面向科研人员评估的社交网络分析与研究

• 作 者: 孙熙然
• 出 处: 中国工程物理研究院
• 发表日期: 2019年01期
• 关键词: 社交网络 力导布局 节点重要性 特征向量中心性

如今,评价科研人员的标准的具体方式较少,如依照参与项目完成程度、发表论文的多少、考勤情况等这类重视结果的形式。但是这种过于单一的形式不能充分的反映出某一科研人员的实际工作能力和情况。在日常工作时,会产生大量有价值、可利用的工作信息,如邮箱来往信息、参加会议和活动、甚至出差产生的数据等都值得挖掘。光凭人自身的能力很难分析这些信息,但这些信息得到挖掘后是可以在一定程度上完善考核形式的。目前,社交网络技术大多应用在依托互联网的在线社交网络:分析新浪微博用户的关注和转发网络能够预测用户转发行为,研究Facebook上用户行为能够发现热点事件中的社会参与者及角色,对Twitter上的STEM教育社区进行研究能够分析用户特征并挖掘关键用户。然而,工作网络由于其活跃用户范围小、活跃度差、物理隔离等原因,社交网络技术几乎没在此领域得到关注。使用这种工作网络的科研人员在工作中通过工作邮箱、参加会议、出差等活动产生了大量数据,这些数据对业绩考核及人员管理有很大的应用价值。由于这些数据包含的信息繁复且含有大量冗余数据,其价值未能得到充分利用。本文通过对这些数据进行组织和重构,得到易于存储和使用的数据集,从而构建科研人员的工作社交网络,利用社交网络分析技术对其进行分析。本文首先通过数据清洗、抽取等手段对数据资源进行预处理,使存在于不同系统中的数据形成有效的关联,如工作中产生的邮件数据、参加会议产生的数据及出差活动产生的数据,最终得到三个数据集:邮件数据集,会议数据集和出差数据集。其次综合这些多源数据集,基于社交网络技术和力导布局算法,构建科研人员工作中的关系网络。最后借助社交网络分析方法,基于网络节点重要性估值方法,挖掘工作网络中的重要节点,找出工作社群中的社交达人、技术大牛,以及在工作中起到侨联作用的关键人。这些分析结果可用于考察不同部门、团队间的合作模式,优化部门、团队和工作安排。综合分析并研究实验结果,可以进一步有效分析人员在工作中的积极性和周期性,可作为传统业绩考核办法的补充和辅助。