CN111833010A - 一种智能面试方法、系统、设备和存储介质 - Google Patents
一种智能面试方法、系统、设备和存储介质 Download PDFInfo
- Publication number
- CN111833010A CN111833010A CN202010540261.8A CN202010540261A CN111833010A CN 111833010 A CN111833010 A CN 111833010A CN 202010540261 A CN202010540261 A CN 202010540261A CN 111833010 A CN111833010 A CN 111833010A
- Authority
- CN
- China
- Prior art keywords
- interview
- competency
- model
- competence
- intelligent
- 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
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000003860 storage Methods 0.000 title claims description 8
- 230000008569 process Effects 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 31
- 230000007115 recruitment Effects 0.000 claims abstract description 28
- 238000012360 testing method Methods 0.000 claims description 40
- 238000000605 extraction Methods 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 4
- 238000013524 data verification Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 2
- 238000012795 verification Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 15
- 238000005516 engineering process Methods 0.000 abstract description 14
- 238000002360 preparation method Methods 0.000 abstract description 8
- 238000012216 screening Methods 0.000 abstract description 6
- 238000011156 evaluation Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 6
- 238000011835 investigation Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 4
- 238000013499 data model Methods 0.000 description 4
- 241001672694 Citrus reticulata Species 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000012797 qualification Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 206010042008 Stereotypy Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004873 anchoring Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013142 basic testing Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 235000019788 craving Nutrition 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005065 mining Methods 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
- 230000008450 motivation Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
- G06Q10/1053—Employment or hiring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/74—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智能面试方法,包括以下流程:(a)企业发布职位面试需求;(b)服务器对职位需求进行职位胜任力模型匹配;(c)服务器根据所匹配的胜任力模型在试题库中选择题目;(d)服务器根据选择结果进行组卷;(e)通知求职者可以进行在线智能面试;(f)求职者启动面试程序答题;(g)服务器对求职者的答题记录进行数据处理;(h)服务器根据处理结果进行算分。可以实现有针对性个性化面试的AI视频面试方法,通过构建招聘岗位的胜任力素质模型,匹配有针对性考核内容的面试题目的前期准备流程;在视频面试的过程中通过语义分析、视频分析、音频分析等技术,完成对候选人的评分流程,从而达到企业招聘中可以快速且精准的进行人员初步筛选的目标。
Description
技术领域
本申请涉及在线招聘领域,特别是涉及到一种基于文本和语音技术分析的智能面试评价方法、系统、设备和存储介质。
背景技术
传统的人才招聘面试,对于招聘方来讲大致流程通常为:招聘方发布职位制定职位要求等待投递简历或主动搜索简历-根据简历浏览结果得出候选面试人员名单-大范围邀请面试-现场面试笔试-根据笔试面试情况对面试人员进行评价-选出符合条件的人选。这样的流程方案的招聘周期至少需要耗费2周以上,费时费力,主要体现在以下三个方面的特点:(1)资源投入多。每一个环节都需要人工的参与,如简历需要人事部门进行筛选,每一关的面试和笔试都需要人事及/或技术主管的参与,面试过程中投入的面试官耗费比较多的人工成本;准备环境适宜且能够容纳足够多场地和面试官的场地也是存在协调困难;面试开展的时间周期相对比较长,前期准备完成后,正式的面试过程也需要耗费1周左右的时间,且每一个环节都要耗费招聘方的物力财力以及时间成本。(2)主观影响大。传统面试过程中,面试评分受到面试官主观态度的影响较大。面试官个人评价过程中的光环效应、第一印象、刻板印象等主观因素会影响对候选人的评价结果,而且候选人多且工作强度较大的场景中,面试官也会产生疲劳和信息判断误差。(3)结果产出少。面试评价的维度数量较少,最多能够评价5个左右的维度;面试结果手工汇总效率低,多考场和多位面试官的评价结果汇总难度大;面试产出的评价结果通常是以表格的形式展示,结果相对比较单一。
在现场面试环节,传统线下面试是在同一个时间及空间下,面对面对候选人进行考察,需要用人单位和求职者同时预留出一个足够的时间段才能够完成,时间、空间和操作性都受到严重限制,尤其是对一些还在职的求职人员,每天晚上才能有时间,而招聘人员晚上进行面试又很不方便。视频面试虽然可以足不出户利用连通了互联网的电脑,通过视频摄像头和耳麦进语音、视频、文字的方式进行即时沟通交流,但本质上还是需要约定好同一时间,浪费人力和时间。
随着AI技术的迅猛发展、大众以及企业对AI的了解越来越多。随着计算机算力的不断增长,以及各种大数据模型的越来越精确,AI在很多方面已经能有与真人相匹敌的能力,也就是说,AI系统越来越像人了。与此同时,也有越来越多的企业尝试让AI参与到公司的决策中来,如初步的招聘和人才选拔之中。有了AI的介入,面试的及时性得到了强化,由于面试官变成了电脑程序,所以,面试时间无需再确定在某个固定的时间段,而是可以在最后期限之前随时进行。面试者只要进入系统程序,就可以开始面试。
常见的视频面试,是通过设置某些固定问题,候选人通过软件进行回答记录,再经由人工判定候选人是否合格,只是使用线上程序替代了线下传统面试的形式,严格意义上来说,并不是真正意义上的AI面试。目前的AI面试软件,在结合了上述视频面试的操作上,增加了固定通用模型考察及固定问题的标准判分,再辅助人工判分,判定候选人是否合格。评判标准依然较大程度依赖于人工主观因素,并未实现真正的AI技术。没有发挥出AI面试的一大优势,就是节省招聘方人工参与的时间,由电脑完成很多初级的鉴别、匹配和判断功能。
参见图1和2,其流程图简要说明了未应用本专利的AI面试的流程模型。
这些传统的AI面试产品,(1)面试准备流程仅需要设置面试题目和导入候选人即可,通常都是以套题或者固定题目的形式出现,比如只要是参加面试的应聘人员,都会作答同一份基础试卷,试卷上会题目及可供选择的答案;(2)候选人在作答时,登录即开始作答;(3)判分流程中会将每个部分的答案与标准答案进行比对,给出正确错误的判断,再对各个考核部分进行了汇总计分;(4)报告呈现流程上也只做了回答记录和得分建议。总体来说,存在岗位模型缺乏针对性,面试题目过于通用,候选人在录制完面试题目之后,判分及报告呈现简单化的问题。
比如现有技术中,中国发明专利申请CN109726974A中公开了一种智能招聘方法,包括:接收应聘人员所上传的应聘信息,并根据所述应聘信息判断所述应聘人员是否通过初步筛选;若所述应聘人员通过初步筛选,对所述应聘人员进行智能面试,并接收所述应聘人员输入的多类智能面试信息;基于人工智能对多类所述智能面试信息进行分析,生成智能面试结果,并在所述智能面试结果为面试通过时,对所述应聘人员进行线下面试。服务器中预先设置有针对不同招聘岗位的面试题库,根据智能面试请求可确定对应招聘岗位,进而确定对应的面试题库。从而面试题库中随机挑选几个不同类型的面试试题输出到应聘人员对应终端,如招聘岗位为销售的面试题库中包括A、B、C三类面试试题,且每类面试试题中包括5道题目,则从三类面试试题中分别随机挑选一道,形成三道三个类型的面试试题输出到应聘人员所持有终端。但是这种题库,并没有参照固定的模式来创建,随机性和偶然性较大,即使是同一个类型的题目,入选标准也不明确,在大类下面完全随机选择,没有针对岗位和求职人员有任何优化,大大削弱了AI的参与程度。
在招聘领域中,很多研究机构和学者都提出了competency胜任力这个概念,但是,对这种概念的理解,千人千面。不同的企业管理者、企业HR、用人部门领导,对这个问题都会有不同的理解。这就会在实践中产生非常多的不同的胜任力维度、评估标准判断准则,最终导致评估效果的不确定性。
有鉴于此,亟待推出一种能够针对AI视频面试各个环节特点,建立成熟稳定的胜任力模型,对招聘岗位或者招聘人员给出有针对性的个性化题目类型、题目内容、题目数量、题目难度、答案评价的智能面试方法。
发明内容
为解决以上问题,本发明提供了一种可以实现有针对性个性化面试的AI视频面试方法。通过构建招聘岗位的胜任力素质模型,匹配有针对性考核内容的面试题目的前期准备流程;在视频面试的过程中通过语义分析、视频分析、音频分析等技术,并深度结合结构化试题、经典性格量表和智力测评等人才测评技术,完成对候选人的评分流程,并可以针对每位候选人提供复面建议的报告呈现流程,从而达到企业招聘中可以快速且精准的进行人员初步筛选的目标。
本发明提供一种智能面试方法,包括以下流程:(a)确认企业发布职位面试需求;(b)服务器对职位需求进行职位胜任力模型匹配;(c)服务器根据所匹配的胜任力模型在试题库中选择题目;(d)服务器根据选择结果进行组卷;(e)通知求职者可以进行在线智能面试;(f)接收求职者请求启动面试程序答题;(g)服务器对求职者的答题记录进行数据处理;(h)服务器根据处理结果进行算分。
在步骤(b)中,职位胜任力模型的建立,包括以下步骤:(1)对已知招聘相关信息进行收集;(2)对涉及任职资格和能力部分进行统计和分类提取;(3)对描述部分的长文本进行分词处理,剔除虚词;(4)根据统计结果标注所有与该职位胜任力要求相关的词汇;(5)复核并确认该职位胜任力维度指标。
前述第(1)点收集的信息,包括抓取的互联网招聘信息,企业HR面试人员的面试资料,和对应岗位企业从业人员访谈资料中的至少一项。
步骤(c)中试题库的生成包括以下环节:(1)根据该职位的胜任力模型的维度要求编写试题,并作职位和维度标记;(2)确定每一道试题的相关考试参数;(3)在互联网和数据库中进行检索判定新鲜度;(4)将符合要求的题目标注相应的职位和胜任力维度。
步骤(h)中,所述计分模型按以下步骤生成,(1)对收集的资料进行语音和文本识别;(2)对文本进行分词处理,剔除虚词,并按照出现频率进行排序;(3)对高频词汇进行分类和扩展;(4)建立胜任力计分词汇模型。
步骤(h)还包括,(1)将处理后的答题结果代入计分模型,计算出各项维度的得分;(2)根据胜任力维度指标对岗位的重要性,分别设置具体胜任力的权重;(3)将各项维度得分带入有权重分配的计分公式;(4)得到岗位胜任力模型的总体计分结果;(5)根据总体计分结果,给出候选人的录用等级建议。
步骤(h)中还需要设置胜任力维度指标权重,包括进行模拟智能面试流程并采集计分数据,比照实际录用情况分别抽取优秀组和淘汰组的面试得分,按照得分差异性对胜任力指标进行分析,得出胜任力指标权重分布。
在步骤(h)之后,还包括步骤(i),生成面试评价报告;在步骤(e)之前,还包括企业根据服务器反馈的题目进行补充调整的步骤。
整个流程之外,还包括验证步骤(j),对所述职位胜任力维度指标进行实际面试流程的数据验证,分别抽取优秀组和淘汰组的面试得分,按照得分差异性对采纳的指标进行降序排列,剔除得分差异性不显著的维度指标。
本申请还提供了一种系统,用于在线智能视频面试,包括:岗位需求模块,用于确认企业的岗位面试需求;岗位模型匹配模块,用于对职位需求进行职位胜任力模型匹配;面试题库模块,据所匹配的胜任力模型在试题库中选择题目;组题模块,用于根据选择结果进行组卷;求职者面试模块,用于启动面试程序答题;数据处理模块,用于对求职者的答题记录进行数据处理;判分模块,用于根据处理结果代入模型进行算分,并使用综合算法模型对面试综合得分进行计算。
进一步的,还包括职位胜任力模型建立模块,进行以下操作:(1)收集信息,包括抓取的互联网招聘信息,企业HR面试人员的面试资料,和/或对应岗位企业从业人员的资料,对任职资格和能力部分进行统计和分类提取;(2)对描述部分的长文本进行分词处理,剔除虚词;(3)根据统计结果标注所有与该职位胜任力要求相关的词汇;(4)确认生成该职位胜任力维度指标。
进一步的,所述试题库模块进行以下操作:(1)根据该职位的胜任力模型的维度要求编写试题,并作职位和维度标记;(2)确定每一道试题的相关考试参数;(3)在互联网和数据库中进行检索判定新鲜度;(4)将符合要求的题目标注相应的职位和胜任力维度。
以及,一种设备,其特征在于,包括:一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器完成前面任一项所述的在线视频面试实现方法。
以及,一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时完成如前面任一项所述的在线视频面试实现方法。
实施本发明,有如下有益技术效果:
1、岗位胜任力模型的精准性。通过对招聘需求的大数据分析,选择具体岗位所必备的关键素质特征作为面试考察的项目进行评估,评价结果对于判断能否适应目标岗位的需求,提供了精准的评估依据。数据模型从开始的信息采集,就集中于与该岗位高度相关的网站、企业HR和该岗位实际从业人员,保证了数据的高度相关性。之后,通过大数据分析和数据处理,确定候选的指标,排除了人为因素可能造成的失误和遗漏。最后,通过一次次真实的AI面试程序测试,对胜任力维度指标不断进行修正,实现了工业控制上常用的闭环反馈改进,进一步提高了模型和维度指标的精准性。
2、面试题目的针对性。现有的AI面试,过度强调判分程序的技术性,追求判分的无限趋近于人,但是我们实际上敏锐的观察到,题目和维度的关联关系实际是长期被我们忽视的一个环节。我们重点在这个环节上进行了突破,把试题和胜任力维度指标紧紧地联系在了一起,让这个看起来很飘忽的概念实实在在的体现在一道道题目中。求职者需要回答的问题,并非通用且随意的提问,而是锚定具体素质项目所设定的,针对的都是特定的胜任力维度指标,每个面试问题均经过了较为严谨的筛选和设定,结合领域专家和资深面试官的研发和评估,可以较准确地测试出求职者在某一具体胜任力指标要求下表现出来的能力,其作答结果能够有效区分优中差的回答等级。也就是说,每个职位,我们都可以给它匹配非常适合其岗位特点的面试题目,而这些题目,又是以考察某一或者某些具体的胜任力维度指标为依托的。岗位要求的变化,会带来数据模型条件的改变,进而会影响选中的题目。也就是说,我们没有仅仅给试题打上销售,财务这样的标签,而是在此基础上更进一步。将第二角度的胜任力维度的指标与试题进行绑定,比如同样是销售岗位,但是各个公司各个行业肯定要求有所不同,系统匹配的胜任力指标是可以不一样的,大大提高了题目的针对性。相比于有些软件1000道面试题目都只有销售这一个唯一的指标,我们的试题系统无疑是极具进步性的。
3、面试过程的高效性。AI易面主要解决了面试的整个流程中对岗位模型的精准性、面试题目的针对性、人才测评的全面性、评价结果的指导性等问题,是一个全流程的AI视频面试过程,人员参与集中在模型和试题库的建设中。一旦数据模型完成搭建,AI参与程度非常高,可以非常有针对性地对每一位求职者给出一个相对客观的评价,进而帮助招聘方确定初步的第二轮面谈人选,节省招聘方大量的人力物力。
4、人才测评的全面性。题目覆盖各个维度的指标,可以综合考察不同素质特征,应用多种评估技术进行综合且全面的评估,视频题、语音题、选择题等多种评价方式结合应用,既全面的考察了各项岗位关键素质特征,又为作答过程增加了多元体验,避免了枯燥的作答过程。
5、评价结果的指导性:评价结果方面,使用经过大数据分析得出的计分规则,并且根据每项胜任力指标的重要程度进行了权重分配,使得评分更贴近岗位。不仅体现了候选人的综合评价结果,也分别显示出了每项考察素质的具体得分,详细展示了候选人的回答过程,且为企业提供了面试进一步考察素质,为真实的招聘场景提供了较为针对的指导建议。
概括起来,本发明实现了一个切实可行的有针对性的人才测评AI面试全流程产品,使得企业方可以筛选出与招聘岗位所匹配的人才,也让候选人可以随时随地参加面试,使得每位候选人可以得到更加公平和客观的评价。此外,不仅使AI面试完成了传统面试对候选人的考核,同时也接入了数据处理流程,使面试结果更加公平客观精准。大大减少了大规模面试的复杂程度及时间损耗,提高企业人才选拔效率。
附图说明
图1是未采用本申请的视频面试流程示意图;
图2是未采用本申请的视频面试流程示意图;
图3是本专利的AI视频面试一个实施例的全流程示意图;
图4是本申请的AI视频面试分步流程示意图;
图5是本申请的AI视频面试分步流程示意图;
图6是本申请的AI视频面试胜任力模型建立流程示意图;
图7是本申请的AI视频面试胜任力计分词汇模型建立流程示意图;
图8是本申请的AI视频面试胜任力考核题目建立流程示意图;
具体实施方式
下面结合附图和实施例对本发明实施例作进一步的详细说明,下述实施例在以本发明技术方案为前提下进行实施,可以理解的是,此处所描述的具体实施例仅仅用于解释本发明实施例,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明实施例相关的部分而非全部结构。
另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
参考图3,本发明提供一种智能面试方法,包括以下流程:(a)确认企业发布职位面试需求;(b)服务器对职位需求进行职位胜任力模型匹配;(c)服务器根据所匹配的胜任力模型在试题库中选择题目;(d)服务器根据选择结果进行组卷;(e)通知求职者可以进行在线智能面试;(f)接收求职者请求启动面试程序答题;(g)服务器对求职者的答题记录进行数据处理;(h)服务器根据处理结果进行算分。
需要强调的是,该方法中的步骤(a)-(h)并不代表其是严格按照顺序进行的,其中的部分步骤可以有不同的进行顺序,也有可能是同时进行的步骤。比如通知求职者可以进行面试的步骤,其发生时间就可以非常灵活,甚至可以不通过企业,直接从服务器端发送。当然,面试的过程最终还是会显示在终端(比如PC、手机)上,这里说的服务器或者服务器端通常包括一系列软件和硬件,可以为智能面试服务提供商完成指定的计算、存储或者应用服务等。
参考图4的AI面试准备的流程模型。面试准备流程中,企业需先选择招聘岗位,并对岗位职责和要求作出详细描述,如果有特殊要求,也要一并提出,方便数据录入时把企业的需求完整的录入并进行划分和提取。当然,企业也可以自由选择把招聘岗位作为核心要求提供给招聘服务方,在这种情况下,岗位匹配的针对性就会有所降低。
参考图6,在步骤(b)中,职位胜任力模型的建立,包括以下环节:(1)对收到的已知招聘相关信息进行收集,收集的信息包括抓取的互联网招聘信息,智联和企业HR面试人员留存的面试资料,包括视频、录音和笔记等资料,以及对应岗位的企业从业人员的面试、面谈及问答资料等。至少分三个部分对某一特定岗位人员大致需要具备哪些素质和应该满足哪些要求有一个充分的数据准备。(2)在收集数据信息的基础上,需要对数据进行初步处理,把音视频文件或者图像文件通过识别技术转换成文本文件,以便进行下一步的深加工。之后,可以对海量数据进行大数据分析,找出关于任职资格和任职能力部分的描述,对任职资格和能力部分进行统计和分类提取,可以大致得到销售、市场、财务这些确定的职位的岗位要求;(3)对提取出的描述部分的长文本进行分词处理,剔除虚词;这一环节主要是把岗位职责和岗位要求具体化、概括化,方便下一步的处理;(4)根据统计结果标注所有与该职位胜任力要求相关的词汇,主要完成胜任力词汇的初步确定,会得到一些对特定岗位非常重要的词汇,比如挖掘、查找信息、咨询、客户、理解、协调、知识、交易、产品、政策、风险、谈判、出差、加班、学习、合同、手续等,所有的这些词汇,虽然看似简单并且互相之间没有必然联系,但是,通过大数据分析,就可以发现很多岗位需求的内在规律;比如,在销售这个岗位中,挖掘、客户、理解、成交会非常高频率的出现,这些词汇都会有自己对应的胜任力维度。这一环节还包括根据统计结果设置某一岗位各个胜任力维度指标的权重。胜任力维度指标是独立存在的,一个指标并不会仅仅与一个职位相绑定,而是会出现在不同的岗位中,要想做到真正的有针对性,就要根据每个维度指标在不同岗位中所起的作用调整其权重,并代入计分模块中。(5)复核并确认该职位胜任力维度指标。在系统初步确定了胜任力维度指标后,可以由指定的专家团队对这些指标做一个最终的确认,修改或者删除一部分指标,调整一部分指标,最终形成胜任力维度指标模型。
系统匹配该岗位胜任力模型后,题库系统根据模型中职位信息、考察维度、题目数量、权重系数、难易程度、抽取数量、适用场景、适用行业、题目标签、是否有图、试题年份等抽取规则,进行有针对性的题目抽取,当然,最重要的还是职位信息和考察维度。通过模型对职位面试需求与数据库中胜任力指标的比对和分析,可以大致确定该岗位所需要的胜任力指标,再结合另一角度的岗位指标,基本可以描绘出这个具体的岗位的需要从业人员具备什么样的素质,并且这些素质已经与我们胜任力模型中的维度指标对应。抽题就是按纬度/难度等参数把题目抽取出来,但是这些题目的顺序和答题时间等是在组卷模块确认的。
参考图7,其中,试题库的生成包括以下环节:(1)根据该职位的胜任力模型的维度要求编写试题,并作职位和维度标记,只有把题目和职位、胜任力维度两个不同的指标结合起来,才能最大限度发挥不同人不同题的作用;(2)确定每一道试题的相关考试参数,包括难度系数和作答时间等,在这一环节,我们也是根据之前积累的海量的面试资料,提取和统计不同求职者面对某一类面试题目时的答题时间和答案贴合度,从而精准的给出优秀求职者或者说合格求职者,他们类似题目的作答时间是多少,一般求职者或者不合格求职者他们的答题时间又是多少,进而根据答题时间的长短判断题目的难易程度给出符合我们预设规则的难度系数。(3)在互联网和数据库中进行检索判定新鲜度;这一环节主要是防止题目过于容易的被求职者或者某些培训机构检索到,进而准备和背诵所谓的标准答案,影响我们考核的真实性和准确性。(4)将符合要求的题目标注相应的职位和胜任力维度。比如一道题目是你认为自己具备哪些别的销售人员不具备的特点和品质?在职位这个层面,会有销售、销售经理、客户代表、客户经理、地推等几个标签,在胜任力维度这个层面,会有“销售”、“沟通”、“渴望”、“坚持”这些个胜任力维度指标的标签。这样,在进行试题匹配的时候,系统模型就不会仅仅按照一维非黑即白的逻辑规则去选择题目,而是同时考虑两个层次标签所组成的阵列,会有各种不同的组合方式。当然,不同的职位可以对应相同的维度指标,不同的维度指标也可以对应同一个职位。
企业亦可在系统题目的基础上,补充定制化题目,题目设置完成后,添加候选人并发送面试通知,企业完成面试前期准备。
系统内置岗位胜任力模型的设置,结合该岗位的核心胜任素质的大数据积累和研究确定,涵盖岗位所需的硬技能、软技能、性格、动机等4个层次的内容构架,并根据维度在岗位中的作用差异,区分了2类不同的素质:一类是从事该岗位所必须具备的门槛素质,另一类是能够在岗位上做得更好的提升素质,每个岗位均包含4个层次2种类别的胜任素质,全方位的结构人才素质画像。本环节接入的岗位胜任力模型构建流程、题目抽取流程、使面试题目更加有针对性,从而保证了面试结果的准确度。
参考图4,作答流程中,候选人在接到面试通知后,打开微信小程序,登陆并进行设备测试,包含光线、话筒、摄像头、角度等测试。测试完毕后,进入作答。本环节接入了测试设备流程,使候选人可以在设备稳定的基础上,顺利完成面试。
参考图5,步骤(h)包括,服务器根据处理结果代入模型进行算分。具体包括,(1)将处理后的答题结果代入计分模型,计算出各项维度的得分;(2)根据胜任力维度指标对岗位的重要性,分别设置具体胜任力的权重;(3)将各项维度得分带入有权重分配的计分公式;(4)得到岗位胜任力模型的总体计分结果;(5)根据总体计分结果,给出候选人的录用等级建议。
参考图5,判分流程中,可以根据需要对候选人的音频、视频题、客观题、外貌进行实时判分处理,实时出具面试分数。本环节接入了视频分析、音频分析、语义分析、人脸特征分析、测量分析等数据处理技术。(1)通过视频录制可以360度全方位了解候选人,不仅只是问题的答案,更能够展示出候选人形象、气质、谈吐及答题过程的表现,音容笑貌一目了然。(2)采用全国普通话等级考试的评估技术,利用语音录制的方式,通过语音识别、声学模型、切分网络、映射模型等智能语音技术对受测者的普通话发音水平进行评价,综合语言表达的完整度、流畅度、声韵分、调型分等多维信息,评估普通话语音的表达水平。(3)采用智能文字转化技术,将视频、音频中的语音内容进行文字识别和转化,基于自然语言理解技术(NLP),提取转录文字的上下文语义、关键词,结合词频分析、定期更新常模特征库,进行语义识别和评价。(4)通过拍照方式,上传个人形象照片,采用人脸识别引擎,通过对人脸的150个关键点定位,实现对颜值、情绪、面部特征等信息的精准识别,提供丰富的外貌特征维度。(5)部分维度结合了大数据基础的经典测量技术,采用智联人才发展中心应用多年的、成熟的线上测验进行考察,能够快速、精准的考察受测者的素质水平。
面试题算分是指每一道题的具体得分计算,而求职者最终的综合得分是要根据岗位模型中配置的各题权重等规则来计算的,所以最终得分要在服务器的面试引擎中继续计算完成。也就是说,题目计分(面试题、音频题、选择题)——>维度计分——>面试总分。在对每一道题进行打分之外,服务器端综合算法模型增加了一个对面试综合得分进行计算的环节。在这一环节主要是把分级和权重的概念引入综合计分模型,比如进取心这个指标,在不同的岗位中权重是不一样的。这样,可以体现出每一道题在不同应用场合下的真实价值,可以更加精准地展现求职者在某一个特定方面的素质。最后,可以根据同一岗位参加面试的总人数、招聘企业预期的进入复面的人数,或者经过大数据比对分数处于一定比例之上等多个条件,确定推荐进入复面的名单。
参考图8,在该模型中,所述计分模型按以下步骤生成,(1)收集答案资料,包括对线下面试录音和笔试存档进行语音和文本识别,以及已经收集到的或者检索到的类似试题答案;(2)对文本进行分词处理,剔除虚词,并按照出现频率进行排序;(3)对高频词汇进行分类和扩展;这一环节主要是根据之前的积累,把一些与高频词汇意思相近的词汇扩展到答案高频词汇中来,以免发生样本不够而造成答案不能在高置信区间上覆盖求职者的答案。同时,还要对词性和数量词等做出相应的处理。(4)根据预定的规则建立胜任力计分词汇模型。这个过程实际上和胜任力维度的筛选过程比较近似,在海量的题目答案中,通过大数据分析找出其中的高频词汇,作为和面试者答案匹配度判断的基础。
本申请还包括一个独立的验证步骤(j),实际上这也是本申请一个非常独特的处理环节。概括来讲,就是对所述职位胜任力维度指标进行实际面试流程的数据验证。我们会组织一定数量应聘某个特定职位的实际求职者,利用我们开发的这套视频面试软件完成整个面试过程,并给出综合评价分数。然后分别抽取优秀组和淘汰组的面试得分,按照得分差异性对采纳的指标进行降序排列,剔除得分差异性不显著的维度指标。并且将差异性非常显著的维度指标,作为评分系统中更重要的影响因子,也就是赋予其更高的权重。其实,这也是计算维度指标权重的一个重要依据。步骤(h)中需要设置胜任力维度指标权重,包括组织一定数量的求职者进行智能面试流程的实际模拟,并采集计分数据,比照实际录用情况分别抽取优秀组和淘汰组的面试得分,按照得分差异性对胜任力指标进行分析,如果得分差异大,则相对来讲权重要大一些,统计分析每一个指标后就能够得出胜任力指标权重分布。这样,在计分系统中就会直接体现出区别,比如进取心这个维度,在销售这个岗位中权重就会比较高,在法务这个岗位中权重较低。这也实际上贴合了胜任力指标的内涵,即按照岗位确定指标。通过这种与工业控制相类似的闭环反馈模式,我们可以做到对胜任力模型和判分模型的不停修正和不断验证,保证了系统的与时俱进。
参考图5,报告呈现流程中,对面试作答内容进行了文字、分数、分析的汇总记录及展示。可在线查看也可导出文本报告进行保存。本环节接入了“复面考察建议”模块,使候选人报告更加完整,使企业可以清晰便捷使用。
本申请还提供了一种系统,用于在线智能视频面试,包括:岗位需求模块,用于接收和确认企业岗位信息和面试需求;岗位模型匹配模块,用于对职位需求进行职位胜任力模型匹配;面试题库模块,据所匹配的胜任力模型在试题库中选择题目;组题模块,用于根据选择结果进行组卷;求职者面试模块,用于启动面试程序答题;数据处理模块,用于对求职者的答题记录进行数据处理;判分模块,用于根据处理结果代入模型进行算分,并使用综合算法模型对面试综合得分进行计算。
进一步的,还包括职位胜任力模型建立模块,进行以下操作:(1)收集信息,包括抓取的互联网招聘信息,企业HR面试人员的面试资料,和/或对应岗位企业从业人员的资料,对任职资格和能力部分进行统计和分类提取;(2)对描述部分的长文本进行分词处理,剔除虚词;(3)根据统计结果标注所有与该职位胜任力要求相关的词汇;(4)确认生成该职位胜任力维度指标。
进一步的,所述试题库模块进行以下操作:(1)根据该职位的胜任力模型的维度要求编写试题,并作职位和维度标记;(2)确定每一道试题的难度系数和作答时间;(3)在互联网和数据库中进行检索判定新鲜度;(4)将符合要求的题目标注相应的职位和胜任力维度。
还提供了一种设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器完成如前面部分中所述的智能面试方法。
以及一种计算机可读存储介质,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完成如前面部分中所述的智能面试方法。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (14)
1.一种智能面试方法,包括:
(a)确认企业发布职位的面试需求;
(b)服务器对职位需求进行职位胜任力模型匹配;
(c)服务器根据所匹配的胜任力模型在试题库中选择题目;
(d)根据选择结果进行组卷;
(e)通知求职者可以进行在线智能面试;
(f)接收求职者请求启动面试程序答题;
(g)服务器对求职者的答题记录进行数据处理;
(h)代入计分模型算分。
2.根据权利要求1所述的智能面试方法,其特征在于,在步骤(b)中,职位胜任力指标模型的建立,包括以下步骤:(1)对已知招聘相关信息进行收集;(2)对涉及任职资格和能力部分进行统计和分类提取;(3)对描述部分的长文本进行分词处理;(4)根据统计结果标注所有与该职位胜任力要求相关的词汇;(5)复核并确认该职位胜任力维度指标。
3.根据权利要求2所述的智能面试方法,其特征在于,所述第(1)点收集的信息,包括抓取的互联网招聘信息,企业HR面试人员的面试资料,和对应岗位企业从业人员访谈资料中的至少一项。
4.根据权利要求1所述的智能面试方法,其特征在于,步骤(c)中试题库的生成包括以下环节:(1)根据该职位的胜任力模型的维度要求编写试题,并作职位和维度标记;(2)确定每一道试题的相关考试参数;(3)在互联网和数据库中进行检索判定新鲜度;(4)将符合要求的题目标注相应的职位和胜任力维度。
5.根据权利要求1所述的智能面试方法,其特征在于,步骤(h)中,所述计分模型按以下步骤生成,(1)对收集的资料进行语音和文本识别;(2)对文本进行分词处理,剔除虚词,并按照出现频率进行排序;(3)对高频词汇进行分类和扩展;(4)建立胜任力计分词汇模型。
6.根据权利要求1所述的智能面试方法,其特征在于,步骤(h)还包括,(1)将处理后的答题结果代入计分模型,计算出各项维度的得分;(2)根据胜任力维度指标对岗位的重要性,分别设置具体胜任力的权重;(3)将各项维度得分带入有权重分配的计分公式;(4)得到岗位胜任力模型的总体计分结果;(5)根据总体计分结果,给出候选人的录用等级建议。
7.根据权利要求1所述的智能面试方法,其特征在于,步骤(h)中还需要设置胜任力维度指标权重,包括进行模拟智能面试流程并采集计分数据,比照实际录用情况分别抽取优秀组和淘汰组的面试得分,按照得分差异性对胜任力指标进行分析,得出胜任力指标权重分布。
8.根据权利要求1所述的智能面试方法,其特征在于,在步骤(h)之后,还包括步骤(i),生成面试评价报告;在步骤(e)之前,还包括企业根据服务器反馈的题目进行补充调整的步骤。
9.根据权利要求1所述的智能面试方法,其特征在于,还包括验证步骤(j),对所述职位胜任力维度指标进行实际面试流程的数据验证,分别抽取优秀组和淘汰组的面试得分,按照得分差异性对采纳的指标进行降序排列,剔除得分差异性不显著的维度指标。
10.一种系统,用于在线智能视频面试,包括:
(a)岗位需求模块,用于接收和确认企业岗位信息和面试需求;
(b)岗位模型匹配模块,用于对职位需求进行职位胜任力模型匹配;
(c)面试题库模块,据所匹配的胜任力模型在试题库中选择题目;
(d)组题模块,用于根据选择结果进行组卷;
(e)面试模块,用于启动面试程序答题;
(f)数据处理模块,用于对求职者的答题记录进行数据处理;
(g)判分模块,用于根据处理结果代入综合算法模型对面试综合得分进行计算。
11.根据权利要求10所述的系统,其特征在于,还包括职位胜任力模型建立模块,进行以下操作:(1)收集信息,包括抓取的互联网招聘信息,企业HR面试人员的面试资料,和/或对应岗位企业从业人员的资料,对任职资格和能力部分进行统计和分类提取;(2)对描述部分的长文本进行分词处理,剔除虚词;(3)根据统计结果标注所有与该职位胜任力要求相关的词汇;(4)确认生成该职位胜任力维度指标。
12.根据权利要求10所述的系统,其特征在于,所述试题库模块进行以下操作:(1)根据该职位的胜任力模型的维度要求编写试题,并作职位和维度标记;(2)确定每一道试题的相关考试参数;(3)在互联网和数据库中进行检索判定新鲜度;(4)将符合要求的题目标注相应的职位和胜任力维度。
13.一种设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器完成如权利要求1-9中任一项所述的智能面试方法。
14.一种计算机可读存储介质,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完成如权利要求1-9中任一项所述的智能面试方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010540261.8A CN111833010A (zh) | 2020-06-12 | 2020-06-12 | 一种智能面试方法、系统、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010540261.8A CN111833010A (zh) | 2020-06-12 | 2020-06-12 | 一种智能面试方法、系统、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111833010A true CN111833010A (zh) | 2020-10-27 |
Family
ID=72898708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010540261.8A Pending CN111833010A (zh) | 2020-06-12 | 2020-06-12 | 一种智能面试方法、系统、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111833010A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112164263A (zh) * | 2020-11-10 | 2021-01-01 | 龙岩烟草工业有限责任公司 | 用于烟草行业安全知识的答题方法和答题系统 |
CN112232787A (zh) * | 2020-11-10 | 2021-01-15 | 罗科仕管理顾问有限公司 | 使用人工智能的自适应招聘系统 |
CN112884458A (zh) * | 2021-03-29 | 2021-06-01 | 西华县建筑工程质量监督站 | 基于多模态感知的人力资源评测系统 |
CN112884326A (zh) * | 2021-02-23 | 2021-06-01 | 无锡爱视智能科技有限责任公司 | 一种多模态分析的视频面试评估方法、装置和存储介质 |
CN113095732A (zh) * | 2021-05-10 | 2021-07-09 | 广州宏途教育网络科技有限公司 | 一种现实场景职业测评方法 |
CN113112239A (zh) * | 2021-04-23 | 2021-07-13 | 成都商高智能科技有限公司 | 一种便捷式岗位人才筛选方法 |
CN113434687A (zh) * | 2021-07-22 | 2021-09-24 | 高向咨询(深圳)有限公司 | 自动简历查找方法、自动招聘系统、计算机存储介质 |
CN113449998A (zh) * | 2021-06-30 | 2021-09-28 | 深圳市南睿信息科技有限公司 | 一种基于胜任特征的人力资源评价系统 |
CN113570232A (zh) * | 2021-07-22 | 2021-10-29 | 卡斯柯信号有限公司 | 一种轨道交通安全人员的安全资质评估方法、系统和设备 |
CN113657873A (zh) * | 2021-09-03 | 2021-11-16 | 上海车点信息服务有限公司 | 一种基于ai智能的群面系统 |
CN113822589A (zh) * | 2021-09-29 | 2021-12-21 | 北京世纪好未来教育科技有限公司 | 智能面试方法、装置、设备及存储介质 |
CN114022129A (zh) * | 2021-11-17 | 2022-02-08 | 河北新龙科技集团股份有限公司 | 一种基于全量数据评价结果的推导方法、设备及计算机存储介质 |
CN114186983A (zh) * | 2022-02-16 | 2022-03-15 | 北森云计算有限公司 | 视频面试多维评分方法、系统、计算机设备及存储介质 |
CN114238608A (zh) * | 2021-12-17 | 2022-03-25 | 北京斗米优聘科技发展有限公司 | 智能面试系统及方法 |
CN115170094A (zh) * | 2022-09-07 | 2022-10-11 | 泰盈科技集团股份有限公司 | 大数据人工智能招聘系统及方法 |
CN115495418A (zh) * | 2022-10-11 | 2022-12-20 | 英仕互联(北京)信息技术有限公司 | 一种视频面试信息的数据处理方法、装置和电子设备 |
CN116342083A (zh) * | 2023-05-30 | 2023-06-27 | 山东经纬信息集团有限公司 | 一种人才供需对接匹配的系统及方法 |
CN117116280A (zh) * | 2023-08-08 | 2023-11-24 | 无锡爱视智能科技有限责任公司 | 一种基于人工智能的语音数据智能管理系统及方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030088107A (ko) * | 2003-10-31 | 2003-11-17 | 주식회사 선주엔터프라이즈 | 온라인 채용 매칭 시스템 |
CN103294816A (zh) * | 2013-06-09 | 2013-09-11 | 广东倍智人才管理咨询有限公司 | 一种为求职者推荐职位的方法和职位推荐系统 |
CN103455861A (zh) * | 2012-05-31 | 2013-12-18 | 镇江睿泰信息科技有限公司 | 一种基于胜任力模型的人才测评系统及方法 |
CN105069606A (zh) * | 2015-07-30 | 2015-11-18 | 深圳市软维科技有限公司 | 一种获取求职者对所申请职位胜任力的方法及装置 |
KR20160032433A (ko) * | 2014-09-16 | 2016-03-24 | 이남영 | 온라인을 이용한 구인 구직 방법 및 시스템 |
CN106295957A (zh) * | 2016-07-28 | 2017-01-04 | 上海职聘网络科技有限公司 | 职业胜任力模型系统及分析方法 |
CN108062657A (zh) * | 2017-11-30 | 2018-05-22 | 朱学松 | 人才招聘面试方法及系统 |
CN109978510A (zh) * | 2019-04-02 | 2019-07-05 | 北京网聘咨询有限公司 | 校园招聘管理系统及方法 |
CN111222837A (zh) * | 2019-10-12 | 2020-06-02 | 中国平安财产保险股份有限公司 | 智能化面试的方法、系统、设备及计算机存储介质 |
CN113780697A (zh) * | 2020-06-10 | 2021-12-10 | 上海近屿智能科技有限公司 | 职位胜任力评估方法及评估系统 |
-
2020
- 2020-06-12 CN CN202010540261.8A patent/CN111833010A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030088107A (ko) * | 2003-10-31 | 2003-11-17 | 주식회사 선주엔터프라이즈 | 온라인 채용 매칭 시스템 |
CN103455861A (zh) * | 2012-05-31 | 2013-12-18 | 镇江睿泰信息科技有限公司 | 一种基于胜任力模型的人才测评系统及方法 |
CN103294816A (zh) * | 2013-06-09 | 2013-09-11 | 广东倍智人才管理咨询有限公司 | 一种为求职者推荐职位的方法和职位推荐系统 |
KR20160032433A (ko) * | 2014-09-16 | 2016-03-24 | 이남영 | 온라인을 이용한 구인 구직 방법 및 시스템 |
CN105069606A (zh) * | 2015-07-30 | 2015-11-18 | 深圳市软维科技有限公司 | 一种获取求职者对所申请职位胜任力的方法及装置 |
CN106295957A (zh) * | 2016-07-28 | 2017-01-04 | 上海职聘网络科技有限公司 | 职业胜任力模型系统及分析方法 |
CN108062657A (zh) * | 2017-11-30 | 2018-05-22 | 朱学松 | 人才招聘面试方法及系统 |
CN109978510A (zh) * | 2019-04-02 | 2019-07-05 | 北京网聘咨询有限公司 | 校园招聘管理系统及方法 |
CN111222837A (zh) * | 2019-10-12 | 2020-06-02 | 中国平安财产保险股份有限公司 | 智能化面试的方法、系统、设备及计算机存储介质 |
CN113780697A (zh) * | 2020-06-10 | 2021-12-10 | 上海近屿智能科技有限公司 | 职位胜任力评估方法及评估系统 |
Non-Patent Citations (3)
Title |
---|
孙春军,等: "胜任力模型在人员招聘中的应用研究", 常州工学院学报, vol. 25, no. 06, pages 1 - 8 * |
汤秀香,等: "基于岗位胜任力的家庭医生助理岗位准入指标体系应用研究", 中国初级卫生保健, vol. 02, no. 03, pages 112 - 117 * |
苏继业,等: "基于岗位胜任力模型的在线人才测评", 中国电力教育, vol. 36, no. 15, pages 452 - 457 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112232787A (zh) * | 2020-11-10 | 2021-01-15 | 罗科仕管理顾问有限公司 | 使用人工智能的自适应招聘系统 |
CN112164263A (zh) * | 2020-11-10 | 2021-01-01 | 龙岩烟草工业有限责任公司 | 用于烟草行业安全知识的答题方法和答题系统 |
CN112884326A (zh) * | 2021-02-23 | 2021-06-01 | 无锡爱视智能科技有限责任公司 | 一种多模态分析的视频面试评估方法、装置和存储介质 |
CN112884458A (zh) * | 2021-03-29 | 2021-06-01 | 西华县建筑工程质量监督站 | 基于多模态感知的人力资源评测系统 |
CN113112239A (zh) * | 2021-04-23 | 2021-07-13 | 成都商高智能科技有限公司 | 一种便捷式岗位人才筛选方法 |
CN113095732B (zh) * | 2021-05-10 | 2024-06-11 | 广州宏途数字科技有限公司 | 一种现实场景职业测评方法 |
CN113095732A (zh) * | 2021-05-10 | 2021-07-09 | 广州宏途教育网络科技有限公司 | 一种现实场景职业测评方法 |
CN113449998A (zh) * | 2021-06-30 | 2021-09-28 | 深圳市南睿信息科技有限公司 | 一种基于胜任特征的人力资源评价系统 |
CN113434687A (zh) * | 2021-07-22 | 2021-09-24 | 高向咨询(深圳)有限公司 | 自动简历查找方法、自动招聘系统、计算机存储介质 |
CN113570232A (zh) * | 2021-07-22 | 2021-10-29 | 卡斯柯信号有限公司 | 一种轨道交通安全人员的安全资质评估方法、系统和设备 |
CN113657873A (zh) * | 2021-09-03 | 2021-11-16 | 上海车点信息服务有限公司 | 一种基于ai智能的群面系统 |
CN113822589A (zh) * | 2021-09-29 | 2021-12-21 | 北京世纪好未来教育科技有限公司 | 智能面试方法、装置、设备及存储介质 |
CN114022129A (zh) * | 2021-11-17 | 2022-02-08 | 河北新龙科技集团股份有限公司 | 一种基于全量数据评价结果的推导方法、设备及计算机存储介质 |
CN114238608A (zh) * | 2021-12-17 | 2022-03-25 | 北京斗米优聘科技发展有限公司 | 智能面试系统及方法 |
CN114186983A (zh) * | 2022-02-16 | 2022-03-15 | 北森云计算有限公司 | 视频面试多维评分方法、系统、计算机设备及存储介质 |
CN115170094A (zh) * | 2022-09-07 | 2022-10-11 | 泰盈科技集团股份有限公司 | 大数据人工智能招聘系统及方法 |
CN115495418A (zh) * | 2022-10-11 | 2022-12-20 | 英仕互联(北京)信息技术有限公司 | 一种视频面试信息的数据处理方法、装置和电子设备 |
CN116342083A (zh) * | 2023-05-30 | 2023-06-27 | 山东经纬信息集团有限公司 | 一种人才供需对接匹配的系统及方法 |
CN116342083B (zh) * | 2023-05-30 | 2023-08-18 | 山东经纬信息集团有限公司 | 一种人才供需对接匹配的系统及方法 |
CN117116280A (zh) * | 2023-08-08 | 2023-11-24 | 无锡爱视智能科技有限责任公司 | 一种基于人工智能的语音数据智能管理系统及方法 |
CN117116280B (zh) * | 2023-08-08 | 2024-04-09 | 无锡爱视智能科技有限责任公司 | 一种基于人工智能的语音数据智能管理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111833010A (zh) | 一种智能面试方法、系统、设备和存储介质 | |
Lim | The building of weak expertise: the work of global university rankers | |
US11328231B2 (en) | Method of matching employers with job seekers | |
CN109118091B (zh) | 一种艺术素质测评系统 | |
CN108281052A (zh) | 一种在线教学系统及在线教学方法 | |
US20110055098A1 (en) | Automated employment information exchange and method for employment compatibility verification | |
US20080294637A1 (en) | Web-Based User-Interactive Question-Answering Method and System | |
CN110648104A (zh) | 一种智能人力资源筛选系统及方法 | |
CN106663230A (zh) | 职业分析平台 | |
CN111275401A (zh) | 一种基于位置关系的智能面试方法及系统 | |
Popescu et al. | Assessment of the state of implementation of excellence model common assessment framework (CAF) 2013 by the national institutes of research–development–innovation in Romania | |
CN111401828A (zh) | 一种强化排序的动态智能面试方法、装置、设备及计算机存储介质 | |
Pizmony-Levy | Testing for all: The emergence and development of international assessment of student achievement, 1958–2012 | |
KR20020084564A (ko) | 인터넷 기반 가상 면접 시스템 및 그것의 방법 | |
CN112418779A (zh) | 一种基于自然语言理解的在线自助面试方法 | |
Lees-Marshment | Political management: The dance of government and politics | |
CN114186983B (zh) | 视频面试多维评分方法、系统、计算机设备及存储介质 | |
US20230334428A1 (en) | System and methodologies for candidate analysis utilizing psychometric data and benchmarking | |
CN113672698B (zh) | 一种基于表达分析的智能面试方法、系统、设备和存储介质 | |
Maul | Qualitative core designs: Sampling and evaluation of qualitative research | |
Van Leeuwen et al. | Sprekend Nederland: A heterogeneous speech data collection | |
Asghari et al. | Modeling competency management for organizational agility at Islamic Azad University of Tehran | |
CN113822774A (zh) | 一种财务教学系统及其使用方法、计算机可读存储介质 | |
Yebi et al. | Artificial Intelligence as a Disruptive Business Model in Auditing. A study of the impact of artificial intelligence on auditors’ skills and competence, audit process, and audit quality | |
Carvalho et al. | Categorization of business English communicative skills: A proposal |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Country or region after: China Address after: 100102 unit 02-31, 5 / F, 5 / F, 10 Furong street, Chaoyang District, Beijing Applicant after: Beijing Wangpin Information Technology Co.,Ltd. Address before: 100102 unit 02-31, 5 / F, 5 / F, 10 Furong street, Chaoyang District, Beijing Applicant before: BEIJING WANGPIN CONSULTING Co.,Ltd. Country or region before: China |