人才引进政策视角下青年人成长成才的路径研究
——以W 市为例

黄蓓蕾 倪美蓉 浙江工贸职业技术学院

一、问题的提出

国家想要提高国际竞争力，就必须保障自身的人才储备力量，青年人成才对国家和社会的重要性不言而喻。全国各大城市或出于长远考虑，或出于自身产业调整升级的需要纷纷推出人才引进政策，以吸引各式各样的人才流入。然而在这样的政策背景下，各大城市仍旧面临人才紧缺的问题，并且我国虽然是青年劳动力最丰富的国家之一，但青年人面临的成才难的问题也同样是最为突出的。二者的矛盾之处引发了笔者的思考：青年人成长成才的方向与社会发展需要不一致导致引才效果不佳。

人才引进政策的背后是众多专家学者深思熟虑的成果，是党和政府对未来产业发展的前瞻性思考，并且它指引了一个城市未来很长时间的发展方向，对青年人制定成长成才的长远规划具有指导意义。因此，针对人才引进政策开展此课题研究是非常有必要的，希望能探索出适应社会发展需要的青年人成长成才的路径，既能帮助青年人成长为切合社会实际需要的人才，又能为社会发展储备人才，助推国家的长远发展。

二、基本概念与研究现状

（一）青年人的范围

本文所研究的青年人是指年龄在14～35 周岁的群体。第七次人口普查数据显示，目前这一群体的人口达3.6 亿，占全国总人口的26%。

（二）人才的含义

全国人才工作会议上定义了人才的内涵：即人人都可以成才。这里所说的人才指的是符合城市人才分类标准的人才。

（三）青年人成长成才路径研究现状

前人从不同的主体、方面和角度出发对青年成长路径做了深入的研究，提出了有建设性的意见。比如郭庆文、王经伟二人在《青年员工发展成长路径探索》一文中以农发行江苏分行青年人才培养工作为例，分析当前青年员工成长中存在的不足及其原因，提出个人潜心进取、单位精心培养、组织关心选用的成长路径建议[1]。王小琴在《习近平青年教育论述指导下的高校人才培养路径研究》一文中以习近平青年教育论述为指导，从教学质量机制、学科建设、育人队伍和人才培养工作场域的建设这四个方面进行人才培养工作的发展路径研究[2]。从前人的研究中可知，青年人能否成才既和个人努力息息相关，也离不开外部环境的建设。然而从社会实际需要出发，对青年人才本身所具备的要素研究较少。本文正是以这个角度为切入点，探寻符合现今社会发展需要的青年人才应具有的要素，为青年人成长成才提供借鉴。

三、基本原理与研究方法

W 市响应国家号召，结合自身人才需求和发展状况，实行以贡献为导向的人才引进政策。W 市推出的人才分类标准不再以学历为首要标准，更多地将技能水平、工作成果突出的青年人纳入人才范畴。这为开展研究指明了方向。首先根据以贡献为导向的人才认定标准确定青年人才的评价指标；其次进行数据采集，数据清洗；然后运用主成分分析法选取指标数量；然后导入决策树模型，构建以贡献为导向的青年人成长成才预测模型；最后调整模型，提高预测精度，应用于指导青年人成长成才的方向路径。

（一）确定人才评价指标及数据采集

W 市的人才认定分类标准既要求人才有较好的专业背景，又突出工作业绩，能较好地反映出符合W市发展需要的青年人才应具备的个人要素，切合研究主题。由此根据W 市人才认定分类标准确定人才评价指标，出于工作之便，本文共收集102 条数据，整理出科研能力、专业知识、工作年限、所获奖项、荣誉称号、年度考核这六个指标，分类字段为“是/否青年人才”的数据集。

（二）基于主成分分析法选取指标数量

主成分分析法是一种降维的统计方法，中心思想是将原来的变量经过重新组合得到一组相互无关的新变量，同时根据方差贡献率从中选取较少的新变量，但能尽可能多地反映原来变量的信息。本研究的数据具有顺序型数据的特点，采用主成分分析法能对后续模型的建立起到积极作用[3]。

1.零均值化

原始数据减去平均值(1.40, 5.05, 2.22, 0.53, 0.15,0.58)，得到调整后的数据DataAdjust。

2.计算协方差矩阵（如式1 所示）

3.计算协方差矩阵的特征向量eigenvectors 和特征值eigenvalues，选取特征向量

4.将样本点投影到选取的特征向量上，得到新的数据集

通过上述计算，笔者发现“科研能力”“专业知识”“工作年限”以及“所获奖项”四项指标的方差贡献率已经超过90%，可以很好地描述数据特征，因此本文将选取4 个评价指标继续研究。

（三）构建以贡献为导向的青年人成长成才预测模型

本文运用决策树算法建立以贡献为导向的青年人成长成才预测模型，可视化决策树的分类规则，从而得出青年人成长成才的方向路径。

一般来说，所构造的决策树规模决定了预测的准确度，决策树规模越小，预测准确度就会越高。构造好的决策树关键在于选择最优划分属性[4]。在我们的算法中，采用Gini 值来作为纯度的度量，Gini 值越小，数据集纯度越高，如(2)式所示：

由前式得出Gini 值后，再根据信息增益的大小确定决策树节点，依次构建决策树。信息增益越大，那么使用该属性来进行划分所获得的纯度提升越大。各属性信息增益运算公示如式（3）所示：

以贡献为导向的青年人成长成才预测模型结构如图1 所示，该模型共有6 层，自上而下节点划分主要围绕3 个主要人才评价指标，依次是所获奖项、科研能力、专业知识。决策树模型第一层表明获得过奖项的青年人相较于未获得奖项的青年人更有可能成才；第二层表明科研能力强对青年人成长成才影响程度更高；第三层表明专业知识对青年人成长成才影响大；第四层表明获得过奖项的青年人成才的可能性大于专业知识丰富的青年人[5]。模型涉及的指标不多，且模型层数小于10 层，整体模型比较简单，故不需要进行剪枝。

图1 以贡献为导向的人才评价模型可视化图

观察上述模型，可以发现预测模型中工作年限、荣誉称号、年度考核这三项二级指标被剔除，说明这三项对判断青年人是否为人才的作用可以忽略不计。其次，可以总结出对青年人成才的影响程度依次为：所获奖项＞科研能力＞专业知识。总体上，经过主成分分析法选取评价指标后的决策树模型预测准确率大大提高，测试集准确率从80%提高到95.2%，实验集上准确率达96%，说明人才评价模型表现良好，能较好地反映数据特征，也说明该模型对青年人成长成才路径的研究具有代表性。

四、以贡献为导向的青年人成长成才路径分析

自党的十八大以来，习近平总书记围绕青年成长成才问题发表了一系列重要讲话，充分体现了以习近平同志为核心的党中央对新时代中国青年成长成才问题的高度重视。研究青年成长成才过程中遇到的困难与困境，解决青年人成才过程中的实际困惑是非常有必要的。

（一）转变思想，树立以贡献为导向的成才观

青年只有树立正确的成才观，才能行走在正确的成才道路上，才能肩负起中华民族伟大复兴的历史重任。2016 年习近平总书记在网络安全和信息化工作的座谈会上指出：“要建立适应网信特点的人才评价机制，以实际能力为衡量标准，不唯学历，不唯论文，不唯资历，突出专业性、创新性、实用性。”本文预测模型中“所获奖项”对整个模型识别的影响最高，恰恰表明W 市的人才引进政策契合以贡献为导向的成才观。这就要求青年人转变思想，将关注点着眼于提高个人实际能力，树立以贡献为导向的成才观，不唯书，不唯上，只唯实，注重实践，切实将所学知识、所会技能应用到工作中去。

（二）榜样示范，做好长远的以贡献为导向的成才规划

“以铜为镜可以正衣冠，以人为镜可以明得失”。在以贡献为导向的青年人成长成才模型中，青年人成才的普遍成长路线为：扎实的专业知识、较高的科研能力以及所获得的奖项。通过分析青年人普遍的成才之路可知，成长成才没有捷径可走，稳扎稳打才是上策，最佳的成才规划路径为：刻苦求知，在掌握专业知识的基础上深耕专业，努力做到又博又专，愈博愈专；躬身社会实践，在学习中培养科研能力，在生产实践中发展科研能力，掌握真才实学，增益其所不能。

（三）把握节奏，专注于自己的赛道

在研究中笔者发现，青年人成长成才模型并没有固定模板。大部分的青年人成长成才的过程是水到渠成的，随着专业领域学习的深入，自然而然地发展出较高的科研能力，运用在社会实践中做出科研成果，成长为青年人才。但是也有一小部分青年人才的成才之路不是一帆风顺的，他们是在摸索中曲折前进。这部分青年人并不具备完美的学历背景，而是投身于社会实践，发现问题，积累经验，发展能力，再返回到学校进一步学习专业知识，来弥补理论知识的不足，从而使自身科研能力得到发展，做出贡献，成长为青年人才。这就告诉青年人：在成长成才的过程中，多拐了几个弯也不要紧，要紧盯目标，立足于自身实际情况，不自暴自弃，专注于个人成长，不疾不徐地实现个人的成才目标。同时也应当注意到，术业有专攻，立足于自己的本职岗位，看准一件事，心无旁骛地努力做下去，更容易取得突出成就，实现青年人成才的目标。

（四）立足实际，勇于创新创造

新时代的社会主义建设需要复合型人才，既要有较宽的知识面，又要在某一专业领域有较深的钻研，而且敢于出头，敢于冒尖，敢于创新。W 市所认定的人才分类标准着重突出具有特殊技能的人才，拥有科学技术发明的人才，以及具有创新精神的设计人才等，表明W 市对创新人才的重视程度与紧缺程度。青年人应当立足现实需要，不拘一格开发自己的创造力，解放思想，成长为有好奇心，有想象力，有探疑精神，有动手解决问题能力的青年人才。

五、结语

本文为研究青年人成长成才的方向路径提供了另一种思路，从青年人才本身具有的特质出发，探讨青年人想要成才应具备的能力。研究仍旧存在不完善的地方，主要表现在以下两个方面：其一，数据面不够广，受工作范围影响，笔者并不能穷举所有影响青年人成长成才的要素，这可能导致其他对青年人成才影响显著的因素没有被涵盖在内；其二，模型数据数量不够多，只有102 条实验数据，这可能影响到以贡献为导向的青年人成长成才预测模型的预测准确率。