CN109614410A - 一种基于大数据建模的人才结构分析方法及系统 - Google Patents
一种基于大数据建模的人才结构分析方法及系统 Download PDFInfo
- Publication number
- CN109614410A CN109614410A CN201811356734.8A CN201811356734A CN109614410A CN 109614410 A CN109614410 A CN 109614410A CN 201811356734 A CN201811356734 A CN 201811356734A CN 109614410 A CN109614410 A CN 109614410A
- Authority
- CN
- China
- Prior art keywords
- student
- elective course
- school
- difficulty
- obtains
- 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
- 239000000203 mixture Substances 0.000 title claims abstract description 32
- 238000004458 analytical method Methods 0.000 title claims abstract description 26
- 238000007689 inspection Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 230000018109 developmental process Effects 0.000 description 8
- 238000007726 management method Methods 0.000 description 3
- 238000009472 formulation Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012550 audit Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000002407 reforming Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
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
- G06Q50/2057—Career enhancement or continuing education service
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (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
本发明提供一种基于大数据建模的人才结构分析方法，包括：获取学校每一次省市质检的学生成绩、学生的意向选科以及学生预先设置的目标职业、目标专业以及目标学校数据存储到数据库；获取数据库中学生成绩信息，计算本省学校的省市质检与高考的难度比例系数N，将学生本次省市质检成绩与难度比例系数N计算出高考预测分数，得到成绩预测分布信息并进行显示；将学生预先设置的目标专业和学生的意向选科进行匹配，若匹配度高则通过选科，否则选科失败；根据学生目标专业和意向选科得到学生职业发展分布结构图。本发明还提供一种基于大数据建模的人才结构分析系统，方便管理者及时掌握人才结构以及发展方向，同时对培养人才所需的资源进行管理。
Description
技术领域
本发明涉及教育领域，尤其涉及一种基于大数据建模的人才结构分析方法及系统。
背景技术
现有的学生信息管理者，比如教育局、学校等，只保存管辖范围内学生的学籍等重要资料。2014年新高考政策在浙江和上海两个省份试点推行，之后陆续在全国范围内推广。随着新高考的推行，若沿用原先的管理系统，显然不能满足需要。现有的管理系统中所提供的信息较为单一，无法从学生的意愿、选科、成绩的报告中得到所管辖学生的人才结构，不利于管理者掌握学生将来发展方向，且无法及时合理的随着学生选科情况分配教师资源。
发明内容
本发明要解决的技术问题之一，在于提供一种基于大数据建模的人才结构分析方法，方便管理者及时掌握人才结构以及发展方向，同时对培养人才所需的资源进行管理。
本发明要解决的技术问题之一是这样实现的：一种基于大数据建模的人才结构分析方法，包括如下步骤：
步骤10、获取学校每一次省市质检的学生成绩存储到数据库；
步骤20、获取学生的意向选科存储到数据库；
步骤30、获取学生预先设置的目标职业、目标专业以及目标学校数据存储到数据库；
步骤40、获取数据库中学生成绩信息，计算本省学校的省市质检与高考的难度比例系数N，将学生本次省市质检成绩与难度比例系数N计算出高考预测分数，对学生的高考预测分数进行分段，得到成绩预测分布信息并进行显示；
步骤50、将学生预先设置的目标专业和学生的意向选科进行匹配，得到学生倾向专业与选科的匹配度报告，若匹配度高则通过选科，否则选科失败；
步骤60、根据学生预先设置的目标专业和学生的意向选科得到学生职业发展分布结构图。
进一步的，所述难度比例系数N的计算方式具体为：获取前m次的省市质检平均分，依次除对应高考平均分得到m个难度系数，对m个难度系数求取平均数得到难度比例系数N，所述m取值为大于2的整数。
进一步的，所述方法还包括：步骤70、获取学校学生的选科信息，得到各个科目的学生人数，计算每一科目所需分配的教师人数，结合现有的教师人数调整各学校的教师结构。
本发明要解决的技术问题之二，在于提供一种基于大数据建模的人才结构分析系统，方便管理者及时掌握人才结构以及发展方向，同时对培养人才所需的资源进行管理。
本发明要解决的技术问题之二是这样实现的：一种基于大数据建模的人才结构分析系统，包括成绩获取模块、选科获取模块、倾向专业获取模块、高考预测模块、选科审核模块以及人才结构分析模块：
所述成绩获取模块，用于获取学校每一次省市质检的学生成绩存储到数据库；
所述选科获取模块，用于获取学生的意向选科存储到数据库；
所述倾向专业获取模块，用于获取学生预先设置的目标职业、目标专业以及目标学校数据存储到数据库；
所述高考预测模块，用于获取数据库中学生成绩信息，计算本省学校的省市质检与高考的难度比例系数N，将学生本次省市质检成绩与难度比例系数N计算出高考预测分数，对学生的高考预测分数进行分段，得到成绩预测分布信息并进行显示；
所述选科审核模块，用于将学生预先设置的目标专业和学生的意向选科进行匹配，得到学生倾向专业与选科的匹配度报告，若匹配度高则通过选科，否则选科失败；
所述人才结构分析模块，根据学生预先设置的目标专业和学生的意向选科得到学生职业发展分布结构图。
进一步的，所述难度比例系数N的计算方式具体为：获取前m次的省市质检平均分，依次除对应高考平均分得到m个难度系数，对m个难度系数求取平均数得到难度比例系数N，所述m取值为大于2的整数。
进一步的，所述系统还包括教师自动调整模块，所述教师自动调整模块，用于获取学校学生的选科信息，得到各个科目的学生人数，计算每一科目所需分配的教师人数，结合现有的教师人数调整各学校的教师结构。
本发明具有如下优点：更有利于教育局更加全面了解管辖学生的学习、意愿倾向情况，从而更准确制定与修正政策。可以通过学生的选科情况了解学生大致的选科情况，从而调整选科的规则；根据成绩可以详细分析这些学生从高一到高三的成绩结构变化。
附图说明
下面参照附图结合实施例对本发明作进一步的说明。
图1为本发明一种基于大数据建模的人才结构分析方法执行流程图。
图2为本发明一种基于大数据建模的人才结构分析系统框图。
具体实施方式
如图1所示，本发明一种基于大数据建模的人才结构分析方法，包括如下步骤：
步骤10、获取学校每一次省市质检的学生成绩存储到数据库；
步骤20、获取学生的意向选科存储到数据库；
步骤30、获取学生预先设置的目标职业、目标专业以及目标学校数据存储到数据库；
步骤40、获取数据库中学生成绩信息，计算本省学校的省市质检与高考的难度比例系数N，将学生本次省市质检成绩与难度比例系数N计算出高考预测分数，对学生的高考预测分数进行分段，得到成绩预测分布信息并进行显示；所述成绩预测分布信息采用柱状图显示，主要显示各分段的学生人数。
步骤50、将学生预先设置的目标专业和学生的意向选科进行匹配，得到学生倾向专业与选科的匹配度报告，若匹配度高则通过选科，否则选科失败；比如，若学生的目标专业为计算机类的，则当其选择生物和化学科目时，由于专业与所需科目不匹配，则会提醒学生选择匹配度高的其他科目，帮助学生选择与预先设定的职业发展方向较为接近的科目，为之后的学习和发展提供有力帮助。
步骤60、根据学生预先设置的目标专业和学生的意向选科得到学生职业发展分布结构图。所述学生职业发展分布结构图采用树形图进行展示，学生可以从该图中看到自己设置的专业以及选科在未来与专业对口的职业信息。
其中，所述难度比例系数N的计算方式具体为：获取前m次的省市质检平均分，依次除对应高考平均分得到m个难度系数，对m个难度系数求取平均数得到难度比例系数N，所述m取值为大于2的整数。比如，将前3次的质检平均分去除当年的高考平均分，得到每一次考试的难度系数，将得到的所有的难度系数求平均值即为最终的难度比例系数N。例如，前三次的质检平均分为500，500，520，这三次高考平均分为480，470，520，计算得到三次难度系数分别为0.96，0.94，1，对这三个难度系数取平均值得到难度比例系数N为0.9667。
较佳的，所述方法还包括：步骤70、获取学校学生的选科信息，得到各个科目的学生人数，计算每一科目所需分配的教师人数，结合现有的教师人数调整各学校的教师结构。
如图2所示，本发明的一种基于大数据建模的人才结构分析系统，包括成绩获取模块、选科获取模块、倾向专业获取模块、高考预测模块、选科审核模块以及人才结构分析模块：
所述成绩获取模块，用于获取学校每一次省市质检的学生成绩存储到数据库；
所述选科获取模块，用于获取学生的意向选科存储到数据库；
所述倾向专业获取模块，用于获取学生预先设置的目标职业、目标专业以及目标学校数据存储到数据库；
所述高考预测模块，用于获取数据库中学生成绩信息，计算本省学校的省市质检与高考的难度比例系数N，将学生本次省市质检成绩与难度比例系数N计算出高考预测分数，对学生的高考预测分数进行分段，得到成绩预测分布信息并进行显示；
所述选科审核模块，用于将学生预先设置的目标专业和学生的意向选科进行匹配，得到学生倾向专业与选科的匹配度报告，若匹配度高则通过选科，否则选科失败；比如，若学生的目标专业为计算机类的，则当其选择生物和化学科目时，由于专业与所需科目不匹配，则会提醒学生选择匹配度高的其他科目，帮助学生选择与预先设定的职业发展方向较为接近的科目，为之后的学习和发展提供有力帮助。
所述人才结构分析模块，根据学生预先设置的目标专业和学生的意向选科得到学生职业发展分布结构图。
其中，所述难度比例系数N的计算方式具体为：获取前m次的省市质检平均分，依次除对应高考平均分得到m个难度系数，对m个难度系数求取平均数得到难度比例系数N，所述m取值为大于2的整数。比如，将前3次的质检平均分去除当年的高考平均分，得到每一次考试的难度系数，将得到的所有的难度系数求平均值即为最终的难度比例系数N。例如，前三次的质检平均分为500，500，520，这三次高考平均分为480，470，520，计算得到三次难度系数分别为0.96，0.94，1，对这三个难度系数取平均值得到难度比例系数N为0.9667。
较佳的，所述系统还包括教师自动调整模块，所述教师自动调整模块，用于获取学校学生的选科信息，得到各个科目的学生人数，计算每一科目所需分配的教师人数，结合现有的教师人数调整各学校的教师结构。
本发明针对现有的管理者(比如教育局、学校)只有保存管辖范围中学校的学生的学籍等资料，而没有学生新高考改革之后学生的选科，以及学生省市质检的成绩还有学生对大学、专业、职业的倾向信息，导致信息掌握不全，并且信息处理分析能力低等问题提出的。通过本发明方法对这些数据进行获取，并进行高考成绩预测与行业结构分析，得到的数据报告可以为管理者提供更加全面、精确的学生信息，有利于管理者对学生将来的职业规划有一定的了解，把握人才结构以及未来发展方向，以便更准确制定与修正政策，比如可以通过学生的选科情况了解学生大致的选科情况，从而调整选科的规则，根据成绩可以详细分析这些学生从高一到高三的成绩结构变化，对师资力量做适时调整，也能直观的对比学校与学校之间的差别。
虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。
Claims (6)
1.一种基于大数据建模的人才结构分析方法，其特征在于：包括如下步骤：
步骤10、获取学校每一次省市质检的学生成绩存储到数据库；
步骤20、获取学生的意向选科存储到数据库；
步骤30、获取学生预先设置的目标职业、目标专业以及目标学校数据存储到数据库；
步骤40、获取数据库中学生成绩信息，计算本省学校的省市质检与高考的难度比例系数N，将学生本次省市质检成绩与难度比例系数N计算出高考预测分数，对学生的高考预测分数进行分段，得到成绩预测分布信息并进行显示；
步骤50、将学生预先设置的目标专业和学生的意向选科进行匹配，得到学生倾向专业与选科的匹配度报告，若匹配度高则通过选科，否则选科失败；
步骤60、根据学生预先设置的目标专业和学生的意向选科得到学生职业发展分布结构图。
2.根据权利要求1所述的一种基于大数据建模的人才结构分析方法，其特征在于：所述难度比例系数N的计算方式具体为：获取前m次的省市质检平均分，依次除对应高考平均分得到m个难度系数，对m个难度系数求取平均数得到难度比例系数N，所述m取值为大于2的整数。
3.根据权利要求1所述的一种基于大数据建模的人才结构分析方法，其特征在于：所述方法还包括：步骤70、获取学校学生的选科信息，得到各个科目的学生人数，计算每一科目所需分配的教师人数，结合现有的教师人数调整各学校的教师结构。
4.一种基于大数据建模的人才结构分析系统，其特征在于：包括成绩获取模块、选科获取模块、倾向专业获取模块、高考预测模块、选科审核模块以及人才结构分析模块：
所述成绩获取模块，用于获取学校每一次省市质检的学生成绩存储到数据库；
所述选科获取模块，用于获取学生的意向选科存储到数据库；
所述倾向专业获取模块，用于获取学生预先设置的目标职业、目标专业以及目标学校数据存储到数据库；
所述高考预测模块，用于获取数据库中学生成绩信息，计算本省学校的省市质检与高考的难度比例系数N，将学生本次省市质检成绩与难度比例系数N计算出高考预测分数，对学生的高考预测分数进行分段，得到成绩预测分布信息并进行显示；
所述选科审核模块，用于将学生预先设置的目标专业和学生的意向选科进行匹配，得到学生倾向专业与选科的匹配度报告，若匹配度高则通过选科，否则选科失败；
所述人才结构分析模块，根据学生预先设置的目标专业和学生的意向选科得到学生职业发展分布结构图。
5.根据权利要求4所述的一种基于大数据建模的人才结构分析系统，其特征在于：所述难度比例系数N的计算方式具体为：获取前m次的省市质检平均分，依次除对应高考平均分得到m个难度系数，对m个难度系数求取平均数得到难度比例系数N，所述m取值为大于2的整数。
6.根据权利要求4所述的一种基于大数据建模的人才结构分析系统，其特征在于：所述系统还包括教师自动调整模块，所述教师自动调整模块，用于获取学校学生的选科信息，得到各个科目的学生人数，计算每一科目所需分配的教师人数，结合现有的教师人数调整各学校的教师结构。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811356734.8A CN109614410A (zh) | 2018-11-15 | 2018-11-15 | 一种基于大数据建模的人才结构分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811356734.8A CN109614410A (zh) | 2018-11-15 | 2018-11-15 | 一种基于大数据建模的人才结构分析方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109614410A true CN109614410A (zh) | 2019-04-12 |
Family
ID=66003959
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811356734.8A Pending CN109614410A (zh) | 2018-11-15 | 2018-11-15 | 一种基于大数据建模的人才结构分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109614410A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110414874A (zh) * | 2019-09-16 | 2019-11-05 | 世纪海航(厦门)科技有限公司 | 一种基于大数据的教师培养系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101318562B1 (ko) * | 2012-06-15 | 2013-10-16 | 김근진 | 진학 정보 제공 시스템, 제공 방법 및 그 방법을 위한 기록매체 |
| WO2014115963A1 (ko) * | 2013-01-28 | 2014-07-31 | Ham Ki Chul | 재능경력중심학점 인정 학사관리시스템 및 학사관리방법 |
| CN106997571A (zh) * | 2017-03-29 | 2017-08-01 | 北京师范大学 | 一种基于数据驱动的学科学习发展推荐系统及方法 |
| CN108053117A (zh) * | 2017-12-14 | 2018-05-18 | 北京慧辰资道资讯股份有限公司 | 一种学生学科掌握能力的个性化评估方法 |
| CN108764718A (zh) * | 2018-05-28 | 2018-11-06 | 王春宁 | 基于深度学习算法的高考分数预估及志愿选择方法、系统 |
| CN108776942A (zh) * | 2018-07-17 | 2018-11-09 | 苏州雪松湾教育科技有限公司 | 一种走班选科的方法及系统 |
-
2018
- 2018-11-15 CN CN201811356734.8A patent/CN109614410A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101318562B1 (ko) * | 2012-06-15 | 2013-10-16 | 김근진 | 진학 정보 제공 시스템, 제공 방법 및 그 방법을 위한 기록매체 |
| US20140358813A1 (en) * | 2012-06-15 | 2014-12-04 | Keun Jin Kim | System and method for providing school admission information, and recording medium for the method |
| WO2014115963A1 (ko) * | 2013-01-28 | 2014-07-31 | Ham Ki Chul | 재능경력중심학점 인정 학사관리시스템 및 학사관리방법 |
| CN106997571A (zh) * | 2017-03-29 | 2017-08-01 | 北京师范大学 | 一种基于数据驱动的学科学习发展推荐系统及方法 |
| CN108053117A (zh) * | 2017-12-14 | 2018-05-18 | 北京慧辰资道资讯股份有限公司 | 一种学生学科掌握能力的个性化评估方法 |
| CN108764718A (zh) * | 2018-05-28 | 2018-11-06 | 王春宁 | 基于深度学习算法的高考分数预估及志愿选择方法、系统 |
| CN108776942A (zh) * | 2018-07-17 | 2018-11-09 | 苏州雪松湾教育科技有限公司 | 一种走班选科的方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110414874A (zh) * | 2019-09-16 | 2019-11-05 | 世纪海航(厦门)科技有限公司 | 一种基于大数据的教师培养系统 |
| CN110414874B (zh) * | 2019-09-16 | 2022-04-01 | 世纪海航(厦门)科技有限公司 | 一种基于大数据的教师培养系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rosser et al. | Academic deans and directors: Assessing their effectiveness from individual and institutional perspectives | |
| Lewis et al. | Post enrolment based course timetabling: A description of the problem model used for track two of the second international timetabling competition | |
| Buzick et al. | Using test scores from students with disabilities in teacher evaluation | |
| CN110727852A (zh) | 一种推送招聘推荐服务的方法、装置及终端 | |
| CN115050484A (zh) | 基于防疫布控场景建模的分析预判方法及系统 | |
| CN109614410A (zh) | 一种基于大数据建模的人才结构分析方法及系统 | |
| CN106327392A (zh) | 一种基于大数据的考试录取智能预测方法 | |
| Rani et al. | Generating placement intelligence in higher education using data mining | |
| Anselmia et al. | capital and locus of control in fresh graduates | |
| Kashi | Proposal of employee training and development system in a middle size automotive company by utilizing competency model and AHP and WINGS methods | |
| Hao | Design of intelligent educational administration system based on Big Data Technology | |
| Humphries et al. | Painting a Self-Portrait: A Look at the Composition and Style of the Bankruptcy Bench | |
| DiStefano et al. | An examination of predictors and outcomes related to school climate using latent class analysis | |
| Davis et al. | The ECDL test development and validation process | |
| Ni | [Retracted] Abnormal‐Aware Multiperson Evaluation System with Improved Fuzzy Weighting | |
| Arch | Moderation with a latent class variable: An applied example | |
| Juan | Relations Among Curriculum Governance Model, Teacher Work Settings, and Teacher Perceptions on the Professional Learning Community | |
| Bairamova | predicting course grades of students’ academic performance using the LightGBM regressor | |
| Zhang | Construction of Evaluation Indicator System of College Physical Education Teaching Environment Based on Analytic Hierarchy Process | |
| Hattori | Psychological contract in Japanese companies | |
| Boring | A review of expertise and judgment processes for risk estimation | |
| Yun et al. | Educators’ Research Networks: Applying Ego Networks and Latent Profile Analysis to Characterize Opportunity for Research Use | |
| Li et al. | Teaching Quality Evaluation Method of Human Resource Management Based on Big Data | |
| Liang et al. | Research on Accurate Academic Guidance of College Students Based on Big Data Portrait Analysis | |
| Chan et al. | EFFECT OF BEHAVIOURAL ENGAGEMENT ON THE PERFORMANCE OF ACTUARIAL SCIENCE UNDERGRADUATES IN A HIGHER EDUCATION |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190412 |