在资源模式类别中,基于能力的分配模式是一种常见且重要的流程模式。众包平台在聚集了众多的优秀人才和企业需求后,无论是对发包方还是任务的接包方来说都存在信息过载的问题。发包方在为自己公布的众包任务选择合适的接包方时,希望选择的人才在知识水平上最能胜任该任务,在服务能力上最能高效优质地完成任务。在平台上,发包方虽然能通过接包方的信息,比较准确地估算单个接包者的知识技能、服务能力,进而在几个或十几个候选者中找出可能的最佳人选,然而当候选人数量庞大时,发包方没有时间和精力评估每个候选者的能力,也很难对多个候选人的优劣有准确的判断。同样,接包方在众包平台上,出于赏金激励、成就感、能力提升等动机,希望参与自己能胜任并有一定能力提升空间的任务获取酬金,但平台中任务浩如烟海,找到满足自身需要的任务也面临着信息过载的问题。

为了尽量缩小发包方和接包方可选的范围,某些众包网站提供了简单的分类搜索的功能,但仍难实现任务与接包方的最佳配对。如一品威客网在直接雇佣威客(任务接包方)这一类的服务中,提供了向任务发布者推荐优秀接包方的功能,通过选择不同的人才分类、能力品级、诚信状态,反映任务对人才的需求;又根据接包方的信用、好评率、交易金额、评级、中标次数、VIP等级对推荐结果排序,反映接包方能力指标。发包方通过对指标的控制,缩小搜索结果的范围,虽然减轻了信息过载的程度,但由于这种推荐依靠的是简单的分类和排序,发包方依然难以从庞大的需求网络中找到合适的接包方。其一是筛选后的数据量依然庞大,缩小指标范围又会错失优秀人才;其二是多个指标的组合问题,如选出了知识水平较高的接包方,却可能有服务水平不符合要求、要求赏金过高、投入时间不能保证等问题,推荐的结果还需发包方再次筛选辨别,不能实现精确匹配。

对知识密集型众包任务和知识型人才进行匹配研究是解决上述问题的一个有效方法。以发包方和参与方相互的信息需求为出发点,量化任务和接包方的各项指标,并使用合适的匹配模型和精确的匹配算法,找出任务与接包方的最佳配对,在为发包方高效准确地选择可靠的知识性人才提供依据,保证知识密集型众包任务的完成质量的同时,接包方的需求也能达到最大程度的满足。激励了接包方与发包方参与众包的积极性,有利于众包平台向优质内容和优质服务发展。知识密集型众包任务和接包方的匹配模型研究是实现知识密集型众包的一个重要突破点。(www.daowen.com)

该类问题从本质上讲是一个多指标决策问题。多指标决策(multiple attribute decision making,MADM)是一类重要的决策问题,主要解决具有多个指标的有限方案的排序问题,它是现代决策科学、系统工程、管理科学和运筹学等学科研究中十分活跃的一个课题,并且在社会、经济、管理科学领域取得了成功应用^[1]。在实际的生产过程中,企业开始追求于如何通过现有资源获得更好的解决方案,因此常常会遇到如下的问题:比如进行多目标情况下多方案项目综合评价时,决策者在分析判断的过程中,受主、客观因素及环境的影响,很难确定出一个准确的数字来表示某属性值的大小,或者说量化的过程中很难实施下去,随之而来的问题就是我们很难直接采纳以往的决策分析方法进行项目的综合评价。MADM不仅为研究项目评估和方案优选提供了可行的方法,也是处理一类投资决策问题的理论上较完备的手段,同时还是考核企业经济承包和产业部门发展顺序的有力工具。

本章在MADM的研究中会以众包为应用背景,借鉴近年来已有的成熟MADM方法为基础,进而进行结合创新,给出一个应用于方案众包场景的MADM方法。