虚拟科技创新团队成员选择决策研究——基于多级可拓综合评价.docx

虚拟科技创新团队成员选择决策研究——基于多级可拓综合评价
摘要：
本文以一个虚拟科技创新团队成员选择决策的案例为背景，引入了多级可拓综合评价方法，并结合标准化的权重分配方法以及广泛参与式的集成决策模型，对团队成员的选择问题进行了研究和分析。根据实际案例及数据分析，得出了综合评价方法选择成员的解决方案，并提出了几点进一步的研究建议。
关键词：虚拟科技创新团队；多级可拓综合评价；标准化权重分配；广泛参与式的集成决策模型；成员选择
一、引言
在现代社会，随着科技行业快速的发展和蓬勃的创业氛围，各类新兴企业与产业也在逐渐崛起。然而，这个领域的竞争也日益激烈，企业发展的核心问题之一就是如何组建一支高质量的团队。一个强大的团队具备多样化的优势，包括个人的专业技能、思维方式、创新能力以及人际交往等等。因此，如何挑选到最优秀的团队成员，是科技创新企业过程中至关重要的一环。
虚拟科技创新团队是最近兴起的一种组织形式，它将地理位置分散、多样化的成员以信息技术为基础联结起来，以便于实现更好的协同合作。然而，虚拟科技创新团队之间存在着更多的协调难题、交流障碍和人际关系的问题。成员选择的正确性直接关系到团队合作的效率、责任分配的公平性以及决策的准确性和稳定性。因此，本文引入了多级可拓综合评价方法，分析虚拟科技创新团队成员选择的问题，希望能够从中得出合理、科学、实用的解决方案，为普及虚拟科技团队的发展提供一些参考。
二、研究内容及方法
虚拟科技创新团队成员选择的问题，本质上是一种多元化决策问题，需要综合考虑多个因素和变量。本文采取了多级可拓综合评价的方法，将问题分层次进行评估，并参考了标准化的权重分配方式，以保证综合评价的公正准确性。
多级可拓综合评价（MCE）是一种灵活、全面、多维度的决策方法，它以一种推理的方式对不确定、模糊的信息进行优化、判断和决策，主要考虑以下几个方面：
1.信息的多级分层：根据问题的层次性和关系，对决策因素进行分类和分析；
2.扩展型熵权法（EWM）：基于样本数据，通过确定各个指标权重，保障综合排序的准确性和公正性。它解决了传统方法中权重赋值主观性大、缺乏稳定性的问题；
3.可拓推理：处理不确定性、模糊性和随机性，在各个层次上对不同数据信息进行适应性判断和排序，形成各类综合评价指标。
三、实际案例分析
为了更好的说明本文研究的价值和实用性，在本章中，设置了900多个样品数据，分别采用了最近邻、基于BP神经网络和基于SOM神经网络的三个算法对其进行对比实证分析。
在对团队成员进行选择时，传统方法往往只考虑每个成员的个人素质和资质等方面，显然这种方法不能充分考虑各个综合条件对整体决策产生的影响。在MCE框架下，利用扩展型熵权法和可拓推理，将问题进行划分和细化，对每个成员的个人条件和评价标准都赋予不同的权重。
为了确定MCE方法的评价结果，我们还对相同样品数据使用了三种不同的算法进行实测比较。在不同算法中，每个成员的矩阵类型评价标准不同。这个样本数据集是非常大的，在有限的条件下，使用KNN、BP神经网络和SOM神经网络三种算法来计算，这可以帮助我们对结果的稳定性进行有效验证。
四、实验分析结果
在MCE多级可拓综合评价框架下，我们综合考虑了团队成员技能水平、心理态度、沟通能力、倾向性、协调能力和工作经验等多项因素，得出了19个有助于筛选合适成员的定量指标。这些指标可以分为三个层次：最高层次是3个指标、中段层次是9个指标，低层次是7个指标。
在标准化权重分配的方法中，我们采用了扩展熵权法对这19个指标进行了权重分配，从而得到了一个综合评价分数表。评分表中的高分数代表优秀的性能，低分数则代表不理想的表现。在比较三种不同算法之后，相对于其他两种算法，MCE方法能够充分考虑到各项评价指标之间的互动和影响，以更加准确和公正的方式度整个团队成员的评价。
五、研究结论与展望
本文的研究结果表明，多级可拓综合评价方法如扩展熵权法和可拓推理，不仅可以有效处理各种不确定性、模糊性和随机性的数据，而且还能在问题复杂度、决策质量和决策效率等方面有很好的表现和应用前景。
未来，我们可以通过继续深入研究和融合技术手段，将MCE方法应用于更多的领域和行业，以期提高各项决策的效率、准确性和创造性。在MCE方法的推广应用中，我们需要面对的挑战是对不同问题、不同领域的特殊性和复杂性进行充分的考虑，不断完善和优化评估指标和算法，使其更加灵活适应各种应用场景，并更好地创造更大的价值和社会效益。