点击次数：

发表刊物：南开管理评论

摘要：员工绩效评估作为人力资源管理的重要环节，其测量范式的改进和革新始终受到学界和业界的共同关注。当前主流的数字评级法仍存在诸多缺陷，而蕴含丰富信息的绩效描述文本又因处理难度大而长期未被有效利用。近年来，在文本分析领域展现出愈发强大能力的自然语言处理(NLP)技术，特别是大语言模型，为创新绩效评估的测量范式提供了新的探索路径。本研究采用监督式 Transformer 模型、大语言模型以及基于大语言模型的智能体三种 NLP 技术路线，对 501 份和 152 份中文情境下的绩效描述文本进行了评估，并以斯皮尔曼相关性、平均绝对误差(MAE)和加权 Kappa 系数多指标计算聚合效度和校标关联效度，对比了不同技术的评估效果。结果显示，NLP 技术在中文绩效描述文本评估中能够实现与人类专家相当的效果。具体而言，监督式 Transformer 模型评估效果良好，但泛化能力有限；大语言模型表现最为出色，总体评估精度略高于人类专家；基于大语言模型的智能体在增强可解释性的同时，也保持了可接受的评估效果。此外，中文语料预训练模型效果显著优于英文预训练模型，凸显了中文情境下基于 NLP 的绩效评估考虑本地化适配的重要性。本研究探索并验证了在中文情境下使用 NLP 进行绩效评估这一新测量范式的有效性，并将部分技术细节及代码公开以方便后续研究者。此外，本研究也为减少评分者偏差、增强大语言模型可解释性以及为企业降本增效提供了创新性解决方案。

论文类型：基础研究

是否译文：否

发表时间：2025-12-22