典型文献
基于结构方程模型的人工智能高层次人才流动对科研绩效的影响研究
文献摘要：
人工智能高层次人才是国家重要的科技战略资源和支撑产业发展的重要力量.本文从全球人工智能领域高层次人才的流动角度,构建人才流动对科研绩效影响机制的概念模型,并运用结构方程模型和偏最小二乘算法估计模型参数.研究发现:①流动贯穿科研人员职业生涯全生命周期,可以从积累人力资本和社会资本两个维度对个体科研绩效产生影响,但在不同阶段,流动所积累的资本类型有所不同.在教育阶段,流动更多地以不断提升人力资本为主,在工作阶段,流动除了寻求自身人力资本提升外,更重要的是构建科研合作网络,通过增进社会资本提升科研的产出和影响力.②产学跨界流动使得科技人力资源在不同部门之间优化配置,对科研人员的科研产出和科研影响力具有促进作用,产学跨界流动虽然能提升人力资本、构建合作网络,但由于不同部门的价值体系不同,进入新环境的适应成本更高,因此对绩效的影响比非跨界流动略低.本研究结论对于合理促进新兴领域科研人员良性有序流动,在产学融合的背景下完善科研评价机制,以及注重新兴领域人才产学协同培养具有一定启示.
文献关键词：
高层次人才;人才流动;科研绩效;人工智能
中图分类号：
作者姓名：
裴瑞敏;程豪
作者机构：
中国科学院科技战略咨询研究院,北京100190;中国科协创新战略研究院,北京 100038
文献出处：
引用格式：
[1]裴瑞敏;程豪-.基于结构方程模型的人工智能高层次人才流动对科研绩效的影响研究)[J].今日科苑,2022(11):55-67
A类：
B类：
高层次人才,人才流动,科研绩效,科技战略,战略资源,人工智能领域,绩效影响,概念模型,偏最小二乘,最小二乘算法,科研人员,人员职业,职业生涯,累人,本类,工作阶段,人力资本提升,科研合作网络,科技人力资源,科研产出,科研影响力,价值体系,新环境,略低,新兴领域,有序流动,产学融合,下完,科研评价机制,产学协同,协同培养
AB值：
0.323126
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
