CN106960401A - 就业薪酬预估方法、推荐高考院校的方法及装置 - Google Patents

就业薪酬预估方法、推荐高考院校的方法及装置 Download PDF

Info

Publication number
CN106960401A
CN106960401A CN201610019341.2A CN201610019341A CN106960401A CN 106960401 A CN106960401 A CN 106960401A CN 201610019341 A CN201610019341 A CN 201610019341A CN 106960401 A CN106960401 A CN 106960401A
Authority
CN
China
Prior art keywords
colleges
college entrance
entrance examination
admission
universities
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
Application number
CN201610019341.2A
Other languages
English (en)
Inventor
唐娟
黄荣明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BEIJING XUEERSI EDUCATION TECHNOLOGY Co Ltd
Original Assignee
BEIJING XUEERSI EDUCATION TECHNOLOGY Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by BEIJING XUEERSI EDUCATION TECHNOLOGY Co Ltd filed Critical BEIJING XUEERSI EDUCATION TECHNOLOGY Co Ltd
Priority to CN201610019341.2A priority Critical patent/CN106960401A/zh
Publication of CN106960401A publication Critical patent/CN106960401A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G06Q50/2053—Education institution selection, admissions, or financial aid

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提供了一种就业薪酬预估方法、推荐高考院校的方法及装置，预估方法包括：获取高考院校/招生计划专业的原始统计薪酬以及对应的薪酬修正因子；根据对应的薪酬修正因子分别对高考院校/招生计划专业的原始统计薪酬进行对应修正，获得高考院校对应的修正统计薪酬、招生计划专业对应的修正统计薪酬。本发明实施例给填报高考志愿提供专业化的指导，从薪酬发展空间角度提供了客观的参考。

Description

就业薪酬预估方法、推荐高考院校的方法及装置
技术领域
本发明实施例涉及互联网技术领域，尤其涉及一种就业薪酬预估方法、推荐高考院校的方法及装置。
背景技术
高考是目前我国高等教育选拔人才的主要途径，考生必须通过志愿填报这一环节来选择高考院校。
传统的高考志愿填报方式为考生依据各省(市)考试院发放的高考指南手册，通过翻阅指南手册查找历年录取分数与自己考试分数接近的院校及其相关专业，据此进行院校及专业的选择。
但是，尤其在高校数量日益增多、专业日益繁杂的今天，作为刚高中毕业的考生往往很难对高校、专业有正确、全面的了解，考生和家长难以有效掌握和整合海量分散的各类高考信息以及缺乏专业化的志愿填报指导，更多的是靠个人的经验，很难较形成一个较为客观合理的志愿方案，尤其在填报志愿时缺乏大学毕业后职业规划的角度选择学校和专业，进一步可能选择了不合适的高校、不合适的专业，导致步入社会职业发展有限或者说与社会的需求脱节，最直接体现在薪酬方面的发展空间有限。
发明内容
本发明实施例的目的在于提供一种就业薪酬预估方法、推荐高考院校的方法及装置，用以解决现有技术中的上述技术问题。
本发明实施例采用的技术方案如下：
本发明实施例提供一种就业薪酬预估方法，其包括：
获取高考院校/招生计划专业的原始统计薪酬以及对应的薪酬修正因子；
根据对应的薪酬修正因子分别对高考院校/招生计划专业的原始统计薪酬进行对应修正，获得高考院校对应的修正统计薪酬、招生计划专业对应的修正统计薪酬。
本发明实施例提供一种推荐高考院校的方法，其包括：
根据高考院校在考生生源地历年的录取位次计算高考院校历年的录取难度系数；
根据高考院校历年的录取难度系数以及考生在生源地当前年度的位次推荐高考院校；
根据上述任一项所述的薪酬预估方法生成对应报考院校及招生计划专业的修正统计薪酬。
本发明实施例提供一种推荐高考院校的方法，其包括：
根据高考院校在考生生源地历年的录取分数计算高考院校历年的录取难度系数；
根据高考院校历年的录取难度系数以及考生在生源地当前年度的分数推荐高考院校；
根据上述任一项所述的薪酬预估方法生成对应报考院校及招生计划专业的修正统计薪酬。
本发明实施例提供一种就业薪酬预估装置，其包括：
修正因子获取单元，用于获取高考院校/招生计划专业的原始统计薪酬以及对应的薪酬修正因子；
修正单元，根据对应的薪酬修正因子分别对高考院校/招生计划专业的原始统计薪酬进行对应修正，获得高考院校对应的修正统计薪酬、招生计划专业对应的修正统计薪酬。
本发明实施例提供一种推荐高考院校的装置，其包括：
录取难度系数计算单元，用于根据高考院校在考生生源地历年的录取位次计算高考院校历年的录取难度系数；
高校推荐单元，用于根据高考院校历年的录取难度系数以及考生在生源地当前年度的位次推荐高考院校；
就业薪酬预估模块，根据上述任一项所述的薪酬预估方法生成对应报考院校及招生计划专业的修正统计薪酬。
本发明实施例提供一种推荐高考院校的装置，其包括：
录取难度系数计算单元，用于根据高考院校在考生生源地历年的录取分数计算高考院校历年的录取难度系数；
高校推荐单元，用于根据高考院校历年的录取难度系数以及考生在生源地当前年度的分数推荐高考院校；
就业薪酬预估模块，用于根据上述任一项所述的薪酬预估方法生成对应报考院校及招生计划专业的修正统计薪酬。
本发明实施例的技术方案具有以下优点：本发明实施例首先获取高考院校/招生计划专业的原始统计薪酬以及对应的薪酬修正因子；根据对应的薪酬修正因子分别对高考院校/招生计划专业的原始统计薪酬进行对应修正，获得高考院校对应的修正统计薪酬、招生计划专业对应的修正统计薪酬从而实现了填报志愿智能化，给填报高考志愿提供专业化的指导，从薪酬发展空间角度提供了客观的参考。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一就业薪酬预估方法流程示意图；
图2为本发明实施例二就业薪酬预估方法流程示意图；
图3为本发明实施例三推荐高考院校的方法流程示意图；
图4为本发明实施例四推荐高考院校的方法流程示意图；
图5为本发明实施例五推荐高考院校的方法流程示意图；
图6为本发明实施例六就业薪酬预估装置结构示意图；
图7为本发明实施例七推荐高考院校的装置结构示意图；
图8为本发明实施例推荐高考院校的装置结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明下述实施例中，录取位次可以为在当前年度或者历年所有参加高考的考生中，考生成绩的排名名次；高考院校是在考生生源地有录取计划的所有高校，包括大学、高职等等院校。下述实施例中的“历年”可以是“当前年度”之前的若干年，比如前三年或者前两年，甚至是更多年，并无特别限定。
历年的最低录取位次是指被某年中一具体高考院校在同一归属地录取的所有考生中的最低排名。
历年的平均录取位次是指某年中一具体高考院校在同一归属地录取的所有考生排名的平均数。
下述实施例中，薪酬以月薪为例，但是也可以是年薪，详细不再举例说明。
图1为本发明实施例一就业薪酬预估方法流程示意图；如图1所示，其包括：
S101、获取高考院校原始统计薪酬以及对应的薪酬修正因子；
本实施例中，高考院校对应的薪酬修正因子包括：就业能力指数、工作能力指数、工作能力满意度、能力影响值。
本实施例中，所述能力影响值随毕业年限增加而变大，即随着年限的增加，降低高校教育对薪酬的影响力。
本实施例中，步骤S101中就业能力指数可以通过：
获取就业率指数、薪酬指数、毕业时掌握的能力指数；
根据就业率指数、薪酬指数、毕业时掌握的能力指数计算就业能力指数。
举例来说，假如对于某一高考院校A来说，通常对毕业生签订三方协议统计分析，获得就业率，从而可以获得同档次或者同组的所有高考院校的就业率，生成一就业率列表；高考院校A的就业率与就业率列表中最高的就业率的比值，即作为高考院校A的就业率指数；对毕业生的薪酬进行采样、统计分析，并作上述类似处理，获得薪酬指数；制定一个工作能力对照表，包括若干体现工作能力的考察指标，比如协调能力、专业能力、沟通能力等，对毕业生进行采样、统计分析，并做上述类似处理，获得毕业时掌握的能力指数。
通过对高考院校A的就业率指数、薪酬指数、毕业时掌握的能力指数进行加权平均计算，从而获得高考院校A的就业能力指数。
本实施例中，步骤S101中工作能力指数可以通过：制定基本能力对照表，通过与制定好的基本能力对照表进行比对分析计算工作能力指数。
常见的基本能力对照表总共有若干项考察指标，每一个考察指标赋予分值，通过采样统计分析，从而获得工作能力指数。
本实施例中，步骤S101中工作能力满意度可以通过：获取效毕业时掌握的能力水平与工作要求的能力水平；根据高效毕业时掌握的能力水平与工作要求的能力水平的差值计算工作能力满意度。最高为100％满意，90％以上为良好满足，85％以上(包括85％)表示能力基本满足职业工作的需要，75-85％表示能力不太满足工作需要，而75％以下则表示能力不满足工作需要。
工作能力满意度反映的是自身能力与初级职业工作要求能力的差距，与高考院校以及工作岗位的实际需求有关系。
举例来说，某个“211院校”会计专业的大学生毕业后进入一家投资银行从事财务分析，由于该公司技术含量高，知识更新速度快，所以该学生在校期间掌握的能力不太满足工作，工作能力满意度较小；再比如某个非211本科院校会计专业的大学毕业生毕业后进入一家超市做会计，工作要求的技术含量不高，该学生掌握的能力基本可以满足工作需要，工作能力满意度较大。
S102、根据对应的薪酬修正因子对高考院校的原始统计薪酬进行对应修正，获得高考院校对应的修正统计薪酬。
优选地，本实施例中，步骤S102中具体执行时还可以包括：根据高考院校对应的薪酬修正因子计算高考院校对应的薪酬修正系数，高考院校对应的薪酬修正系数与所述就业能力指数、工作能力指数、工作能力满意度均呈正比关系，高考院校对应的薪酬修正系数与所述能力影响值呈反比关系；
具体地，上述计算公式可以如下：
院校对应的薪酬修正系数Sn＝(就业能力指数+工作能力指数+工作能力满意度)/Pn，式中Sn表示第n年的高考院校对应的薪酬修正系数，Pn表示第n年的高考院校对应的能力影响值，就业能力指数、工作能力指数、工作能力满意度分别对应于第n年。能力影响值可以参考月薪取值。
表一能力影响值Pn对应表
毕业年数n 能力影响值Pn
0 10000
1 11000
2 11500
3 11600
4 11650
5 12800
6 15090
7 20490
8 28750
9 38000
10 50000
进一步地，本实施例中，步骤S102中具体执行时根据高考院校对应的薪酬修正系数对高考院校的原始统计薪酬进行修正，获得获得高考院校对应的修正统计薪酬，高考院校对应的修正统计薪酬与高考院校对应的薪酬修正系数呈反比关系。具体地，修正统计薪酬＝原始统计薪酬/(1+Sn)。原始统计薪酬可以根据对高考院校毕业生毕业时的初始薪酬进行采用、统计分析得到，可以同一高考院校中所有专业初始薪酬的均值。通过比较不同高考院校的初始薪酬均值，从而反馈出不同高考院校在毕业生就职薪酬的状况。
图2为本发明实施例二就业薪酬预估方法流程示意图；如图2所示，其包括：
S201、获取招生计划专业的原始统计薪酬以及对应的薪酬修正因子；
本实施例中，招生计划专业的对应的薪酬修正因子包括：具有该招生计划专业的高考院校的知名度排名、预定年限内的薪酬；
具体地，可以通过加权综合院校相关关键词在搜索引擎中搜索结果数和社交媒体关注度，获得院校品牌在社会上的影响力，即高考院校的知名度排名。预定年限内的薪酬可以对职业发展进行分析的专业数据进行搜集、统计分析获得。需要说明的是，高等教育一般持续的时间为4年，因此，预定年限内的薪酬可以是3-4年内的薪酬。
S202、根据招生计划专业对应的薪酬修正因子计算招生计划专业对应的薪酬修正系数；
本实施例中，招生计划专业对应的薪酬修正系数与具有该招生计划专业的高考院校的知名度排名呈反比关系，招生计划专业对应的薪酬修正系数与预定年限内的薪酬呈正比关系；
具体地，可通过下述公式计算不同高校同一专业的薪酬修正系数，或者同一高校不同专业的薪酬修正系数：
招生计划专业对应的薪酬修正系数＝(100％-院校知名度排名/排名院校总数)*预定年限内的薪酬；
计算不同高校同一专业的薪酬修正系数，该专业对应的预定年限内薪酬即为该专业对应行业在预定年限内的平均薪为一定值，院校知名度排名为一变量；
同一高校不同专业的薪酬修正系数，院校的知名度排名为一定值，不同专业对应的预定年限内薪酬为一变量。
S203、根据对应的薪酬修正系数对招生计划专业的原始统计薪酬进行对应修正，获得招生计划专业对应的修正统计薪酬。
本实施例中，可以具体通过如下公司计算修正统计薪酬：
修正统计薪酬＝原始统计薪酬-(100％-(院校知名度排名/排名院校总数)*预定年限内的薪酬)。
需要说明的是，通过公式，可以计算计算不同高校同一专业的修正统计薪酬系数，以区别不同高校中的相同专业未来的薪酬成长性；或者同一高校不同专业的修正统计薪酬系数，以区别同一高校中的不同专业未来的薪酬成长性。
本实施例通过比较不同高考院校同一个专业的修正统计薪酬，从而薪酬角度反馈出在一个专业行业内，社会对不同高考院校在本专业学识能力评价。
图3为本发明实施例三推荐高考院校的方法流程示意图；如图3所示，其包括：
S301、根据高考院校在考生生源地历年的录取位次计算高考院校历年的录取难度系数；
本实施例中，步骤S301中计算高考院校历年的录取难度系数时，可以根据高考院校在考生生源地历年的最低录取位次计算高考院校历年的录取难度系数，和/或根据高考院校在考生生源地历年的平均录取位次计算高考院校历年的录取难度系数。
进一步地，本实施例中，步骤S301中，计算高考院校历年的录取难度系数时可以根据高考院校在考生生源地历年的录取位次与历年参加高考的人数计算高考院校历年的录取难度系数。
具体地，可以根据高考院校在考生生源地历年的最低录取位次与历年参加高考的人数计算高考院校历年的第一录取难度系数；和/或根据高考院校在考生生源地历年的平均录取位次与历年参加高考的人数计算高考院校历年的第二录取难度系数。
本实施例中，可以只计算历年的第一录取难度系数或者第二难度系数，但进一步为了提高推荐的准确性，也可以同时计算历年的第一录取难度系数或者第二录取难度系数。
S302、根据高考院校历年的录取难度系数以及考生在生源地当前年度的位次推荐高考院校。
本实施例中，步骤S302中可以根据高考院校历年的录取难度系数以及考生生源地当前年度参加高考的人数，预估考生当前年度可被高考院校录取的位次，根据预估的考生在当前年度可被高考院校录取的位次推荐高考院校。
具体地，可以根据高考院校历年的录取难度系数以及考生生源地当前年度参加高考的人数，预估考生当前年度可被高考院校录取的最低位次；根据预估的考生在当前年度可被高考院校录取的最低位次推荐高考院校；和/或根据高考院校历年的录取难度系数以及考生生源地当前年度参加高考的人数，预估考生可被高考院校录取的平均位次；根据预估的考生在当前可被高考院校录取的平均位次推荐高考院校。
具体地，本实施例中，可以根据历年的第一录取难度系数预估当前年度的第一录取难度系数；和/或同理根据历年的第二难度系数预估当前年度的第二录取难度系数；根据当前年度的第一录取难度系数以及当前年度参加高考的人数来预估当前年度可被某一高考院校录取的最低位次；和/或根据当前年度的第二录取难度系数以及当前年度参加高考的人数来预估当前年度可被某一高考院校录取的平均位次。
根据考生当前年度的位次，以及当前年度可被某一高考院校录取的最低位次和/或录取的平均位次来推荐高考院校。
下面将列举一具体实例进行说明，比如2016年某考生A参加高考，在高考结束后填报志愿，选择高考院校。以2013/2014/2015年这三年的高考录取的历史数据来预估2016年的录取难度系数，根据该预估的2016年的录取难度系数来推荐高考院校。
假如：L为今年预估院校录取的最低位次，T为今年该地区高考人数；
L1为2015年具体高考院校W最低位次，T1为2015年该地区高考人数；
L2为2014年具体高考院校W最低位次，T2为2014年该地区高考人数；
L3为2013年具体高考院校W最低位次，T3为2013年该地区高考人数；
S11表示2015年具体高考院校W的第一录取难度系数，权重0.5；S11＝L1/T1；
S12表示2014年具体高考院校W的第一录取难度系数，权重0.25；S12＝L2/T2；
S13表示2013年具体高考院校W的第一录取难度系数，权重0.25；S13＝L3/T2。
根据上述S11-S13，预估该院校W在当前年度的第一录取难度系数S：S1＝S11*0.5+S12*0.25+S13*0.25。
同理，R为今年预估院校平均位次，T为今年该地区高考人数；
R1为2015年具体高考院校W平均位次，T1为2015年该地区高考人数；
R2为2014年具体高考院校W平均位次，T2为2014年该地区高考人数；
R3为2013年具体高考院校W平均位次，T3为2013年该地区高考人数；
S21表示2015年具体高考院校W的第二录取难度系数，权重0.5；S21＝R1/T1；
S22表示2014年具体高考院校W的第二录取难度系数，权重0.25；S22＝R2/T2；
S23表示2013年具体高考院校W的第二录取难度系数，权重0.2，
S23＝R3/T2。
根据上述S21-S23，预估该院校W在当前年度的第二录取难度系数S2：S2＝S21*0.5+S22*0.25+S23*0.25。
综上，2016年预估该具体高考院校W的录取的最低位次L＝T*S1；2016年预估该具体高考院校W的录取的平均位次R＝T*S2。
因此，可以按照如下规则来推荐高校：
L＜学生排名＜L+L*(招生计划/高考人数)，需谨慎志愿；
R＜学生排名＜L，可冲击志愿；
学生排名≤R，稳妥志愿；
本实施例中，学生排名即考生A在2016年高考人数中的位次。
本实施例中，在推荐高考院校时，引入了一修正因子：招生计划/高考人数，即2016年高考院校W在考生A生源地的招生计划与生源地高考人数的比值。
需要说明的是，如果是区分文理科、体育生、艺术生进行志愿填报的话，在上述实施例中的高考人数分比为参加文科、理科考试、体育生、艺术生的考生人数。
需要说明的是，上述计算中的权重系数0.5、0.25、0.25可以根据历年高考录取难度系数参考性的大小进行灵活调整，上述实施例中，定义为当前年度前一年的录取难度系数参考性较大，赋予的较大的权重0.5。如果前三年度中缺少某一年度的数据，对应的权重可以赋以0。
上述实施例中，同时根据预估的当前年度的第一录取难度系数和第二录取难度系数来推荐高考院校，对于本领域普通技术人员俩说，也可以仅根据预估的当前年度的第一录取难度系数预估可被高考院校录取的最低位次推荐高考院校，或根据第二录取难度系数预估可被高考院校录取的平均位次推荐高考院校。此时，除了修正因子：招生计划/高考人数，可以根据经验值来引入另外1个或多个修正因子。详细不再赘述。
S303、根据上述图1或图2所述的薪酬预估方法生成对应报考院校及招生计划专业的修正统计薪酬。
图4为本发明实施例四推荐高考院校的方法流程示意图；如图4所示，其包括：
S401、根据高考院校在考生生源地历年的录取分数计算高考院校历年的录取难度系数；
本实施例中，步骤S401中计算高考院校历年的录取难度系数时，可以根据高考院校在考生生源地历年的最低录取分数计算高考院校历年的录取难度系数，和/或根据高考院校在考生生源地历年的平均录取分数计算高考院校历年的录取难度系数。
进一步地，本实施例中，步骤S401中，计算高考院校历年的录取难度系数时可以根据高考院校在考生生源地历年的录取分数与历年录取的批次线计算高考院校历年的录取难度系数。
具体地，可以根据高考院校在考生生源地历年的最低录取分数与历年录取的批次线计算高考院校历年的第一录取难度系数；和/或根据高考院校在考生生源地历年的平均录取分数与历年录取的批次线计算高考院校历年的第二录取难度系数。
本实施例中，可以只计算历年的第一录取难度系数或者第二难度系数，但进一步为了提高推荐的准确性，也可以同时计算历年的第一录取难度系数或者第二录取难度系数。
S402、根据高考院校历年的录取难度系数以及考生在生源地当前年度的分数推荐高考院校。
本实施例中，步骤S402中可以根据高考院校历年的录取难度系数以及考生生源地当前年度的批次线，预估考生当前年度可被高考院校录取的分数，根据预估的考生在当前年度可被高考院校录取的分数推荐高考院校。
具体地，可以根据高考院校历年的录取难度系数以及考生生源地当前年度的批次线，预估考生当前年度可被高考院校录取的最低分数；根据预估的考生在当前年度可被高考院校录取的最低分数推荐高考院校；和/或根据高考院校历年的录取难度系数以及考生生源地当前年度的批次线，预估考生可被高考院校录取的平均分数；根据预估的考生在当前可被高考院校录取的平均分数推荐高考院校。
具体地，本实施例中，可以根据历年的第一录取难度系数预估当前年度的第一录取难度系数；和/或同理根据历年的第二难度系数预估当前年度的第二录取难度系数；根据当前年度的第一录取难度系数以及当前年度参加高考的人数来预估当前年度可被某一高考院校录取的最低分数；和/或根据当前年度的第二录取难度系数以及当前年度参加高考的人数来预估当前年度可被某一高考院校录取的平均分数。
根据考生当前年度的分数，以及当前年度可被某一高考院校录取的最低分数和/或录取的平均分数来推荐高考院校。
下面将列举一具体实例进行说明，比如2016年某考生A参加高考，在高考结束后填报志愿，选择高考院校。以2013/2014/2015年这三年的高考录取的历史数据来预估2016年的录取难度系数，根据该预估的2016年的录取难度系数来推荐高考院校。
假如：FL为今年预估院校录取的最低分数，Y该地区批次线Y为今年该地区批次线；
FL1为2015年具体高考院校W最低录取分数，Y1为2015年该地区批次线；
FL2为2014年具体高考院校W最低录取分数，Y2为2014年该地区批次线；
FL3为2013年具体高考院校W最低录取分数，Y3为2013年该地区批次线；
SL11表示2015年具体高考院校W的第一录取难度系数，权重0.5；SL11＝FL1/Y1；
S12表示2014年具体高考院校W的第一录取难度系数，权重0.25；S12＝FL2/Y2；
SL13表示2013年具体高考院校W的第一录取难度系数，权重0.25；S13＝FL3/Y2。
根据上述SL11-SL13，预估该院校W在当前年度的第一录取难度系数SL：SL＝SL11*0.5+SL12*0.25+SL13*0.25。
同理，FA为今年预估院校平均分数，Y为今年该地区批次线；
FA1为2015年具体高考院校W平均录取分数，Y1为2015年该地区批次线；
FA2为2014年具体高考院校W平均录取分数，Y2为2014年该地区批次线；
FA3为2013年具体高考院校W平均录取分数，Y3为2013年该地区批次线；
SA21表示2015年具体高考院校W的第二录取难度系数，权重0.5；SA21＝FA1/Y1；
SA22表示2014年具体高考院校W的第二录取难度系数，权重0.25；SA22＝FA2/Y2；
SA23表示2013年具体高考院校W的第二录取难度系数，权重0.2，
SA23＝FA3/Y2。
根据上述SA21-SA23，预估该院校W在当前年度的第二录取难度系数SA：SA＝SA21*0.5+SA22*0.25+SA23*0.25。
综上，2016年预估该具体高考院校W的录取的最低分数FL＝Y*SL；2016年预估该具体高考院校W的录取的平均分数FA＝Y*SA。
因此，可以按照如下规则来推荐高校：
FA＜学生分数，稳妥志愿；
FL＜学生分数＜FA，可冲击志愿；
学生分数＜FL，需谨慎志愿；
本实施例中，学生排名即考生A在2016年高考人数中的分数。
本实施例中，在推荐高考院校时，引入了一修正因子：招生计划/高考人数，即2016年高考院校W在考生A生源地的招生计划与生源地高考人数的比值。
需要说明的是，如果是区分文理科进行志愿填报的话，在上述实施例中的高考人数分比为参加文科、理科考试的考生人数。
需要说明的是，上述计算中的权重系数0.5、0.25、0.25可以根据历年高考录取难度系数参考性的大小进行灵活调整，上述实施例中，定义为当前年度前一年的录取难度系数参考性较大，赋予的较大的权重0.5。如果前三年度中缺少某一年度的数据，对应的权重可以赋以0。
上述实施例中，同时根据预估的当前年度的第一录取难度系数和第二录取难度系数来推荐高考院校，对于本领域普通技术人员俩说，也可以仅根据预估的当前年度的第一录取难度系数预估可被高考院校录取的最低分数推荐高考院校，或根据第二录取难度系数预估可被高考院校录取的平均分数推荐高考院校。此时，除了修正因子：招生计划/高考人数，可以根据经验值来引入另外1个或多个修正因子。详细不再赘述。
S403、根据上述图1或图2所述的薪酬预估方法生成对应报考院校及招生计划专业的修正统计薪酬。
图5为本发明实施例五推荐高考院校的方法流程示意图；如图5所示，其包括：
S501、根据高考院校在考生生源地历年的录取分数计算高考院校历年的录取难度系数；
S502、根据高考院校历年的录取难度系数以及考生在生源地当前年度的分数推荐高考院校；
S503、根据上述图1或图2所述的薪酬预估方法生成对应报考院校及招生计划专业的修正统计薪酬；
本实施例中，步骤S501-S503参见上述图4的记载。
S504、根据历年的最低录取分数差额以及平均录取分数差额，生成均年最低录取分数差额以及均年平均录取分数差额；
S505、根据均年最低录取分数差额、均年平均录取分数差额以及考生在当前报考年度的线差，计算对应高考院校的录取概率。
本实施例中，S504中还可以包括：获取高考院校历年的最低录取分数、平均录取分数以及批次线；分别计算历年的最低录取分数、平均录取分数与及批次线的差值，获得历年的最低录取分数差额以及平均录取分数差额。
本实施例中，历年的最低录取分数、平均录取分数以及批次线由于已公布，或者可以从高考院校处获知。
本实施例中，历年的最低录取分数差额以及平均录取分数差额计算方式分别如下：
最低录取分数差额＝当年本校在生源地最低录取分数－当年生源地省控批次线；
平均录取分数差额＝当年本校在生源地平均录取分数－当年生源地省控批次线。
本实施例中，如果是前三年的录取分数的话，则对前三年的最低录取分数差额做平均运算获得均年最低录取分数差额；对前三年的平均录取分数差额做平均运算获得均年平均录取分数差额；以此类推。
本实施例中，根据获取的考生在当前报考年度的考试分数确定当前报考年度考生可被录取的批次线；本实施例中，如果考生当年报考年度的批次线已经实际公布，则通过与考生在当前报考年度的考试分数比对，判断考生在当前报考年度的批次线；如果考生当年报考年度的批次线未实际公布，则可通过考生在当前报考年度的考试分数与预估的当年报考年度的批次线进行比对判断。
本实施例中，根据获取考生在当前报考年度的考试分数与当前报考年度的批次线，计算考生在当前报考年度的线差；具体地，考生在当前报考年度的线差＝当前报考年度的考试分数－当前报考年度的批次线。
本实施例中，步骤S505中，根据均年最低录取分数差额、均年平均录取分数差额以及考生在当前报考年度的线差，计算对应高考院校的录取概率包括：判断当前报考年度的线差与均年最低录取分数差额、均年平均录取分数差额的区间关系：
(1)如果当前报考年度的线差小于均年最低录取分数差额，则预估的录取概率为第一录取概率值；此种情况来说，考生被录取的难度较大，第一录取概率值可以赋一固定值，比如小于50％的任何一个数值；
(2)如果当前报考年度的线差等于均年最低录取分数差额，则预估的录取概率为第二录取概率值；此种情况，考生被录取的难度居中，第二录取概率值可以赋一固定值，比如为50％。
(3)如果当前报考年度的线差大于均年最低录取分数差额而小于均年平均录取分数差额，则根据当前报考年度的线差与均年最低录取分数差额的差值、均年平均录取分数差额与均年最低录取分数差额的差值计算第三录取概率；此种情况，考生被录取的难度可以实时计算出。
其中，参数a、b为调整因子，可以根据对历史录取概率的数据进行分析比如对于考生来说，被报考院校录取和未录取的分界线一般在50％，a、b可以均取值为50％，当然，也可以根据实际的要求，调整a、b的数值。
(4)如果当前报考年度的线差等于均年平均录取分数差额则预估的录取概率为第四录取概率；此种情况，考生被录取的难度较小，第四录取概率可以赋一较大的固定值，比如90％；
(5)如果当前报考年度的线差大于均年平均录取分数差额则预估的录取概率为第五录取概率。此种情况，考生被录取的难度非常小，第五录取概率可以赋一更大的固定值，比如100％。
需要说明的是，也可以将图4实施例的步骤S504-S505增加到图3实施例中。
需要说明的是，上述图3-图4的实施例中，推荐高考院校、录取概率计算、薪酬修正相关步骤并无严格的时序关系，相互之间可以并行执行，也可以按照其他时序执行。
图6为本发明实施例六就业薪酬预估装置结构示意图；如图6所示，其包括：
修正因子获取单元601，用于获取高考院校/招生计划专业的原始统计薪酬以及对应的薪酬修正因子；
修正单元602，根据对应的薪酬修正因子分别对高考院校/招生计划专业的原始统计薪酬进行对应修正，获得高考院校对应的修正统计薪酬、招生计划专业对应的修正统计薪酬。
图7为本发明实施例七推荐高考院校的装置结构示意图；如图7所示，其包括：
第一录取难度系数计算单元701，用于根据高考院校在考生生源地历年的录取位次计算高考院校历年的录取难度系数，包括上述实施例中历年以及当前年度的第一录取难度系数和第二录取难度系数；
第一高校推荐单元702，用于根据高考院校历年的录取难度系数以及考生在生源地当前年度的位次推荐高考院校；
第一就业薪酬预估模块703，根据上述任一项所述的薪酬预估方法生成对应报考院校及招生计划专业的修正统计薪酬。
图8为本发明实施例推荐高考院校的装置结构示意图；如图8所示，其包括：
第二录取难度系数计算单元801，用于根据高考院校在考生生源地历年的录取分数计算高考院校历年的录取难度系数，包括上述实施例中历年以及当前年度的第一录取难度系数和第二录取难度系数；
第二高校推荐单元802，用于根据高考院校历年的录取难度系数以及考生在生源地当前年度的分数推荐高考院校；
第二就业薪酬预估模块803，用于根据上述任一项所述的薪酬预估方法生成对应报考院校及招生计划专业的修正统计薪酬。
需要说明的是，上述实施例中还可以包括录取概率计算单元，用于高考院校在当前年度的录取概率，详细不再附图说明。
需要说明的是，上述实施例中，各功能单元进一步实现的功能，对于本领域普通技术人员来说，无须创造性劳动即可想得到也可以进行具体实现功能的切分，由单独的子功能单元实现，详细不再赘述。
需要说明的是，上述各实施例的技术方案，可以在智能移动终端或者PC端搭建推荐平台，在此不再赘述。当考生在平台上注册购买使用权限时，可以获取考生的生源地，另外，通过与其他数据库对接或者当前年度参加高考以及历年高考的所有数据，包括最低录取位次、平均录取位次、招生计划、录取人数等等。平台中还可以收录高考院校相关的介绍信息。
需要说明的是，上述各实施例的方案，可以适用于对位次更为敏感的一本院校的推荐，也同样适用于第二本院校、三本院校的推荐，详细不再赘述。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (24)

1.一种就业薪酬预估方法，其特征在于，包括：
获取高考院校/招生计划专业的原始统计薪酬以及对应的薪酬修正因子；
根据对应的薪酬修正因子分别对高考院校/招生计划专业的原始统计薪酬进行对应修正，获得高考院校对应的修正统计薪酬、招生计划专业对应的修正统计薪酬。
2.根据权利要求1所述的方法，其特征在于，高考院校对应的薪酬修正因子包括：就业能力指数、工作能力指数、工作能力满意度中的一种或多种的组合。
3.根据权利要求2所述的方法，其特征在于，高考院校对应的薪酬修正因子还包括能力影响值，所述能力影响值随毕业年限增加而变大。
4.根据权利要求3所述的方法，其特征在于，还包括：根据高考院校对应的薪酬修正因子计算高考院校对应的薪酬修正系数，高考院校对应的薪酬修正系数与所述就业能力指数、工作能力指数、工作能力满意度均呈正比关系，高考院校对应的薪酬修正系数与所述能力影响值呈反比关系；
根据对应的薪酬修正因子对高考院校的原始统计薪酬进行对应修正，获得高考院校对应的修正统计薪酬包括：
根据高考院校对应的薪酬修正系数对高考院校的原始统计薪酬进行修正，获得获得高考院校对应的修正统计薪酬，高考院校对应的修正统计薪酬与高考院校对应的薪酬修正系数呈反比关系；修正统计薪酬＝原始统计薪酬/(1+Sn)，Sn＝(就业能力指数+工作能力指数+工作能力满意度)/Pn，式中Sn表示第n年的高考院校对应的薪酬修正系数，Pn表示第n年的高考院校对应的能力影响值，就业能力指数、工作能力指数、工作能力满意度分别对应于第n年。
5.根据权利要求2所述的方法，其特征在于，还包括：获取就业率指数、薪酬指数、毕业时掌握的能力指数；根据就业率指数、薪酬指数、毕业时掌握的能力指数计算就业能力指数。
6.根据权利要求2所述的方法，其特征在于，还包括：制定基本能力对照表，通过与制定好的基本能力对照表进行比对分析计算工作能力指数。
7.根据权利要求2所述的方法，其特征在于，还包括：获取效毕业时掌 握的能力水平与工作要求的能力水平；根据高效毕业时掌握的能力水平与工作要求的能力水平的差值计算工作能力满意度。
8.根据权利要求1所述的方法，其特征在于，招生计划专业的对应的薪酬修正因子包括：具有该招生计划专业的高考院校的知名度排名、预定年限内的薪酬。
9.根据权利要求8所述的方法，其特征在于，还包括：根据招生计划专业的对应的薪酬修正因子对招生计划专业的原始统计薪酬进行修正包括：根据招生计划专业对应的薪酬修正因子计算招生计划专业对应的薪酬修正系数，招生计划专业对应的薪酬修正系数与具有该招生计划专业的高考院校的知名度排名呈反比关系，招生计划专业对应的薪酬修正系数与预定年限内的薪酬呈正比关系；修正统计薪酬＝原始统计薪酬-(100％-(院校知名度排名/排名院校总数)*预定年限内的薪酬)；薪酬修正系数＝(100％-(院校知名度排名/排名院校总数)*预定年限内的薪酬。
10.一种推荐高考院校的方法，其特征在于，包括：
根据高考院校在考生生源地历年的录取位次计算高考院校历年的录取难度系数；
根据高考院校历年的录取难度系数以及考生在生源地当前年度的位次推荐高考院校；
根据权利要求1-9所述的薪酬预估方法生成对应报考院校及招生计划专业的修正统计薪酬。
11.根据权利要求10所述的方法，其特征在于，根据高考院校在考生生源地历年的录取位次计算高考院校历年的录取难度系数包括：根据高考院校在考生生源地历年的最低录取位次计算高考院校历年的录取难度系数；和/或根据高考院校在考生生源地历年的平均录取位次计算高考院校历年的录取难度系数。
12.根据权利要求11所述的方法，其特征在于，根据高考院校在考生生源地历年的录取位次与历年参加高考的人数计算高考院校历年的录取难度系数包括：
根据高考院校在考生生源地历年的最低录取位次与历年参加高考的人数 计算高考院校历年的第一录取难度系数；和/或根据高考院校在考生生源地历年的平均录取位次与历年参加高考的人数计算高考院校历年的第二录取难度系数。
13.根据权利要求11所述的方法，其特征在于，根据高考院校历年的录取难度系数以及考生在生源地当前年度的位次推荐高考院校包括：
根据高考院校历年的第一录取难度系数生成考生当前年度的第一录取难度系数；
根据考生当前年度的第一录取难度系数以及考生生源地当前年度参加高考的人数，预估考生在当前年度可被高考院校录取的最低位次；
根据预估的考生在当前年度可被高考院校录取的最低位次推荐高考院校；
和/或根据高考院校历年的录取难度系数以及考生在生源地当前年度的位次推荐高考院校包括：
根据高考院校历年的第二录取难度系数生成考生当前年度的第二录取难度系数；
根据考生当前年度的第二录取难度系数以及考生生源地当前年度参加高考的人数，预估考生在当前年度可被高考院校录取的平均位次；
根据预估的考生在当前年度可被高考院校录取的平均位次推荐高考院校 。
14.一种推荐高考院校的方法，其特征在于，包括：
根据高考院校在考生生源地历年的录取分数计算高考院校历年的录取难度系数；
根据高考院校历年的录取难度系数以及考生在生源地当前年度的分数推荐高考院校；
根据权利要求1-9所述的薪酬预估方法生成对应报考院校及招生计划专业的修正统计薪酬。
15.根据权利要求14所述的方法，其特征在于，根据高考院校在考生生源地历年的录取分数计算高考院校历年的录取难度系数包括：根据高考院校在考生生源地历年的最低录取分数计算高考院校历年的录取难度系数；和/或根据高考院校在考生生源地历年的平均录取分数计算高考院校历年的录取难度系数。
16.根据权利要求15所述的方法，其特征在于，根据高考院校在考生生源地历年的录取分数计算高考院校历年的录取难度系数包括：根据高考院校在考生生源地历年的最低录取分数与历年录取的批次线计算高考院校历年的第一录取难度系数；和/或根据高考院校在考生生源地历年的平均录取分数与历年录取的批次线计算高考院校历年的第二录取难度系数。
17.根据权利要求15所述的方法，其特征在于，根据高考院校历年的录取难度系数以及考生在生源地当前年度的分数推荐高考院校包括：
根据高考院校历年的第一录取难度系数生成考生在当前年度的第一录取难度系数；
根据考生在当前年度的第一录取难度系及考生生源地当前年度的批次线，预估考生在当前年度可被高考院校录取的最低分数；
根据预估的考生在当前年度可被高考院校录取的最低分数推荐高考院校；
和/或，根据高考院校历年的录取难度系数以及考生在生源地当前年度的分数推荐高考院校包括：
根据高考院校历年的第二录取难度系数生成考生在当前年度的第二录取难度系数；
根据考生在当前年度的第二录取难度系及考生生源地当前年度的批次线，预估考生在当前年度可被高考院校录取的平均分数；
根据预估的考生在当前年度可被高考院校录取的平均分数推荐高考院校。
18.根据权利要求10-17任一项所述的方法，其特征在于，还包括：
根据历年的最低录取分数差额以及平均录取分数差额，生成均年最低录取分数差额以及均年平均录取分数差额；
根据均年最低录取分数差额、均年平均录取分数差额以及考生在当前报考年度的线差，计算对应高考院校的录取概率。
19.根据权利要求18所述的方法，其特征在于，还包括：获取高考院校历年的最低录取分数、平均录取分数以及批次线；分别计算历年的最低录取分数、平均录取分数与及批次线的差值，获得历年的最低录取分数差额以及平均录取分数差额。
20.根据权利要求18所述的方法，其特征在于，还包括：获取考生在当 前报考年度的考试分数确定当前报考年度考生可被录取的批次线；根据获取考生在当前报考年度的考试分数与当前报考年度的批次线，计算考生在当前报考年度的线差。
21.根据权利要求18所述的方法，其特征在于，根据均年最低录取分数差额、均年平均录取分数差额以及考生在当前报考年度的线差，计算对应高考院校的录取概率包括：
如果当前报考年度的线差小于均年最低录取分数差额，则预估的录取概率为第一录取概率值；
如果当前报考年度的线差等于均年最低录取分数差额，则预估的录取概率为第二录取概率值；
如果当前报考年度的线差大于均年最低录取分数差额而小于均年平均录取分数差额，则根据当前报考年度的线差与均年最低录取分数差额的差值、均年平均录取分数差额与均年最低录取分数差额的差值计算第三录取概率；
如果当前报考年度的线差等于均年平均录取分数差额则预估的录取概率为第四录取概率；
如果当前报考年度的线差大于均年平均录取分数差额则预估的录取概率为第五录取概率。
22.一种就业薪酬预估装置，其特征在于，包括：
修正因子获取单元，用于获取高考院校/招生计划专业的原始统计薪酬以及对应的薪酬修正因子；
修正单元，根据对应的薪酬修正因子分别对高考院校/招生计划专业的原始统计薪酬进行对应修正，获得高考院校对应的修正统计薪酬、招生计划专业对应的修正统计薪酬。
23.一种推荐高考院校的装置，其特征在于，包括：
录取难度系数计算单元，用于根据高考院校在考生生源地历年的录取位次计算高考院校历年的录取难度系数；
高校推荐单元，用于根据高考院校历年的录取难度系数以及考生在生源地当前年度的位次推荐高考院校；
就业薪酬预估模块，根据权利要求1-9所述的薪酬预估方法生成对应 报考院校及招生计划专业的修正统计薪酬。
24.一种推荐高考院校的装置，其特征在于，包括：
录取难度系数计算单元，用于根据高考院校在考生生源地历年的录取分数计算高考院校历年的录取难度系数；
高校推荐单元，用于根据高考院校历年的录取难度系数以及考生在生源地当前年度的分数推荐高考院校；
就业薪酬预估模块，用于根据权利要求1-9所述的薪酬预估方法生成对应报考院校及招生计划专业的修正统计薪酬。
CN201610019341.2A 2016-01-12 2016-01-12 就业薪酬预估方法、推荐高考院校的方法及装置 Pending CN106960401A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610019341.2A CN106960401A (zh) 2016-01-12 2016-01-12 就业薪酬预估方法、推荐高考院校的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610019341.2A CN106960401A (zh) 2016-01-12 2016-01-12 就业薪酬预估方法、推荐高考院校的方法及装置

Publications (1)

Publication Number Publication Date
CN106960401A true CN106960401A (zh) 2017-07-18

Family

ID=59480743

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610019341.2A Pending CN106960401A (zh) 2016-01-12 2016-01-12 就业薪酬预估方法、推荐高考院校的方法及装置

Country Status (1)

Country Link
CN (1) CN106960401A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109670765A (zh) * 2017-10-17 2019-04-23 甲骨文国际公司 学术项目推荐
CN113657723A (zh) * 2021-07-26 2021-11-16 弘成科技发展有限公司 知识点掌握情况诊断方法、试题推荐方法及装置
CN115238166A (zh) * 2021-12-10 2022-10-25 荣心爱 一种基于云计算的学生分科用辅助系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109670765A (zh) * 2017-10-17 2019-04-23 甲骨文国际公司 学术项目推荐
CN113657723A (zh) * 2021-07-26 2021-11-16 弘成科技发展有限公司 知识点掌握情况诊断方法、试题推荐方法及装置
CN115238166A (zh) * 2021-12-10 2022-10-25 荣心爱 一种基于云计算的学生分科用辅助系统

Similar Documents

Publication Publication Date Title
Wynen et al. More reforms, less innovation? The impact of structural reform histories on innovation-oriented cultures in public organizations
Maher Design creativity research: From the individual to the crowd
Li RETRACTED: Studying creativity and critical thinking skills at university and students' future income
CN106960401A (zh) 就业薪酬预估方法、推荐高考院校的方法及装置
Nyhart et al. Computer models as support for complex negotiations
CN106960397A (zh) 推荐高考院校的方法及装置
CN106960400A (zh) 录取概率的评估方法、推荐高考院校的方法及装置
Nagi et al. Analyzing relation among Performance, Career Planning, and Impact of Retaining workers in Industrial Companies in the Kingdom of Bahrain
CN112836137A (zh) 人物网络支持度计算系统及方法、终端、设备、存储介质
Marin et al. The occupational context of mismatch: measuring the link between occupations and areas of study to better understand job-worker match
Rani et al. Generating placement intelligence in higher education using data mining
Lalengmawia et al. Theoretical perspectives of research output based on literature review
Lopez Estimation of Cronbach’s alpha for sparse datasets
CN106960399A (zh) 推荐高考院校的方法及装置
Wahid et al. The Decision Support System of Students Recruitment as Teacher Candidates using Multilevel Multi Attribute Utility Theory (MAUT)
Lazić et al. Improvement of Quality of Higher Education Institutions as a Basis for Improvement of Quality of Life. Sustainability 2021, 13, 4149
Hendiarto et al. The Influence of Digital Marketing Training on Entrepreneurship Capital Collection (Case Study of Entrepreneurial Society Startups in Bandung)
Dewes et al. Understanding the Usage of IT-Security Games in the Industry and Its Mapping to Job Profiles
Shah et al. Technological changes and its relationship with computer anxiety in commercial banks
Zhao Evaluation research on the effectiveness of practical teaching of ideological and political courses in higher vocational colleges under micro-culture
Umakanth et al. Implications Of Management Information System On Staff Performance: A Study Across B-Schools In Bangalore City
Pellissier Number crunching for business people
Ivey et al. Evaluating the research performance of an emergent technological university
Jiang et al. Personalized recommendation and analysis method for student partiality for one or some subject (s) in higher education management
Tsubaki et al. Analysis of the design of effective learning activities using learning-type PDCA and CAPD cycles on the basis of the characteristics of individual students

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170718

RJ01 Rejection of invention patent application after publication