人才画像生成的可视化方法:一项实证研究

樊宇清; FAN Yuqing; 成生辉; CHENG Shenghui

doi:10.48014/jcsb.20250624001

人才画像生成的可视化方法:一项实证研究

Visualization Method for Talent Portrait Generation:An Empirical Study

新闻与传播科学通报 2025年第2卷第3期页码[29-37] 下载全文[1.4MB]

摘要

在科技不断进步的当今时代, 人才资源的重要性日益凸显。本文试图总结众多过去与当代研究人员的学术发展轨迹与成就, 旨在还原其个人成长与学术产出之间的关联。文章提出了一套学术数据采集框架, 并基于该框架对多位科学家的研究成果、合作关系以及学术传承进行了可视化展示。此外, 文章还提出了一系列学术指标, 用以量化评估科学家的影响力。

Abstract

In current era of scientific and technological advancements, the importance of talent resources is increasingly highlighted. This article will attempt to summarize the academic trajectories and successes of numerous researchers from both past and present, aiming to reproduce the correlation between their personal development and academic output. This article proposes a framework of academic data collection, then use the framework to visualize numerous scientists􀆳 research accomplishments, collaborative partners, and research inheritance. The article additionally posited a range of scholarly indices designed to quantitatively assess the impact of scientists.

DOI

10.48014/jcsb.20250624001

文章类型

研究性论文

收稿日期

2025-06-24

接收日期

2025-07-03

出版日期

2025-09-28

关键词

学术传承, 数据可视化

Keywords

Academic genealogy, data visualization

作者

樊宇清^1,2, 成生辉^2,*

Author

FAN Yuqing^1,2, CHENG Shenghui^2,*

所在单位

1. 重庆开放大学与重庆工商职业学院, 重庆 400052
2. 暨南大学新闻与传播学院, 广州 510632

Company

1. Chongqing Open University & Chongqing Technology and Business Institute, Chongqing 400052, China
2. School of Journalism and Communication, Jinan University, Guangzhou 510632, China

浏览量

下载量

参考文献

[1] Sokolov O, Osińska V, Mrela A, et al. Scientists’ Contribution to Science and Methods of Its Visualization[C]. In: Stek, J. ; Borzemski, L. ; Wilimowska, Z.(Eds. )Information Systems Architecture and Technology: Proceedings of 40th Anniversary International Conference on Information Systems Architecture and Technology- ISAT 2019; Advances in Intelligent Systems and Computing, Vol. 1051; Springer: Cham, 2020: 140-149.
https://doi.org/10.1007/978-3-030-30604-5_14
[2] MacEachren, Alan M, et al. Visualization for constructing and sharing geo-scientific concepts[J]. Proceedings of the National Academy of Sciences of the United States of America, 2004, 101(1): 5279-5286.
https://doi.org/10.1073/pnas.0307755101
[3] 秦小燕, 初景利. 国外数据科学家能力体系研究现状与启示[J]. 图书情报工作, 2017, 61(23): 40-50.
https://doi.org/10.13266/j.issn.0252-3116.2017.23.005
[4] 李正风. 中国科学家学术思想的传承与创新:概念、特征与方法[J]. 南京社会科学, 2012(04): 1-8+17.
https://doi.org/10.15937/j.cnki.issn1001-8263.2012.04.015.
[5] 李锐. 胜任力模型在绩效管理中的应用[J]. 人才开发, 2006(09): 13-14.
[6] 徐峰. 人力资源绩效管理体系构建: 胜任力模型视角[J]. 企业经济, 2012, 31(01): 68-71.
https://doi.org/10.13529/j.cnki.enterprise.economy.2012.01.034.
[7] 刘叔才, 葛利荣. 基于胜任力模型的人力资源绩效管理体系研究[J]. 经济师, 2008(06): 182-183.
[8] 程利伟, 李玉斗. 企业人力资源核心胜任力分析———浅谈人力资源胜任力模型建立[J]. 商场现代化, 2006(01): 227.
https://doi.org/10.3969/j.issn.1006-3102.2006.01.145
[9] 胡艳曦, 官志华. 国内外关于胜任力模型的研究综述[J]. 商场现代化, 2008(31): 248-250.
https://doi.org/10.3969/j.issn.1006-3102.2008.31.161
[10] 姚占雷, 陈红伶, 许鑫. 科研人才分类分级评价研究[J]. 西南民族大学学报(人文社科版), 2020, 41(06): 234-240.
https://doi.org/10.3969/j.issn.1004-3926.2020.06.033
[11] 邱均平, 缪雯婷. h指数在人才评价中的应用———以图书情报学领域中国学者为例[J]. 科学观察, 2007(03): 17-22.
[12] 许鑫, 徐一方. H_t指数———基于时间维度的H指数修正[J]. 情报学报, 2014, 33(06): 605-613.
[13] 王志军, 郑德俊. p指数运用于人才评价的有效性实证研究[J]. 图书情报工作, 2012, 56(14): 93-97.
[14] 傅雷鸣, 杨明, 王兆烨, 陈一飞. RAC指数—提升科研人员影响力评估公平性的新指标[J]. 情报杂志, 2019, 38(08): 151-158.
https://doi.org/10.3969/j.issn.1002-1965.2019.08.022
[15] 张丽娜, 夏庆利. 高校人力资源管理的现实困境与对策———基于大数据思维下高校人事档案信息化建设的探讨[J]. 学术论坛, 2016, 39(04): 157-161.
https://doi.org/10.16524/j.45-1002.2016.04.032.
[16] 刘勇. 大数据在人力资源管理中的创新应用与潜在困局[J]. 人力资源管理, 2015(06): 11-12.
https://doi.org/10.3969/j.issn.1673-8209.2015.06.009
[17] 廖龙. 基于人事信息平台的高校教师人力资源管理与研究[J]. 经济师, 2011(11): 96-97.
https://doi.org/10.3969/j.issn.1004-4914.2011.11.055
[18] 瞿丹. 数据挖掘技术在高校人力资源管理中的应用研究[J]. 电脑知识与技术, 2014, 10(10): 2182-2183 +2198.
[19] 顾颜胜, 王桂霞, 赵明锴. 浅析高校人力资源管理的现状与对策[J]. 经济师, 2015(10): 238-239.
[20] Wang Y, Qu B, Liang J, et al. Two-Stage Decomposition Method Based on Cooperation Coevolution for Feature Selection on High= Dimensional Classification[J]. IEEE Access, 2019, 7: 163191-163201.
https://doi.org/10.1109/ACCESS.2019.2946649.
[21] Zang Z, Cheng S, Lu L, et al. EVNet: An explainable deep network for dimension reduction[J]. IEEE Transactions on Visualization and Computer Graphics, 2022, 99: 1-18.
https://doi.org/10.1109/TVCG.2022.3223399.
[22] S. Cheng, K. Mueller. The Data Context Map: Fusing Data and Attributes into a Unified Display[J]. IEEE Transactions on Visualization and Computer Graphics, 2016, 22(1): 121-130.
https://doi.org/10.1109/TVCG.2015.2467552.
[23] Huang T, Cheng S, Li S, et al. High-dimensional clustering onto Hamiltonian cycle[C]. In Proceedings of the 40th International Conference on Machine Learning, 2023, Vol. 202. JMLR. org, Article 560, 13791-13813.
[24] Cheng S, Yue Z, et al. Roadmap toward the metaverse: An AI perspective[J]. The Innovation, 2022, 3(5): 100293.
https://doi.org/10.1016/j.xinn.2022.100293.
[25] 成生辉, 黄天意, 孟怡然, 等. Web3.0的发展机遇及挑战[J]. 科技导报, 2023, 41(15): 22-35.
https://doi.org/10.3981/j.issn.1000-7857.2023.15.003

引用本文

樊宇清, 成生辉. 人才画像生成的可视化方法:一项实证研究[J]. 新闻与传播科学通报, 2025, 2(3): 29-37.

Citation

FAN Yuqing, CHENG Shenghui. Visualization method for talent portrait generation: an empirical study[J]. Journalism and Communication Science Bulletin, 2025, 2(3): 29-37.