CN113283694A - 配电网作业考核方法及系统 - Google Patents
配电网作业考核方法及系统 Download PDFInfo
- Publication number
- CN113283694A CN113283694A CN202110405760.0A CN202110405760A CN113283694A CN 113283694 A CN113283694 A CN 113283694A CN 202110405760 A CN202110405760 A CN 202110405760A CN 113283694 A CN113283694 A CN 113283694A
- Authority
- CN
- China
- Prior art keywords
- knowledge point
- index set
- score
- student
- index
- 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 21
- 238000003066 decision tree Methods 0.000 claims abstract description 28
- 239000000126 substance Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/06—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种配电网作业考核方法,包括统计学生成绩,构建知识点成绩指标集C,根据学员成绩建立样本集S;建立学生总成绩指标集B;基于样本集S、学生总成绩指标集B以及知识点成绩指标集C计算知识点成绩指标集C对于样本集S的信息增益率;根据知识点成绩指标集C对于样本集S的信息增益率构建成绩决策树,本发明通过构建成绩决策树能够清楚的看出各知识点和总成绩的直接关系,能够方便教员日后做出有针对性的培训。
Description
技术领域
本发明属电力系统培训技术领域,尤其涉及一种配电网作业考核方法及其控制方法。
背景技术
随着近些年电网规模和相关从业人员人数的扩大,电力培训行业也在迅速发展。在现在的电力培训领域中,依然以传统的理论考试结合实际操作为主,考试体系和内容不够完善,使得教员和学员的工作与学习都面临巨大挑战。
在此背景下,考题的设计可能不够完善,对于频繁出错的重点内容的针对性不强,题目所包含的知识点的内在联系不明显。每位学员的考试成绩只能针对学员自身的某一项工作,无法将大量的学员的考试数据结合,统计出现频率较高的问题,并针对此进行着重考察。教员也很难总结各个考点之间的联系以及学员所面临的普遍问题,给后续的总结工作带来很大的难度。
发明内容
为了解决现有技术存在的问题,本发明提供一种配电网作业考核方法,能够准确的得到学生成绩的决定因素。
本发明所要解决的技术问题是通过以下技术方案实现的:
第一方面,提供了一种配电网作业考核方法,包括:
统计学生成绩,构建知识点成绩指标集C;
根据学员成绩和知识点成绩指标集C构建成绩决策树。
结合第一方面,进一步的,所述知识点成绩指标集C具体为:
计算每个学员各知识点的得分率P,针对每个知识点,将该知识点的得分率最大值记作Smax,最小值记作Smin,据此划分三个区间[Smin,Smin+d)、[Smin+d,Smin+2d)、[Smin+2d,Smax),分别对应“未掌握”、“了解”和掌握,其中,d为区间宽度,d=(Smax-Smin)/3。
结合第一方面,进一步的,所述根据学员成绩和知识点掌握情况构建成绩决策树具体为:
根据学员成绩建立样本集S;
建立学生总成绩指标集B;
基于样本集S、学生总成绩指标集B以及知识点成绩指标集C计算知识点成绩指标集C对于样本集S的信息增益率;
根据知识点成绩指标集C对于样本集S的信息增益率构建成绩决策树。
结合第一方面,进一步的,计算知识点成绩指标集C对于样本集S的信息增益率具体为:
根据公式(1)计算试卷信息熵
再以知识点成绩指标集C对样本集S进行分类,得到对于C的信息熵如式(2)所示:
其中,
则将知识点成绩指标集C作为分支节点的信息增益如下式所示:
Gain(C)=info(S1,S2,…Sn)-E(C) (4)
信息增益率为:
其中,splitinfo(C)为分割信息:
其中,Sn表示样本集S通过学生总成绩指标集B第n类指标分类后得的的子集,Snj表示Sn通过成绩指标集C中第j类指标分类后得到的子集,pij为在样本集S中选择Sij出现的概率;pj为在样本集S中选择Skj出现的概率,k取1到n;m为知识点成绩指标集C中指标类别个数。
结合第一方面,进一步的,所述根据知识点成绩指标集C对于样本集S的信息增益率构建成绩决策树具体为:
将知识点成绩指标集C中信息增益率最大的一类指标作为作为成绩决策树的根节点或者子节点,直到分类准确率大于准确率阀值的时候停止分支。
第二方面,提供了一种配电网作业考核系统,其特征在于,包括:
知识点指标构建模块:用于统计学生成绩,构建知识点成绩指标集C;
决策树生成模块:用于根据学员成绩和知识点成绩指标集C构建成绩决策树。
本发明有益效果:本发明通过构建成绩决策树能够清楚的看出各知识点和总成绩的直接关系,能够方便教员日后做出有针对性的培训。
附图说明
图1为本发明的流程图。
图2为本发明中成绩决策树的结构示意图。
具体实施方式
为了进一步描述本发明的技术特点和效果,以下结合附图和具体实施方式对本发明做进一步描述。
本发明提供的一种配电网作业考核方法如图1-2所示,包括如下步骤:
步骤一、统计学生成绩,构建知识点成绩指标C,具体为:
根据统计的学生成绩计算每个学员各知识点的得分率P,针对每个知识点,将该知识点的得分率最大值记作Smax,最小值记作Smin,据此划分三个区间[Smin,Smin+d)、[Smin+d,Smin+2d)、[Smin+2d,Smax),分别对应“未掌握”、“了解”和掌握,其中,d为区间宽度,d=(Smax-Smin)/3。成绩指标C为一个集合,其中包含本次考试中涵盖的各知识点以及“未掌握”、“了解”和“掌握”几种类别,并将各知识点通过分数区间和分别对应“未掌握”、“了解”和“掌握”对应起来。
步骤二、根据统计的学生成绩构建样本集S;
样本集S中包括学生的各类成绩(总成绩、各知识点成绩等)
步骤三、构建学生总成绩指标集B
指标B将单个学生总成绩划分为两个区间,分别对应着“合格”与“不合格”
步骤四、基于样本集S、学生总成绩指标集B以及知识点成绩指标集C计算知识点成绩指标集C对于样本集S的信息增益率;
该计算是通过C4.5算法实现的,具体如下所示:
根据公式(1)计算试卷信息熵
再以知识点成绩指标集C对样本集S进行分类,得到对于C的信息熵如式(2)所示:
其中,
则将知识点成绩指标集C作为分支节点的信息增益如下式所示:
Gain(C)=info(S1,S2,…Sn)-E(C) (4)
信息增益率为:
其中,splitinfo(C)为分割信息:
其中,Sn表示样本集S通过学生总成绩指标集B第n类指标分类后得的的子集,Snj表示Sn通过成绩指标集C中第j类指标分类后得到的子集,pij为在样本集S中选择Sij出现的概率;pj为在样本集S中选择Skj出现的概率,k取1到n;m为知识点成绩指标集C中指标类别个数。
步骤五、构建成绩决策树;
具体为:通过上述公式可计算出知识点成绩指标集C中各知识点对于样本集S的增益率GainRatio,将知识点成绩指标集C中信息增益率最大的一类指标作为作为成绩决策树的根节点或者子节点,直到分类准确率大于准确率阀值(根据经验取80%)的时候停止分支,此时样本子集纯度较高,分类较为精准。
以下提供了一个应用实例:
样本分布数据如表1所示:
表1
本次样本集S中有十位学员,选取学员总成绩作为最终分类:其中6位总成绩为合格(S1),4位为不合格(S2)。首先计算样本集S的信息熵:
知识点成绩指标集C中以知识点作为分类,共包括带电作业(理论)、停电作业(理论)、带电作业(实操)、停电作业(实操)四个知识点,其中每个知识点都包括“掌握”,“了解”和“未掌握”三个区间。再以“带电作业(理论)”知识点对样本集S分类,如表2所示
表2
掌握 | 了解 | 未掌握 | |
总成绩“合格” | S<sub>11</sub>=6 | S<sub>12</sub>=0 | S<sub>13</sub>=0 |
总成绩“不合格” | S<sub>21</sub>=1 | S<sub>22</sub>=2 | S<sub>23</sub>=1 |
掌握“带电作业(理论)”知识点且总成绩合格的人数有6人(S11),不合格的有1人(S21);了解“带电作业(理论)”知识点且总成绩合格的人数有0人(S12),不合格的有2人(S22);未掌握“带电作业(理论)”知识点且总成绩合格的人数有0人(S13),不合格的有1人(S23)。则按“带电作业(理论)”知识点划分的样本子集的信息熵有:
分裂信息为:
则信息增益为:
Gain(C1)=info(S1,S2)-E(C1)=0.556
信息增益率为:
依照上述分类和计算方法,还可以计算出“停电作业(理论)”、“带电作业(实操)”和“停电作业(实操)”三个知识点的信息增益率分别为:
其中,C1~C4为知识点成绩指标集C中的四个元素,分别和带电作业(理论)、停电作业(理论)、带电作业(实操)、停电作业(实操)四个知识点对应。为比较上述四个知识点的信息增益率,可选取其中最大值作为成绩决策树的根节点。通过上述计算可知“带电作业(理论)”知识点信息增益率最大,该节点有“掌握”,“了解”和“未掌握”三个分支,则准确率可计算。其中P(了解,不合格)=100%,P(未掌握,不合格)=100%,均大于所设定的准确率(80%),则这两个分支无需再计算。对于“掌握”分支继续上述分类迭代计算,并生成相应子分支。
通过上述迭代计算,可以构建出以知识点为节点的配电网作业考核系统成绩决策树,如图2所示。此成绩决策树表明,对考试总成绩影响最大的因素是“带电作业(理论)”知识点,若此知识点不能完全掌握,则总成绩必定不合格;其次是“停电作业(实操)”和“停电作业(理论)”知识点。
通过C4.5算法产生的决策树模型,教员可以一目了然地了解学员总成绩与各知识点之间的联系,并做出针对性教学和培训。
本发明还提供了一种配电网作业考核系统,包括:
(1)知识点指标构建模块:用于统计学生成绩,构建知识点成绩指标集C;
根据知识点成绩指标集C的反馈,判断学生在本次考核中对各个知识点的掌握情况,初步了解学生的整体的优劣势科目,对学生掌握不好的知识点进行筛选,也能反映出实际教学中可能存在的不足,从而在接下来的教学中进行重点关注。
(2)决策树生成模块:用于根据根据学员成绩和知识点成绩指标集C构建成绩决策树。
基于上述实例,可以看出通过最终生成的成绩决策树反馈,判断配电网作业考核通过的决定性因素。在实例中,可见带电作业(理论)是决策树根节点,则此项考核对于总成绩影响最大,此后关于配电网作业的教学工作都应以此项内容为基础进行重点培训。依靠本考核系统,教员可以随时根据学生成绩水平进行针对性教学,因材施教、着重培养。
上述实施例不以任何形式限定本发明,凡采取等同替换或等效变换的形式所获得的技术方案,均落在本发明的保护范围之内。
Claims (6)
1.一种配电网作业考核方法,其特征在于,包括:
统计学生成绩,构建知识点成绩指标集C;
根据学员成绩和知识点成绩指标集C构建成绩决策树。
2.根据权利要求1所述的一种配电网作业考核方法,其特征在于,所述知识点成绩指标集C具体为:
计算每个学员各知识点的得分率P,针对每个知识点,将该知识点的得分率最大值记作Smax,最小值记作Smin,据此划分三个区间[Smin,Smin+d)、[Smin+d,Smin+2d)、[Smin+2d,Smax),分别对应“未掌握”、“了解”和掌握,其中,d为区间宽度,d=(Smax-Smin)/3。
3.根据权利要求1所述的一种配电网作业考核方法,其特征在于,所述根据学员成绩和知识点掌握情况构建成绩决策树具体为:
根据学员成绩建立样本集S;
建立学生总成绩指标集B;
基于样本集S、学生总成绩指标集B以及知识点成绩指标集C计算知识点成绩指标集C对于样本集S的信息增益率;
根据知识点成绩指标集C对于样本集S的信息增益率构建成绩决策树。
4.根据权利要求3所述的一种配电网作业考核方法,其特征在于,所述计算知识点成绩指标集C对于样本集S的信息增益率具体为:
根据公式(1)计算试卷信息熵
再以知识点成绩指标集C对样本集S进行分类,得到对于C的信息熵如式(2)所示:
其中,
则将知识点成绩指标集C作为分支节点的信息增益如下式所示:
Gain(C)=info(S1,S2,…Sn)-E(C) (4)
信息增益率为:
其中,splitinfo(C)为分割信息:
其中,Sn表示样本集S通过学生总成绩指标集B第n类指标分类后得的的子集,Snj表示Sn通过成绩指标集C中第j类指标分类后得到的子集,pij为在样本S中选择Sij出现的概率;pj为在样本集S中选择Skj出现的概率,k取1到n;m为知识点成绩指标集C中指标类别个数。
5.根据权利要求4所述的一种配电网作业考核方法,其特征在于,所述根据知识点成绩指标集C对于样本集S的信息增益率构建成绩决策树具体为:
将知识点成绩指标集C中信息增益率最大的一类指标作为作为成绩决策树的根节点或者子节点,直到分类准确率大于准确率阀值的时候停止分支。
6.一种配电网作业考核系统,其特征在于,包括:
知识点指标构建模块:用于统计学生成绩,构建知识点成绩指标集C;
决策树生成模块:用于根据根据学员成绩和知识点成绩指标集C构建成绩决策树。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110405760.0A CN113283694A (zh) | 2021-04-15 | 2021-04-15 | 配电网作业考核方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110405760.0A CN113283694A (zh) | 2021-04-15 | 2021-04-15 | 配电网作业考核方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113283694A true CN113283694A (zh) | 2021-08-20 |
Family
ID=77276843
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110405760.0A Pending CN113283694A (zh) | 2021-04-15 | 2021-04-15 | 配电网作业考核方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113283694A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409644A (zh) * | 2018-09-07 | 2019-03-01 | 昆明理工大学 | 一种基于改进的c4.5算法的学生成绩分析方法 |
CN110796331A (zh) * | 2019-09-11 | 2020-02-14 | 国网浙江省电力有限公司杭州供电公司 | 基于c4.5决策树算法的电力业务协同分类方法及系统 |
CN111199314A (zh) * | 2019-12-30 | 2020-05-26 | 成都康赛信息技术有限公司 | 基于c4.5算法分析影响中学生成绩的因素的方法 |
CN111752995A (zh) * | 2020-06-30 | 2020-10-09 | 成都信息工程大学 | 一种学生数据挖掘系统及方法 |
-
2021
- 2021-04-15 CN CN202110405760.0A patent/CN113283694A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409644A (zh) * | 2018-09-07 | 2019-03-01 | 昆明理工大学 | 一种基于改进的c4.5算法的学生成绩分析方法 |
CN110796331A (zh) * | 2019-09-11 | 2020-02-14 | 国网浙江省电力有限公司杭州供电公司 | 基于c4.5决策树算法的电力业务协同分类方法及系统 |
CN111199314A (zh) * | 2019-12-30 | 2020-05-26 | 成都康赛信息技术有限公司 | 基于c4.5算法分析影响中学生成绩的因素的方法 |
CN111752995A (zh) * | 2020-06-30 | 2020-10-09 | 成都信息工程大学 | 一种学生数据挖掘系统及方法 |
Non-Patent Citations (2)
Title |
---|
姚双良: "数据挖掘在高校成绩分类管理中的应用研究", 《江苏科技大学学报(社会科学版)》 * |
郝风平: "决策树算法在高校毕业生管理中的应用", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang | Analysis and design of university teaching evaluation system based on JSP platform | |
CN109255028B (zh) | 基于教学评价数据可信度的教学质量综合评价方法 | |
CN108805405A (zh) | 一种教学评价系统及其构建方法 | |
CN107169654A (zh) | 一种分析学生综合能力的方法及系统 | |
CN103226797A (zh) | 基于在线学习全过程的绩效考核的方法 | |
CN114529266A (zh) | 基于ai大数据平台及其人岗匹配算法 | |
CN111104455B (zh) | 多源多维的学校教学横向信息差异比对分析方法 | |
Song et al. | How does College Students' Online Learning Behavior Impact Their Academic Performance | |
CN113283694A (zh) | 配电网作业考核方法及系统 | |
An | [Retracted] Based on the Application of Deep Learning in College Education Evaluation | |
Liu | The Application of K-Means Clustering Algorithm in the Quality Analysis of College English Teaching | |
CN113888055A (zh) | 动态教学管理系统 | |
Kuhfeld | Multilevel item factor analysis and student perceptions of teacher effectiveness | |
Wang et al. | Construction of a multi-dimensional evaluation system of English online learning teaching quality based on blended learning | |
Zhu | A study on computer assisted multi-dimensional intelligent teaching through fuzzy comprehensive evaluation model | |
Wang | Multi-dimensional dynamic evaluation of MOOC English mixed teaching based on BP neural network | |
CN110046667A (zh) | 一种基于深度神经网络学习评分数据对的教学评价方法 | |
Dan | Research on the Level Test Application System of Computer Artificial Intelligence Technology in English Education | |
Wang | Teaching performance evaluation model based on machine learning | |
Basokcu et al. | Generation Study of PISA Maths Proficiency Levels in Turkish 6th Grade Students | |
CN113269178B (zh) | 一种基于智慧课堂截图题目的智能荐题方法 | |
Yang et al. | Study on Evaluation Model of International Chinese Teachers’ Digital Competence in Online Teaching Based on K-Means Clustering Algorithm | |
Liu | Satisfaction evaluation method of composite teaching model from the perspective of MOOC concept | |
Wang et al. | Automatic Test Scoring System Based on Deep Learning Technology | |
Zhu et al. | Study on the Effect Evaluation of Online Teaching and Learning of Higher Mathematics Based on DEA |
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: 20210820 |
|
RJ01 | Rejection of invention patent application after publication |