饽饽”，我们的大学，要为加紧培养这样的人才而策马争先！
閱讀更多 數據科技視界 的文章
