Analysis of Evaluation and Cultivation System of Scientific and Technological Innovation Talents in Power Grid Enterprises Based on CIPP Model and Fuzzy AHP Model
Notice bibliographique
Résumé
Science and technology innovation talents are the center of gravity of the national strategic power, which is crucial for promoting social development and scientific and technological progress.The purpose of this paper is to study the scientific and technological innovation talents of power grid enterprises, build the evaluation index system of scientific and technological innovation talents with reference to the CIPP model, select a power grid enterprise to analyze the examples, and use the fuzzy AHP model to evaluate its scientific and technological innovation talents training.Then build the role mechanism model of science and technology innovation talent cultivation, conduct regression analysis of the influence factors of science and technology innovation talent cultivation, and verify the research hypothesis.The evaluation results of the STI talents of the sample grid enterprises range from 3.6 to 4.0 points, and the evaluation grades are all good, confirming the practicality of the proposed STI talent evaluation method.Except for years of education, high focus in research field and teamwork, the selected personal factors, organizational factors and environmental factors have positive and significant effects on the quality of STI talents training.It is suggested that power grid enterprises improve and promote the development of the training system of scientific and technological innovation talents by building a training and development channel, developing a layered training model, innovating training methods as well as building a research platform.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».