基于行业发展的湖南高职物流人才核心能力识别与评价

《基于行业发展的湖南高职物流人才核心能力识别与评价》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于行业发展的湖南高职物流人才核心能力识别与评价摘要：本文从服务区域物流产业集群发展的角度出发，分析湖南高职物流专业人才应具备的核心能力，在此基础上，借助犹豫模糊语言综合评价方法对物流人才核心能力进行评价，为物流高职人才培养方案改革和创新进行有效探索。关键词：高职物流教育；人才核心能力；犹豫模糊语言集；TOPSIS方法物流业是现代服务业的重要组成部分，加快发展物流业是提升区域综合实力的有效手段。湖南交通条件便利，具有发展物流产业的先天优势条件。近年来，湖南物流专业化、社会化和信息化水平得到了极大提升，但也面临着高素质专业技术人才短缺

2、的难题。目前，湖南省开设物流管理专业的高职院校达34所，在校人数近8000人，为湖南物流产业输送了大量的人才，然而大量实践表明当前湖南高职物流人才培养还不能满足产业集群发展的需要。因此，有必要对基于行业发展的物流人才核心能力进行分析并评价，为湖南高职物流人才培养模式改革和创新提供依据。本文通过文献分析法和调查研宄法识别基于行业发展的湖南高职物流人才核心能力，并采用基于TOPSIS的犹豫模糊语言多准则决策方法对其进行评价旨在提高湖南高职物流人才培养质量。1基于行业发展的湖南高职物流人才核心能力识别目前，对于高职物流人才应具备什么能力素

3、质并没有统一的标准，通过对湖南多家物流相关企业人力资源部门、高职院校专任教师和毕业生等进行访谈，分析得出湖南物流产业集群发展背景下高职物流人才应具备的核心能力包含以下几个方面：(1)专业核心能力。即从事物流相关工作所需要掌握的专业知识和实践技能。物流产业是融合了运输、仓储、配送、包装等产业在内的复合型产业，物流专业是涉及了管理学、运输学、经济学、计算机科学等在内的综合学科，相关人才应为具备较高综合素质的复合型人才。(2)岗位能力。即物流人才在履行岗位职责时需要具备的能力，它包含良好的沟通能力、较强的组织管理和协调能力、异常事故的处理

4、能力和物流服务质量持续改进能力等。(1)创新能力。作为新兴产业，物流产业的发展壮大需要具有创新能力的创新型人才，具体包括学习能力、分析能力、纟宗合能力、想象能力、批判能力和整合资源的能力等。(2)信息处理能力。物流活动的过程同时也是一个信息流的过程，物流人才需要具备对订单处理、仓储管理、货物跟踪等各流程进行信息处理和提供信息服务的能力。2基于TOPSIS的犹豫模糊语言评价方法本文借助犹豫模糊语言决策方法对湖南高职物流人才进行核心能力评价。犹豫模糊语言决策是模糊决策科学的一个分支，其用自然语言描述评价信息，比较符合评价者的思维习惯。目

5、前，犹豫模糊语言决策已经吸引了国内外学者的广泛关注，并取得了大量研宄成果。本节提出一种基于TOPSIS的犹豫模糊语言多准则决策方法用来解决权重信息确定的犹豫模糊语言多准则决策问题。设某犹豫模糊语言多准则决策问题中，方案集为，准则集为，且各准则相互独立，准则的权重向量为，并满足约束条件：为犹豫模糊语言决策矩阵，犹豫模糊语言数为准则值，其中，为语言值是一个元素值为(0，1)之间的集合。下面基于TOPSIS方法来对方案进行排序并选择最佳方案。TOPSIS法的基本思想是：所选择的满意方案应尽可能地接近理想方案，同时又尽可能地远离负理想方案。

6、上述决策问题的决策步骤如下：步骤1:规范化决策矩阵。在语言多准则决策过程中，各准则的类型可能存在不一致性，即可能为效益型或成本型。效益型准则是指准则值越大越好的准则，成本型准则指准则值越小越好。准则类型的不一致不利于决策问题求解，有必要对所有准则进行统一化处理。成本型准则和效益型准则相互转化的公式为：，规范化后的决策矩阵可以表示为步骤2:确定正理想解（PIS）和负理想解（NIS）。正理想解和负理想解的求解公式为：步骤3:计算各方案到正负理想解之间的距离。各方案到正负理想解之间的Hausdorff距离公式为，其中，步骤4:计算各备选方

7、案对理想解的贴近度cci。，其中，0步骤5:对方案进行排序并选择最优方案。根据贴近度cci值的大小对方案进行排序，cci越大，方案越优。3湖南高职物流管理人才核心能力模糊评价高素质人才可以为湖南物流产业发展提供人力资源和智力支持，对其核心能力进行科学、合理和有效地评估，将有助于湖南高职物流专业识别产业需求的核心能力，进而促进湖南高职物流人才培养模式的改革与创新。借助犹豫模糊语言决策方法，可以较好地对湖南高职物流管理人才核心能力进行模糊评价。设某物流相关企业在进行人才选拔时，确定了3位候选人和4项评价准则：cl:专业核心能力；c2:岗

8、位能力；c3:创新能力；c4:信息处理能力。各准则的权重为。假设该企业用犹豫模糊语言对人才进行评价，语言评价集为=｛很差，较差，差，一般，好，较好，很好｝。具体评价信息如表1所示。根据基于TOPSIS的犹豫模糊语言决策方法，可知:（1