基于TOPSIS的知识密集型众包任务人才选择模型实证研究

摘要

众包作为开放式创新的新模式,为企业提升创新能力和降低创新成本提供了有效路径.但在对参与者知识水平具有较高要求的知识密集型众包活动中,发包企业受众包平台信息过载的影响往往难以通过人工方式选出最优人才.为有效解决这一问题,文章在构建知识密集型众包人才评估指标体系的基础上,应用TOPSIS算法和AHP-熵权法建立了众包人才选择模型,并以猪八戒网作为实证对象,抓取网站上64个众包任务中798个参与者的个人数据,验证了模型的有效性与精确性.研究发现,在参与者人数大于15人时,相比受信息过载影响的人工选择方法,运用该模型能得到更好的人才选择结果.