CN101923667A - 一种综合测验推荐职务方法 - Google Patents
一种综合测验推荐职务方法 Download PDFInfo
- Publication number
- CN101923667A CN101923667A CN2009101467231A CN200910146723A CN101923667A CN 101923667 A CN101923667 A CN 101923667A CN 2009101467231 A CN2009101467231 A CN 2009101467231A CN 200910146723 A CN200910146723 A CN 200910146723A CN 101923667 A CN101923667 A CN 101923667A
- Authority
- CN
- China
- Prior art keywords
- degree
- test
- post
- scale
- test scale
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种综合测验推荐职务方法,首先提供至少一种心理测验量表,接着利用此心理测验量表对一履历数据库中各种职务的在职者的履历数据进行分析,以分别得到对应的工作职务推荐常模,再来利用上述的心理测验量表对一求职者进行测验,以得到一测验结果,最后比对心理测验量表对应的测验结果与工作职务推荐常模,以得到至少一推荐职务,并向该求职者推荐之。本发明可让求职者除了从量表中的测验结果中清楚了解自己的特质之外,更能知晓自己的特质适合从事哪些工作职务。
Description
技术领域
本发明有关一种推荐职务方法,特别是关于一种综合测验推荐职务方法。
背景技术
一般人自出生开始,就会遇到周边人事物的影响,而开始建立自己的意识与智能,接着到了求学过程时,社会期许更会加诸在自己身上,所以多数人也因此会有许多防卫机转发生,把许多事情埋到潜意识,而意识其实只是潜意识的冰山一角,所以需要利用心理测验将埋藏的潜意识挖掘出来,才能使自己更了解自己。
在中国台湾省的心理测验,大多将测验结果着重在个人心理层次分析的结果报告,例如性格测验的结果报告在个人的说明其性格样貌,但使用者在阅读完结果报告后,也只了解了自己的性格特质为何,但可能会不清楚这个结果对他生活上的帮助为何。
另外,目前测验的使用上,除了大学兴趣量表会推荐其科系内容外,其他量表显少依照结果内容分析去推荐其适合的工作职务,换句话说,学生可以通过一些测验,了解自己大学适合读哪些科系,但是大学毕业后适合作哪些工作呢?目前台湾市场上很少有测验可以帮助学生回答这个问题,即使有也多半以单一测验结果论断学生未来的职业,这使得学生们的生涯规划路上有了明显的断层。
因此,本发明在针对上述的困扰,提出一种综合测验推荐职务方法,以解决上述现有所产生的问题。
发明内容
本发明的主要目的,在于提供一种综合测验推荐职务方法,其利用履历数据库的数据,对各职务在职者的性格、价值观、兴趣测验结果进行统计分析,找出每个职务适任者的的性格、价值观、兴趣常模,作为各量表职务推荐的基础,如此可让求职者除了从量表中的测验结果中清楚了解自己的特质之外,更能知晓自己的特质适合从事哪些工作职务。
为达上述目的,本发明提供一种综合测验推荐职务方法,首先提供至少一种心理测验量表,接着利用此心理测验量表对一履历数据库中各种职务的在职者的履历数据进行分析,以分别得到对应的工作职务推荐常模,再来利用上述的心理测验量表对一求职者进行测验,以得到一测验结果,最后比对心理测验量表对应的测验结果与工作职务推荐常模,以得到至少一推荐职务,并向该求职者推荐之。
与现有技术相比,本发明所述的综合测验推荐职务方法,其利用履历数据库的数据,对各职务在职者的性格、价值观、兴趣测验结果进行统计分析,找出每个职务适任者的的性格、价值观、兴趣常模,作为各量表职务推荐的基础,如此可让求职者除了从量表中的测验结果中清楚了解自己的特质之外,更能知晓自己的特质适合从事哪些工作职务。
为使贵审查员对本发明的结构特征及所达成的功效更有进一步的了解与认识,佐以较佳的实施例图及配合详细的说明,说明如后:
附图说明
图1为本发明的方法流程图;
图2为本发明的系统架构示意图;
图3为本发明的综合报告表单示意图;
图4为本发明的利用性格测验量表测验求职者的方法流程图;
图5为本发明的利用兴趣测验量表建立工作职务推荐常模的方法流程图;
图6为本发明的利用兴趣测验量表测验求职者的方法流程图;
图7为本发明的利用价值观测验量表测验求职者的方法流程图。
附图标记说明:10-量表数据库;12-履历数据库;14-常模数据库;16-使用者输入介面;18-网络平台;20-测验结果数据库;22-运算处理器。
具体实施方式
本发明总共提出了三种类型的量表,分别为性格测验量表、兴趣测验量表、价值观测验量表,单一测验的结果报表除了提供其测量的心理特质结果外,还提供精准的适合职务推荐,让使用者知晓自己的特质适合什么样的工作职务,其中上面所述的心理特质结果,举例来说,性格量表测量就可以测出个人外向性特质的强度。
职务的推荐逻辑,主要是从履历数据库中,计算出各职类在职者,在量表中各向度的分数高低,如:业务销售类人员的外向性分数比起性格测验量表中其他的向度分数高,便依此作为推荐职务时的逻辑,亦即使用者在做性格测验量表时,外向性若得分最高,则会推荐他做“业务销售类人员”这个职务,其他测验量表的推荐逻辑依此类推。本发明运用测验技术,从个人特性的角度出发,推荐使用者适合的职务,以期望能作为使用者规划职涯目标时的重要参考。
本发明利用数据库分析,建立各量表职业推荐常模,并将量表结果导入职务推荐常模,之后更可综合性格测验量表、兴趣测验量表、价值观测验量表的结果报告,进行交集分析得出个人最适合职务的交集。
以下先介绍本发明的推荐职务方法流程,请参阅图1与图2,首先如步骤S10所示,在一量表数据库10中,提供三种心理测验量表,即性格测验量表、兴趣测验量表、价值观测验量表。接着如步骤S12所示,由于履历数据库存有各种职务在职者的各种履历数据,且与量表数据库10连接,因此可利用每一个心理测验量表对此履历数据库中各种职务的在职者进行分析,以分别得到对应的工作职务推荐常模,并将其存入一与量表数据库10连接的常模数据库14中。再来如步骤S14所示,求职者通过使用者输入介面16输入数据,并通过网路平台18与量表数据库取得联系,使一个心理测验量表对一求职者进行测验,以分别得到一测验结果后,将其存入一与量表数据库10连接的测验结果数据库20中。之后如步骤S16所示,利用一与常模数据库14、测验结果数据库20连接的运算处理器22比对每一个心理测验量表对应的测验结果与工作职务推荐常模,以得到至少一推荐职务,并向求职者推荐之。最后更可再进行一步骤,如步骤S18所示,根据每一个心理测验量表得到的推荐职务的交集次数进行排序,以从交集次数最多的推荐职务排序至交集次数最少的推荐职务,并将上述所有推荐职务依交集次序多寡推荐给该求职者,如图3所示,交集次数最多的职务会被排至第一列,此职务也是最适合此求职者的职务。
上述的图1的流程也可省略步骤S18,而仅到步骤S16为止,如此求职者可从每一个测验量表所推荐的职务来评估自己适合从事的职务。
介绍完本发明的主要流程后,由于不同的心理测验量表在步骤S12、S14与S16中的细部流程都不同,下面先以性格测验量表为例,其具有多个不同测量向度,即开放性(Openness)、勤勉性(Conscientiousness)、外向性(Extraversion)、亲和性(Agreeableness)、情绪性(Neuroticism),以下请同时参阅图1与图4。在步骤S12中,性格测验量表利用每一位在职者在此性格测验量表中的上述测量向度的类别分数分布,建立对应的工作职务推荐常模。
在步骤S14中,包含下列步骤,首先如步骤S20所示,利用性格测验量表测验求职者在每一个测量向度的类别分数。接着如步骤S22所示,通过每一个类别分数算出每一个测量向度的标准分数,即Z分数,其计算方式如下:Z=(测量向度的类别分数-MEAN)/SD。其中每一个测量向度的类别分数所对应的MEAN值与SD值如表一所示。
表一
再来如步骤S24所示,将每一个测量向度的标准分数代入六条职业类别回归方程式,得出六种职务类别,并加以计算后,取得每一个职业类别回归方程式对应的推荐分数,其每一条职业类别回归方程式如下:R*=0.02×ZE+0.08×ZA+0.02×ZC-0.1×ZN+0.03×ZO、I*=-0.09×ZE-0.06×ZA+0.02×ZC-0.1×ZN+0.27×ZO、A*=-0.03×ZE-0.02×ZA-0.1×ZC+0.06×ZN+0.44×ZO、S*=0.26×ZE+0.15×ZA+0.04×ZC+0.14×ZN-0.01×ZO、E*=0.52×ZE-0.24×ZA+0.05×ZC-0.06×ZN-0.15×ZO、C*=0.09×ZE-0.01×ZA+0.23×ZC+0.04×ZN-0.21×ZO,其中R*、I*、A*、S*、E*、C*分别为实用类、研究类、艺术类、社会类、企业类、事物类的职务类别的推荐分数,ZO、ZC、ZE、ZA、ZN分别为开放性、勤勉性、外向性、亲和性、情绪性的测量向度的标准分数。
最后如步骤S26所示,取出此些推荐分数的最高与次高者,并以此两者所对应的职务类别与求职者在每一个测量向度的类别分数作为测验结果,使求职者清楚地了解自己的特质。
而在步骤S16中,通过以此测验结果中的最高类别分数的测量向度为最高类别分数的测量向度的职务推荐常模,选取其对应且属于测验结果中的职务类别的职务为性格测验量表所推荐的推荐职务。举例来说,业务销售类人员的职务推荐常模的外向性的类别分数最高,且一求职者在测验结果中,外向性的类别分数也为最高,又业务销售类人员也属于该测验结果中的职务类别,因此业务销售类人员为性格测验量表所推荐的推荐职务。
以下继续介绍兴趣测验量表在步骤S12、S14与S16中的细部流程,兴趣测验量表具有多个不同测量向度,即人群、概念、实物、思考、情感、行动,以下请同时参阅图1与图5。在步骤S12中包含下列步骤,首先如步骤S28所示,利用兴趣测验量表量测每一位在职者在每一个测量向度的第一类别分数。接着如步骤S30所示,根据所有测量向度的属性,分为个人反应运作方式组与个人认知处理偏好组,如个人反应运作方式组包含人群、概念、实物三个向度,个人认知处理偏好组包含思考、情感、行动三个向度。分组完成后如步骤S32所示,依照两个组别中各向度的第一类别分数进行权重转换,“个人反应运作方式组”最高分权重为3分、次高2分、最低1分,“个人认知处理偏好组”则是将思考和行动的第一类别分数平均,即称之为“理智”向度的分数,其再与“情感”向度比较分数高低,最高分权重为2分、最低1分。
再来如步骤S34所示,将人群、概念、实物与理智、情感的经权重转换的第一类别分数以矩阵方式彼此相乘,以得到六个第一推荐分数,每一个第一推荐分数所对应的测量取向分别为“理智与实物操作取向”、“理智与概念思考取向”、“理智与人群互动取向”、“情感与实物操作取向”、“情感与概念思考取向”、“情感与人群互动取向”,且矩阵算式如下:
若情感的第一类别分数大于理智,实物的第一类别分数大于概念,概念的第一类别分数大于人群,则带入上面的矩阵算式如下:
所以“理智与实物操作取向”、“理智与概念思考取向”、“理智与人群互动取向”、“情感与实物操作取向”、“情感与概念思考取向”、“情感与人群互动取向”的第一推荐分数分别为3、2、1、6、4、2。
最后如步骤S36所示,通过上述所有第一推荐分数及其对应的测量取向,建立工作职务推荐常模。
兴趣测验量表在步骤S14中包含下列步骤,请参阅图1与图6。首先如步骤S38所示,利用兴趣测验量表测验求职者在每一个测量向度的第二类别分数。接着如步骤S40所示,根据所有测量向度的属性,分为个人反应运作方式组与个人认知处理偏好组,如个人反应运作方式组包含人群、概念、实物三个向度,个人认知处理偏好组包含思考、情感、行动三个向度。分组完成后如步骤S42所示,依照两个组别中各向度的第二类别分数进行权重转换,“个人反应运作方式组”最高分权重为3分、次高2分、最低1分,“个人认知处理偏好组”则是将思考和行动的第一类别分数平均,即称之为“理智”向度的分数,其再与“情感”向度比较分数高低,最高分权重为2分、最低1分。
再来如步骤S44所示,将人群、概念、实物与理智、情感的经权重转换的第二类别分数以矩阵方式彼此相乘,以得到六个第二推荐分数,每一个第二推荐分数所对应的测量取向分别为”理智与实物操作取向”、”理智与概念思考取向”、”理智与人群互动取向”、”情感与实物操作取向”、”情感与概念思考取向”、”情感与人群互动取向”,且矩阵算式如下:
若情感的第二类别分数大于理智,实物的第二类别分数大于概念,概念的第二类别分数大于人群,则带入上面的矩阵算式如下:
所以”理智与实物操作取向”、”理智与概念思考取向”、”理智与人群互动取向”、”情感与实物操作取向”、”情感与概念思考取向”、”情感与人群互动取向”的第二推荐分数分别为3、2、1、6、4、2。
最后如步骤S46所示,取出上述所有第二推荐分数的最高者,并以此对应的测量取向与求职者在每一个测量向度的第二类别分数作为测验结果,使求职者清楚地了解自己的特质。
而在步骤S16中,通过以此测验结果中的测量取向为最高第一推荐分数的测量取向的职务推荐常模,选取其对应的职务为兴趣测验量表所推荐的推荐职务。举例来说,业务销售类人员的职务推荐常模的理智与人群互动取向的第一推荐分数最高,且一求职者在测验结果中,理智与人群互动取向的第二推荐分数亦为最高,因此业务销售类人员为兴趣测验量表所推荐的推荐职务。
最后介绍价值观测验量表在步骤S12、S14与S16中的细部流程,价值观测验量表具有多个不同测量向度,即自我挑战与成就、组织支持与保障、社会支持与权势、社会服务与利他或自主支配与弹性,以下请同时参阅图1与图7。在步骤S12中,价值观测验量表利用每一位在职者在此价值观测验量表中的上述测量向度的类别分数分布,建立对应的工作职务推荐常模。
在步骤S14中,包含下列步骤,首先如步骤S48所示,利用价值观测验量表测验求职者在每一个测量向度的类别分数。接着如步骤S50所示,取出上述所有类别分数的最高与次高者,并以此对应的测量向度与求职者在每一个测量向度的类别分数作为测验结果,使求职者清楚地了解自己的特质。
而步骤16中,通过以此测验结果中的测量向度为最高类别分数的测量向度的职务推荐常模,选取其对应的职务为价值观测验量表所推荐的推荐职务。举例来说,业务销售类人员的职务推荐常模的自我挑战与成就性的类别分数最高,且一求职者在测验结果中,自我挑战与成就性的类别分数也为最高,因此业务销售类人员为价值观测验量表所推荐的推荐职务。
综上所述,本发明可让求职者除了从量表中的测验结果中清楚了解自己的特质之外,更能知晓自己的特质适合从事哪些工作职务。
以上所述者,仅为本发明一较佳实施例而已,并非用来限定本发明实施的范围,故举凡依本发明申请专利范围所述的形状、构造、特征及精神所为的均等变化与修饰,均应包括于本发明的申请专利范围内。
Claims (14)
1.一种综合测验推荐职务方法,其特征在于,其包含下列步骤:
A、提供至少一种心理测验量表;
B、利用该心理测验量表对一履历数据库中各种职务的在职者的履历数据进行分析,以分别得到对应的工作职务推荐常模,并将其存入一常模数据库中;
C、利用该心理测验量表对一求职者进行测验,以得到一测验结果,并存入一测验结果数据库中;以及
D、利用一与该常模数据库、该测验结果数据库连接的运算处理器比对该心理测验量表对应的该测验结果与所述多个工作职务推荐常模,以得到至少一推荐职务,并向该求职者推荐。
2.如权利要求1所述的综合测验推荐职务方法,其特征在于,该心理测验量表的种类为二以上,则在进行该步骤D之后,还包含一步骤E,其根据该至少一种心理测验量表得到的该推荐职务的交集次数进行排序,以从交集次数最多的该推荐职务排序至交集次数最少的该推荐职务,并将其推荐给该求职者。
3.如权利要求1所述的综合测验推荐职务方法,其特征在于,该心理测验量表为性格测验量表,且该性格测验量表具有多个不同测量向度,则该步骤C还包含下列步骤:
C1、利用该性格测验量表测验该求职者在每一该测量向度的类别分数;
C2、通过每一该类别分数算出每一该测量向度的标准分数;
C3、将每一该测量向度的该标准分数代入多条职业类别回归方程式并加以计算后,得到每一该职业类别回归方程式对应的推荐分数;以及
C4、取出所述多个推荐分数的最高者与次高者,并以此两者所对应的职务类别与该求职者在每一该测量向度的该类别分数作为该测验结果。
4.如权利要求3所述的综合测验推荐职务方法,其特征在于,在该步骤B中,所述工作职务推荐常模由每一该在职者在该性格测验量表中所述多个测量向度的该类别分数分布而建立,且在该步骤D中,通过以该测验结果中的最高该类别分数的该测量向度为最高该类别分数的测量向度的该职务推荐常模,选取其对应且属于该测验结果中的该职务类别的职务为该推荐职务。
5.如权利要求3所述的综合测验推荐职务方法,其特征在于,该测量向度为开放性、勤勉性、外向性、亲和性或情绪性。
6.如权利要求3所述的综合测验推荐职务方法,其特征在于,该职业类别回归方程式包含:
R*=0.02×ZE+0.08×ZA+0.02×ZC-0.1×ZN+0.03×ZO;
I*=-0.09×ZE-0.06×ZA+0.02×ZC-0.1×ZN+0.27×ZO;A*=-0.03×ZE-0.02×ZA-0.1×ZC+0.06×ZN+0.44×ZO;S*=0.26×ZE+0.15×ZA+0.04×ZC+0.14×ZN-0.01×ZO;E*=0.52×ZE-0.24×ZA+0.05×ZC-0.06×ZN-0.15×ZO;以及C*=0.09×ZE-0.01×ZA+0.23×ZC+0.04×ZN-0.21×ZO,其中R*、I*、A*、S*、E*、C*分别为实用类、研究类、艺术类、社会类、企业类、事物类的职务类别的该推荐分数,ZO、ZC、ZE、ZA、ZN分别为开放性、勤勉性、外向性、亲和性、情绪性的测量向度的该标准分数。
7.如权利要求1所述的综合测验推荐职务方法,其特征在于,该心理测验量表为兴趣测验量表,且该兴趣测验量表具有多个不同测量向度,则该步骤(C)还包含下列步骤:
C1、利用该兴趣测验量表测验该求职者在每一该测量向度的第一类别分数;
C2、根据该些测量向度的属性,分为个人反应运作方式组与个人认知处理偏好组;
C3、将该个人反应运作方式组与该个人认知处理偏好组中的该些测量向度的该第一类别分数彼此相乘,以得到多个第一推荐分数;以及
C4、取出所述多个第一推荐分数的最高者,并以此对应的测量取向与该求职者在每一该测量向度的该第一类别分数作为该测验结果。
8.如权利要求7所述的综合测验推荐职务方法,其特征在于,该步骤B还包含下列步骤:
B1、利用该兴趣测验量表量测每一该在职者在每一该测量向度的第二类别分数;
B2、根据所述多个测量向度的属性,分为该个人反应运作方式组与该个人认知处理偏好组;
B3、将该个人反应运作方式组与该个人认知处理偏好组中的该些测量向度的该第二类别分数彼此相乘,以得到多个第二推荐分数;以及
B4、通过所述多个第二推荐分数及其对应的测量取向,建立所述多个工作职务推荐常模。
9.如权利要求8所述的综合测验推荐职务方法,其特征在于,在该步骤D中,通过以该测验结果中的该测量取向为最高该第二推荐分数的测量取向的该职务推荐常模,选取其对应的职务为该推荐职务。
10.如权利要求7所述的综合测验推荐职务方法,其特征在于,该测量向度为人群、概念、实物、思考、情感或行动。
11.如权利要求1所述的综合测验推荐职务方法,其特征在于,该心理测验量表为价值观测验量表,且该价值观测验量表具有多个不同测量向度,则该步骤C还包含下列步骤:
C1、利用该价值观测验量表测验该求职者在每一该测量向度的类别分数;以及
C2、取出所述多个类别分数的最高者与次高者,并以此对应的该测量向度与该求职者在每一该测量向度的该类别分数作为该测验结果。
12.如权利要求11所述的综合测验推荐职务方法,其特征在于,在该步骤B中,所述多个工作职务推荐常模由每一该在职者在该价值观测验量表中该些测量向度的该类别分数分布而建立,且在该步骤D中,通过过以该测验结果中的该测量向度为最高该类别分数的测量向度的该职务推荐常模,选取其对应的职务为该推荐职务。
13.如权利要求11所述的综合测验推荐职务方法,其特征在于,该测量向度为自我挑战与成就、组织支持与保障、社会支持与权势、社会服务与利他或自主支配与弹性。
14.如权利要求1所述的综合测验推荐职务方法,其特征在于,该心理测验量表为性格测验量表、兴趣测验量表或价值观测验量表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101467231A CN101923667A (zh) | 2009-06-16 | 2009-06-16 | 一种综合测验推荐职务方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101467231A CN101923667A (zh) | 2009-06-16 | 2009-06-16 | 一种综合测验推荐职务方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101923667A true CN101923667A (zh) | 2010-12-22 |
Family
ID=43338587
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009101467231A Pending CN101923667A (zh) | 2009-06-16 | 2009-06-16 | 一种综合测验推荐职务方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101923667A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104145287A (zh) * | 2012-02-29 | 2014-11-12 | 雀巢产品技术援助有限公司 | 用于在产品测试环境中区分分数的工具和方法 |
CN104572989A (zh) * | 2015-01-06 | 2015-04-29 | 苏州智甄测评技术软件科技有限公司 | 一种辅助高中生选择大学专业的信息推荐方法及系统 |
CN104605867A (zh) * | 2015-01-30 | 2015-05-13 | 河南科技大学 | 一种人体个性检测仪 |
CN104983435A (zh) * | 2015-08-07 | 2015-10-21 | 北京环度智慧智能技术研究所有限公司 | 一种兴趣取向值测验的刺激信息编制方法 |
CN105139317A (zh) * | 2015-08-07 | 2015-12-09 | 北京环度智慧智能技术研究所有限公司 | 兴趣取向值测验的认知指标分析方法 |
CN105232061A (zh) * | 2015-09-09 | 2016-01-13 | 北京中盛普阳科技发展有限公司 | 一种情结发现与处理方法及其系统 |
CN108256781A (zh) * | 2018-02-07 | 2018-07-06 | 蔡佐宾 | 职业评测方法及职业评测系统 |
-
2009
- 2009-06-16 CN CN2009101467231A patent/CN101923667A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104145287A (zh) * | 2012-02-29 | 2014-11-12 | 雀巢产品技术援助有限公司 | 用于在产品测试环境中区分分数的工具和方法 |
CN104572989A (zh) * | 2015-01-06 | 2015-04-29 | 苏州智甄测评技术软件科技有限公司 | 一种辅助高中生选择大学专业的信息推荐方法及系统 |
CN104572989B (zh) * | 2015-01-06 | 2018-09-28 | 苏州智甄测评技术软件科技有限公司 | 一种辅助高中生选择大学专业的信息推荐方法及系统 |
CN104605867A (zh) * | 2015-01-30 | 2015-05-13 | 河南科技大学 | 一种人体个性检测仪 |
CN104983435A (zh) * | 2015-08-07 | 2015-10-21 | 北京环度智慧智能技术研究所有限公司 | 一种兴趣取向值测验的刺激信息编制方法 |
CN105139317A (zh) * | 2015-08-07 | 2015-12-09 | 北京环度智慧智能技术研究所有限公司 | 兴趣取向值测验的认知指标分析方法 |
CN105139317B (zh) * | 2015-08-07 | 2018-10-09 | 北京环度智慧智能技术研究所有限公司 | 兴趣取向值测验的认知指标分析方法 |
CN105232061A (zh) * | 2015-09-09 | 2016-01-13 | 北京中盛普阳科技发展有限公司 | 一种情结发现与处理方法及其系统 |
CN108256781A (zh) * | 2018-02-07 | 2018-07-06 | 蔡佐宾 | 职业评测方法及职业评测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Galletta et al. | Some cautions on the measurement of user information satisfaction | |
Piedmont et al. | Predicting supervisor ratings of job performance using the NEO Personality Inventory | |
Hull-Blanks et al. | Career goals and retention-related factors among college freshmen | |
CN104572989B (zh) | 一种辅助高中生选择大学专业的信息推荐方法及系统 | |
Keith et al. | Effects of manipulable influences on high school grades across five ethnic groups | |
Bingham | Halo, invalid and valid. | |
CN101923667A (zh) | 一种综合测验推荐职务方法 | |
Jiang et al. | Using social cognitive career theory to predict the academic interests and goals of Chinese middle vocational-technical school students | |
CN111428992B (zh) | 一种基于自陈式测评的高中选科决策方法 | |
CN107506928A (zh) | 一种综合的职业定位测评装置及方法 | |
CN102855542A (zh) | “学习基因”个体学习能力测评方法 | |
Yang | Meta-analysis research and theory building | |
Shepherd et al. | Convergent validity and test–retest reliability of the authentic happiness inventory in working adults | |
KR20170103223A (ko) | 신뢰성 있는 핵심역량 진단 방법 | |
Rice Jr et al. | Personality types and business success of small retailers | |
Zhou et al. | University students’ career choice and emotional well-being | |
Zeidner | A comparison of ethnic, sex and age bias in the predictive validity of English language aptitude tests: Some Israeli data | |
Wang et al. | The application of item response theory in developing and validating a shortened version of the Rotterdam emotional intelligence scale | |
Taram | Probabilistic thinking ability of students viewed from their field independent and field dependent cognitive style | |
Wind et al. | Exploring decision consistency and decision accuracy across rating designs in rater-mediated music performance assessments | |
Doverspike et al. | The role of job analysis in test selection and development | |
Schneider et al. | Measurement invariance of test anxiety across four school subjects | |
Manimaran et al. | An education management information system with simultaneous monitoring of stress stimulators for students Mental Health management | |
Lin et al. | A test of mediation model among PE fit, emotional labor and job involvement | |
CN112581070A (zh) | 一种青少年学习生涯与职业定位测评装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20101222 |