CN107895518A - 信息化护士培训方法 - Google Patents
信息化护士培训方法 Download PDFInfo
- Publication number
- CN107895518A CN107895518A CN201710808066.7A CN201710808066A CN107895518A CN 107895518 A CN107895518 A CN 107895518A CN 201710808066 A CN201710808066 A CN 201710808066A CN 107895518 A CN107895518 A CN 107895518A
- Authority
- CN
- China
- Prior art keywords
- training
- examination paper
- degree
- membership
- nurse
- 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
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
- G09B5/08—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations
- G09B5/12—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations different stations being capable of presenting different information simultaneously
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
Abstract
本发明涉及一种信息化护士培训方法,解决了现有技术的不足,技术方案为:S1、云平台服务器读取培训人员的分组设置,课程分类和试题的分类;S2、云平台服务器获取到课件库和试题库,对培训人员等级和课程分类进匹配管理;S3、云平台服务器依据培训的关键字进行初步筛选;S4、云平台服务器计算初步筛选结果中课程和考试设置与培训人员等级的匹配度,将课程的内容和试卷推送到移动客户端上;S5、培训人员进行学习和考试后,云平台服务器对移动客户端的培训信息同步更新。
Description
技术领域
本发明涉及互联网信息化培训,具体涉及一种采用互联网技术的信息化护士培训方法。
背景技术
每年的5月12日,是“国际护士节”,自从100年前南丁格尔女士创立了护士这个行业以后,许许多多有志于护士的女孩子前赴后继的投入这个行业。护士作为一种神圣的职业,受到人们的尊重。她们提供给患者的是不仅仅是一种服务,更是一种关怀与希望,并且这种服务具有很强的专业性。因此,为了给患者更良好的服务和减少不必要的医疗隐患和事故,她们需要在每天繁忙的工作之余不断得接受专业的培训和各种护理知识的学习。
传统的护士培训一般需要医院等医疗机构集中培训,或者护士在繁忙的工作之余查看资料和书本知识。这种传统的培训方式需要集中式的时间和空间,并且记忆的时间较短、学习的趣味性也相对比较低。还存在考题难易差别程度大,不能循序渐进的问题。
发明内容
本发明的目的在于解决上述传统的培训方式需要集中式的时间和空间,并且记忆的时间较短、学习的趣味性也相对比较低。还存在考题难易差别程度大,不能循序渐进的问题,提供一种采用互联网技术的循序渐进的信息化护士培训方法。
本发明解决其技术问题所采用的技术方案是:一种信息化护士培训方法,适用于信息化护士培训平台,所述信息化护士培训平台包括云平台服务器和移动客户端,所述云平台服务器与移动客户端通信连接,
包括以下步骤:
S1、云平台服务器读取培训人员的分组设置,课程分类和试题的分类;
S2、云平台服务器获取到课件库和试题库,对培训人员等级和课程分类进匹配管理;
S3、云平台服务器依据培训的关键字进行初步筛选;
S4、云平台服务器计算初步筛选结果中课程和考试设置与培训人员等级的匹配度,将课程的内容和试卷推送到移动客户端上;
S5、培训人员进行学习和考试后,云平台服务器对移动客户端的培训信息同步更新。
针对不同的培训分类,云服务器从课题库和试卷库中挑选出匹配的培训课件和试题发送到对应等级的培训人员的移动端APP上,能够循序渐进。
作为优选,培训人员的基础培训根据工作年限的长短分为N0护士培训、N1护士培训、N2护士培训、N3护士培训;步骤S3中,云平台服务器计算初步筛选结果课程设置与培训人员等级的匹配度时,按照以下方式计算匹配度:
A1、培训内容录入时设定有节点,依据工作年龄Y判断培训人员是否处于所设定的节点,如果处于所设定的节点,则将标记有所设定的节点的培训内容的匹配度提升至最高,否则维持原值:
如果Y = 0,那么培训的分类为实习岗前培训;
如果Y< 1,那么培训分类为N0培训
如果1<Y<3,那么培训为N1培训
如果 3<Y<5,那么培训分类为N2培训
如果Y>5,那么培训分类为N3培训;
A2、依据培训人员的科室分类选取课程;
A3、如果培训课程为此培训人员已经学习,则选择其他内容;
A4、作为培训人员在经过培训后,移动客户端中获取相应课程的试卷。
作为优选,在步骤A4中,考试完成后,已考的内容展示出相应的分数,在移动客户端查看错误考题时,推送预设的分析以及关联考题。这样设置,可以达到的考试错误之后准确进行查漏补缺。
作为优选,考题在录入云平台服务器时至少设置三个关键词和至少关联一个技术点。
作为优选,所有考题在录入云平台服务器时均设置有一个默认的难易程度值S和一个用时值T,每一道考题的难易程度值S根据答题的正确率转换进行实时更新,计算方式如下:
S=( A0×K0+A1×K1+A2×K2+A3×K3)/4;
其中,A0为N0护士培训的平均正确率,K0为N0护士培训的正确率系数;A1为N1护士培训的平均正确率,K1为N1护士培训的正确率系数;A2为N2护士培训的平均正确率,K2为N2护士培训的正确率系数;A3为N3护士培训的平均正确率,K3为N3护士培训的正确率系数;K0>K1>K2>K3;
每一道考题的用时值T根据正确答题的平均用时进行实时更新,计算方式如下:
T=( R0×Q0+R1×Q1+R2×Q2+R3×Q3)/4;
其中,R0为N0护士培训正确回答时的平均用时,Q0为N0护士培训的用时率系数;R1为N1护士培训正确回答时的平均用时,Q1为N1护士培训的用时率系数;R2为N2护士培训正确回答时的平均用时, Q2为N2护士培训的用时率系数;R3为N3护士培训正确回答时的平均用时,Q3为N3护士培训的用时率系数;Q3>Q2>Q1>Q0;
在当前培训中,云平台服务器在A4步骤推送的试卷所有考题的难易程度值S之和符合针对此次培训设定的考试总难易程度值范围,且所有考题的用时值T之和符合针对此次培训设定的总用时值范围。这样设置,考题的难易程度可以量化,保证了几乎所有的考试难易程度都可以准确掌握,不存在考试难易波动大的情况,也可以根据当前培训的情况进行酌情调整,准确达到考试考察的目的,其中,由于参与考试的护士工龄不同,熟练程度不同,相同的考题针对不同的人群有不同的难度,因此对正确率和用时时长根据不同的考试者进行大数据处理,得到的结果准确性更好。
作为优选,所述Q0=1,K0=1。这样设置,是以刚入职的新护士作为基准,不以实习生作为基准是因为实习生,选用的考试题目难易程度与正式员工差异较大,考察的方向和考察的目的也不同,并不仅仅针对业务方面,因此对于实习护士的考察选用了其他系统。
作为优选,云平台服务器中存储的考题均计算得出有考题难易类型,考题难易类型分为难题、中上题、易得分题、简单题、中等题和容易题,云平台服务器中存储有难、中、易和简四个考题难易程度的隶属度函数,难、中、易和简四个考题难易程度的隶属度函数输出的隶属度范围为0至1;云平台服务器中还存储有长、中、短和快四个答题用时的隶属度函数,长、中、短和快四个答题用时的隶属度函数输出的隶属度范围为0至0.24;每道考题根据实时的难易程度值S计算获取每道考题在考题难易程度难、考题难易程度中、考题难易程度易和考题难易程度简中各自的隶属度,每道考题根据实时的用时值T计算获取每道考题在答题用时长、答题用时中、答题用时短和答题用时快中各自的隶属度,将考题难易程度难隶属度加上答题用时长隶属度后求得的值为难题隶属度,将考题难易程度中隶属度加上答题用时中隶属度后求得的值为中等题题隶属度,将考题难易程度易隶属度加上答题用时短隶属度后求得的值为容易题隶属度,将考题难易程度简隶属度加上答题用时快隶属度后求得的值为简单题隶属度,若当前考题的难题隶属度最高且大于1则录入的考题为难题,若当前考题的难题隶属度最高且大于0.75小于1,则录入的考题为中上题,若当前考题的简单题隶属度最高且大于1则录入的考题为易得分题,若当前考题的简单题隶属度最高且隶属度大于0.75小于1则录入的考题为简单题,否则,比较当前考题的中等题题隶属度和容易题隶属度,若当前考题的中等题题隶属度大于等于容易题隶属度则当前考题为中等题,若当前考题的中等题题隶属度小于容易题隶属度则当前考题为容易题,在当前培训中,从云平台服务器推送的试卷中所有考题的考题难易类型比例符合针对此次培训设定的考题难易类型比例。这样设置,主要起到的目的是防止考题中出现难题过难而简单的题目过于简单使得考试得分不能有效分散,采用本方法可以将考题的难易程度合理反应在推送的试卷和考分上。这里选用的隶属度函数一般推荐以钟形函数为主,也可以是其他合理的隶属度函数,只要针对一个实时的难易程度值S难、中、易和简四个考题难易程度的隶属度函数输出的隶属度之和为1且针对一个考题根据实时的用时值T长、中、短和快四个答题用时的隶属度函数输出的隶属度之和为0.24即可,隶属度函数的参数取值为人工设定,种类繁多,不进行一一例举。当前考题的难题隶属度最高且大于1为难题,主要是针对用时短错误率高的题目设置,若当前考题的简单题隶属度最高且隶属度大于0.75小于1则录入的考题为简单题,针对的是题目正确率相对一般,但是几乎不需要审题的题目不会混入易得分题目中。
作为优选,考题难易类型按照难题、中上题、中等题和容易题、简单题、易得分题按等级排序。
作为优选,所述关联考题为技术点相同且至少一个关键词相同的考题,所述关联考题在推送时与错题的考题难易类型相同或只差一个等级。
作为优选,步骤A4中对于同一此培训推算的试卷,试题和选项生成顺序如下:
以6为基数,通过随机函数取1-6的随机整数 X,然后取X整数倍的试题,获取一份新的试题,对于剩余的试题,继续以X整数倍获取试题,直到试题全部取完,生成一份新的试卷。
本发明的实质性效果是:解决上述传统的培训方式需要集中式的时间和空间,并且记忆的时间较短、学习的趣味性也相对比较低。还存在考题难易差别程度大,不能循序渐进的问题,提供一种采用互联网技术的循序渐进的信息化护士培训方法。
具体实施方式
下面通过具体实施例,对本发明的技术方案作进一步的具体说明。
实施例1:
一种信息化护士培训方法,适用于信息化护士培训平台,所述信息化护士培训平台包括云平台服务器和移动客户端,所述云平台服务器与移动客户端通信连接,
包括以下步骤:
S1、云平台服务器读取培训人员的分组设置,课程分类和试题的分类;
S2、云平台服务器获取到课件库和试题库,对培训人员等级和课程分类进匹配管理;
S3、云平台服务器依据培训的关键字进行初步筛选;
S4、云平台服务器计算初步筛选结果中课程和考试设置与培训人员等级的匹配度,将课程的内容和试卷推送到移动客户端上;
S5、培训人员进行学习和考试后,云平台服务器对移动客户端的培训信息同步更新。
培训人员的基础培训根据工作年限的长短分为N0护士培训、N1护士培训、N2护士培训、N3护士培训;步骤S3中,云平台服务器计算初步筛选结果课程设置与培训人员等级的匹配度时,按照以下方式计算匹配度:
A1、培训内容录入时设定有节点,依据工作年龄Y判断培训人员是否处于所设定的节点,如果处于所设定的节点,则将标记有所设定的节点的培训内容的匹配度提升至最高,否则维持原值:
如果Y = 0,那么培训的分类为实习岗前培训;
如果Y< 1,那么培训分类为N0培训
如果1<Y<3,那么培训为N1培训
如果 3<Y<5,那么培训分类为N2培训
如果Y>5,那么培训分类为N3培训;
A2、依据培训人员的科室分类选取课程;
A3、如果培训课程为此培训人员已经学习,则选择其他内容;
A4、作为培训人员在经过培训后,移动客户端中获取相应课程的试卷。
考试完成后,已考的内容展示出相应的分数,在移动客户端查看错误考题时,推送预设的分析以及关联考题。
更具体的表述如下:
云平台服务器:主要分为三部分:基础管理、培训管理和考试管理。主要是从对培训人员护士的等级、培训的内容、试题的类别进行相应的匹配,管理员按照匹配度将相应培训内容和考试的内容展示在移动客户端APP上,让培训人员随时查看对应的培训信息;
移动客户端APP:展示云平台服务器对应的培训课程和考试内容,护士人员操作相应的培训课程和考试的进度,实时展示培训人员当前的学习状态和考试分数。
信息化护士培训,包括以下步骤:
S1、云平台服务器读取医院管理等级中培训人员的分组设置,课程分类和试题的分类;首先是管理员的分配,分为院级培训管理员和科室培训管理员。前者是对全院的医护人员进行培训管理,后者则是对自己所属于的科室的人员进行培训管理。
培训人员分为:基础培训,实习学生培训、专业培训、进修培训和其他培训。培训人员的基础培训根据工作年限的长短分为N0护士培训、N1护士培训、N2护士培训、N3护士培训;实习学生培训是对实习学生进行岗前培训;专业培训是针对护理专业序列培训;
课程分类分为:基础课程和专业课程以及其他课程。基础课程主要是以法律法规、规范标准、安全护理、医学人文、职业素养等方面的课程;专业课程主要是以内科、外科、儿科、妇产科、急诊科等具体科室的内容进行课程设置管理;
试题分类:基础试题、专业试题、实操分类和其他分类。基础试题对应的是对课程分类中的基础课程而设置的试题,专业试题是对试题分类中的专业分类设置的试题。实操分类是对培训人员在具体的实际操作中的一些规范和注意事项的一些试题的设置。
S2、云平台服务器获取到课件库和试题库,对课件库和试题库进行规范化管理;对课件库的管理针主要是对S1中培训人员的等级和课程的分类,对课程的来源(本院的还是公共课程)、当前的学习状态、课程推送量以及学习人数的多少、课程的侧重点等多个方面进行分类管理。对试题库的管理是从试题的来源,S1中试题的分类、试题的类型(单选、多选、判断)、以及试题完成比例等方面进行分类管理。
S3、云平台服务器依据关键字进行初步筛选;
S4、云平台服务器计算初步筛选结果中课程和考试设置与培训人员的等级的匹配度,按照匹配度从高到低的顺序将课程的内容和试卷的难易推送到护士的移动客户端APP上。
S5、培训人员进行学习和考试后,云平台服务器对移动客户端APP中学习和考试的结果进行分析和组织,实现培训信息的同步更新。
所述关键字包括护士所处的科室、护士的专业等级、课程分类和试题分类,初步筛选时依据科室、级别、基础培训和专业培训进行选择,直至获得筛选结果。通过以上步骤,在对护士进行培训的时候,根据护士人员所处在分类、课程的具体分类、试题的类别,以及课件库的管理、试题库的管理进行选择,筛选想查询的培训的具体内容。例如某个科室管理员想要查询下本科室所有人员的基础培训的试题内容,他可以在培训管理里点击“本院”后,再点击课程分类的“基础培训”,那么本院中的所有相关的课程就会以列表的形式展示出来,供这个科室管理员查看、筛选。
对于筛选结果,按照以下方式计算各个培训的匹配度:
A1、依据工作年龄Y判断培训人员是否处于特定节点,如果处于特定节点,则将标记有特定节点的培训内容的匹配度提升至最高,否则维持原值:
如果Y = 0,那么培训的分类为实习岗前培训;
如果Y< 1,那么培训分类为N0培训
如果1<Y<3,那么培训为N1培训
如果 3<Y<5,那么培训分类为N2培训
如果Y>5,那么培训分类为N3培训
A2、依据培训人员的科室分类优化课程的设置和考试侧重点对课程的优化:对课程从易到难进行设置,侧重于本科室历年的培训点,以及收集培训人员在考试中错误率较高的知识点进行重点讲解;考试侧重点主要是本科室基本知识点的测试和培训人员在实操中常遇到的问题以及不规范操作进行设置,以达到培训的目的,这类培训为护理专业培训
A3、如果培训课程为此培训人员已经学习,移动客户端APP或微信端设有学习的状态,已学习的培训课程自动进入已学课程中,并且在之后的展示中被标记为已学习,从而减少培训人员在学习选择时的重复率
A4、作为培训人员在经过一定的学习和培训后,需要进行自测和实践。因此,移动客户端APP会设置相应课程的考试内容。已考的内容会展示出相应的分数,错题分析以及考试的分数,从而让培训人员实时查看培训以及考试结果,了解自己培训知识的薄弱点。、从培训人员的现阶段的状态,如果培训人员处于进修阶段,培训的分类为进修护理培训,以及其他培训。
实施例2:
本实施例与实施例1基本相同,不同之处在于:本实施例的考题在录入云平台服务器时至少设置三个关键词和至少关联一个技术点。所有考题在录入云平台服务器时均设置有一个默认的难易程度值S和一个用时值T,每一道考题的难易程度值S根据答题的正确率转换进行实时更新,计算方式如下:
S=( A0×K0+A1×K1+A2×K2+A3×K3)/4;
其中,A0为N0护士培训的平均正确率,K0为N0护士培训的正确率系数;A1为N1护士培训的平均正确率,K1为N1护士培训的正确率系数;A2为N2护士培训的平均正确率,K2为N2护士培训的正确率系数;A3为N3护士培训的平均正确率,K3为N3护士培训的正确率系数;K0>K1>K2>K3;
每一道考题的用时值T根据正确答题的平均用时进行实时更新,计算方式如下:
T=( R0×Q0+R1×Q1+R2×Q2+R3×Q3)/4;
其中,R0为N0护士培训正确回答时的平均用时,Q0为N0护士培训的用时率系数;R1为N1护士培训正确回答时的平均用时,Q1为N1护士培训的用时率系数;R2为N2护士培训正确回答时的平均用时, Q2为N2护士培训的用时率系数;R3为N3护士培训正确回答时的平均用时,Q3为N3护士培训的用时率系数;Q3>Q2>Q1>Q0;
在当前培训中,云平台服务器在A4步骤推送的试卷所有考题的难易程度值S之和符合针对此次培训设定的考试总难易程度值范围,且所有考题的用时值T之和符合针对此次培训设定的总用时值范围。
所述Q0=1,K0=1。
云平台服务器中存储的考题均计算得出有考题难易类型,考题难易类型分为难题、中上题、易得分题、简单题、中等题和容易题,云平台服务器中存储有难、中、易和简四个考题难易程度的隶属度函数,难、中、易和简四个考题难易程度的隶属度函数输出的隶属度范围为0至1;云平台服务器中还存储有长、中、短和快四个答题用时的隶属度函数,长、中、短和快四个答题用时的隶属度函数输出的隶属度范围为0至0.24;每道考题根据实时的难易程度值S计算获取每道考题在考题难易程度难、考题难易程度中、考题难易程度易和考题难易程度简中各自的隶属度,每道考题根据实时的用时值T计算获取每道考题在答题用时长、答题用时中、答题用时短和答题用时快中各自的隶属度,将考题难易程度难隶属度加上答题用时长隶属度后求得的值为难题隶属度,将考题难易程度中隶属度加上答题用时中隶属度后求得的值为中等题题隶属度,将考题难易程度易隶属度加上答题用时短隶属度后求得的值为容易题隶属度,将考题难易程度简隶属度加上答题用时快隶属度后求得的值为简单题隶属度,若当前考题的难题隶属度最高且大于1则录入的考题为难题,若当前考题的难题隶属度最高且大于0.75小于1,则录入的考题为中上题,若当前考题的简单题隶属度最高且大于1则录入的考题为易得分题,若当前考题的简单题隶属度最高且隶属度大于0.75小于1则录入的考题为简单题,否则,比较当前考题的中等题题隶属度和容易题隶属度,若当前考题的中等题题隶属度大于等于容易题隶属度则当前考题为中等题,若当前考题的中等题题隶属度小于容易题隶属度则当前考题为容易题,在当前培训中,从云平台服务器推送的试卷中所有考题的考题难易类型比例符合针对此次培训设定的考题难易类型比例。这里选用的隶属度函数一般推荐以钟形函数为主,也可以是其他合理的隶属度函数,只要针对一个实时的难易程度值S难、中、易和简四个考题难易程度的隶属度函数输出的隶属度之和为1且针对一个考题根据实时的用时值T长、中、短和快四个答题用时的隶属度函数输出的隶属度之和为0.24即可,隶属度函数的参数取值为人工设定,种类繁多,不进行一一例举。当前考题的难题隶属度最高且大于1为难题,主要是针对用时短错误率高的题目设置,若当前考题的简单题隶属度最高且隶属度大于0.75小于1则录入的考题为简单题,针对的是题目正确率相对一般,但是几乎不需要审题的题目不会混入易得分题目中。考题难易类型按照难题、中上题、中等题和容易题、简单题、易得分题按等级排序。所述关联考题为技术点相同且至少一个关键词相同的考题,所述关联考题在推送时与错题的考题难易类型相同或只差一个等级。
实施例3:
本实施例与实施例1基本相同,不同之处在于:步骤A4中对于同一此培训推算的试卷,试题和选项生成顺序如下:以6为基数,通过随机函数取1-6的随机整数 X,然后取X整数倍的试题,获取一份新的试题,对于剩余的试题,继续以X整数倍获取试题,直到试题全部取完,生成一份新的试卷。
例如:一份试卷有10个实体,分别为:1、2、3、4、5、6、7、8、9、10;随机数取到:3则:第一次获取到的题目为:3、6、9;剩余:1、2、4、5、7、8、10;然后对于剩余的题目继续取 3 的倍数:4、8;剩余:1、2、5、7、10;然后对于剩余的题目继续取 3 的倍数:5;剩余1、2、7、10以此类推。最后获取到题目的顺序为:3、6、9、4、8、5、7、10、1、2。试题选项也是该设计思路,只是选项是以4为基数进行以上算法乱序。这样设置,能够有效防止作弊。
本实施例解决上述传统的培训方式需要集中式的时间和空间,并且记忆的时间较短、学习的趣味性也相对比较低。还存在考题难易差别程度大,不能循序渐进的问题,提供一种采用互联网技术的循序渐进的信息化护士培训方法。
以上所述的实施例只是本发明的一种较佳的方案,并非对本发明作任何形式上的限制,在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。
Claims (10)
1.一种信息化护士培训方法,其特征在于:适用于信息化护士培训平台,所述信息化护士培训平台包括云平台服务器和移动客户端,所述云平台服务器与移动客户端通信连接,
包括以下步骤:
S1、云平台服务器读取培训人员的分组设置,课程分类和试题的分类;
S2、云平台服务器获取到课件库和试题库,对培训人员等级和课程分类进匹配管理;
S3、云平台服务器依据培训的关键字进行初步筛选;
S4、云平台服务器计算初步筛选结果中课程和考试设置与培训人员等级的匹配度,将课程的内容和试卷推送到移动客户端上;
S5、培训人员进行学习和考试后,云平台服务器对移动客户端的培训信息同步更新。
2.根据权利要求1所述的信息化护士培训方法,其特征在于:培训人员的基础培训根据工作年限的长短分为N0护士培训、N1护士培训、N2护士培训、N3护士培训;步骤S3中,云平台服务器计算初步筛选结果课程设置与培训人员等级的匹配度时,按照以下方式计算匹配度:
A1、培训内容录入时设定有节点,依据工作年龄Y判断培训人员是否处于所设定的节点,如果处于所设定的节点,则将标记有所设定的节点的培训内容的匹配度提升至最高,否则维持原值:
如果Y = 0,那么培训的分类为实习岗前培训;
如果Y< 1,那么培训分类为N0培训
如果1<Y<3,那么培训为N1培训
如果 3<Y<5,那么培训分类为N2培训
如果Y>5,那么培训分类为N3培训;
A2、依据培训人员的科室分类选取课程;
A3、如果培训课程为此培训人员已经学习,则选择其他内容;
A4、作为培训人员在经过培训后,移动客户端中获取相应课程的试卷。
3.根据权利要求2所述的信息化护士培训方法,其特征在于:在步骤A4中,考试完成后,已考的内容展示出相应的分数,在移动客户端查看错误考题时,推送预设的分析以及关联考题。
4.根据权利要求2所述的信息化护士培训方法,其特征在于:考题在录入云平台服务器时至少设置三个关键词和至少关联一个技术点。
5.根据权利要求2所述的信息化护士培训方法,其特征在于:所有考题在录入云平台服务器时均设置有一个默认的难易程度值S和一个用时值T,每一道考题的难易程度值S根据答题的正确率转换进行实时更新,计算方式如下:
S=( A0×K0+A1×K1+A2×K2+A3×K3)/4;
其中,A0为N0护士培训的平均正确率,K0为N0护士培训的正确率系数;A1为N1护士培训的平均正确率,K1为N1护士培训的正确率系数;A2为N2护士培训的平均正确率,K2为N2护士培训的正确率系数;A3为N3护士培训的平均正确率,K3为N3护士培训的正确率系数;K0>K1>K2>K3;
每一道考题的用时值T根据正确答题的平均用时进行实时更新,计算方式如下:
T=( R0×Q0+R1×Q1+R2×Q2+R3×Q3)/4;
其中,R0为N0护士培训正确回答时的平均用时,Q0为N0护士培训的用时率系数;R1为N1护士培训正确回答时的平均用时,Q1为N1护士培训的用时率系数;R2为N2护士培训正确回答时的平均用时, Q2为N2护士培训的用时率系数;R3为N3护士培训正确回答时的平均用时,Q3为N3护士培训的用时率系数;Q3>Q2>Q1>Q0;
在当前培训中,云平台服务器在A4步骤推送的试卷所有考题的难易程度值S之和符合针对此次培训设定的考试总难易程度值范围,且所有考题的用时值T之和符合针对此次培训设定的总用时值范围。
6.根据权利要求5所述的信息化护士培训方法,其特征在于:所述Q0=1,K0=1。
7.根据权利要求6所述的信息化护士培训方法,其特征在于:云平台服务器中存储的考题均计算得出有考题难易类型,考题难易类型分为难题、中上题、易得分题、简单题、中等题和容易题,云平台服务器中存储有难、中、易和简四个考题难易程度的隶属度函数,难、中、易和简四个考题难易程度的隶属度函数输出的隶属度范围为0至1;云平台服务器中还存储有长、中、短和快四个答题用时的隶属度函数,长、中、短和快四个答题用时的隶属度函数输出的隶属度范围为0至0.24;每道考题根据实时的难易程度值S计算获取每道考题在考题难易程度难、考题难易程度中、考题难易程度易和考题难易程度简中各自的隶属度,每道考题根据实时的用时值T计算获取每道考题在答题用时长、答题用时中、答题用时短和答题用时快中各自的隶属度,将考题难易程度难隶属度加上答题用时长隶属度后求得的值为难题隶属度,将考题难易程度中隶属度加上答题用时中隶属度后求得的值为中等题题隶属度,将考题难易程度易隶属度加上答题用时短隶属度后求得的值为容易题隶属度,将考题难易程度简隶属度加上答题用时快隶属度后求得的值为简单题隶属度,若当前考题的难题隶属度最高且大于1则录入的考题为难题,若当前考题的难题隶属度最高且大于0.75小于1,则录入的考题为中上题,若当前考题的简单题隶属度最高且大于1则录入的考题为易得分题,若当前考题的简单题隶属度最高且隶属度大于0.75小于1则录入的考题为简单题,否则,比较当前考题的中等题题隶属度和容易题隶属度,若当前考题的中等题题隶属度大于等于容易题隶属度则当前考题为中等题,若当前考题的中等题题隶属度小于容易题隶属度则当前考题为容易题,在当前培训中,从云平台服务器推送的试卷中所有考题的考题难易类型比例符合针对此次培训设定的考题难易类型比例。
8.根据权利要求7所述的信息化护士培训方法,其特征在于:考题难易类型按照难题、中上题、中等题和容易题、简单题、易得分题按等级排序。
9.根据权利要求8所述的信息化护士培训方法,其特征在于:所述关联考题为技术点相同且至少一个关键词相同的考题,所述关联考题在推送时与错题的考题难易类型相同或只差一个等级。
10.根据权利要求9所述的信息化护士培训方法,其特征在于:步骤A4中对于同一此培训推算的试卷,试题和选项生成顺序如下:
以6为基数,通过随机函数取1-6的随机整数 X,然后取X整数倍的试题,获取一份新的试题,对于剩余的试题,继续以X整数倍获取试题,直到试题全部取完,生成一份新的试卷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710808066.7A CN107895518A (zh) | 2017-09-08 | 2017-09-08 | 信息化护士培训方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710808066.7A CN107895518A (zh) | 2017-09-08 | 2017-09-08 | 信息化护士培训方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107895518A true CN107895518A (zh) | 2018-04-10 |
Family
ID=61802694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710808066.7A Pending CN107895518A (zh) | 2017-09-08 | 2017-09-08 | 信息化护士培训方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107895518A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106710343A (zh) * | 2017-01-11 | 2017-05-24 | 北京瑞星信息技术股份有限公司 | 计算机实操考试方法和系统 |
CN109471940A (zh) * | 2018-11-02 | 2019-03-15 | 福建书香伟业教育科技有限公司 | 一种pk赛题库的生成方法以及计算机可读存储介质 |
CN109741813A (zh) * | 2018-11-27 | 2019-05-10 | 广州市炬海软件科技有限公司 | 一种智能排班方法、系统、计算机设备及可读存储介质 |
CN110060775A (zh) * | 2018-04-27 | 2019-07-26 | 上海煜沪教育科技有限公司 | 一种基于移动互联网的个性化健康培训系统及方法 |
CN110533567A (zh) * | 2019-09-03 | 2019-12-03 | 中南大学 | 一种照护知识推送方法、装置和计算机可读存储介质 |
CN111161858A (zh) * | 2019-12-27 | 2020-05-15 | 合肥市第二人民医院 | 一种基于任务管理的护理实习生管理系统 |
CN112785378A (zh) * | 2021-01-22 | 2021-05-11 | 平安养老保险股份有限公司 | 课程推荐方法、装置、计算机设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101650809A (zh) * | 2009-09-10 | 2010-02-17 | 上海一佳一网络科技有限公司 | 岗位能力培训管理方法和系统 |
CN105741632A (zh) * | 2016-03-01 | 2016-07-06 | 广东博士科技有限公司 | 一种基于云平台的临床医学三基教育系统 |
-
2017
- 2017-09-08 CN CN201710808066.7A patent/CN107895518A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101650809A (zh) * | 2009-09-10 | 2010-02-17 | 上海一佳一网络科技有限公司 | 岗位能力培训管理方法和系统 |
CN105741632A (zh) * | 2016-03-01 | 2016-07-06 | 广东博士科技有限公司 | 一种基于云平台的临床医学三基教育系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106710343A (zh) * | 2017-01-11 | 2017-05-24 | 北京瑞星信息技术股份有限公司 | 计算机实操考试方法和系统 |
CN110060775A (zh) * | 2018-04-27 | 2019-07-26 | 上海煜沪教育科技有限公司 | 一种基于移动互联网的个性化健康培训系统及方法 |
CN109471940A (zh) * | 2018-11-02 | 2019-03-15 | 福建书香伟业教育科技有限公司 | 一种pk赛题库的生成方法以及计算机可读存储介质 |
CN109741813A (zh) * | 2018-11-27 | 2019-05-10 | 广州市炬海软件科技有限公司 | 一种智能排班方法、系统、计算机设备及可读存储介质 |
CN110533567A (zh) * | 2019-09-03 | 2019-12-03 | 中南大学 | 一种照护知识推送方法、装置和计算机可读存储介质 |
CN111161858A (zh) * | 2019-12-27 | 2020-05-15 | 合肥市第二人民医院 | 一种基于任务管理的护理实习生管理系统 |
CN112785378A (zh) * | 2021-01-22 | 2021-05-11 | 平安养老保险股份有限公司 | 课程推荐方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107895518A (zh) | 信息化护士培训方法 | |
Kern et al. | Correlates of college retention and GPA: Learning and study strategies, testwiseness, attitudes, and ACT | |
Green et al. | Academic motivation, self-concept, engagement, and performance in high school: Key processes from a longitudinal perspective | |
Mays et al. | Synthesising research evidence | |
Colthart et al. | The effectiveness of self-assessment on the identification of learner needs, learner activity, and impact on clinical practice: BEME Guide no. 10 | |
Baker et al. | The influence of mothers on the academic expectations of young children: A longitudinal study of how gender differences arise | |
Li et al. | Constructing and validating a Q-matrix for cognitive diagnostic analyses of a reading test | |
Dickison et al. | Assessing higher-order cognitive constructs by using an information-processing framework | |
Furnham | Learning Style, Personality Traits and Intelligence as Predictors of College Academic Performance. | |
Heldsinger et al. | Using calibrated exemplars in the teacher-assessment of writing: an empirical study | |
Styck et al. | Evaluating the prevalence and impact of examiner errors on the Wechsler scales of intelligence: A meta-analysis. | |
Dong et al. | Validity evidence for medical school OSCEs: associations with USMLE® step assessments | |
Cai | Weight-based classification of raters and rater cognition in an EFL speaking test | |
Pakarinen et al. | Kindergarten teachers adjust their teaching practices in accordance with children’s academic pre‐skills | |
Filderman et al. | Data literacy training for K–12 teachers: A meta-analysis of the effects on teacher outcomes | |
Nosratinia et al. | Promoting Second Language Learners’ Vocabulary Learning Strategies: Can Autonomy and Critical Thinking Make a Contribution? | |
US20240054913A1 (en) | Science teaching system and method for using same, and computer-readable storage medium | |
Polignano et al. | Preliminary evidence of the technical adequacy of additional curriculum-based measures for preschool mathematics | |
Rothenbusch et al. | Linking teacher and parent ratings of teacher-nominated gifted elementary school students to each other and to school grades | |
Narayanan et al. | The value of bedside teaching in undergraduate medical education: a literature review | |
Alvisa Palese et al. | A 10-year retrospective study of teaching nursing diagnosis to baccalaureate students in Italy | |
Williams et al. | A confirmatory factor analysis of the Stanford–Binet Intelligence Scales, with a high‐achieving sample | |
Fischbach et al. | ÉpStan technical report | |
Kishita et al. | The Training and Assessment of Relational Precursors and Abilities (TARPA): A follow-up study with typically developing children | |
Donolato et al. | Oral language interventions can improve language outcomes in children with neurodevelopmental disorders: A systematic review and meta‐analysis |
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: 20180410 |
|
RJ01 | Rejection of invention patent application after publication |