CN102855542A - “学习基因”个体学习能力测评方法 - Google Patents

Abstract

一种针对性的测试用户学习能力和共同知识需求并智能化匹配数字内容的“学习基因”个体学习能力测评方法。它包括通过对不同个体相对价值的评估、对阅读兴趣和学习偏好的客观分析，进而获取用户阅读取向模型、确定个人的学习需求，为定制企业知识和学习社区、传统出版集成化升级和构建新型社区学习模式做准备。该能力测评方法包括：定义模型和指标体系、个人价值层级评估、定义内容标签和PVE价值评估，研究基础基于发明人咨询顾问长期实践，并结合国内外公开研究成果。这种测评方法可以更好将数字内容产业与读者阅读、终身学习、企业数据图书馆建设衔接起来。“学习基因”个体学习能力测评方法经过长期自主研发和实践，属于国际领先水平。

Description

“学习基因”个体学习能力测评方法

技术领域

本发明涉及一种“学习基因”个体学习能力测评方法，具体来说，是涉及个人能力测评、学习能力量化评估、学习成果跟踪、内容定制精准标签化推荐等领域的个体学习能力测评方法。本方法可应用于构建学习社区的精准化数字内容投送服务平台。

背景技术

“学习基因”个体学习能力测评方法是一种交叉学科的组合创新，综合人力资源能力管理体系、计算机语义学分析体系、互联网智能化内容推荐体系、出版行业的分类和标签化体系的最新研究成果，致力于通过技术手段提升知识产业产品附加值，为出版等行业产业升级做准备。人力资源能力管理体系是国外长期垄断的基础科学研发，包括大量逻辑模型设计和能力指标设计；计算机语义学分析体系是对模型指标体系的数据支撑；智能化数字内容推送是结合最新的互联网算法为内容做精确定位；出版内容标签化体系则是对内容标签化定义的重大创新。总体上看，本专利对于数字出版等行业的产业升级，将起到极大的推动作用。

发明内容

本发明提供了一种“学习基因”个体学习能力测评方法，有别于传统的学校教育测试方法。一方面通过普适的测试平台得出个人价值的基本分析并通过对个人行为的深入分析以确定其发展取向；另一方面通过对学习资源进行切分、标引、分类与关联，将个人学习需求与学习内容进行进行匹配，动态调试，并实时调整相应数据。

 一种“学习基因”个体学习能力测评方法，包括：

（1）“学习基因”模型和指标体系。“学习基因”指的是“为人、与人和助人”三个维度的模型，分别从个体能力构建、纽带关系构建、结果导向构建三个方向阐述。通过对每个维度不同指标的研究与分类，抽取出9个核心指标分类，分别是：思考力、品格力、工作力、人际关系力、管控力、责任力、定位力、影响力、领导力。通过对每个不同的指标分类包含的数百个支撑指标的系统分析，采用统一的标准对每个指标分类核心内容进行提炼，细化能力参数以便在个体学习能力测评方法中对相应指标加权。

（2）个人价值测评（Personal Value Evaluation，简称PVE），专利申请人独立研发过程中，并通过提取个体对自己的定位和判断，以及相关维度的问答，判断这个人在某个人群中的价值层次，进而根据“个人价值”在平台上完成相关内容的推荐。注册信息的过程相当于个体在用通用的条件为自己定位，这就为系统提供了在尽可能一致的条件和标准，从而确保系统衡量社会组织中不同个体之间的相对价值。另外，通过通用的SNS社区（微博、人人网、开心网等）授权，短时高效的获取用户基本资料、教育背景、工作经历、兴趣取向，方便后台系统实现第一次信息推送，为下面多轮信息推送打好基础。

 个人价值测评在科学划定个人能力系统并在完善的体系下对个人的价值进行测评后，通过打分的形式，给予较为科学的结果输出。在横向和纵向对比下，给出现状与社群平均水平，现状与预期水平之间的差值，针对个人的实际需求，提供提升个人价值的出版物、咨询和SNS社区。形成动态、终身学习系统。

（3）个人发展取向测评，通过全息视角对个体进行能力、情绪、意向的专业和趣味测评。简化测评系统，互动化、趣味化测评流程。之后在测评维度上，输出全息测评DNA图像阅读用户需求DNA图像。

（4）信息标签化属性分析，依据目录学、语义学及热门分类粘贴信息标签，通过能力模型定义主要内容关键字，将内容价值进行层级评估，后台储备信息分类集锦，实时更新内容和分类标签，将内容标签与“个人价值分析”对人的测评赋值结果进行匹配。

首先实现的是根据资讯的主旨进行标签赋予，标注该内容的关键词，与测评中心得出的能力指标标签进行对应，进而实现推送。通过初步的信息收集和经验分析，将不同行业、层级下的发展中心按照重要性进行排列，将已有的标签进行赋值，使得初级的标签对应走向数据化对应，即推送的信息有特定的数值去对应测评中心个人价值评分，实现精准推送。

（5）内容匹配度动态调试，被测评人可以选择更新频率、更新领域、更新范围以及排行范围实现推送内容的高品质定制，读者可以根据阅读需要调整测评后推送内容的范围和节奏，可以实现深阅读、浅阅读、多元素、多角度阅读的合理搭配。通过个性化设置，被测评人可以根据需要调整匹配程度（精准或模糊）、匹配领域（“个人价值分析”的4大维度和能力指标等）以及匹配范围（作品、作者、热门、最新更新等），实现在精确定位下的个性调配，也是让读者了解个人偏好的过程。

系统将通过简洁友好的界面，给被测评人极大的选择空间，只需要拖动控制扭即可调整各个参数下的匹配情况。也就是说通过“内容匹配度动态调整按钮”完成内容筛选的层次和级别。让被测评人不但拥有专业化的测评和发展中心，还有更多的参与度和积极性。

（6）实时动态推荐系统，系统会根据被测评人对推送信息的接受程度，动态调整推送的批次，实时控制信息的优先级，记录用户发生的点击信息，伴随着用户数量的增长，实现推送信息的精准化。信息和SNS社群会按照批次由系统向被测评人进行推送，被测评人可以选择接受或者拒绝，系统对被测评人的反应进行记录和追踪，了解其真正需要的信息和社群，形成类似云计算的概念，将注册用户的情况进行收集分析，动态实时地调整推送，由众多被测评人的选择定义系统的推送行为。

本发明的有益效果是：通过对不同个体基于共同价值标准的相对价值的评估与分析，结合获取的用户阅读取向模型，确定个人的学习需求；通过定义内容关键字，内容价值层级评估，以及内容标签与PVE对人的测评赋值结果进行匹配；个人可以定制高品质内容，并可以合理搭配学习资源，通过实时动态推荐系统以实现动态调整信息推送批次，实时控制信息推送的优先级及精确性。

 附图说明

下面结合附图和实施例对本发明进一步说明。

图1是“学习基因”模型和指标体系图。

图2是个人价值测评(PVE)，用户价值指示设定图。

图3是个人发展方向测评图。

图4是信息标签化属性分析，用户价值评估结果图。

图5是内容匹配度动态调试图。

图6是实时动态推荐系统图。

 具体实施方式

在图1中，学习基因的能力指标体系中，将能力划分为“为人”、“与人”和“助人”三大类，即合格的个人成就者，合格的组织贡献者，合格的组织领导者三个方面。通过对500余个能力指标梳理，形成思考力、品格力、工作力、人际关系力、管控力、责任力、定位力、影响力和领导力的9力模型。概括来说，个体能力的构建主要通过自我认知，自我约束与行动力实现；纽带关系构建主要通过融入人类群体，管理能力，服务他人，赢得信任实现；结果导向构建主要通过设定方向，影响他人，发挥个体精英领导能力实现。

在图2中，后台系统运用专利申请人研发的PVE（Personal Value Evaluation）个体定位评价体系，通过一套客观的测评体系为个体定位提供标准，减少对成长、阅读需求高低的主观判断。在进行PVE系统对个人精准评分之初，需要了解被测评人所处的机构、组织规模大小，此要素会对PVE系统的四个维度产生重要影响，即不同组织规模会影响到系统对个体的价值指数高低进行评价。组织规模会通过雇员人数、年财务情况等维度进行系统定义，将不同组织规模进行分类和打分。经过组织规模的统计后，系统会进入4大维度（重要性、知识水平、话语权、工作难度）11个子维度（分布在4大维度之下）的测评，会通过不同维度和子维度下的个人回答进行合理赋值，将所有维度下的通过问答得到的指标放到同一标尺上进行加权和综合。这样，方便系统实现对人价值定位的全面掌握。

在图3中，个人价值测评的另一大突破在于，系统将通过4大维度11子维度下的各类问题了解被测评人的现状，另外掌握他/她同业人员的平均水平，实现横向比较。在此之外，系统会实现个人现状与个人期待状况之间的能力提升测评，推送给该被测人提升自我水平达到期待状况所需的各类能力指标，在垂直维度上提供更多借鉴。

在图4中，通过目录学分类，热门分类更新，以及信息标签，定义主要内容关键字，对信息标签化属性分析。通过分析数据，可以对内容价值层级评估，主要实现方式：后台储备信息分类集锦，实时更新内容和分类标签，然后将内容标签与PVE匹配赋值。

在图5中，对内容匹配度动态调试，整个过程实现分三个阶段：首次推送、精准推送与自定义调整。首次推送基于SNS社区的个人信息确定基础的推荐内容，精准推送根据测评结果数据，而自定义调整主要通过调整涵盖行业、能力指标、提升数值等参数。其流程为：通过用户自由选择测试模块，包括添加删除相应测试内容，对结果分享点评等操作，系统自动推荐相应内容给用户；用户接收系统推荐的内容后，可以自由调整匹配程度、领域以及范围，系统会根据相应变化在原来推荐基础上更新内容；同时，用户可以自由选择更新的程度，包括更新频率、更新范围、更新领域、排行范围等。通过不断地调整参数与设置，系统自动更新推荐内容列表。 

在图6中，当用户进行个人发展方向测评和平台操作时，根据用户测评数据和行为数据的变化，对应“学习基因”系统进行实时动态的内容推荐。对应不同指标的数据的各子系统会标签化匹配相应的内容。

Claims (7)

1.“学习基因”个体学习能力测评方法，其特征是：

（1）“学习基因”通过“为人”、“与人”和“助人”的能力分类，通过对500余个能力指标梳理，形成思考力、品格力、工作力、人际关系力、管控力、责任力、定位力、影响力和领导力的9力模型；用于全面概括不同年龄阶段的能力成长需求特征，设定个人成长的通用发展指标体系；

（2）个人价值测评，用于用户价值指标的设定，通过“重要性”、“知识水平”、“话语权”和“工作难度”四格维度对用户价值进行评估，由此形成对个人价值评估的若干统计分析算法和价值评估指标体系；同时，把通过SNS（微博、校内）等平台的注册信息抓取分析，支撑四个维度的数值化体现；

（3）个人发展取向测评，用于获取用户阅读取向模型，模型主要包括能力系统、情绪系统、意愿系统和行动系统；通过四个系统的组合分析，获得用户内容需求的报告，若干系统产生的输出结果是相关指数，“学习基因”通过测评结果和价值定义结果获取各种用户数据，并形成个人发展取向测评的数据支撑；

（4）信息标签化属性分析，用于定义内容关键字，内容价值层级评估，以及内容标签与PVE对人的测评赋值结果进行匹配；核心特征是通过能力指标体系对数字内容进行指标化标引，为出版物等建立全新能力属性标签；

（5）内容匹配度动态调试，用于被测评人定制高品质内容，及内容的合理搭配，通过“动态调试”按钮拖拽，实现动态匹配内容不同数量的精确排布和推荐，特点是对内容属性的定义，以及设定排布范围；

（6）实时动态推荐系统，用于动态调整信息推送批次，实时控制信息推送的优先级及精准化；当用户进行测评和平台操作时，根据用户测评数据和行为数据的变化，对应“学习基因”系统进行实时动态的内容推荐；核心特点是根据测评选择行为和点击行为进行内容推荐。

2.根据权利要求1所述的“学习基因”个体学习能力测评方法，其特征是，所述的学习基因中，“为人”对应：思考力、品格力、工作力三个模型；“与人”对应人际关系力、管控力、责任力三个模型；“助人”对应定位力、影响力和领导力三个模型。

3.根据权利要求1所述的“学习基因”个体学习能力测评方法，其特征是，所述的用户价值指标设定与用户价值评估结果包括：

首先通过定义最适合被测评人的部分信息，根据通用的标准以确保系统衡量社会组织中不同个体之间的相对价值；然后通过打分的形式，给予较为科学的结果输出；在横向和纵向对比下，给出现状与社群平均水平，现状与预期水平之间的差值，以完善对个人价值的测评。

4.根据权利要求1所述的“学习基因”个体学习能力测评方法，其特征是，所述的阅读取向模型包括:

通过全息视角对个体进行能力、情绪、意向的专业和趣味测评；简化测评系统，互动化、趣味化测评流程；之后在测评维度上，输出全息测评DNA图像阅读用户需求DNA图像。

5.根据权利要求1所述的“学习基因”个体学习能力测评方法，其特征是，信息标签化属性分析包括:

依据目录学、语义学及热门分类粘贴信息标签，定义主要内容关键字，将内容价值进行层级评估，后台储备信息分类集锦，实时更新内容和分类标签，将内容标签与PVE对人的测评赋值结果进行匹配；首先实现的是根据资讯的主旨进行标签赋予，标注该内容的关键词，与测评中心得出的能力指标标签进行对应，进而实现推送；通过初步的信息收集和经验分析，将不同行业、层级下的发展中心按照重要性进行排列，将已有的标签进行赋值，使得初级的标签对应走向数据化对应，即推送的信息有特定的数值去对应测评中心个人价值评分，实现精准推送。

6.根据权利要求1所述的“学习基因”个体学习能力测评方法，其特征是，内容匹配度动态调试包括:

被测评人可以选择更新频率、更新领域、更新范围以及排行范围实现推送内容的高品质定制，读者可以随意拖动调整按钮改编测评匹配结果，根据阅读需要调整测评后推送内容的范围和节奏，可以实现深阅读、浅阅读、多元素、多角度阅读的合理搭配；通过个性化设置，被测评人可以根据需要调整匹配程度（精准或模糊）、匹配领域（PVE的4大维度和能力指标等）以及匹配范围（作品、作者、热门、最新更新等），实现在精确定位下的个性调配，也是让读者了解个人偏好的过程；系统将通过间接友好的界面，给被测评人极大的选择空间，只需要拖动控制按扭，即可调整各个参数下的匹配情况；让被测评人不但拥有专业化的测评和发展中心，还有更多的参与度和积极性。

7.根据权利要求1所述的“学习基因”个体学习能力测评方法，其特征是，实时动态推荐系统包括:

系统会根据被测评人对推送信息的接受程度，动态调整推送的批次，实时控制信息的优先级，伴随着用户数量的增长，实现推送信息的精准化；信息和SNS社群会按照批次由系统向被测评人进行推送，被测评人可以选择接受或者拒绝，系统对被测评人的反应进行记录和追踪，了解其真正需要的信息和社群，形成类似云计算的概念，将注册用户的情况进行收集分析，动态实时地调整推送，由众多被测评人的选择定义系统的推送行为。

Images