招聘与人才测评第3版 课件 第12章 数智化与人才测评

招聘与人才测评（第3版）RECRUITMENT&TALENTASSESSMENT12CHAPTER数智化与人才测评学习目标通过本章的学习，你能够：✓了解数智化人才测评的内涵、发展与理论基础1✓熟悉数智化人才测评的引入流程2✓掌握数智化人才测评在现代人力资源管理中的具体应用3✓明确数智化人才测评的优势与挑战4目录CONTENTS01数智化测评的底层逻辑与框架02数智化测评的理论基础与技术应对03数智化测评的开发与应用04数智化测评的优势与挑战12.112.1.1定义与发展数智化是一个颠覆性创新的过程，其本质是通过数据要素与智能技术的深度融合，推动产业、基建、人才、治理等维度的系统性重构，是形成新质生产力的重要途径。数智化的技术焦点转为智能决策，生产要素组合升级为数据、算法和算力的新体系。同时，重构了“云-网-端-链”新型基础设施，推动社会治理向“以人为本”的智能服务转型。数智化与数智化人才测评的定义12.112.1.1定义与发展数智化与数智化人才测评的定义数智化人才测评一般是指以数据驱动为核心，利用先进的信息技术和智能算法，整合人工智能、大数据分析、云计算、物联网、区块链等技术，结合场景化需求，对人的知识、技能、能力、人格等方面进行评价和分析，以提供更准确、客观、可靠的评估结果，并且实现测评从“静态判断”到“动态优化”的升级。12.112.1.1定义与发展数智化与数智化人才测评的定义在人力资源管理领域，数智化人才测评主要使用大数据分析、机器学习、区块链等技术，收集、整理、分析和处理人才的相关信息，生成人才画像和评估报告，用于辅助企业招聘、岗位匹配、培训开发、绩效管理等决策。12.112.1.1定义与发展数智化与数智化人才测评的发展11956年达特茅斯会议确立了人工智能的学术方向——模拟人类智能。2此后，数据开始以电子形式存在，企业和组织进行数据处理和信息管理的效率显著提升。3到了20世纪80年代，专家系统出现，其功能为模拟人类专家，通过内部存储大量某领域专家的知识和经验，来解决特定领域的问题，实现了人工智能从理论研究走向实际。12.112.1.1定义与发展数智化与数智化人才测评的发展1997年，IBM深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，首次实证机器在封闭规则系统中的决策优势。1993年，美国GRE教育考试服务机构开发了一种计算机适应性测试。2008年，IBM提出了“智慧地球”的概念，成为这一时期的标志性事件。2011年以后，大数据时代到来，机器学习和深度学习技术迅速崛起，数智化在人员素质测评领域的应用是研究的一个重要方向。12.112.1.2数智化测评系统的核心层次基于数智化测评的技术架构逻辑，其数据全生命周期管理可以分为不同层次，即数据层、算法层以及应用层。数据层覆盖数据的获取、清洗、存储等，解决数据可用性与标准化问题是第一步。12.112.1.2数智化测评系统的核心层次在大量数据的基础上，算法层利用先进的信息技术与智能算法，对数据进行深度挖掘、分析和应用。应用层负责将数智技术与具体应用场景结合，和业务需求深度融合，实现数智技术的价值转化。目录CONTENTS01数智化测评的底层逻辑与框架02数智化测评的理论基础与技术应对03数智化测评的开发与应用04数智化测评的优势与挑战12.212.2.1现实需要与理论依据人员选拔理论人员选拔理论关注候选人的选拔过程，核心在于评估其能力与岗位的匹配程度。机械预测比临床判断更加可靠。随着计算机与大数据的发展，越来越多的技术可以应用于测评过程中，客观性和一致性令机械预测成为弥补传统主观解释不足的重要手段，比临床判断更具有可预测性。12.212.2.1现实需要与理论依据印象管理和媒介丰富性理论印象管理由戈夫曼在《日常生活中的自我呈现》一书中首次提及，指的是人们试图管理和控制他人对自己形成印象的过程。媒介丰富性理论认为可以将信息传播的媒介按照传播的信息量和模糊程度来分类，媒介的丰富程度会影响用户对媒介的选择、传播的过程以及任务的结果。12.212.2.1现实需要与理论依据社会分析理论社会分析理论认为人格的核心组成部分是身份和声誉，并由此来解释个体差异。社会分析理论的一个重要主张是，声誉的测评应该比基于衡量自我报告的人格测评更准确地预测业绩，因为观察者（如面试官）报告可以补充更客观、更具稳定性的评价信息。12.212.2.2技术应对手段大数据技术许多人力资源部门已配备人力资源信息系统，利用大数据提升人员测评的精准度和人力资源实践的效率。在招聘领域的关键环节，一个是简历筛选，另一个是对求职者与空缺岗位的匹配，大数据不仅提升了招聘的覆盖范围，还使人岗匹配更加精准。12.212.2.2技术应对手段人工智能在初筛阶段，人工智能可以通过机器学习算法建立双向匹配模型。在面试评估环节，人工智能通过视频面试突破时空限制，并且可以智能安排面试，由此提高效率，增强灵活性。在员工入职后的发展中，AI测评延伸应用于个性化人才管理。12.212.2.2技术应对手段区块链区块链是一种块链式存储、不可篡改、安全可信的去中心化分布式账本，它结合了分布式存储、点对点传输、共识机制、密码学等技术，通过不断增长的数据块链记录交易和信息，确保数据的安全和透明。目录CONTENTS01数智化测评的底层逻辑与框架02数智化测评的理论基础与技术应对03数智化测评的开发与应用04数智化测评的优势与挑战12.312.3.1数智化测评的开发与外部供应商合作引入通用数智化测评产品。当企业规模有限，或缺乏专业技术团队时，与供应商合作更具成本效益。定制化服务。企业可以购买供应商的定制化服务以实现自己的个性化需要。12.312.3.1数智化测评的开发自主开发模型训练。企业需要构建多维数据体系，通过整合内部历史面试记录、员工绩效档案等结构化数据，以及外部社交媒体行为、公开职业数据等非结构化数据，形成训练数据集。模型应用。在模型应用阶段，系统通过标准化接口接收候选人简历、面试视频等原始数据，自动解析其中的数字足迹生成特征向量。12.312.3.2数智化测评的应用人员筛选简历筛选。通过对多个简历库进行扫描，核实候选人的详细信息，及时审查大量简历；通过分析和比较简历的文本和数据，确定候选人是否符合特定职位要求和标准，识别出最佳简历并进行排名。社交媒体画像。通过分析候选人或员工在社交媒体平台产生的海量非结构化数据（文本、图像、视频），AI算法可构建多维人才画像，为组织提供超越传统简历的深层洞察。12.312.3.2数智化测评的应用深入评估1游戏化评估。2智能面试。3聊天机器人互动。4计算机自适应测验。12.312.3.2数智化测评的应用人才管理数智化系统采用AI和大数据分析技术，对测评结果进行即时处理，通过预设模型自动更新个人能力标签、职业发展建议和学习路径推荐，从而支持员工职业规划与动态管理。目录CONTENTS01数智化测评的底层逻辑与框架02数智化测评的理论基础与技术应对03数智化测评的开发与应用04数智化测评的优势与挑战12.412.4.1优势降低成本，提升效率数智化测评通过云计算实时整合多源数据（如人事档案、在线考试平台），利用AI聚类算法（如K-means）自动生成动态常模并快速分析，显著缩短开发周期，减少人工投入，降低财务成本。将重复、低价值且烦琐耗时的任务交由人工智能自动化处理，可使招聘人员从流程性事务中解脱出来，从而专注于其他更具战略性的工作。12.412.4.1优势精确测评，优化匹配数智化测评通过标准化算法消除人为判断的主观性，通过多维度行为信号（如微表情、答题一致性）识别候选人伪装行为，减少招聘中有意识或无意识的偏见，提升决策公平性。算法决策工具提供了额外的分析可能性，基于人格特征预测工作表现，使评估结果更具科学性与可靠性。12.412.4.1优势提升体验，动态管理数智化测评可以提供更加全面、动态的人才数据库，在不同模块上提供有效助力，精准掌握企业人才动向，为员工提供更人性化的人力资源服务。通过建立数字化人才库，员工可以实时更新能力标签，长期监测能力变化。12.412.4.2挑战数智化测评的信度和效度使用数智化测评工具最重要的问题是：是否为算法提供了正确的数据，这些数据是否准确地预测了想要实现的结果。算法厌恶导致招聘人员更愿意信任人工判断。12.412.4.2挑战数据偏见与滥用人工智能的机器学习存在数据偏见的问题，用于学习的数据类型决定了此后算法的偏见程度。确保数据集的平衡是减少偏见的一种方法。人工智能擅长分析大量数据，但结果可能会被误解甚至故意滥用。组织需要谨慎和透明地使用人工智能测评工具，以最大限度地减少潜在的数据滥用。12.