对于地铁行车调度员胜任力几点思考

李儒鹏

摘要：在地铁日常运行时调度员发挥作用是非常突出的，在实际工作中需要了解地铁行车调度员本身的胜任力和主要的工作职责，从而为后续工作指明正确的方向，在实际实施时需要进行胜任力模型的构建，了解岗位人员的工作内容和工作重点，从而提高实际的调度管理效果，此外还需要做好数据的记录工作，结合以往工作经验做好科学的调配以及管理。本文论述了地铁行车调度员的胜任力。

关键词：地铁行车;调度员;勝任力

一、地铁行车调度员胜任力的概述

地铁行车调度属于复杂的人机环境，在实际工作中人员属于重要的组成部分，行车调度属于列车运行的主要指挥者，肩负的地铁运行的核心工作，特别是在设备故障发生时，要根据地铁运行的要求和标准做好有效的调度，遵循灵活科学性的原则，降低调度中的一些风险和事故发生几率，从而使地铁运营能够具备安全和高效率的特征。在行车调度实施过程中需要通过系统模式来构建完整性较强的列车自动监控系统，通过不同机器来做出精准性的判断，之后再完成相对应的动作。调度员的行为特征和综合素质因素之间的关系是非常明显的，并且存在个体性的差异，对于职业环境来说产生的适应程度的不同。如果在实际工作中相对应的职业适应程度存在一定差异性的话，那么很难满足职业的要求，不仅会影响地铁运营的效率和质量，还会加大错误发生几率，造成严重的运营安全问题。所以在实际工作中需要加强对调度员职业胜任力的有效研究以及分析。从当前职业能力研究工作来看，主要是指从智力和知识等方面来进行有效的管理，真正体现出工作绩效本身的价值观念和个性态度等方面的问题，在胜任力研究方面需要贯彻落实动态化的原则，掌握地铁运营的管理要素以保证地铁运营安全性为主来提高实际的管理效果，因此在实际工作中需要构建有关地铁调度人员胜任力的模型，从而为电影运营管理提供重要的保障。同时还可以为地铁调度员的职业能力评估提供更重要的依据。

二、地铁行车调度员胜任力的研究

（一）模型的构建

胜任力主要是指将工作中具有卓越成就者和表现平凡者进行区别开来，研究个人的潜在特征，可以以动机和态度为主要出发点来了解不同人员的认知和知识水平等等，具有潜在性和区分性的特征。胜任力不仅包含的是顺利完成某项工作的主要机能，还包含影响工作技巧的内在特征，通过胜任力能够将组织中的优秀者进行有效的区分，并且预测员工未来的行为进行方法。胜任力可以分为基准胜任力和鉴别性的胜任力，基准性的胜任力，主要是从事某个岗位中所需要具备的基本能力和特征，值得注意的是不能用来区分工作的绩效，需要具体问题具体分析。其次属于鉴别型的胜任力，主要是指在实际工作中需要具备较强的工作绩效，做好区分以及预测工作，并且还要融入鉴别和筛选能力来提高后续的工作效果和水平。

在胜任力模型构建时，要通过工作分析方法做好数据的搜集以及采集工作，通过工作相关信息来了解岗位的特点。在实际工作中需要根据调度工作做具备的职业素养，要求，构建完善的胜任力模型，之后再采取行为事件的访谈方法来优化整个模型构建要素。在行为事件访谈方法方面需要采取回顾式的探查技术，罗列出被访者在工作中所发生的成功事件和遗憾事件。通过主题分析的方法来提炼出与之匹配的工作模式，提高实际的工作效果。

（二）分析

根据行为事件访谈的要求进行绩效的评价，参与不同的访谈人选要鉴别优秀的工作素质，在实际工作中需要以上一年度的绩效考核结果作为主要的基础来进行有效的管理，并且还需要确定主要的工作内容，从而为后续的管理工作提供重要的基础。在实际工作中需要严格遵循地铁行车调度员的提纲来明确不同调度员的工作职责，严格按照行为事件访谈的要求来进行科学的设计。在实际工作中需要进行信息的多方位分析，对于行为事件来说需要描述完整性的事件，起因和结果等等，揭示不同工作人员的工作能力，对于一些潜在的工作人来说要进行有效的编码，从而提高模型效果。在进行胜任力特征获取方面需要以平均数等级的方式来计算胜任力的平均分数，之后，再检验优秀组和普通组之间的平均数差异，例如全局意识和判断决策能力等等，同时还需要融入责任心方面的判断，多方位地了解不同岗位人员的工作素质以及调度管理水平等等，为后续工作提供重要的基础。地铁行车调度员的胜任力属于合格的基础，需要进行不同的区分来提高模型的认可度之后，再归纳出最终的模型结果。

结束语：

胜任力和职业能力之间的关系是非常密切的，并且也是评判职业能力的主要标准，在实际生产力评判时，需要就组织协调和沟通表达能力及有效的研究以及分析，同时还需要开展必要性的职业测试工作，通过胜任力的选拔，挑出符合职业能力的优秀人才，从而减少后续工作中的一些风险，保证实际地铁车辆调度管理效率和水平能够得到全面提高。

参考文献：

[1]苏博. 对地铁行车调度调整作用的研究[J]. 科技风， 2019， 000（027）：210-210.

[2]封功圆. 对地铁行车调度调整作用的研究[J]. 轻松学电脑， 2019， 000（030）：P.1-1.