CN110222915B - 劳动态度评估方法、设备、可读存储介质及计算机设备 - Google Patents
劳动态度评估方法、设备、可读存储介质及计算机设备 Download PDFInfo
- Publication number
- CN110222915B CN110222915B CN201910007538.8A CN201910007538A CN110222915B CN 110222915 B CN110222915 B CN 110222915B CN 201910007538 A CN201910007538 A CN 201910007538A CN 110222915 B CN110222915 B CN 110222915B
- Authority
- CN
- China
- Prior art keywords
- labor
- attitude
- data
- evidence data
- evidence
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012806 monitoring device Methods 0.000 claims abstract description 60
- 238000012544 monitoring process Methods 0.000 claims abstract description 28
- 230000006399 behavior Effects 0.000 claims description 40
- 238000011156 evaluation Methods 0.000 claims description 26
- 230000014509 gene expression Effects 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 4
- 230000006872 improvement Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 abstract description 12
- 238000011282 treatment Methods 0.000 abstract description 6
- 238000012937 correction Methods 0.000 abstract description 4
- 208000037805 labour Diseases 0.000 description 231
- 238000013478 data encryption standard Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 238000001303 quality assessment method Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 206010063659 Aversion Diseases 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 206010000153 Abnormal labour Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000006467 substitution reaction 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
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种劳动态度评估方法、设备、可读存储介质及计算机设备,应用于汇聚节点服务器,汇聚节点服务器与相邻的节点区域内的监测设备组通信,所述方法包括:实时获取所述监测设备组内各个监测设备监测的劳动态度证据数据;对所述劳动态度证据数据进行整合处理;将整合后的所述劳动态度证据数据发送至中心服务器,所述中心服务器用于根据所述劳动态度证据数据做出预警信息。本发明由于能够对罪犯劳动态度证据数据进行实时的采集与反馈,可靠性高,且具有影响关联性和综合处理的纠正能力;此外通过劳动态度证据数据做预警能够为现场人员提供及时的管理警示,从而提高了罪犯劳动改造质量评估的准确性、即时性及客观性,满足了实际应用需求。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及一种劳动态度评估方法、设备、可读存储介质及计算机设备。
背景技术
罪犯劳动素质(素养)是指罪犯思想素质、智力素质和体力素质的总称。劳动态度是思想素质的表现之一。罪犯劳动态度主要是指罪犯对自己所从事劳动的看法以及所表现的行为举止。劳动态度包括选择方法、工作取向、独立决策能力与选择过程的观念,简而言之,劳动态度就是指个人对劳动选择所持的观念和态度。
罪犯劳动态度包括劳动观念、劳动行为(服从调配以及主动意识)。劳动观念考察劳动观念正确、积极参加、劳动观念更新程度;服从调配指是否服从警察的管理和安排;主动意识指是否努力完成劳动改造劳动任务,有无抗拒劳动和消极怠工行为等。罪犯的劳动态度影响因素有四类:
自我因素:自我因素包括个人的兴趣、能力、抱负、价值观、自我期望等。个人因素的形成多与其成长背景相关,个人价值观是在成长过程中一点一滴慢慢养成的。
环境因素:环境因素包括监狱劳动对象、劳动资料、劳动的待遇、工作环境、发展机会等,劳动环境因素往往影响劳动态度。
家庭因素:家庭因素包括家庭的社会经济地位,父母期望、家庭背景等因素。家庭因素对个人劳动态度影响深远。
社会因素:社会因素包括同事关系、社会地位、社会期望等因素。在劳动改造过程中,利用社会因素影响罪犯的劳动态度作用不可忽视。
罪犯劳动个体为完成某项劳动而集合成一个整体,就是罪犯劳动群体。罪犯劳动态度既指个体劳动态度,也指群体劳动态度。由于劳动态度影响因素多,评估人员观点不一,所以劳动态度评估往往以主观经验、评估者的心情,或者强制性地给出劳动态度等级(比如企业中的劳动态度评估大多采用等级和比例控制来评估)。
近年来,随着物联网技术如RFID技术、传感器技术、移动终端、无线通信技术的发展,人工主观录入数据的方式正逐步改变,自动化录入客观数据成为必然。由于罪犯劳动态度的评估,直接关系到罪犯劳动改造质量评估的准确性,因此必须建立一套监狱罪犯劳动态度量化评估模型,确保罪犯改造评估相对客观和司法公正的彻底执行。
发明内容
为了解决上述问题,本发明的目的是提供一种劳动态度评估方法、设备、可读存储介质及计算机设备。
根据本发明提供的劳动态度评估方法,包括:
实时获取所述监测设备组内各个监测设备监测的劳动态度证据数据;
对所述劳动态度证据数据进行整合处理;
将整合后的所述劳动态度证据数据发送至中心服务器,所述中心服务器用于根据所述劳动态度证据数据做出预警信息。
根据本发明提供的劳动态度评估方法,首先实时获取所述监测设备组内各个监测设备监测的劳动态度证据数据;然后对所述劳动态度证据数据进行整合处理;最终将整合后的所述劳动态度证据数据发送至中心服务器,所述中心服务器用于根据所述做出预警信息,从而实现了劳动态度证据数据和根据所述劳动态度证据数据进行预警;由于能够对罪犯劳动态度证据数据进行实时的采集与反馈,以便于对罪犯进行“因人施教”;通过将各个监测设备的劳动态度证据数据入库计算,结果数据的可靠性高,且具有影响关联性和综合处理的纠正能力;此外通过根据所述劳动态度证据数据做预警能够为现场人员提供及时的管理警示,从而提高了罪犯劳动改造质量评估的准确性、即时性及客观性,满足了实际应用需求。
另外,根据本发明上述的劳动态度评估方法,还可以具有如下附加的技术特征:
进一步地,所述实时获取所述监测设备组内各个监测设备监测的劳动态度证据数据的步骤包括:
实时采集各个罪犯劳动过程中的行为举止证据数据;
对各个劳动对象、劳动资料及岗位特点配置对应的权重;
计算群体的劳动态度证据数据的总和,并与客观数据比较以获得群体劳动态度证据数据;
计算个体的劳动态度证据数据,并与群体数据比较从而获得个体劳动态度相对数据。
进一步地,所述实时采集各个罪犯劳动过程中的行为举止证据数据的步骤包括:
实时采集各个罪犯劳动过程中的劳动行为数据及劳动观念数据;
对所述劳动行为数据及所述劳动观念数据配置对应的权重;
根据所述劳动行为数据及所述劳动观念数据对应的权重计算各个罪犯劳动过程中的所述行为举止证据数据;
其中,所述行为举止证据数据的计算公式为:
T=N×(M1×t1+M2×s1)+(1-N)×(P1×s2+P2×t2)
其中,N为劳动行为权重,1-N为劳动观念权重,M1为劳动有效工时权重,M2为调配数据权重(M1+M2=1)t1为劳动有效工时占比,t2为负面表情次数占比,s1为调配数据总和,s2为劳动观念量表评分,P1为劳动观念量表评分权重,P2为负面表情比重(P1+P2=1)。
进一步地,所述对所述劳动态度证据数据进行整合处理的步骤包括:
将各个所述监测设备监测到的劳动态度证据数据的模拟信号经A/D转换变为数字信号;
按照所述监测设备的类型对所述数字信号进行分类,使不同监测设备类型对应的数字信号具有唯一的识别ID。
进一步地,所述按照所述监测设备的类型对所述数字信号进行分类的步骤之后,所述方法还包括:
采用AES/DES加密算法对分类后的所述数字信号进行加密;
将加密处理后的所述数字信号发送至所述中心服务器,所述中心服务器用于对AES/DES加密处理后的所述数字信号进行解密,并在解密校验通过后根据所述劳动态度证据数据做出预警信息。
进一步地,各个节点区域内至少有一显示屏,
所述将整合后的所述劳动态度证据数据发送至中心服务器,所述中心服务器用于根据所述劳动态度证据数据做出预警信息的步骤之后,所述方法还包括:
根据所述劳动态度证据数据确定各个节点区域的劳动态度等级;
根据所述劳动态度等级控制所述显示屏以对应的预设频率交替显示评估信息中的多个评估内容。
进一步地,所述监测设备组包括考勤设备、智能插座、表情识别设备及移动终端中的一种或多种。
本发明的另一个实施例提出一种劳动态度评估设备,解决罪犯劳动改造质量评估不准确,不利于罪犯改造评估相对客观和司法公正的彻底执行的问题。
根据本发明实施例的劳动态度评估设备,包括:
获取模块,用于实时获取所述监测设备组内各个监测设备监测的劳动态度证据数据;
处理模块,用于对所述劳动态度证据数据进行整合处理;
发送模块,用于将整合后的所述劳动态度证据数据发送至中心服务器,所述中心服务器用于根据所述劳动态度证据数据做出预警信息。
本发明的另一个实施例还提出一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方法的步骤。
本发明的另一个实施例还提出一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现上述方法的步骤。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实施例了解到。
附图说明
图1是本发明第一实施例提出的一种劳动态度评估方法的流程图;
图2是根据本发明第一实施例中的物联网监控网络的组成图;
图3为图1中步骤S101的具体流程图;
图4为图1中步骤S102的具体流程图;
图5是本发明第二实施例提出的一种劳动态度评估方法的流程图;
图6是本发明第三实施例提出的一种劳动态度评估设备的结构框图。
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做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。
请参阅图1及图2,本发明第一实施例提出的一种劳动态度评估方法,应用于汇聚节点服务器,所述汇聚节点服务器与相邻的节点区域内的监测设备组通信,其中,包括步骤S101~S103:
步骤S101,实时获取所述监测设备组内各个监测设备监测的劳动态度证据数据。
其中,由于监狱的活动区域较大,为了保证方法的可行性,具体实施时,可根据监狱各生活区域的范围对监狱范围进行区域划分,划分为多个节点区域,每个节点区域内均设置有与劳动态度监测相关的监测设备组,监测设备组包括考勤设备、智能插座、表情识别设备及移动终端中的一种或多种。考勤设备、智能插座、表情识别设备及移动终端等可以根据需要安装在相应位置,进行数据采集。具体的,通过所述考勤设备与所述智能插座,实现有效劳动时间的实时采集;通过所述表情识别设备实现劳动负面表情的采集与统计;通过所述移动终端的APP实现劳动观念量表(问卷)评估数据自动采集。此外,监测设备类型并不限于上述监测设备,监测设备的种类和数量可以根据实际情况进行配置,在此不做限定。
实施时,同时配置多个汇聚节点服务器,一个汇聚节点服务器负责与其相邻的多个节点区域内的监测设备组通信,例如,一个汇聚节点服务器负责与其相邻的3个节点区域内的监测设备组通信。此外,还需配置一台或多台中心服务器,负责数据处理和结果评估等。由此,组成了包含监测设备组、汇聚节点服务器、中心服务器在内的物联网监控网络。
下面以其中一个汇聚节点服务器为例进行说明,汇聚节点服务器会实时接收与其相邻的节点区域内的监测设备组内的监测设备监测到的劳动态度证据数据,即该汇聚节点服务器会实时接收与其相邻的3个节点区域内的监测设备组内的各监测设备监测到的劳动态度证据数据。具体实施时,请参考图3,可以采用以下方式进行:
步骤S1011,实时采集各个罪犯劳动过程中的行为举止证据数据。
其中,所述实时采集各个罪犯劳动过程中的行为举止证据数据的步骤包括:
实时采集各个罪犯劳动过程中的劳动行为数据及劳动观念数据;
对所述劳动行为数据及所述劳动观念数据配置对应的权重;
根据所述劳动行为数据及所述劳动观念数据对应的权重计算各个罪犯劳动过程中的所述行为举止证据数据;
其中,所述行为举止证据数据的计算公式为:
T=N×(M1×t1+M2×s1)+(1-N)×(P1×s2+P2×t2)
其中,N为劳动行为权重,1-N为劳动观念权重,M1为劳动有效工时权重,M2为调配数据权重(M1+M2=1)t1为劳动有效工时占比,t2为负面表情次数占比,s1为调配数据总和,s2为劳动观念量表评分,P1为劳动观念量表评分权重,P2为负面表情比重(P1+P2=1)。
可以理解的,各节点区域平均有效工时占比=Σ(有效工作小时数/规定工作小时数)/各节点区域罪犯数,劳动有效工时占比=个体有效工时数/各节点区域平均有效工时数;
调配数据总和为根据罪犯服从调配记录评分表进行评分计算得到;
劳动观念量表评分为根据罪犯劳动观念问卷设计项目表进行评分计算得到,其中劳动观念问卷设计项目表的设计因素可分为自我因素、环境因素、家庭因素及社会因素,自我因素又分为个人兴趣、个人能力、曾经的报复、目前的期望及我的价值观,环境因素又分为工作环境、发展机会及劳动待遇,家庭因素又分为家庭经济地位、父母期望及家庭背景,社会因素又分为同事关系、社会地位及社会期望;
劳动表情分为7种表现:中性、高兴、惊讶、厌恶、难过、愤怒、害怕,其中厌恶、难过、愤怒、害怕归集为负面表情,通过每天抓取罪犯的劳动现场人脸表情,负面表情次数占比=负面表情次数/总表情次数。
如上所述,由于所述行为举止证据数据是一个相对值,因此所述行为举止证据数据为各个罪犯劳动过程中的劳动行为数据及劳动观念数据的加权数据。本实施例中,所述劳动行为数据分为两种:主动意识(劳动有效工时占比)、服从调配(调配数据总和);劳动观念数据分为两种:劳动观念量表评分、负面表情次数占比。但不限于此,在其它实施例中,所述行为举证数据还可以根据实际需求进行增加或减少。
步骤S1012,对各个劳动对象、劳动资料及岗位特点配置对应的权重。
步骤S1013,计算群体的劳动态度证据数据的总和,并与客观数据比较以获得群体劳动态度证据数据。
步骤S1014,计算个体的劳动态度证据数据,并与群体数据比较从而获得个体劳动态度相对数据。
具体实施时,由于劳动对象、劳动资料及岗位特点的差异,劳动环境以及数据采集技术手段的多样性,为提高对劳动态度证据数据获取的准确性及公平性,因此需要对各个劳动对象、劳动资料及岗位特点配置对应的权重,且所述劳动对象、劳动资料及岗位特点的权重和为1。通过计算群体的劳动态度证据数据的总和,并与客观数据比较以获得群体劳动态度证据数据,然后通过计算个体的劳动态度证据数据,并与群体数据比较从而获得个体劳动态度相对数据。
步骤S102,对所述劳动态度证据数据进行整合处理。
其中,所述劳动态度证据数据包括群体劳动态度证据数据及个体劳动态度相对数据。由于考勤设备、智能插座、表情识别设备及移动终端等监测设备监测到的初始数据是模拟信号,因此需要对各监测设备监测的劳动态度证据数据进行整合处理,请参考图4,具体可以包括:
步骤S1021,将各个所述监测设备监测到的劳动态度证据数据的模拟信号经A/D转换变为数字信号;
步骤S1022,按照所述监测设备的类型对所述数字信号进行分类,使不同监测设备类型对应的数字信号具有唯一的识别ID。
其中,对按照所述监测设备的类型对数字信号进行分类,使不同监测设备类型对应的数字信号具有唯一的识别ID,能够便于后续中心处理器对劳动态度证据数据整理归纳,提升数据处理的效率。例如,为属于考勤数据的数字信号配置一个识别ID 01Atten,为属于表情数据的数字信号配置一个识别ID 02ExExpre。识别ID的具体实现形式可以根据实际情况进行更改,在此不做限制。此外,除了配置识别ID外,还可以配置属于同一个识别ID下不同位置的监测设备分配一个序列ID,用于区别属于同一类型、但所处位置不同的监测设备监测的数据,例如ID 01Atten下的序列ID包括序列ID01Atten00001,01Atten00002,01Atte00003等,每个序列ID对应一个考勤设备的具体安装位置。
步骤S103,将整合后的所述劳动态度证据数据发送至中心服务器,所述中心服务器用于根据所述劳动态度证据数据做出预警信息。
其中,中心服务器可以配置在监狱监控室中,中心服务器与汇聚节点服务器无线通信。中心服务器用于接收汇聚节点服务器整合处理后的所述劳动态度证据数据,并根据接收到的整合处理后的劳动态度证据数据做出预警信息。具体实施时,在中心服务器中预先存储有不同识别ID对应的等级阈值范围,且同一识别ID下不同序列ID也对应不同的等级阈值范围。例如中心服务器中预先存储的内容如下:
由于不同类型的监测设备其监测到的数字信号都具有一个识别ID,且同一个识别ID下不同位置的监测设备分配一个序列ID,因此,根据其中某个监测设备的识别ID和序列ID就能够快速找到其对应的等级阈值范围,然后将该监测设备监测到的实际数据与其对应的等级阈值范围进行对比,若实际数据超过等级阈值范围,中心服务器就能做出预警信息,例如通过报警的方式通知监控人员,以便及时做出响应,同时可以结合大数据给出相关处理建议,以便及时针对出现劳动态度异常的罪犯进行及时教导。
根据本发明提供的劳动态度评估方法,首先实时获取所述监测设备组内各个监测设备监测的劳动态度证据数据;然后对所述劳动态度证据数据进行整合处理;最终将整合后的所述劳动态度证据数据发送至中心服务器,所述中心服务器用于根据所述做出预警信息,从而实现了劳动态度证据数据和根据所述劳动态度证据数据进行预警;由于能够对罪犯劳动态度证据数据进行实时的采集与反馈,以便于对罪犯进行“因人施教”;通过将各个监测设备的劳动态度证据数据入库计算,结果数据的可靠性高,且具有影响关联性和综合处理的纠正能力;此外通过根据所述劳动态度证据数据做预警能够为现场人员提供及时的管理警示,从而提高了罪犯劳动改造质量评估的准确性、即时性及客观性,满足了实际应用需求。
此外,作为一个具体示例,本实施例中,在步骤S1022中,所述按照所述监测设备的类型对所述数字信号进行分类的步骤之后,所述方法还包括:
采用AES/DES加密算法对分类后的所述数字信号进行加密;
将加密处理后的所述数字信号发送至所述中心服务器,所述中心服务器用于对AES/DES加密处理后的所述数字信号进行解密,并在解密校验通过后根据所述劳动态度证据数据做出预警信息。
其中,汇聚节点服务器在向中心服务器发送分类后的数字信号前,会对数字信号进行AES(Advanced Encryption Standard,高级加密标准,缩写:AES),DES(DataEncryption Standard,对称加密标准,缩写:DES)加密处理,保证数据交互的安全性。
中心服务器在接收到经AES/DES加密后的数字信号后,对进行数字信号进行解密校验,只有在校验通过后才能获取到具体的数据内容,从而根据劳动态度证据数据做出预警信息。通过对数据进行AES/DES加密处理,能够确保监测设备数据传输的安全性,避免因遭受恶意攻击或数据泄露而带来的影响监狱监控安全的问题。
请参阅图5,对于第二实施例中劳动态度评估方法,其中,包括步骤S201~S205。
步骤S201,实时获取所述监测设备组内各个监测设备监测的劳动态度证据数据。
步骤S202,对所述劳动态度证据数据进行整合处理。
步骤S203,将整合后的所述劳动态度证据数据发送至中心服务器,所述中心服务器用于根据所述劳动态度证据数据做出预警信息。
如上所述,各个节点区域内监控设备组的监控设备实时将监测到的劳动态度证据数据进行整合处理,将整合后的所述劳动态度证据数据发送至中心服务器,所述中心服务器用于根据所述劳动态度证据数据做出预警信息,以提醒监控人员对该预警信息进行及时的处理。
步骤S204,根据所述劳动态度证据数据确定各个节点区域的劳动态度等级。
其中,在监测设备获取了各节点区域对应的各项劳动态度证据数据之后,监测设备会将所监测到的各项劳动态度证据数据发送至中心服务器,该中心服务器会对所接收到的劳动态度证据数据计算。
如上所述,劳动态度证据数据包括考勤数据、表情数据,以及问卷数据,在监测到其各自对应的数值之后,该中心服务器会根据各项数据的数值,综合判定以确定各个节点区域的劳动态度等级。
具体的,在本实施例中,上述的各个节点区域的劳动态度等级包括优秀级、良好级、中等级、合格级以及危险级。对每个劳动态度证据数据而言,其均对应有优秀级、良好级、中等级、合格级以及危险级。例如,对考勤数据而言,优秀级为91~100,良好级为81~90,中等级为71~80,合格级为61~70,危险级为0~60。同理可以推知的,对于上述的表情数据,以及问卷数据均适用此种判断方式。
与此同时,确定某一节点区域的劳动态度等级为优秀级,则需要满足以下条件:考勤数据、表情数据,以及问卷数据中,所有的劳动态度证据数据均为优秀级。但不限于此,在其他实施例中,确定某一节点区域的劳动态度等级为优秀级,则需要满足的条件还可以为:考勤数据、表情数据,以及问卷数据平均数据为优秀级。
步骤S205,根据所述劳动态度等级控制所述显示屏以对应的预设频率交替显示评估信息中的多个评估内容。
所述评估信息包括节点区域信息、劳动态度等级信息及等级提升建议信息,
所述显示屏与所述汇聚节点服务器连接。其中,当所述当前节点区域为中等级时,所述显示屏以预设频率交替显示评估信息中的节点区域信息、劳动态度等级信息及等级提升建议信息,该三种评估内容的变换频率应为1:1:3,即节点区域信息显示时间为1S、劳动态度等级信息显示时间为1S、等级提升建议信息显示时间为3S。
可以理解的,上述所提到的变换频率仅作为示例,在本发明的其他实施例中评估内容还可根据实际情况设置其他的变换频率,此处不做限制。而且,本实施例中,评估信息的总体显示时间为5s,仅作为最佳实施方式,在本发明的其他实施例中,所述评估信息中的评估内容循环切换的时间可以设置为其他。
本实施例在第一实施例的基础上进一步完善了劳动态度评估方法,能够直观即时的对监控区域的劳动态度证据数据进行展示与预警,以便于为现场人员提供即时的管理提示,且对罪犯有相应的警示及激励作用,满足了实际应用需求。
需要说明是,本实施例重点说明的是与上一实施例的不同之处,各个实施例之间相同相似的部分未重复描述,可以相互参见,且各实施例之间的技术特征可以根据本领域技术人员的常规技术手段进行选择性组合。
请参阅图6,基于同一发明构思,本发明第三实施例提供的劳动态度评估设备,包括:获取模块10、处理模块20及发送模块30。
所述获取模块10,用于实时获取所述监测设备组内各个监测设备监测的劳动态度证据数据。
所述处理模块20,用于对所述劳动态度证据数据进行整合处理。
所述发送模块30,用于将整合后的所述劳动态度证据数据发送至中心服务器,所述中心服务器用于根据所述劳动态度证据数据做出预警信息。
本实施例中,所述获取模块10包括:
获取单元101,用于实时采集各个罪犯劳动过程中的行为举止证据数据。
配置单元102,用于对各个劳动对象、劳动资料及岗位特点配置对应的权重。
第一计算单元103,用于计算群体的劳动态度证据数据的总和,并与客观数据比较以获得群体劳动态度证据数据。
第二计算单元104,用于计算个体的劳动态度证据数据,并与群体数据比较从而获得个体劳动态度相对数据。
本实施例中,所述处理模块20包括:
转换单元201,用于将各个所述监测设备监测到的劳动态度证据数据的模拟信号经A/D转换变为数字信号。
分类单元202,用于按照所述监测设备的类型对所述数字信号进行分类,使不同监测设备类型对应的数字信号具有唯一的识别ID。
加密单元203,用于采用AES/DES加密算法对分类后的所述数字信号进行加密。
所述发送模块30还用于将加密处理后的所述数字信号发送至所述中心服务器,所述中心服务器用于对AES/DES加密处理后的所述数字信号进行解密,并在解密校验通过后根据所述劳动态度证据数据做出预警信息。
本实施例中,所述设备还包括:
确定模块40,用于根据所述劳动态度证据数据确定各个节点区域的劳动态度等级。
显示模块50,用于根据所述劳动态度等级控制所述显示屏以对应的预设频率交替显示评估信息中的多个评估内容。
本实施例中,所述监测设备组包括考勤设备、智能插座、表情识别设备及移动终端中的一种或多种。
根据本发明提供的劳动态度评估设备,首先实时获取所述监测设备组内各个监测设备监测的劳动态度证据数据;然后对所述劳动态度证据数据进行整合处理;最终将整合后的所述劳动态度证据数据发送至中心服务器,所述中心服务器用于根据所述做出预警信息,从而实现了劳动态度证据数据和根据所述劳动态度证据数据进行预警;由于能够对罪犯劳动态度证据数据进行实时的采集与反馈,以便于对罪犯进行“因人施教”;通过将各个监测设备的劳动态度证据数据入库计算,结果数据的可靠性高,且具有影响关联性和综合处理的纠正能力;此外通过根据所述劳动态度证据数据做预警能够为现场人员提供及时的管理警示,从而提高了罪犯劳动改造质量评估的准确性、即时性及客观性,满足了实际应用需求。
本发明实施例提出的劳动态度评估设备的技术特征和技术效果与本发明实施例提出的方法相同,在此不予赘述。
此外,本发明的实施例还提出一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方法的步骤。
此外,本发明的实施例还提出一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现上述方法的步骤。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (7)
1.一种劳动态度评估方法,应用于汇聚节点服务器,所述汇聚节点服务器与相邻的节点区域内的监测设备组通信,其特征在于,各个节点区域内至少有一显示屏,所述显示屏与所述汇聚节点服务器连接,所述方法包括如下步骤:
实时获取所述监测设备组内各个监测设备监测的劳动态度证据数据;
对所述劳动态度证据数据进行整合处理;
将整合后的所述劳动态度证据数据发送至中心服务器,所述中心服务器根据所述劳动态度证据数据确定各个节点区域的劳动态度等级;
根据所述劳动态度等级控制所述显示屏以对应的预设频率交替显示评估信息中的多个评估内容;其中,当所述当前节点区域为中等级时,所述显示屏以预设频率交替显示评估信息中的节点区域信息、劳动态度等级信息及等级提升建议信息,该三种评估内容的变换频率应为1:1:3;
所述实时获取所述监测设备组内各个监测设备监测的劳动态度证据数据的步骤包括:
实时采集各个罪犯劳动过程中的行为举止证据数据;
对各个劳动对象、劳动资料及岗位特点配置对应的权重;
计算群体的劳动态度证据数据的总和,并与客观数据比较以获得群体劳动态度证据数据;
计算个体的劳动态度证据数据,并与群体数据比较从而获得个体劳动态度相对数据;
所述实时采集各个罪犯劳动过程中的行为举止证据数据的步骤包括:
实时采集各个罪犯劳动过程中的劳动行为数据及劳动观念数据;
对所述劳动行为数据及所述劳动观念数据配置对应的权重;
根据所述劳动行为数据及所述劳动观念数据对应的权重计算各个罪犯劳动过程中的所述行为举止证据数据;
其中,所述行为举止证据数据的计算公式为:
T=N×(M1×t1+M2×s1)+(1-N)×(P1×s2+P2×t2)
其中,N为劳动行为权重,1-N为劳动观念权重,M1为劳动有效工时权重,M2为调配数据权重(M1+M2=1)t1为劳动有效工时占比,t2为负面表情次数占比,s1为调配数据总和,s2为劳动观念量表评分,P1为劳动观念量表评分权重,P2为负面表情比重(P1+P2=1)。
2.根据权利要求1所述的劳动态度评估方法,其特征在于,所述对所述劳动态度证据数据进行整合处理的步骤包括:
将各个所述监测设备监测到的劳动态度证据数据的模拟信号经A/D转换变为数字信号;
按照所述监测设备的类型对所述数字信号进行分类,使不同监测设备类型对应的数字信号具有唯一的识别ID。
3.根据权利要求2所述的劳动态度评估方法,其特征在于,所述按照所述监测设备的类型对所述数字信号进行分类的步骤之后,所述方法还包括:
采用AES/DES加密算法对分类后的所述数字信号进行加密;
将加密处理后的所述数字信号发送至所述中心服务器,所述中心服务器用于对AES/DES加密处理后的所述数字信号进行解密,并在解密校验通过后根据所述劳动态度证据数据做出预警信息。
4.根据权利要求1所述的劳动态度评估方法,其特征在于,所述监测设备组包括考勤设备、智能插座、表情识别设备及移动终端中的一种或多种。
5.一种劳动态度评估设备,其特征在于,所述设备包括:
获取模块,用于实时获取所述监测设备组内各个监测设备监测的劳动态度证据数据;
处理模块,用于对所述劳动态度证据数据进行整合处理;
发送模块,用于将整合后的所述劳动态度证据数据发送至中心服务器,所述中心服务器用于根据所述劳动态度证据数据确定各个节点区域的劳动态度等级;
根据所述劳动态度等级控制所述显示屏以对应的预设频率交替显示评估信息中的多个评估内容;其中,当所述当前节点区域为中等级时,所述显示屏以预设频率交替显示评估信息中的节点区域信息、劳动态度等级信息及等级提升建议信息,该三种评估内容的变换频率应为1:1:3;
所述实时获取所述监测设备组内各个监测设备监测的劳动态度证据数据包括:
实时采集各个罪犯劳动过程中的行为举止证据数据;
对各个劳动对象、劳动资料及岗位特点配置对应的权重;
计算群体的劳动态度证据数据的总和,并与客观数据比较以获得群体劳动态度证据数据;
计算个体的劳动态度证据数据,并与群体数据比较从而获得个体劳动态度相对数据;
所述实时采集各个罪犯劳动过程中的行为举止证据数据包括:
实时采集各个罪犯劳动过程中的劳动行为数据及劳动观念数据;
对所述劳动行为数据及所述劳动观念数据配置对应的权重;
根据所述劳动行为数据及所述劳动观念数据对应的权重计算各个罪犯劳动过程中的所述行为举止证据数据;
其中,所述行为举止证据数据的计算公式为:
T=N×(M1×t1+M2×s1)+(1-N)×(P1×s2+P2×t2)
其中,N为劳动行为权重,1-N为劳动观念权重,M1为劳动有效工时权重,M2为调配数据权重(M1+M2=1)t1为劳动有效工时占比,t2为负面表情次数占比,s1为调配数据总和,s2为劳动观念量表评分,P1为劳动观念量表评分权重,P2为负面表情比重(P1+P2=1)。
6.一种可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-4任意一项所述的劳动态度评估方法。
7.一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-4任意一项所述的劳动态度评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910007538.8A CN110222915B (zh) | 2019-01-04 | 2019-01-04 | 劳动态度评估方法、设备、可读存储介质及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910007538.8A CN110222915B (zh) | 2019-01-04 | 2019-01-04 | 劳动态度评估方法、设备、可读存储介质及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110222915A CN110222915A (zh) | 2019-09-10 |
CN110222915B true CN110222915B (zh) | 2023-09-15 |
Family
ID=67822158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910007538.8A Active CN110222915B (zh) | 2019-01-04 | 2019-01-04 | 劳动态度评估方法、设备、可读存储介质及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110222915B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005275814A (ja) * | 2004-03-24 | 2005-10-06 | Yasumi Matsumoto | 就労者評価システム、方法、およびプログラム |
CN103871132A (zh) * | 2014-02-07 | 2014-06-18 | 刘统 | 监狱服刑人员实时人数、位置物联网管理系统及实施方法 |
CN106447194A (zh) * | 2016-09-27 | 2017-02-22 | 上海中信信息发展股份有限公司 | 综合静态和动态信息的罪犯危险度评估方法 |
CN207380726U (zh) * | 2017-11-24 | 2018-05-18 | 绍兴环思智慧科技股份有限公司 | 一种监狱服装生产过程管理与犯人改造管理的监测设备 |
CN108983966A (zh) * | 2018-06-13 | 2018-12-11 | 济南博图信息技术有限公司 | 基于虚拟现实和眼动技术的罪犯改造评估系统和方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9001984B2 (en) * | 2011-11-14 | 2015-04-07 | Gold Post Technologies, Inc. | Remote virtual supervision system |
-
2019
- 2019-01-04 CN CN201910007538.8A patent/CN110222915B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005275814A (ja) * | 2004-03-24 | 2005-10-06 | Yasumi Matsumoto | 就労者評価システム、方法、およびプログラム |
CN103871132A (zh) * | 2014-02-07 | 2014-06-18 | 刘统 | 监狱服刑人员实时人数、位置物联网管理系统及实施方法 |
CN106447194A (zh) * | 2016-09-27 | 2017-02-22 | 上海中信信息发展股份有限公司 | 综合静态和动态信息的罪犯危险度评估方法 |
CN207380726U (zh) * | 2017-11-24 | 2018-05-18 | 绍兴环思智慧科技股份有限公司 | 一种监狱服装生产过程管理与犯人改造管理的监测设备 |
CN108983966A (zh) * | 2018-06-13 | 2018-12-11 | 济南博图信息技术有限公司 | 基于虚拟现实和眼动技术的罪犯改造评估系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110222915A (zh) | 2019-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yeung | A study of the implications of advanced digital technologies (including AI systems) for the concept of responsibility within a human rights framework | |
US20190188616A1 (en) | Risk simulation and assessment tool | |
US7172118B2 (en) | System and method for overcoming decision making and communications errors to produce expedited and accurate group choices | |
CN111726341B (zh) | 一种数据检测方法、装置、电子设备及存储介质 | |
CN105824805B (zh) | 一种识别方法及装置 | |
CN110837852A (zh) | 一种轧机齿轮箱的故障诊断方法、装置及终端设备 | |
CN112596990A (zh) | 告警风暴的处理方法、装置及终端设备 | |
Abbas et al. | Using a social-ethical framework to evaluate location-based services in an internet of things world | |
CN116308960B (zh) | 基于数据分析的智慧园区物业防控管理系统及其实现方法 | |
CN111325119B (zh) | 一种安全生产的视频监控方法及系统 | |
CN115145788A (zh) | 一种针对智能运维系统的检测数据生成方法和装置 | |
CN109840183A (zh) | 数据中心分级预警方法、装置及存储介质 | |
CN110222915B (zh) | 劳动态度评估方法、设备、可读存储介质及计算机设备 | |
Hu | From the national surveillance state to the cybersurveillance state | |
Kelly | Seeking compatibility in preventing crime with artificial intelligence and ensuring a fair trial | |
CN110045699A (zh) | 数据中心动力管控系统及方法 | |
US11636359B2 (en) | Enhanced collection of training data for machine learning to improve worksite safety and operations | |
CN114358395A (zh) | 考勤预测方法及装置 | |
Bagaric et al. | The Solution to the Pervasive Bias and Discrimination in the Criminal Justice: Transparent Artificial Intelligence | |
SĂVESCU | Some aspects regarding on technological vigilance | |
Page et al. | Current understandings of sex-based harassment and stalking perpetration | |
CN110309995B (zh) | 劳动纪律评估方法、设备、可读存储介质及计算机设备 | |
CN109902486A (zh) | 电子装置、异常用户处理策略智能决策方法及存储介质 | |
CN109344734A (zh) | 一种危险人群识别方法和系统 | |
US11361537B2 (en) | Enhanced collection of training data for machine learning to improve worksite safety and operations |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |