数字经济时代 HRM人才画像的构念、开发及应用

摘要：梳理人才画像的内涵和发展历程，界定人才画像的概念，在此基础上探索企业人才画像的构建方式及在人力资源管理中的应用场景。以组织的人才样本、岗位说明书和胜任力模型为起点，通过数据挖掘筛选，结合情感计算与识别技术及多重人工智能技术，多维度构建精确立体的虚拟人才画像，实现企业对人才的快速定位和精准招揽。同时，人才画像在培训、开发、绩效、薪酬等管理环节有广泛的应用前景，对企业加速数字化转型升级具有深远影响。

关键词：人才画像；情感计算；人工智能；数字化转型

一、引言 

随着大数据和人工智能等新技术的应用，人们的生活和工作方式也愈发智能化和数字化。在企业管理中，人力资源管理（HRM）也迎来了自身转型变革，关于招聘、晋升、培训、建 档、工作业绩等数据一应俱全，数据的指数型增长意味着管理者可以运用更多的数据来进行 决策，人力资源管理真正地进入到量化管理的阶段。作为企业管理的核心环节，人力资源管 理在实践中引入新兴的数字技术是不可或缺的[1]，如在招聘环节，利用人工智能和“深度学 习”算法，对网络招聘渠道上的海量求职信息进行筛选[2]。国际商业机器公司（IBM）在 AI 情感计算和脸部微表情识别的基础上，设计了一系列针对人才管理的应用方案，如 Watson Recruitment（WR）、 Watson Candidate Assistant（WCA)和 Watson Career Coach（WCC） 等。其中，WR 可以通过企业招聘的相关数据，利用人工智能筛选出最合适的求职者；WCA 依据候选人的工作技能特征，如工作经历、教育背景等来提升人岗匹配度，匹配成功后，招聘 成功的概率获得大幅度提升；WCC 充当员工虚拟导师的角色，为员工打造职业发展通道[3]。

此外，在培训过程中的运用数字化智能推送和员工的个性化培训开发等[4]，使管理工作变得更加便捷高效。在企业数字化转型的推动下，人力资源管理也面临着诸多挑战，包括管理层支持不力、业务战略失败、员工参与度不足和变革沟通不当等[5]，这些挑战很大程度上是因为组织缺乏相关人才管理手段。因此，如何解决企业在管理实践中的招聘乏力，员工流失率高等诸多难题，帮助企业完成 HRM 的升级变革和组织的数字化转型，是当前亟待解决的问题。

基于这一背景，本研究通过梳理人才画像的发展历程，对其定义内涵做出相关界定，并结合多重人工智能技术、情感计算与识别技术等来构建一幅精确虚拟的人才画像，为企业选拔人才提供基础的依据，对企业员工的能力进行客观、统一、准确的衡量和评价，为人员测评、晋升提供了科学的参照。同时，从企业管理实践出发，把握时代发展的需求，对人才画像的发展方向进行展望，以期推动人力资源管理变革升级，加速企业的数字化转型。

二、相关概念的界定 

（一）情感计算与识别

 情感计算（Affective Computing），也称为情感 AI，是一种新兴技术，它使计算机和系统能够识别、处理和模拟人类的情感和情绪。情感计算这个词最早出现在 20 多年前， Rosalind Picard 首次在她的著作中 Affective Computing 中提出了这一概念，她的研究动机之一是赋予机器情商的能力，包括模拟同理心。机器应该解释人类的情绪状态，并使其行为适应人类，对这些情绪做出适当的反应[6]。如今，这个概念是指一类基于计算机的解决方案，用于分析有关人类行为的数据，如面部表情、手势和语言，以获取其情感信息[7]。情感计算能从视觉、文本和听觉来源获得可接受的情感识别准确度。有了从情感人工智能中获得的见解，企业可以为客户提供更好的服务，并在面向客户的流程（如销售、营销或客户服务） 中做出更好的决策。情感计算可用于各种各样的用例，包括商业功能，甚至可能用于人力资源。例如，根据员工的面部表情制定部门范围内的员工敬业度指标，可以告知公司最近的发展如何影响公司士气。情感识别是软件中使用的一种方法，它通过复杂的图像处理来“检查” 人脸上的情绪来推断人的情感状态[8]。人工智能根据许多因素来检测和研究表情，从而得出此人所表现出的情绪。现阶段进行的情感识别研究主要集中在面部表情、语音情感、生理信号情感研究和文本情绪识别研究[9]。它对研究人工智能具有重要意义，如设计具备沟通能力的智能情感机器人，对人的情感进行适当的检测和监控等。

（二）用户画像 

用户画像（Persona）是由 Cooper 等（2003）提出来的，将其描述为“实际用户的假设原型”（hypothetical archetypes of actual users），他指出，虽然这些人都是虚构出来的，不是“真实的人”，但他们的定义非常严格和精确，是基于实际数据而产生的[10]。

Massanari（2010）认为，用户画像就是具有姓名、面孔、兴趣和偏好的模型[11]。强调用户需求在研发技术产品中的重要性，用户是产品的一个共同创造者。因此，在团队做出设计决策的时候，这些模型就代表了真实的用户，对用户画像的使用一方面受到组织内部因素的驱动，另一方面是为了满足用户需求。用户的基础数据是用户画像的基础，各个方面的属性数据越全面准确，画像的就会愈发趋近于真实用户[12]。用户画像被广泛应用于企业的商业实践中，如客户查找、市场营销和广告宣传等等[13]。在不同的领域，画像属性会有所差异。如在社交领域，Macskassy 等（2011）根据用户在网络媒体中的转发行为和他们在社交平台上的言论生成了偏好画像[14]。在医疗领域，基于患者的病情画像与用户兴趣，结合知识图谱可以为患者提供在线医疗信息[15]。

（三）人才画像

 随着数字经济时代到来，传统的人才管理模式难以取得突破性的进展。人力资源管理作业陷入了“瓶颈”时期，尤其是人才招聘这一块，缺乏科学的方法和基础的依据。为了实现人才的快速招揽，解决人岗不匹配的矛盾，在 “Persona”这一观点基础上，人才画像应运而生。当前，我国关于人才画像的研究还比较空白，对这一概念也没有明确一致的定义。但许多学者都对其有独特的理解，茶利强等（2019）认为，人才画像是根据静态和动态的数据， 结合定性和定量的方法，勾勒出某类人共同的胜任特征[16]。焦特等（2020）对新生代科技研发人员的六个方面构建“画像”[17]。徐芳等（2020）认为，对人才画像的描绘需要做到深入浅出，选取关键维度来突显人才的主要特征[12]。人才画像这种“以人为本”的观念,更符合数字经济时代的人才要求和价值取向，可以为企业更好地甄选人才[18]。

除了最初选人的目的之外，人才画像有还有助于获取员工的能力信息，优化提升人才。画像可以确定员工当前的能力水平，并跟踪其职业发展。保留能力水平变化的历史，不仅有助于动态监控，还有助于确定员工对影响能力的外部因素变化的反应。从导入数据到编辑员工画像，最后获取能力变化动态分析结果，它使人们不仅能够自动识别问题员工，而且能够自动找出他们的具体缺点。当制定计划如何消除缺点时，员工的综合能力水平会得到提升[19]。此外，画像对稳定人才、减少员工流失等方面也具有重要意义。Childs 等（2017）探索了在建筑行业员工发展过程中如何使用人才个性画像，确定其实施的有效性及对员工离职率的影响，研究结果表明，使用员工个性画像可以帮助建筑公司更好地理解个人的行为特征和思维过程，使公司能够就员工在职业生涯的多个阶段在公司内的使用方式做出更具战略性的决策，减少员工流动[20]。

人才画像虽有益于企业的管理实践，但其应用场景也存在一定的局限性，构建人才画像需要资金、技术和团队等多方面的支持。因此并不是所有的岗位都会搭建人才画像，对于通用类岗位而言，凭借职位描述（JD）和 HR 工作经验就足够了，只有关键性或专业性强的岗位才会用到人才画像这一工具[21]。

基于以上理论，本研究在这里对人才画像概念做出界定：人才画像就是通过数据分析和筛选，采用科学的方法和步骤，结合关键技术将企业所需人才的特征、要求、潜质等维度以画像的方式呈现出来，其目的就是使组织管理者对岗位候选人有一个最直观、最精准的认知判断。人才画像是一个随着技术发展而不断演化的组织工具，从一定程度上讲，技术的发展加速了人才画像的升级迭代，而这也加速人力资源管理各个环节的变革与转型。是当今企业科学识人、用人的重要手段。

三、人才画像的构建

 关于组织该如何来构建自身的人才画像，刘丽丽（2019）认为，对于人才描摹得越详细， 最终招聘的人越准确[22]。在用户画像的描绘中，画像属性数据越全面，就越趋近真实用户。但对构建人才画像会是这样吗？从理论意义上来说，对于刻画画像的数据维度越全面，刻画越详细，最终的画像效果则会越好。但是，由于不是所有的维度都可以进行量化描述，因此在实际刻画人才画像时，往往会根据实际工作岗位的需要来对关键性的维度采取更多、更详细的数据，而针对一些无关的维度，通常会搜集较少的数据或者不搜集数据。如现在的人力资源经理岗位，这一岗位对性别、身高、年龄等维度的关注较少，更注重的是专业知识与技能、沟通能力、数字化思维和抗压能力等。此外，搜集更多的维度数据，往往意味组织者要投入更多的精力、付出高昂的成本。

人才画像的维度要素和相关具体指标，如表 1 所示：

管理者可以结合实际工作岗位，从下面三个步骤来快速搭建对应岗位的“人才画像”。

 （一）确定维度、搜集数据 

人才画像的数据搜集维度一般可以来自职位说明书、岗位分析、岗位胜任力模型和人才样本等。职位说明书和岗位分析体现了具体岗位最基本的要求，也是企业所需人才的各项因素；胜任力模型则是在岗位说明书的基础上对人才的素质、知识能力提出更进一步的要求； 而人才样本则是“以人对人”参照方式，可以将组织内或行业内的某个具体岗位的高绩效员工看作人才样本。这里的高绩效可以进行规定，比如业绩在企业或行业内前 10％或 15％的员工。高绩效员工之所以绩效高，自有一定的道理。因此可以将他们身上的胜任特征定为标准，用来刻画人才画像的“标准像”。这样画像具有较强的说服力，也可以成为其他员工的一个标杆，古语云“见贤思齐”，为内部员工的晋升提供参考依据。 

在确定具体岗位的维度后，可以根据公司自身的规模和发展状况，对这些维度进行优先级排序，对一些关键性的维度可以重点关注。如处于快速发展的公司可更关注于人才创新、抗压等方面的特质，发展相对稳定的企业通常会选择技能熟练、有一定资源价值的员工。这就需要 HR 结合企业的实际情况来灵活排序，这样将使企业的招聘筛选更加具有针对性。

（二）数字化构建人才画像

 搜集数据基础上，对关键数据进行筛选、分析和提炼后，就得到了一个大概的人才画像。在这一过程中，可能需要用到很多新兴技术，如数据挖掘和分析、人工智能及深度学习等等。通过情绪识别（ER）、AI 和自动化技术等来绘制出精准的人才画像，使人才画像更加趋于真实和生动。此外，还可以添加一些数字化的描述和个性化的标签，如乐观积极的主观标签、拥有 X 年的工作经验、X 次的优秀员工称号和 X 个创新项目等量化描述。

在画像构建完成后，通过与目标岗位的高绩效员工及领导者进行探讨，确认对人才画像各个维度的划分是否准确合理，确保描绘的画像符合本企业的人文文化和组织战略，在必要时可以征求专家的相关意见，保证画像的科学有效，最终修改确定人才画像。

（三）人才画像的实施、验证与完善  

为了验证确定人才画像这一工具是否能在招聘中快速定位、精确地招揽到自己需要的人才，这就要在实践中发现不足，做到有问题及时解决，以保证模型的适用性和可执行性。同时，为了适应时代环境的快速变化，企业的发展战略也有可能产生重大变革，公司对岗位的要求也必然将不断变化，所以，人才画像也是一个持续的动态演化过程，需要在企业的实际工作中不断修正、调整，随着公司的需要而发展完善，并及时感知市场的需求和人才的变化， 保持人才画像的更新。最后，将其与企业的培训开发、薪酬福利和绩效等各项人力资源管理职能相结合，形成良性循环。

通过以上三个步骤，一幅人才标准画像就完成了，如图 1 所示：

图 1 人才画像的构建 

按照标准像的维度，对员工在一定时间段内的工作数据进行实时搜集，就可以自动生成员工的现实画像。无论是人才的“标准画像”还是“现实画像”，都在人力资源管理实践中具有广泛的用途。

四、人才画像在企业人力资源管理中的应用 

目前，企业人力资源管理普遍被认为具有六大职能，但人才是企业管理实践最根本的基石。人才专业人士都知道优秀员工的吸引力，那些令人印象深刻的简历、职业道路或个人魅力似乎能保证更高的绩效，如果企业能超越标准地招聘评估来确定更多的候选人，就会有很大潜力改变整个组织的发展现状。业务战略常常失败，或许是因为组织缺乏实施这些战略的人才。企业开发人才画像最早就是应用于人才招聘环节，目的是为了快速获取企业所需人员， 但不仅局限于此，这一工具还帮助企业更有针对性地开展培训、绩效、薪酬等方面的工作， 应用场景十分广泛。

（一）在人力资源规划中的应用 

人力资源规划（HRP）是一个持续的系统规划过程，旨在实现组织最有价值资产员工的最佳利用。人力资源规划确保员工和工作之间的最佳匹配，同时避免人力短缺或过剩。一个良好的人力资源规划战略，可以意味着一个公司的生产力和盈利能力。人力资源规划过程中一般有 4 个步骤：确定员工的当前供应；确定劳动力的未来；劳动力供需平衡及制定支持公司目标的计划。人才画像可将员工需求细化，并分离出有个性化需求的员工，为其量身定做职场规划与发展路径，并推送其所需的培训学习内容；或为特殊时期的员工分配特殊的工作目标，促进员工发展。

组织获取人才最好的方式就是自己培养一批人才。如在洛克希德·马丁公司和佛罗里达州奥卡拉的消防训练计划中，员工专为初级专业人员设计，在其内部学院接受精益制造教育。该公司还与当地学校和县级官员合作，为马里恩技术学院的工业工程开发项目、制定计划， 旨在为未来的劳动力培养高中生。像任何好的商业模式一样，这些项目的成功带来了更多的投资[23]。顶尖企业或许可以效仿这一做法，通过国家教育部门与专业对口的高校合作，派遣员工为大学生制定专业课程，安排他们在寒暑假期间进入企业实习。如果他们在毕业后能够通过相应的课程测试，熟悉组织文化，具备了企业所需要的知识和技能，就可以招入公司。这做法一方面不仅缓解了大学生就业压力，另一方面企业可以扩大人才管道，拥有稳定的人才来源。  

清晰的人才画像可以让员工认识到晋升所需要的素养和胜任特征，为员工培养自己的能力、素质指明了方向。这将使员工能够采取积极主动的行为，激励员工承担责任，帮助员工不断实现自我发展，从而提高企业发展的有效性。

（二）在招聘中的应用 

在人才画像的衍生过程中，最开始的目的就是为了人才的快速定位，实现精确招揽。而随着互联网的不断开发与应用，大数据，云计算等让一个人的画像愈发清晰，通过大数据来对岗位的胜任力模型进行科学分析，形成一个多维度、可量化、立体化的鲜活画像。对线上招聘而言，企业可以通过多种渠道最大程度搜集应聘者的简历信息，如微博、linkedin、人人网、大街网等交际网站及智联、猎聘网、Boss 等招聘网站，将收集到的应聘者数据与自身绘建的人才画像的各个维度进行匹配，并结合求职人员在公共网络的一些行为言论、兴趣偏好等等，快速选拔出企业需要的人才。在线下，企业可以利用技术驱动的人才画像，通过聊天机器人为载体来与应聘者进行沟通交流，可以营造生动的求职体验，当企业与求职者获得彼此充分了解后，就达到了快速定位人才的目的。

此外，这种采用数据驱动的标准化的招聘方式，是对传统招聘思维的转变，在很大程度上可以剔除一些招聘人员的“猜测”成分，使得招聘更加客观真实。它不仅提升了招聘各个环节的效率，降低了招聘成本，还让企业从被动招人到主动地寻找人才，是招聘模式上的一个重大创新与转型。

（三）在培训与开发环节的应用 

企业要想实现长期稳定的发展，其对员工的培训开发是必不可少的，人才培训是提高内部人才质量的关键环节。

基于情感计算和人工智能的人才画像技术助力人才的培训与发展，这是对传统人才管理培养模式上的一次重大突破。在管理理念方面，原本以培训内容为中心的工作，逐步转变为以员工的技能发展为中心。将某个岗位标准的人才画像与员工的个人现实画像进行对照评价，通过大数据、云计算来进行分析，可以了解员工的培训需求，对员工采取智能推送课程和个性化培训方案。使培训环节更具有针对性和科学性。人才画像的出现，逐步规范培训课程体系，增强了人才培训工作的科学性、系统性和持续性，培训方式实现了从传统单一到多元化的发展，培训内容完成从匹配度低到精准实施的转变，避免发生重复培训的现象。通过生成培训前后的员工现实画像，清晰地观察到培训效果，有效地保障了培训过程的可追踪性， 提高了培训管控的力度，极大地降低了培训过程中投入的时间成本、人力成本和经济成本[24]。人才画像的应用，促进了企业培训开发环节的转型升级，既满足了组织优化员工的目标，又为员工深层次的自我发展指明道路，有利于为企业打造优质的人才梯队，使组织在竞争中处于主动地位[25]。

（四）在绩效和薪酬中的应用 

一个成功的 HR，是学会如何成就员工。人才画像使在自身岗位认真工作的高绩效员工的胜任特征得能够到企业的足够重视。激励理论和马斯洛需求层次理论都表明，满足个体的自我实现的需要，能够提高员工工作的主观能动性和有效性。除此之外，人才画像增强了组织对员工绩效的预测性，为其打造一条高绩效的道路，充分挖掘员工潜能，并为企业管理的相关工作提供有益的指导[26]。

通过大数据和人才画像，HR 可以精准地了解员工在企业中的动向。人力资源部门也可根据员工画像及时预测员工行为，将员工画像与情感计算与识别技术结合，通过对员工的面部表情、说话语气和肢体行为等推断出其内心的复杂情绪，如繁冗的工作任务所带来的疲倦， 未完成预期目标的失落、焦虑和离职意向等，可以与其进行适当的交流沟通和帮助。在提升管理效率的同时，“人才画像”技术的引入也充分考虑员工体验。正是有了人才画像，企业才能充分了解员工情绪与行为，未来，HRM 的决策将更加客观精准。

AI 已经可以实现对员工数据的自动搜集。当内部人员的职业发展迎来转折点时，相关部门就可以为其积累更多的数据信息。基于“人才画像”，企业还可以对员工实行个性化管理，如实施多元化与弹性福利政策时，可预先估计员工个人与家庭的发展，并对存在个人或家庭问题的员工提供合理的援助方案。

（五）在劳动关系管理中的应用 

企业与员工之间和谐的劳动关系是实现组织长期稳定发展的一个重要基础。企业应深入了解员工的需求，建立有效的沟通，适时地提供帮助。人才画像并不是直接作用于劳动关系这一管理职能，而是通过对其他管理职能的影响，从根本上降低员工的离职率，避免劳动纠纷，实现组织的人才稳定与长远发展。 

在招聘环节，企业利用人才画像技术对所需人员进行获取时，就已经剔除了绝大多数不符合本企业人文文化和组织战略的应聘者，从根本上避免了诸多劳动争议和纠纷问题的出现；在培训过程中，人才画像将员工需求细化，为其量身定做职场规划与发展路径，满足了员工对自身晋升发展空间的需要，这种美好的自我愿景会给员工带来源源不断的工作动力和心理支持，通过不断地自我激励来实现员工长期稳定的发展。

在绩效管理环节，通过人才画像和情感计算与识别技术结合来分析员工的情绪，了解他们可能存在的工作压力、职业倦怠和离职倾向等，对员工进行适当的援助与沟通。这些援助和沟通及薪酬管理环节的多元化弹性福利政策，都有效地降低了员工的离职率，这对构建和谐的组织氛围和健康的劳动关系产生了促进作用。

总之，人才画像的应用，如图 2 所示：

图 2 人才画像的应用 

五、结论、局限与未来展望 

（一）结论 

从传统的招聘到员工档案再到 AI 人才画像，这是技术推动的变革。本研究通过梳理人才画像的定义内涵和发展历程，对人才画像这一概念做出相应的界定。并在此基础上，探索了企业人才画像的构建方式及在人力资源管理中的应用场景。人才画像是一项新兴的技术， 也是一个人才管理的工具，它是一种真正强调以人为本、靠数据说话的决策方式。它在人力资源管理实践过程中的应用前景广阔、实用性强，是一个具有新意的课题，将吸引更多人力资源管理者的关注与研究。

相信在不久的将来，人才画像将成为人力资源转型与变革阶段不可或缺的关键工具。这一工具需要依赖科技的进步和理论的支持，以及在管理实践中的大量应用。管理者需要转变自身的管理理念，培养大数据思维，加强对新技术、新工具的应用，通过提高管理效率来完善自身，以更加精准与高效的需求供给服务于企业中的每一个人，实现组织和员工的双重发展。特别需要注意的是，人才画像是一个动态画像，它的构建需要结合企业的实际情况，最后落实于帮助企业发展，并随着企业的生长周期、组织规模等不断变化。

（二）局限

 人才画像这一工具仍处于探索时期，尚未被广泛用于管理实践中，还存在诸多问题，有待于提出进一步的解决方案。

第一，在构建人才画像初期，需要组织投入许多的精力，同时，引入先进的技术需要大量的资金支持，会对企业资金链造成不小的负担。目前，对人才画像这一工具的开发还不是十分成熟，与之相关的情感计算模型缺乏认知科学、心理学等学科研究成果的指导，如何将人才画像与人工智能、情绪识别等技术深入融合应用，仍然需要进一步的探索。

第二，人才画像在实际管理过程中适用于哪些岗位；如何才能将其投入产出效益最大化； 管理者在使用这一工具时需要具备哪些能力；在描绘人才画像时需要进行那些数据的挖掘和分析及如何掌控一个合适的“度”来有效地搜集数据，同时避开人才的隐私信息，这些都是企业和学者们需要深思的问题。

第三，在数字信息时代，每个企业都可以看作是一个移动的数据库，数据泄露不仅对企业有难以估量的影响，也容易对个体带来一些隐患。因此，企业需要重视数据安全这一方面的工作。

第四，人才画像并不能完全帮助企业走出“招聘难”这一困境，因为人才画像不是适用于所有的岗位。此外，它只能提升招聘的效率和精准度，节省时间成本和人力成本，它不像岗位说明书具有一定的普适性，它更注重对人才的“精准定位狙击”。

（三）未来展望 

人才画像是数字时代企业进行数字赋能的关键举措之一，它对企业人才队伍的建设和形成有效的人力资源供给链具有重要意义。本研究仅强调了人才画像在企业管理技术层面的应用，但成功变革管理往往需要将人（员工和领导者）、运营服务流程和技术结合起来，“三位一体”。未来的研究可以综合这三个方面影响因素并与组织领导力和企业发展战略结合起来，进而探索人力资源管理的转型升级的具体方式。人才画像关注的核心是人才管理等环节， 未来的方向也可以拓宽人才画像在企业中其他的应用场景，也可以尝试从一些边沿性视角切入，如数据隐私、其实际应用成效等。希望能为数字经济时代下的企业数字化转型和相关的实证研究提供一定的理论指导作用。 

参考文献：

[1] 赵曙明，张敏，赵宜萱．人力资源管理百年：演变与发展[J].外国经济与管理，2019（1 2）：50-73.

[2] 徐妙文，曾杰，杨州敏，等．人工智能给人力资源管理工作带来的机遇与挑战[J].企业改革与管理，2020（14）：81-82.

[3]GUENOLE N，FEINZIG S．人工智能在人力资源领域的应用案例[EB／OL].（2020-04-12） [2021-11-18].https://wenku.baidu.com/view/397a822e50d380eb6294dd88d0d233d4b1 4e3f1c.html.

[4] STROHMEIER S，PIAZZA F．Artificial Intelligence Techniques in Human Resource Management：A Conceptual Exploration[M]//KAHRAMAN C，ONAR S C．Intelligent Techniques in Engineering Management．Berlin：Springer International Publish ing，2015：149-172.

[5]BII J．Challenges Facing Human Resources Departments in Its Functions of Cha nge Implementation and Management: Evidence from Telkom Kenya[J].Internation al Journal of Science and Research，2017.DOI：10.21275/1091710.

[6] PICARD R W．Affective Computing[M].Cambridge：Massachusetts Institute of Tec hnology Press, 2000.

[7] RICHARDSON S．Affective Computing in the Modern Workplace[J].Business Inform ation Review，2020，37（2）：78-85.

[8] 张福泉．情感建模及情感识别技术研究[J].廊坊师范学院学报（自然科学版），2014（5）： 23-26.

[9] 刘大诚．人工智能情绪识别应用研究[J].中国高新科技，2019（13）：59-62. [10]COOPER A，REIMANN R M．About Face 2.0：The Essentials of Interaction Design[M].New York：Wiley，2003.

[11]  MASSANARI A L. Designing for Imaginary Friends: Information Architecture, P ersonas and the Politics of User-Centered Design[J].New Media & Society，201 0，12（3）：401-416.

[12]  徐芳，应洁茹．国内外用户画像研究综述[J].图书馆学研究，2020（12）：7-16.

[13]  雍志娟．“人才画像”的描绘探索及开发应用[J].中国培训，2018（5）：45-46. [14]MACSKASSY S, MICHELSON M. Why do People Retweet? Anti-Homophily Wins the Day![C]//Proceedings of the International AAAI Conference on Web and Social Me dia，2011：209-216.

[15] 翟姗姗，胡畔，潘英增，等．融合知识图谱与用户病情画像的在线医疗社区场景化信息推荐研究[J].情报科学，2021（5）：97-105.

[16] 茶利强，余添李，施菡，等．基于数据分析的高潜人才画像构建及应用[J].企业改革与管理，2019（4）：83-84.

[17] 焦特，杨倩，雷亚萍，等．基于人才画像技术的新生代科研人才动态多维开发研究[J]. 现代商业，2020（32）：60-62.

[18] 黄芳．人才画像：教师专业成长道路上的航标[J].中国教师，2020（8）：109-110.

[19] PEREIRA J P，EFANOVA N，SLESARENKO I．A New Model for Evaluation of Human R esources: Case Study of Catering Industry[J].New Knowledge in Information Sy stems and Technologies，2019：612-621.

[20] CHILDS B R, WEIDMAN J E, FARNSWORTH C B, et al. Use of Personality Profile Assessments in the US Commercial Construction Industry[J].International Jour nal of Construction Education and Research，2017，13（4）：267-283.

[21] 何欣．从通用素质、岗位胜任力到人才画像[J].人力资源，2020（15）：38-42.

[22]刘丽丽．HR，学猎头，不如做自己[J].人力资源，2019（21）：92-94.

[23] KENNEY B．Portrait of A Talent Pipeline[J].Industry Week，2008，257（1）：4 4.

[24] 高宝珍，刘永刚．基于数据分析的用户画像助力技能人才精准培养创新与实践[J].管理学家，2019（15）：124-125.

[25] 茶利强，余添李，施菡，等．用户画像在企业人才标准构建中的应用[J].管理观察，2 019（6）：39-40，47.

[26] 谷承应．“互联网＋”背景下基于胜任力视角的人力资源管理发展趋势研究[J].现代营销（下旬刊），2019（3）：191-193.