CN110942830A - 一种心理测评的后台管理系统 - Google Patents
一种心理测评的后台管理系统 Download PDFInfo
- Publication number
- CN110942830A CN110942830A CN201911293741.2A CN201911293741A CN110942830A CN 110942830 A CN110942830 A CN 110942830A CN 201911293741 A CN201911293741 A CN 201911293741A CN 110942830 A CN110942830 A CN 110942830A
- Authority
- CN
- China
- Prior art keywords
- questions
- correlation coefficient
- data
- management system
- score
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 23
- 238000007726 management method Methods 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 12
- 239000003086 colorant Substances 0.000 claims description 3
- 238000013523 data management Methods 0.000 claims description 3
- 230000010287 polarization Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 description 6
- 238000012937 correction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一种心理测评的后台管理系统，包括：账号管理；模板管理；产品管理；用户管理；产品管理包括：创建产品：用于创建题目，给定题目的测评属性，计算题目与测评属性之间的关联性，并根据结果对题目进行分级，对题目进行编号，同时至少设置两个可供选择的答案，并为不同的答案赋分数；产品发布：依据编号将题目按照一定的数目编组并发布，供用户答题，用户管理是指：根据不同的用户选择不同的效标数据，收集对应编号题目的分数，即项目数据，并对项目数据进行计算，得到指标得分。本发明中，通过软件形式进行心理测评，可以大批量的对用户进行评测，而且，根据要测属性与题目的相关性对题目进行分级，提交检测的准确性。
Description
技术领域
本发明涉及心理测评技术领域，尤其是涉及一种心理测评的后台管理系统。
背景技术
心理测评是依据一定的心理学理论，使用一定的操作程序，给人的能力、人格及心理健康等心理特性和行为确定出一种数量化的价值心理测评是一种比较先进的测试方法，它是指通过一系列手段，将人的某些心理特征数量化，来衡量个体心理因素水平和个体心理差异差异的一种科学测量方法。按测评的内容、对象特点、表现形式、目的、时间、要求等分为若干种类。主要是各机关、企业、组织等用来选拔人才、安置岗位，以及对一个人进行诊断、评价、辅助咨询的一种手段，它包含能力测试、人格测试和兴趣测试等。
效标是一种衡量测验有效性的参照标准。通常为测验使用者感兴趣并可独立测量的行为特质。效标测量要求能真正反映观念效标，即具有高相关，必须稳定可靠，测量误差小，保证客观性，避免偏差，防止效标污染。
相关系数是最早由统计学家卡尔·皮尔逊设计的统计指标，是研究变量之间线性相关程度的量，一般用字母r表示。由于研究对象的不同，相关系数有多种定义方式，较为常用的是皮尔逊相关系数。r的绝对值在0到1之间，r值越大说明变量之间的关系越紧密，r值越小说明变量之间的关系越疏远。
现有的心理测评通过问卷调查的形式进行，但是随着社会的发展，越来越多的人需要通过心理测评来进行能力测试，故需要一个软件对大量的人员进行心理测评。
而且现在心理测评中相关系数计算值不准确，计算值偏小，评测的准确性低。
因此，有必要提供一种新的技术方案以克服上述缺陷。
发明内容
本发明的目的在于提供一种可有效解决上述技术问题的心理测评的后台管理系统。
为达到本发明之目的，采用如下技术方案：
一种心理测评的后台管理系统，包括：
账号管理：以登陆后台管理系统；
模板管理：为不同的用户提供外观不同的模板；
产品管理：包括：创建产品：用于创建题目，给定题目的测评属性，计算题目与测评属性之间的关联性，并根据结果对题目进行分级，对题目进行编号，同时至少设置两个可供选择的答案，并为不同的答案赋分数；
产品发布：依据编号将题目按照一定的数目编组并发布，供用户答题；
用户管理：根据不同的用户选择不同的效标数据，收集对应编号题目的分数，即项目数据，并对项目数据进行计算，得到指标得分。
进一步的：计算题目与测评属性之间的关联性采用皮尔逊积差相关公式计算相关系数，相关系数小于0.3为差，相关系数在0.3到0.5为中等，相关系数在0.5到0.7为良好，相关系数在0.7以上为极好。
进一步的：依据编号将题目按照一定的数目编组时，每组题目至少包括一道相关系数在0.7以上的题目。
进一步的：依据编号将题目按照一定的数目编组时，每组题目至多包括总题量10％的相关系数小于0.3的题目。
进一步的：数据管理中，对分数的计算方法包括以下步骤：
S1：选取效标数据Y；
S2：计算对应量表各个项目数据(X)与效标数据(Y)之间的相关性rn；计算公式为：
式(1)中：rn为相关系数，
X为项目得分，
Y为效标数据，
n为数据组数；
S3：计算各个项目的权重配比Pn，
式(2)中：Pn为项目权重，
rn为项目得分与效标相关系数；
S4：计算指标得分T，
式(3)中：A为系数，
T为指标总分，
n为项目个数，
x为项目得分，
p为项目权重。
进一步的：外观不同的模板至少包括排版不同与颜色不同。
与现有技术相比，本发明具有如下有益效果：
1.本发明心理测评的后台管理系统，通过软件形式进行心理测评，可以大批量的对用户进行评测，而且，根据要测属性与题目的相关性对题目进行分级，提交检测的准确性。
2.本发明心理测评的后台管理系统，首先计算相关权重的配比，然后在计算指标得分，改进后的算法相关系数远远大于传统的算法的相关系数，指标得分的准确性好。
附图说明
图1为相关系数的计算方法的流程图。
具体实施方式
下面将结合附图对本发明心理测评的后台管理系统做出清楚完整的说明。
实施例1：
本发明心理测评的后台管理系统，包括：
账号管理：以登陆后台管理系统；
模板管理：为不同的用户提供外观不同的模板，包括排版不同与颜色不同，满足不同使用者的个性化需求；
产品管理：包括：创建产品：用于创建题目，给定题目的测评属性，如社交性或领导力，采用皮尔逊积差相关公式计算计算题目与测评属性之间的相关系数，相关系数小于0.3为差，相关系数在0.3到0.5为中等，相关系数在0.5到0.7为良好，相关系数在0.7以上为极好，对题目进行编号，同时至少设置两个可供选择的答案，如A、B，并为不同的答案赋分数，如A为1分，B为2分；
产品发布：依据编号将题目按照一定的数目编组并发布，供用户答题，如50道题为一组；则至少包括一道相关系数在0.7以上的题目，同时相关系数小于0.3的题目应小于5道；
用户管理：根据不同的用户选择不同的效标数据，收集对应编号题目的分数，即项目数据，并对项目数据进行计算，得到指标得分。
数据管理中，对分数的计算方法包括以下步骤：
S1：选取效标数据Y；
S2：计算对应量表各个项目数据(X)与效标数据(Y)之间的相关性rn；计算公式为：
式(1)中：rn为相关系数，
x为项目得分，
Y为效标数据，
n为数据组数；
S3：计算各个项目的权重配比Pn，
式(2)中：Pn为项目权重，
rn为项目得分与效标相关系数；
S4：计算指标得分T，
式(3)中：A为系数，
T为指标总分，
n为项目个数，
x为项目得分，
p为项目权重。
实施例2
苏州某公司对40位销售的3年平均销售业绩数据与人际影响力进行评测。
选取的效标为每人的3年平均销售业绩。
计算相关性指数，计算数据如表1所示：
表1
计算各个项目的权重配比，计算公式为：
计算软件为spss26.0，对项目1至项目7进行计算，计算结果为:r1＝0.384，r2＝0.173，r3＝0.522，r4＝0.039，r5＝0.342，r6＝0.558，r7＝0.505。
计算各个项目的权重配比Pn，
计算所有r值之和，
∑ri＝2.523
计算r占所有项目相关系数当中的比重p1,以表格1中的项目1为例：
计算r占所有项目相关系数当中的比重p，计算结果如表2所示：
| r<sub>1</sub> | r<sub>2</sub> | r<sub>3</sub> | r<sub>4</sub> | r<sub>5</sub> | r<sub>6</sub> | r<sub>7</sub> | ∑r<sub>i</sub> |
| 0.384 | 0.173 | 0.522 | 0.039 | 0.342 | 0.558 | 0.505 | 2.523 |
| P<sub>1</sub> | P<sub>2</sub> | P<sub>3</sub> | P<sub>4</sub> | P<sub>5</sub> | P<sub>6</sub> | P<sub>7</sub> | |
| 15.22％ | 6.857％ | 20.69％ | 1.546％ | 13.56％ | 22.12％ | 20.02％ |
表2
计算相关赋权法得分及修正分，然后计算相关赋权法修正分与效标参数的相关系数
计算相关赋权法得分的公式为：
以姓名1的数据为例：
计算相关赋权法得分的公式为：
A值是为了平衡结果的数量级，比如采用5点量表，评分可以是1.2.3.4.5，于是A＝5.如果采用10点量表，评分可以是1.2.……10,那么A＝10。
计算相关赋权法修正分与效标参数的相关系数，公式为：
计算软件为spss26.0，计算结果如表3所示：
表3
表3中所选用的效标数据和表1的效标数据相同，计算相关赋权算法修正后的数据与效标的相关系数，
计算公式为：
计算软件为spss26.0，计算最后结果为R0＝0.701。
对比例
采用数据为表1数据，传统算法为计算后两列的相关系数R1，
计算公式为：
计算软件为spss26.0，计算最后结果为R1＝0.628。
R0大于R1，故新算法优于传统算法。
验证例
同样的方法选取40名销售人员，选取3年平均年销售额作为效标；
施测问卷，得到平均加权法总分和相关赋权法总分；
分别计算平均加权法总分和相关赋权法，结果如表4所示：
表4
分别采用实施例2与对比例的算法计算相关系数，计算数据表5所示：
表5
传统算法的相关系数为R2，R2＝0.612，
改进算法的相关系数为R3，R3＝0.759。
R3远大于R2。
本发明具有如下有益效果：
1.本发明心理测评的后台管理系统，通过软件形式进行心理测评，可以大批量的对用户进行评测，而且，根据要测属性与题目的相关性对题目进行分级，提交检测的准确性。
2.本发明心理测评的后台管理系统，首先计算相关权重的配比，然后在计算指标得分，改进后的算法相关系数远远大于传统的算法的相关系数，指标得分的准确性好。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (7)
1.一种心理测评的后台管理系统，其特征在于：包括：
账号管理：以登陆后台管理系统；
模板管理：为不同的用户提供外观不同的模板；
产品管理：包括：创建产品：用于创建题目，给定题目的测评属性，计算题目与测评属性之间的关联性，并根据结果对题目进行分级，对题目进行编号，同时至少设置两个可供选择的答案，并为不同的答案赋分数；
产品发布：依据编号将题目按照一定的数目编组并发布，供用户答题；
用户管理：根据不同的用户选择不同的效标数据，收集对应编号题目的分数，即项目数据，并对项目数据进行计算，得到指标得分。
2.如权利要求1所述的心理测评的后台管理系统，其特征在于：计算题目与测评属性之间的关联性采用皮尔逊积差相关公式计算相关系数，相关系数小于0.3为差，相关系数在0.3到0.5为中等，相关系数在0.5到0.7为良好，相关系数在0.7以上为极好。
3.如权利要求2所述的心理测评的后台管理系统，其特征在于：依据编号将题目按照一定的数目编组时，每组题目至少包括一道相关系数在0.5以上的题目。
4.如权利要求2所述的心理测评的后台管理系统，其特征在于：依据编号将题目按照一定的数目编组时，每组题目至多包括总题量10％的相关系数小于0.3的题目。
5.如权利要求1所述的心理测评的后台管理系统，其特征在于：数据管理中，对分数的计算方法包括以下步骤：
S1：选取效标数据Y；
S2：计算对应量表各个项目数据(X)与效标数据(Y)之间的相关性rn；计算公式为皮尔逊积差相关公式：
S3：计算各个项目的权重配比Pn，
式(1)中：Pn为项目权重，
rn为项目得分与效标相关系数；
S4：计算指标得分T，
式(2)中：A为系数，
T为指标总分，
n为项目个数，
x为项目得分，
p为项目权重。
6.如权利要求2或5所述的心理测评的后台管理系统，其特征在于：所述皮尔逊积差相关公式为：
式(3)中：rn为相关系数，
X为项目得分，
Y为效标数据，
n为数据组数。
7.如权利要求1所述的心理测评的后台管理系统，其特征在于：外观不同的模板至少包括排版不同与颜色不同。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911293741.2A CN110942830A (zh) | 2019-12-16 | 2019-12-16 | 一种心理测评的后台管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911293741.2A CN110942830A (zh) | 2019-12-16 | 2019-12-16 | 一种心理测评的后台管理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110942830A true CN110942830A (zh) | 2020-03-31 |
Family
ID=69911652
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911293741.2A Pending CN110942830A (zh) | 2019-12-16 | 2019-12-16 | 一种心理测评的后台管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110942830A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113506629A (zh) * | 2021-06-25 | 2021-10-15 | 济南大学 | 一种症状自评量表简化及结果预测方法与系统 |
| WO2023143164A1 (zh) * | 2022-01-25 | 2023-08-03 | 北京无疆脑智科技有限公司 | 情绪识别能力的评估方法、装置及电子设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107273420A (zh) * | 2017-05-12 | 2017-10-20 | 矩维软件（上海）有限公司 | 一种支持多维度、可自定义的心理测评量表生成系统 |
| CN107330237A (zh) * | 2017-05-12 | 2017-11-07 | 广州市润心教育咨询有限公司 | 一种心理状态评估方法与系统 |
| CN108062657A (zh) * | 2017-11-30 | 2018-05-22 | 朱学松 | 人才招聘面试方法及系统 |
-
2019
- 2019-12-16 CN CN201911293741.2A patent/CN110942830A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107273420A (zh) * | 2017-05-12 | 2017-10-20 | 矩维软件（上海）有限公司 | 一种支持多维度、可自定义的心理测评量表生成系统 |
| CN107330237A (zh) * | 2017-05-12 | 2017-11-07 | 广州市润心教育咨询有限公司 | 一种心理状态评估方法与系统 |
| CN108062657A (zh) * | 2017-11-30 | 2018-05-22 | 朱学松 | 人才招聘面试方法及系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113506629A (zh) * | 2021-06-25 | 2021-10-15 | 济南大学 | 一种症状自评量表简化及结果预测方法与系统 |
| CN113506629B (zh) * | 2021-06-25 | 2024-05-14 | 济南大学 | 一种症状自评量表简化及结果预测方法与系统 |
| WO2023143164A1 (zh) * | 2022-01-25 | 2023-08-03 | 北京无疆脑智科技有限公司 | 情绪识别能力的评估方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hodge et al. | Ranking disciplinary journals with the Google Scholar h-index: A new tool for constructing cases for tenure, promotion, and other professional decisions | |
| Panaretos et al. | Assessing scientific research performance and impact with single indices | |
| Cheung et al. | Meta-analytic structural equation modeling: a two-stage approach. | |
| Van Der Flier et al. | An iterative item bias detection method | |
| Qi et al. | Standing on the shoulders of giants: the effect of outstanding scientists on young collaborators’ careers | |
| CN110347814B (zh) | 一种律师精准推荐方法及系统 | |
| CN105139189A (zh) | 一种基于管理情境的人力资源测评系统及其方法 | |
| Smolinsky et al. | Citation rates in mathematics: A study of variation by subdiscipline | |
| Crespo et al. | The effect on citation inequality of differences in citation practices at the web of science subject category level | |
| EP4080429A1 (en) | Technology readiness level determination method and system based on science and technology big data | |
| CN106789338B (zh) | 一种在动态大规模社交网络中发现关键人物的方法 | |
| CN110942830A (zh) | 一种心理测评的后台管理系统 | |
| Boeschoten et al. | Estimating classification errors under edit restrictions in composite survey-register data using multiple imputation latent class modelling (MILC) | |
| CN112836137A (zh) | 人物网络支持度计算系统及方法、终端、设备、存储介质 | |
| Amez | Citation measures at the micro level: Influence of publication age, field, and uncitedness | |
| Miller | Which Supreme Court Cases Influenced Recent Supreme Court IP Decisions? A Citation Study | |
| Shono et al. | Application of item response theory to tests of substance-related associative memory. | |
| Alzaghal et al. | Moderating effect of information and communication technology tools on the relationship between networking services and incubator success | |
| Shi et al. | Empirical study of factors affecting training transfer of grassroots employees in petroleum enterprises | |
| CN112699933B (zh) | 用户教学素材加工处理能力自动识别方法及系统 | |
| van der Palm et al. | A Flexible Latent Class Approach to Estimating Test‐Score Reliability | |
| Chen et al. | A collaborative recommendation algorithm based on user cluster classification | |
| CN110991924A (zh) | 基于结构方程模型的高水平论文发表数量影响因素评价方法 | |
| Kim et al. | Accuracy of a classical test theory–based procedure for estimating the reliability of a multistage test | |
| CN111937018A (zh) | 利用了教学大纲的匹配装置 |
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: 20200331 |
|
| RJ01 | Rejection of invention patent application after publication |