CN107491892A - 一种用于职业适应力评估的三维动态监测方法及系统 - Google Patents
一种用于职业适应力评估的三维动态监测方法及系统 Download PDFInfo
- Publication number
- CN107491892A CN107491892A CN201710758664.8A CN201710758664A CN107491892A CN 107491892 A CN107491892 A CN 107491892A CN 201710758664 A CN201710758664 A CN 201710758664A CN 107491892 A CN107491892 A CN 107491892A
- Authority
- CN
- China
- Prior art keywords
- observed person
- evaluation
- professional
- monitoring
- test value
- 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
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (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
本发明涉及职业倾向和就业能力评价测评技术领域,公开了一种用于职业适应力评估的三维动态监测方法及系统。本发明创造可结合教学平台,监测获取被观察者在一系列学习过程中的行为数据,尤其是与职业适应相关的行为数据(包括适应深度、适应宽度及其相对关系和未来趋势等),并通过结构化的模型将获取的行为数据转换为对某一职业的职业适应力评价,进而不但可以查找到推荐最佳职业和推荐关注职业,还可以对被观察者的各项职业适应力进行动态实时监测,方便准确预测未来的职业发展趋势。
Description
技术领域
本发明涉及职业倾向和就业能力评价技术领域,具体地,涉及一种用于职业适应力评估的三维动态监测方法及系统。
背景技术
现有关于职业倾向和就业能力评价方法主要为对单一岗位技能或职业兴趣进行单项测评,无法形成复杂的、多元因素的交叉和动态监测。但在现实世界中,仅凭兴趣或能力等单项指标根本无法准确地评价人对适应职业的深度、宽度以及发展趋势,尤其对于年轻人来说此弊端更加明显。被观察者通常要同时使用多种测评工具,得到不同的测评报告,但是在不同的测评报告中又存在彼此矛盾的观点和结论。此外,现有的测评方法通常为静态测评方法,只能反映某一时间节点的状态,无法追踪和反映在变化的环境中,年轻人不断变化的心态、行为习惯和能力,以及未来的发展趋势。由此有必要提供一种新的动态监测技术,来实现一个相对于静态评价方法来说的技术飞跃。
发明内容
针对前述现有关于职业倾向和就业能力评价方法所存在的职业适应准确率低和因静态化而导致滞后性严重的问题,本发明提供了一种用于职业适应力评估的三维动态监测方法及系统。
本发明采用的技术方案,一方面提供了用于职业适应力评估的三维动态监测方法,包括如下步骤:
S101.针对各个职业,利用教学平台进行如下实时监测:
(A)职业稳定性监测:监测被观察者参与的且关于对应职业的学习计划完成情况,并根据监测结果计算出该被观察者在该职业的稳定性评测值S;
(B)职业主动性监测:监测被观察者在关于对应职业的所有互动点的主动行为情况,并根据监测结果计算出该被观察者在该职业的相对主动性评测值I;
(C)职业胜任力监测:监测被观察者在关于对应职业的所有评测点的得分情况,并根据监测结果计算出该被观察者在该职业的胜任力评测值C;
(D)职业兴趣宽度监测:监测被观察者在关于对应职业的所有相关职业的兴趣情况,并根据监测结果计算出该被观察者在该职业的兴趣宽度评测值WI;
(E)职业能力宽度监测:监测被观察者在关于对应职业的所有相关职业的能力情况,并根据监测结果计算出该被观察者在该职业的能力宽度评测值WA;
S102.针对各个职业,按照如下公式计算被观察者在对应职业的实时职业适应深度评测值PD:
PD=(ks·S+kI·I+kC·C)/3
式中,ks为被观察者在职业稳定性监测的权重系数,kI为被观察者在职业主动性监测的权重系数,kC为被观察者在职业胜任力监测的权重系数,ks+kI+kC=1;
同时按照如下公式计算被观察者在对应职业的实时职业适应宽度评测值PW:
PW=(kWI·WI+kWA·WA)/2
式中,kWI为被观察者在职业兴趣宽度监测的权重系数,kWA为被观察者在职业能力宽度监测的权重系数,kWI+kWA=1;
S103.分别查找实时职业适应深度评测值最高的第一职业和实时职业适应宽度评测值最高的第二职业,若第一职业的实时职业适应深度评测值与对应实时职业适应宽度评测值的差值不大于第二职业的实时职业适应宽度评测值与实时职业适应深度评测值的差值,则将第一职业作为被观察者的最佳推荐职业,否则将第二职业作为被观察者的推荐最佳职业;
S104.查找在最近观察期内职业适应深度评测值和职业适应宽度评测值均分别增长的职业,并将这些职业作为被观察者的推荐关注职业。
优化的,在所述步骤S102之后,包括如下步骤:
S201.将各个职业的实时职业适应深度评测值、实时职业适应宽度评测值和实时监测时间代入到一个包含职业适应深度评测值、职业适应宽度评测值和时间的三维坐标系中;
S202.向人机交互界面输出包含该三维坐标系的图像。
优化的,根据被观察者的年龄、工龄和/或离校状态调整被观察者在职业适应深度监测方面的权重系数ks、kI和kC。
优化的,根据被观察者的年龄、工龄和/或离校状态调整被观察者在职业适应宽度监测方面的权重系数kWI和kWA。
优化的,按照如下公式计算被观察者在职业X的稳定性评测值SX:
式中,SNX为被观察者参与的且关于职业X的所有学习计划的次数,为被观察者成功完成的且关于职业X的所有学习计划的次数与总观测次数SNX的比例。
优化的,按照如下公式计算被观察者在职业X的相对主动性评测值IX:
式中,INX为被观察者参与的且关于职业X的所有主动行为次数,为所有被观察者参与的且关于职业X的平均主动行为次数。
优化的,按照如下公式计算被观察者在职业X的胜任力评测值CX:
式中,为被观察者在关于职业X的所有评测点的平均得分率。
优化的,按照如下公式计算被观察者在职业X的兴趣宽度评测值WIX:
式中,M为与职业X相关的所有职业个数,Q为不大于M的自然数,rXQ为职业X与第Q个相关职业的关联度,PWIQ为被观察者对第Q个相关职业的兴趣评测值。
优化的,按照如下公式计算被观察者在职业X的能力宽度评测值WAX:
式中,M为与职业X相关的所有职业个数,Q为不大于M的自然数,rXQ为职业X与第Q个相关职业的关联度,PWAQ为被观察者在第Q个相关职业的能力评测值。
本发明采用的技术方案,同时还提供了一种用于职业适应力评估的三维动态监测系统,其特征在于,包括实时监测模块、计算模块、第一查找模块和第二查找模块,其中,所述计算模块分别通信连接所述实时监测模块、所述第一查找模块和所述第二查找模块;
所述实时监测模块用于针对各个职业,利用教学平台进行实时监测,其具体包括如下单元:
职业稳定性监测单元,用于监测被观察者参与的且关于对应职业的学习计划完成情况,并根据监测结果计算出该被观察者在该职业的稳定性评测值S;
职业主动性监测单元,用于监测被观察者在关于对应职业的所有互动点的主动行为情况,并根据监测结果计算出该被观察者在该职业的相对主动性评测值I;
职业胜任力监测单元,用于监测被观察者在关于对应职业的所有评测点的得分情况,并根据监测结果计算出该被观察者在该职业的胜任力评测值C;
职业兴趣宽度监测单元,用于监测被观察者在关于对应职业的所有相关职业的兴趣情况,并根据监测结果计算出该被观察者在该职业的兴趣宽度评测值WI;
职业能力宽度监测单元,用于监测被观察者在关于对应职业的所有相关职业的能力情况,并根据监测结果计算出该被观察者在该职业的能力宽度评测值WA;
所述计算模块用于针对各个职业,按照如下公式计算被观察者在对应职业的实时职业适应深度评测值PD:
PD=(ks·S+kI·I+kC·C)/3
式中,ks为被观察者在职业稳定性监测的权重系数,kI为被观察者在职业主动性监测的权重系数,kC为被观察者在职业胜任力监测的权重系数,ks+kI+kC=1;
同时按照如下公式计算被观察者在对应职业的实时职业适应宽度评测值PW:
PW=(kWI·WI+kWA·WA)/2
式中,kWI为被观察者在职业兴趣宽度监测的权重系数,kWA为被观察者在职业能力宽度监测的权重系数,kWI+kWA=1;
所述第一查找模块用于分别查找实时职业适应深度评测值最高的第一职业和实时职业适应宽度评测值最高的第二职业,若第一职业的实时职业适应深度评测值与对应实时职业适应宽度评测值的差值不大于第二职业的实时职业适应宽度评测值与实时职业适应深度评测值的差值,则将第一职业作为被观察者的最佳推荐职业,否则将第二职业作为被观察者的推荐最佳职业;
所述第二查找模块用于查找在最近观察期内职业适应深度评测值和职业适应宽度评测值均分别增长的职业,并将这些职业作为被观察者的推荐关注职业。
综上,采用本发明所提供的一种用于职业适应力评估的三维动态监测方法及系统,具有如下有益效果:(1)本发明创造可结合教学平台,监测获取被观察者在一系列学习过程中的行为数据,尤其是与职业适应相关的行为数据(包括适应深度、适应宽度及其相对关系和未来趋势等),并通过结构化的模型将获取的行为数据转换为对某一职业的职业适应力评价,进而不但可以查找到推荐最佳职业和推荐关注职业,还可以对被观察者的各项职业适应力进行动态实时监测,方便准确预测未来的职业发展趋势;(2)本发明创造可实现基于一个闭环的教学过程,将多种行为数据融合到一个评价模型中,并进行持续性的实时记录,进而可对影响职业适应能力的多重及复合的因素进行系统地和结构化的整合,准确得到职业倾向和就业能力评价结果;(3)通过本发明创造及其所依托的教学平台,可以有效地规避现有各种职业(如兴趣和能力)相关的测评技术所存在的、难以克服的静止性和单一性带来的弊端,具有广泛的适用性和技术模型的超前性,尤其对于年轻人,可以科学地量化评价他们在职业方向选择、职业角色进入的过程中的复杂的、变化的心理和行为状态及未来发展趋势;(4)通过对不同人群的监测权重系数进行区别化设置,使本发明创造能够适合更多细分人群;(5)所述三维动态监测方法及系统因基于相对独立、封闭的教学平台来实现,因此具有较好的可观察性、准确性和完整性,解决了教学评价中难以解决的过滤干扰因素的问题,便于实际推广和应用。
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简单地介绍,显而易见地,下面描述中的附图仅仅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是本发明提供的三维动态监测方法的流程示意图。
图2是本发明提供的包含职业适应深度评测值、职业适应宽度评测值和时间的三维坐标系图。
图3是本发明提供的三维动态监测系统的结构示意图。
具体实施方式
以下将参照附图,通过实施例方式详细地描述本发明提供的用于职业适应力评估的三维动态监测方法及系统。在此需要说明的是,对于这些实施例方式的说明用于帮助理解本发明,但并不构成对本发明的限定。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,单独存在B,同时存在A和B三种情况,本文中术语“/和”是描述另一种关联对象关系,表示可以存在两种关系,例如,A/和B,可以表示:单独存在A,单独存在A和B两种情况,另外,本文中字符“/”,一般表示前后关联对象是一种“或”关系。
实施例一
图1示出了本发明提供的三维动态监测方法的流程示意图,图2示出了本发明提供的包含职业适应深度评测值、职业适应宽度评测值和时间的三维坐标系图。
本实施例提供的所述用于职业适应力评估的三维动态监测方法,包括如下步骤。
S101.针对各个职业,利用教学平台进行如下实时监测:
(A)职业稳定性监测:监测被观察者参与的且关于对应职业的学习计划完成情况,并根据监测结果计算出该被观察者在该职业的稳定性评测值S;
(B)职业主动性监测:监测被观察者在关于对应职业的所有互动点的主动行为情况,并根据监测结果计算出该被观察者在该职业的相对主动性评测值I;
(C)职业胜任力监测:监测被观察者在关于对应职业的所有评测点的得分情况,并根据监测结果计算出该被观察者在该职业的胜任力评测值C;
(D)职业兴趣宽度监测:监测被观察者在关于对应职业的所有相关职业的兴趣情况,并根据监测结果计算出该被观察者在该职业的兴趣宽度评测值WI;
(E)职业能力宽度监测:监测被观察者在关于对应职业的所有相关职业的能力情况,并根据监测结果计算出该被观察者在该职业的能力宽度评测值WA。
在所述步骤S101的职业稳定性监测中,职业稳定性反映了被观察者在思想和行为上的可预期性和规律性,它是职业适应深度评测的一个关键指标。优化的,可以但不限于按照如下公式计算被观察者在职业X的稳定性评测值SX:
式中,SNX为被观察者参与的且关于职业X的所有学习计划的次数,为被观察者成功完成(所谓成功完成是指在计划时间内完成了计划内容)的且关于职业X的所有学习计划的次数与总观测次数SNX的比例。例如,被观察者在某一时间节点参与并成功完成了3次学习计划(包括学习内容和时间点),而若总计参与了10次学习计划,此时值为0.3,小于的值0.7,其职业稳定性评测值为:
在所述步骤S101的职业主动性监测中,主动性可以反映被观察者的学习意愿和行为模式,同时也是其适应环境的动力外在体现。所述监测被观察者在关于对应职业的所有互动点的主动行为情况可以但不限于包括对观点输入、参考资料查阅、温故知新以及关注教练等行为进行实时监测,并分析被观察者的主动性。优化的,可以但不限于按照如下公式计算被观察者在职业X的相对主动性评测值IX:
式中,INX为被观察者参与的且关于职业X的所有主动行为次数,为所有被观察者参与的且关于职业X的平均主动行为次数,其为合格基准点,故需按60%折算。例如,被观察者的主动行为次数为20次,而所有被观察者的主动行为人均为25次,此时该被观察者的相对主动性评测值为48%。此外,也可以根据排位名次来确定被观察者的相对主动性评测值。
在所述步骤S101的职业胜任力监测中,胜任力反映了被监测者的理解、分析和解决问题的能力,所述监测被观察者在关于对应职业的所有评测点的得分情况可以但不限于包括监测被观察者的观点得分率(所有得分率即为百分比率)和学习任务的得分率,以及在职业教练指导过程中的得分率。优化的,可以但不限于按照如下公式计算被观察者在职业X的胜任力评测值CX:
式中,为被观察者在关于职业X的所有评测点的平均得分率。
在所述步骤S101的职业兴趣宽度监测中,由于任何职业都是与一组相关职业(包括其上下游的职业,以及存在彼此依存或协作关系的职业)共同构成一个完整的职业生态环境,因此通过对与特定职业相关的一组职业或专题进行兴趣监测,并对它们加权平均(根据其相关性的大小设定权重),即可得到某一职业兴趣的宽度,进而通过对职业兴趣的宽度进行趋势记录,可以反映被观察者融入该职业生态圈的可能性和意愿。优化的,可以但不限于按照如下公式计算被观察者在职业X的兴趣宽度评测值WIX:
式中,M为与职业X相关的所有职业个数,Q为不大于M的自然数,rXQ为职业X与第Q个相关职业的关联度,PWIQ为被观察者对第Q个相关职业的兴趣评测值。
在所述步骤S101的职业能力宽度监测中,同理,通过对与特定职业相关的一组职业或专题进行能力监测,并对它们加权平均(根据其相关性的大小设定权重),即可得到某一职业能力的宽度,进而通过对职业能力的宽度进行趋势记录,可以反映被观察者融入该职业的生态圈的效率和水平。优化的,可以但不限于按照如下公式计算被观察者在职业X的能力宽度评测值WAX:
式中,M为与职业X相关的所有职业个数,Q为不大于M的自然数,rXQ为职业X与第Q个相关职业的关联度,PWAQ为被观察者在第Q个相关职业的能力评测值。
S102.针对各个职业,按照如下公式计算被观察者在对应职业的实时职业适应深度评测值PD:
PD=(ks·S+kI·I+kC·C)/3
式中,ks为被观察者在职业稳定性监测的权重系数,kI为被观察者在职业主动性监测的权重系数,kC为被观察者在职业胜任力监测的权重系数,ks+kI+kC=1;
同时按照如下公式计算被观察者在对应职业的实时职业适应宽度评测值PW:
PW=(kWI·WI+kWA·WA)/2
式中,kWI为被观察者在职业兴趣宽度监测的权重系数,kWA为被观察者在职业能力宽度监测的权重系数,kWI+kWA=1。
在所述步骤S102中,为了使本发明创造能够适合更多细分人群,优化的,根据被观察者的年龄、工龄和/或离校状态调整被观察者在职业适应深度监测方面的权重系数ks、kI和kC。根据被观察者的年龄、工龄和/或离校状态调整被观察者在职业适应宽度监测方面的权重系数kWI和kWA。例如,对于某位身份为大学二年级的学生,因缺乏职场经验可对其预设权重系数ks、kI和kC分别为30%、40%和30%,预设权重系数kWI和kWA分别为60%和40%。
在所述步骤S102之后,为了给人们提供更直观和方便分析的三维动态监测结果,包括如下步骤:S201.将各个职业的实时职业适应深度评测值、实时职业适应宽度评测值和实时监测时间代入到一个包含职业适应深度评测值、职业适应宽度评测值和时间的三维坐标系中;S202.向人机交互界面输出包含该三维坐标系的图像。所述三维坐标系的图可以但不限于如图2所示,t0时刻表示实时监测时间,t1和t2表示历史监测时间。
S103.分别查找实时职业适应深度评测值最高的第一职业和实时职业适应宽度评测值最高的第二职业,若第一职业的实时职业适应深度评测值与对应实时职业适应宽度评测值的差值不大于第二职业的实时职业适应宽度评测值与实时职业适应深度评测值的差值,则将第一职业作为被观察者的最佳推荐职业,否则将第二职业作为被观察者的推荐最佳职业。例如,如图2所示,职业A为实时职业适应深度评测值最高(36%)的第一职业,它对应的实时职业适应宽度评测值为41%;而职业B为实时职业适应宽度评测值最高(47%)的第二职业,它对应的实时职业适应深度评测值为19%,那么在比较二者的职业适应宽度评测值和深度评测值之差后,可将职业A作为推荐最佳职业。
S104.查找在最近观察期内职业适应深度评测值和职业适应宽度评测值均分别增长的职业,并将这些职业作为被观察者的推荐关注职业。所述最近观察期可以但不限于是指最近的连续3个自然月,例如,在最近的3个月内,若职业C的职业适应深度评测值和职业适应宽度评测值均分别处于增长态势,则将职业C作为被观察者的推荐关注职业。
通过前述步骤S101~S104,可监测获取被观察者在一系列学习过程中的行为数据,尤其是与职业适应相关的行为数据(包括适应深度、适应宽度及其相对关系和未来趋势等),并通过结构化的模型将获取的行为数据转换为对某一职业的职业适应力评价,进而不但可以查找到推荐最佳职业和推荐关注职业,还可以对被观察者的各项职业适应力进行动态实时监测,方便准确预测未来的职业发展趋势。
综上,本实施例所提供的用于职业适应力评估的三维动态监测方法,具有如下有益效果:(1)本发明创造可结合教学平台,监测获取被观察者在一系列学习过程中的行为数据,尤其是与职业适应相关的行为数据(包括适应深度、适应宽度及其相对关系和未来趋势等),并通过结构化的模型将获取的行为数据转换为对某一职业的职业适应力评价,进而不但可以查找到推荐最佳职业和推荐关注职业,还可以对被观察者的各项职业适应力进行动态实时监测,方便准确预测未来的职业发展趋势;(2)本发明创造可实现基于一个闭环的教学过程,将多种行为数据融合到一个评价模型中,并进行持续性的实时记录,进而可对影响职业适应能力的多重及复合的因素进行系统地和结构化的整合,准确得到职业倾向和就业能力评价结果;(3)通过本发明创造及其所依托的教学平台,可以有效地规避现有各种职业(如兴趣和能力)相关的测评技术所存在的、难以克服的静止性和滞后性带来的弊端,具有广泛的适用性和技术模型的超前性,尤其对于年轻人,可以科学地量化评价他们在职业方向选择、职业角色进入的过程中的复杂的、变化的心理和行为状态及未来发展趋势;(4)通过对不同人群的监测权重系数进行区别化设置,使本发明创造能够适合更多细分人群;(5)所述三维动态监测方法因基于相对独立、封闭的教学平台来实现,因此还具有较好的可观察性、准确性和完整性,解决了教学评价中难以解决的过滤干扰因素的问题,便于实际推广和应用。
实施例二
图3示出了本发明提供的三维动态监测系统的结构示意图。本实施例提供了一种实现实施例一所述三维动态监测方法的系统,包括实时监测模块、计算模块、第一查找模块和第二查找模块,其中,所述计算模块分别通信连接所述实时监测模块、所述第一查找模块和所述第二查找模块;
所述实时监测模块用于针对各个职业,利用教学平台进行实时监测,其具体包括如下单元:
职业稳定性监测单元,用于监测被观察者参与的且关于对应职业的学习计划完成情况,并根据监测结果计算出该被观察者在该职业的稳定性评测值S;
职业主动性监测单元,用于监测被观察者在关于对应职业的所有互动点的主动行为情况,并根据监测结果计算出该被观察者在该职业的相对主动性评测值I;
职业胜任力监测单元,用于监测被观察者在关于对应职业的所有评测点的得分情况,并根据监测结果计算出该被观察者在该职业的胜任力评测值C;
职业兴趣宽度监测单元,用于监测被观察者在关于对应职业的所有相关职业的兴趣情况,并根据监测结果计算出该被观察者在该职业的兴趣宽度评测值WI;
职业能力宽度监测单元,用于监测被观察者在关于对应职业的所有相关职业的能力情况,并根据监测结果计算出该被观察者在该职业的能力宽度评测值WA;
所述计算模块用于针对各个职业,按照如下公式计算被观察者在对应职业的实时职业适应深度评测值PD:
PD=(ks·S+kI·I+kC·C)/3
式中,ks为被观察者在职业稳定性监测的权重系数,kI为被观察者在职业主动性监测的权重系数,kC为被观察者在职业胜任力监测的权重系数,ks+kI+kC=1;
同时按照如下公式计算被观察者在对应职业的实时职业适应宽度评测值PW:
PW=(kWI·WI+kWA·WA)/2
式中,kWI为被观察者在职业兴趣宽度监测的权重系数,kWA为被观察者在职业能力宽度监测的权重系数,kWI+kWA=1;
所述第一查找模块用于分别查找实时职业适应深度评测值最高的第一职业和实时职业适应宽度评测值最高的第二职业,若第一职业的实时职业适应深度评测值与对应实时职业适应宽度评测值的差值不大于第二职业的实时职业适应宽度评测值与实时职业适应深度评测值的差值,则将第一职业作为被观察者的最佳推荐职业,否则将第二职业作为被观察者的推荐最佳职业;
所述第二查找模块用于查找在最近观察期内职业适应深度评测值和职业适应宽度评测值均分别增长的职业,并将这些职业作为被观察者的推荐关注职业。
本实施例中各个模块及单元的工作细节与实施例一中的内容一致,于此不再赘述。此外,本实施例的技术效果也与实施例一的技术效果一致,也不再赘述。
如上所述,可较好地实现本发明。对于本领域的技术人员而言,根据本发明的教导,设计出不同形式的用于职业适应力评估的三维动态监测方法及系统并不需要创造性的劳动。在不脱离本发明的原理和精神的情况下对这些实施例进行变化、修改、替换、整合和变型仍落入本发明的保护范围内。
Claims (10)
1.一种用于职业适应力评估的三维动态监测方法,其特征在于,包括如下步骤:
S101.针对各个职业,利用教学平台进行如下实时监测:
(A)职业稳定性监测:监测被观察者参与的且关于对应职业的学习计划完成情况,并根据监测结果计算出该被观察者在该职业的稳定性评测值S;
(B)职业主动性监测:监测被观察者在关于对应职业的所有互动点的主动行为情况,并根据监测结果计算出该被观察者在该职业的相对主动性评测值I;
(C)职业胜任力监测:监测被观察者在关于对应职业的所有评测点的得分情况,并根据监测结果计算出该被观察者在该职业的胜任力评测值C;
(D)职业兴趣宽度监测:监测被观察者在关于对应职业的所有相关职业的兴趣情况,并根据监测结果计算出该被观察者在该职业的兴趣宽度评测值WI;
(E)职业能力宽度监测:监测被观察者在关于对应职业的所有相关职业的能力情况,并根据监测结果计算出该被观察者在该职业的能力宽度评测值WA;
S102.针对各个职业,按照如下公式计算被观察者在对应职业的实时职业适应深度评测值PD:
PD=(ks·S+kI·I+kC·C)/3
式中,ks为被观察者在职业稳定性监测的权重系数,kI为被观察者在职业主动性监测的权重系数,kC为被观察者在职业胜任力监测的权重系数,ks+kI+kC=1;
同时按照如下公式计算被观察者在对应职业的实时职业适应宽度评测值PW:
PW=(kWI·WI+kWA·WA)/2
式中,kWI为被观察者在职业兴趣宽度监测的权重系数,kWA为被观察者在职业能力宽度监测的权重系数,kWI+kWA=1;
S103.分别查找实时职业适应深度评测值最高的第一职业和实时职业适应宽度评测值最高的第二职业,若第一职业的实时职业适应深度评测值与对应实时职业适应宽度评测值的差值不大于第二职业的实时职业适应宽度评测值与实时职业适应深度评测值的差值,则将第一职业作为被观察者的最佳推荐职业,否则将第二职业作为被观察者的推荐最佳职业;
S104.查找在最近观察期内职业适应深度评测值和职业适应宽度评测值均分别增长的职业,并将这些职业作为被观察者的推荐关注职业。
2.如权利要求1所述的一种用于职业适应力评估的三维动态监测方法,其特征在于,在所述步骤S102之后,包括如下步骤:
S201.将各个职业的实时职业适应深度评测值、实时职业适应宽度评测值和实时监测时间代入到一个包含职业适应深度评测值、职业适应宽度评测值和时间的三维坐标系中;
S202.向人机交互界面输出包含该三维坐标系的图像。
3.如权利要求1所述的一种用于职业适应力评估的三维动态监测方法,其特征在于,根据被观察者的年龄、工龄和/或离校状态调整被观察者在职业适应深度监测方面的权重系数ks、kI和kC。
4.如权利要求1所述的一种用于职业适应力评估的三维动态测评方法,其特征在于,根据被观察者的年龄、工龄和/或离校状态调整被观察者在职业适应宽度监测方面的权重系数kWI和kWA。
5.如权利要求1所述的一种用于职业适应力评估的三维动态测评方法,其特征在于,按照如下公式计算被观察者在职业X的稳定性评测值SX:
式中,SNX为被观察者参与的且关于职业X的所有学习计划的次数,为被观察者成功完成的且关于职业X的所有学习计划的次数与总观测次数SNX的比例。
6.如权利要求1所述的一种用于职业适应力评估的三维动态测评方法,其特征在于,按照如下公式计算被观察者在职业X的相对主动性评测值IX:
<mrow>
<msub>
<mi>I</mi>
<mi>X</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>IN</mi>
<mi>X</mi>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>IN</mi>
<mi>X</mi>
<mrow>
<mi>A</mi>
<mi>v</mi>
<mi>g</mi>
</mrow>
</msubsup>
</mrow>
</mfrac>
<mo>*</mo>
<mn>60</mn>
<mi>%</mi>
</mrow>
式中,INX为被观察者参与的且关于职业X的所有主动行为次数,为所有被观察者参与的且关于职业X的平均主动行为次数。
7.如权利要求1所述的一种用于职业适应力评估的三维动态测评方法,其特征在于,按照如下公式计算被观察者在职业X的胜任力评测值CX:
<mrow>
<msub>
<mi>C</mi>
<mi>X</mi>
</msub>
<mo>=</mo>
<msubsup>
<mi>C</mi>
<mi>X</mi>
<mrow>
<mi>A</mi>
<mi>v</mi>
<mi>g</mi>
</mrow>
</msubsup>
</mrow>
式中,为被观察者在关于职业X的所有评测点的平均得分率。
8.如权利要求1所述的一种用于职业适应力评估的三维动态测评方法,其特征在于,按照如下公式计算被观察者在职业X的兴趣宽度评测值WIX:
<mrow>
<msub>
<mi>WI</mi>
<mi>X</mi>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>Q</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msub>
<mi>r</mi>
<mrow>
<mi>X</mi>
<mi>Q</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>PWI</mi>
<mi>Q</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mi>M</mi>
</mrow>
式中,M为与职业X相关的所有职业个数,Q为不大于M的自然数,rXQ为职业X与第Q个相关职业的关联度,PWIQ为被观察者对第Q个相关职业的兴趣评测值。
9.如权利要求1所述的一种用于职业适应力评估的三维动态测评方法,其特征在于,按照如下公式计算被观察者在职业X的能力宽度评测值WAX:
<mrow>
<msub>
<mi>WA</mi>
<mi>X</mi>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>Q</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msub>
<mi>r</mi>
<mrow>
<mi>X</mi>
<mi>Q</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>PWA</mi>
<mi>Q</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mi>M</mi>
</mrow>
式中,M为与职业X相关的所有职业个数,Q为不大于M的自然数,rXQ为职业X与第Q个相关职业的关联度,PWAQ为被观察者在第Q个相关职业的能力评测值。
10.一种用于职业适应力评估的三维动态监测系统,其特征在于,包括实时监测模块、计算模块、第一查找模块和第二查找模块,其中,所述计算模块分别通信连接所述实时监测模块、所述第一查找模块和所述第二查找模块;
所述实时监测模块用于针对各个职业,利用教学平台进行实时监测,其具体包括如下单元:
职业稳定性监测单元,用于监测被观察者参与的且关于对应职业的学习计划完成情况,并根据监测结果计算出该被观察者在该职业的稳定性评测值S;
职业主动性监测单元,用于监测被观察者在关于对应职业的所有互动点的主动行为情况,并根据监测结果计算出该被观察者在该职业的相对主动性评测值I;
职业胜任力监测单元,用于监测被观察者在关于对应职业的所有评测点的得分情况,并根据监测结果计算出该被观察者在该职业的胜任力评测值C;
职业兴趣宽度监测单元,用于监测被观察者在关于对应职业的所有相关职业的兴趣情况,并根据监测结果计算出该被观察者在该职业的兴趣宽度评测值WI;
职业能力宽度监测单元,用于监测被观察者在关于对应职业的所有相关职业的能力情况,并根据监测结果计算出该被观察者在该职业的能力宽度评测值WA;
所述计算模块用于针对各个职业,按照如下公式计算被观察者在对应职业的实时职业适应深度评测值PD:
PD=(ks·S+kI·I+kC·C)/3
式中,ks为被观察者在职业稳定性监测的权重系数,kI为被观察者在职业主动性监测的权重系数,kC为被观察者在职业胜任力监测的权重系数,ks+kI+kC=1;
同时按照如下公式计算被观察者在对应职业的实时职业适应宽度评测值PW:
PW=(kWI·WI+kWA·WA)/2
式中,kWI为被观察者在职业兴趣宽度监测的权重系数,kWA为被观察者在职业能力宽度监测的权重系数,kWI+kWA=1;
所述第一查找模块用于分别查找实时职业适应深度评测值最高的第一职业和实时职业适应宽度评测值最高的第二职业,若第一职业的实时职业适应深度评测值与对应实时职业适应宽度评测值的差值不大于第二职业的实时职业适应宽度评测值与实时职业适应深度评测值的差值,则将第一职业作为被观察者的最佳推荐职业,否则将第二职业作为被观察者的推荐最佳职业;
所述第二查找模块用于查找在最近观察期内职业适应深度评测值和职业适应宽度评测值均分别增长的职业,并将这些职业作为被观察者的推荐关注职业。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710758664.8A CN107491892A (zh) | 2017-08-29 | 2017-08-29 | 一种用于职业适应力评估的三维动态监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710758664.8A CN107491892A (zh) | 2017-08-29 | 2017-08-29 | 一种用于职业适应力评估的三维动态监测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107491892A true CN107491892A (zh) | 2017-12-19 |
Family
ID=60650819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710758664.8A Pending CN107491892A (zh) | 2017-08-29 | 2017-08-29 | 一种用于职业适应力评估的三维动态监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107491892A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108171437A (zh) * | 2018-01-15 | 2018-06-15 | 吉林工程技术师范学院 | 一种心理学职业能力测评系统 |
CN108256781A (zh) * | 2018-02-07 | 2018-07-06 | 蔡佐宾 | 职业评测方法及职业评测系统 |
CN111210044A (zh) * | 2018-11-21 | 2020-05-29 | 北京国双科技有限公司 | 职业特点预测方法及装置 |
-
2017
- 2017-08-29 CN CN201710758664.8A patent/CN107491892A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108171437A (zh) * | 2018-01-15 | 2018-06-15 | 吉林工程技术师范学院 | 一种心理学职业能力测评系统 |
CN108171437B (zh) * | 2018-01-15 | 2021-08-31 | 吉林工程技术师范学院 | 一种心理学职业能力测评系统 |
CN108256781A (zh) * | 2018-02-07 | 2018-07-06 | 蔡佐宾 | 职业评测方法及职业评测系统 |
CN111210044A (zh) * | 2018-11-21 | 2020-05-29 | 北京国双科技有限公司 | 职业特点预测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Abbas et al. | System dynamics applicability to transportation modeling | |
Li et al. | Hybridising human judgment, AHP, simulation and a fuzzy expert system for strategy formulation under uncertainty | |
US8082168B1 (en) | Method for statistical comparison of occupations by skill sets and other relevant attributes | |
Ärlebäck et al. | The use and potential of Fermi problems in the STEM disciplines to support the development of twenty-first century competencies | |
Ozbek et al. | Data envelopment analysis as a decision-making tool for transportation professionals | |
Chao et al. | Estimating project S-curves using polynomial function and neural networks | |
CN107491892A (zh) | 一种用于职业适应力评估的三维动态监测方法及系统 | |
Bendul et al. | The human factor in production planning and control: considering human needs in computer aided decision-support systems | |
Quiroga et al. | Modelling high speed railroad geometry ageing as a discrete-continuous process | |
Belas et al. | Relationship of gender to the position of Slovak University students on the socio-economic determinants of the business environment and the development of entrepreneurship | |
Hauke et al. | Individuals and their interactions in demand planning processes: an agent-based, computational testbed | |
Putra et al. | Development of Employee Work Productivity Through Support of Work Facilities and Management Information Systems | |
Moskowitz | The value of information in aggregate production planning—A behavioral experiment | |
Lovrich et al. | A fuzzy approach to personnel selection | |
CN105117869A (zh) | 一种工作人员管理方法 | |
Clairain Jr | Hydrogeomorphic approach to assessing wetland functions: guidelines for developing regional guidebooks. Chapter 1, Introduction and overview of the hydrogeomorphic approach | |
Dissanayake et al. | Soft computing approach to construction performance prediction and diagnosis | |
Divya et al. | Estimation of probability on delay in desalination plant construction projects in Lakshadweep Island | |
Altonji | Multiple skills, multiple types of education, and the labor market: A research agenda | |
Cartwright et al. | Linking provincial student assessments with national and international assessments | |
Motiwalla et al. | Measuring the impact of expert systems | |
Brandenburg | The Tier I workforce management strategy: Concept and application | |
Ambarwati et al. | Application performance assessment work using simple additive weighting (SAW) method | |
Pandian et al. | Simple Statistical Methods for Software Engineering: Data and Patterns | |
Dror et al. | Enhancing control charts to validate strategy maps |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171219 |