◎ 劉自平 （臺北市立大學社會暨公共事務學系助理教授）
不論國內國外，政府治理長期以來高度仰賴學者專家，並透過專業人才所具有之專門知識與實務經驗，從事專業諮詢、問題定位、尋找解方等，進而制定出符合專業並能滿足公眾需求之政策。在我國，傳統尋找學者專家的模式，往往僅是根據過往業務合作的經驗，或者是業務承辦人自行搜尋接洽等方法。故截至目前為止，不論是政府方面或是私人機構，尚未有系統地整理、製作可提供政府機構參考之人才資料庫。隨著目前數位科技的發展和資料/數據相關技術的提升，若能夠建構起系統性的人才資料庫，可使公務人員能更有效率地接洽、諮詢專業人才，並且進一步提升政府治理的品質。
人才資料庫中的資料，將會包含以下變數/測量：人員姓名、工作單位與職級、相關著作、相關研究計畫、ORCID以及人才和其著作與計畫所相對應之議題關鍵字。關於選擇人才方面，在建制資料庫的初期主要是藉由「滾雪球抽樣」（snowball sampling）的方式作為人才選擇依據。更精確地說，待選取資料庫所需相對應的政策議題後（如少子化、綠能等），由各議題組召開專家會議，並由專家會議參與者另外推薦（3至5位）在政策議題上具有專業知識之學者專家，作為資料庫初期建制之主軸。所有被推薦採納之專家學者（包含專家會議參與者），皆會接受問卷訪問，其訪問內容將作為資料庫建置之依據。
為方便使用人員查找所需之人才專家，或查找人才相對應之議題，資料庫將會提供檢索功能。除此之外，為使檢索結果更為容易理解，資料庫將會以知識圖譜（knowledge graph）的方式，將檢索內容加以視覺化（visualization）。其中知識圖譜的結構，將會依照「人才－議題關鍵字」的關係，以「二部圖」（bipartite graph或者two-mode graph）的方式呈現。舉例而言，某議題關鍵字檢索之結果，將會以該關鍵字作為圖譜中心，並於圖中顯現出與該議題關鍵字有關聯之學者專家，以方便使用人員查找與該關鍵字相關之人才。除了被檢索的關鍵字外，與圖譜中每位專家學者相關的議題關鍵字，亦會於圖譜中呈現，將有利使用人員查找人才所具有之其他專業知識。
未來在資安確保無虞後，將會開放已收納於人才庫之學者專家自行維護、更新其相關資訊。另外，待資料庫相對應之議題數量與人員數量擴充後，會嘗試導入自動化方法建構資料庫，即以網路爬蟲方式擷取學者專家之資訊。最後，由於以專家推薦的方式接觸人才有其局限性，故在資料庫使用無虞且具有一定規模後，將會討論是否嘗試讓專家學者自行登錄其相關資訊於系統中，以降低資料庫之疏漏。