CN113592301A - 一种员工培训管理方法及系统 - Google Patents

一种员工培训管理方法及系统 Download PDF

Info

Publication number
CN113592301A
CN113592301A CN202110871541.1A CN202110871541A CN113592301A CN 113592301 A CN113592301 A CN 113592301A CN 202110871541 A CN202110871541 A CN 202110871541A CN 113592301 A CN113592301 A CN 113592301A
Authority
CN
China
Prior art keywords
employee
staff
trained
level
evaluation indexes
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
Application number
CN202110871541.1A
Other languages
English (en)
Inventor
罗玮
刘涛
贺玉彬
张炜
刘四海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guoneng Daduhe Big Data Service Co ltd
Original Assignee
Guoneng Daduhe Big Data Service Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guoneng Daduhe Big Data Service Co ltd filed Critical Guoneng Daduhe Big Data Service Co ltd
Priority to CN202110871541.1A priority Critical patent/CN113592301A/zh
Publication of CN113592301A publication Critical patent/CN113592301A/zh
Pending legal-status Critical Current

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Artificial Intelligence (AREA)
  • Educational Technology (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Primary Health Care (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Biology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Medical Informatics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例公开了一种员工培训管理方法及系统，其中，一种员工培训管理方法，包括：获取多个样本员工信息，建立多个二级员工能力评价指标；对多个二级员工能力评价指标进行分类，对于每一类二级员工能力评价指标，建立多个一级员工能力评价指标；获取待培训员工信息；基于待培训员工信息，计算待培训员工在多个一级员工能力评价指标的得分；获取与待培训员工对应的先进员工样本信息；基于先进员工样本信息，计算先进员工在多个一级员工能力评价指标的得分；根据待培训员工在多个一级员工能力评价指标的得分及先进员工样本在多个一级员工能力评价指标的得分，获取培训任务。

Description

一种员工培训管理方法及系统
技术领域
本发明主要涉及资源管理技术领域，具体地说，涉及一种员工培训管理方法及系统。
背景技术
员工培训是指用人单位展开的一种用于提高人员素质、能力及工作绩效的有计划、有系统的培养和训练活动。目标就在于使得员工的知识、技能、工作方法、工作态度以及工作的价值观得到改善和提高，从而发挥出最大的潜力提高个人和用人单位的业绩，推动用人单位和个人的不断进步，实现用人单位和个人的双重发展。
现有的员工培训通常没有针对员工制定培养计划，多采用集体培训，并不能达到很好地培训效果，所以就需要一种员工培训系统更好地培训员工。因此，需要提供一种员工培训管理方法及系统，用于提高员工培训效果。
发明内容
本说明书实施例之一提供一种员工培训管理方法，可以包括获取多个样本员工信息，建立多个二级员工能力评价指标。所述方法还可以包括对多个所述二级员工能力评价指标进行分类，对于每一类所述二级员工能力评价指标，建立多个一级员工能力评价指标，其中，多个所述一级员工能力评价指标中的每一个，包括至少一个所述二级员工能力评价指标；所述方法还可以包括获取待培训员工信息，基于所述待培训员工信息，计算待培训员工在多个所述二级员工能力评价指标的得分，基于所述待培训员工的在多个所述二级员工能力评价指标的得分，计算所述待培训员工在多个所述一级员工能力评价指标的得分。所述方法还可以包括获取与所述待培训员工对应的先进员工样本信息，基于所述先进员工样本信息，计算先进员工在多个所述二级员工能力评价指标的得分。所述方法还可以包括基于所述先进员工样本的在多个所述二级员工能力评价指标的得分，计算所述先进员工样本在多个所述一级员工能力评价指标的得分。所述方法还可以包括根据所述待培训员工在多个所述一级员工能力评价指标的得分及所述先进员工样本在多个所述一级员工能力评价指标的得分，获取培训任务。
在一些实施例中，一种员工培训管理方法还可以包括从多个所述二级员工能力评价指标中筛选多个重点二级员工能力评价指标。所述方法还可以包括对于多个所述二级员工能力评价指标中每一个，计算所述二级员工能力评价指标与多个所述重点二级员工能力评价指标中的每一个之间的指标关联度。所述方法还可以包括对于多个所述重点二级员工能力评价指标中的每一个，将与所述重点二级员工能力评价指标的指标关联度大于预设指标关联度阈值的多个所述二级员工能力评价指标划分为一类指标，对应所述一类指标建立一级员工能力评价指标。
在一些实施例中，一种员工培训管理方法还可以包括基于FP-growth算法，计算二级员工能力评价指标与多个所述重点二级员工能力评价指标中的每一个之间的指标关联度。
在一些实施例中，一种员工培训管理方法还可以包括从所述待培训员工信息中获取每个所述二级员工能力评价指标对应的评价信息；所述方法还可以包括对于每个所述二级员工能力评价指标，基于对应的所述评价信息计算所述待培训员工在所述二级员工能力评价指标的得分。
在一些实施例中，一种员工培训管理方法还可以包括对于每一个所述一级员工能力评价指标，设置所述一级员工能力评价指标包括的每一个所述二级员工能力评价指标的权重。所述方法还可以包括对于每一个所述一级员工能力评价指标，基于所述待培训员工在所述一级员工能力评价指标包括的每一个所述二级员工能力评价指标的得分及每一个所述二级员工能力评价指标的权重，计算所述待培训员工在所述一级员工能力评价指标的得分。
在一些实施例中，一种员工培训管理方法还可以包括建立先进样本员工数据库，所述先进样本员工数据库存储有至少一个先进员工的先进员工样本信息。所述方法还可以包括基于FP-growth算法，计算所述待培训员工信息与所述至少一个先进员工样本信息中的每一个的员工关联度。所述方法还可以包括将与所述待培训员工信息的员工关联度大于预设员工关联度阈值的先进员工样本信息作为所述待培训员工对应的先进员工样本信息。
在一些实施例中，所述培训任务可以包括多个培训课程。所述方法还可以包括对于多个所述一级员工能力评价指标每一个，建立对应的至少一个所述培训课程。获取所述多个培训课程和所述多个一级员工能力评价指标的对应关系，建立知识图谱。所述方法还可以包括对于多个所述一级员工能力评价指标的每一个，计算所述待培训员工在所述一级员工能力评价指标的得分与所述先进员工样本在所述一级员工能力评价指标的得分的差值。所述方法还可以包括判断所述差值是否大于预设差值阈值，若是，基于所述知识图谱，获取与所述一级员工能力评价指标对应的至少一个所述培训课程。
在一些实施例中，所述培训任务可以包括多个工作任务。所述方法还可以包括对于多个所述一级员工能力评价指标每一个，建立对应的至少一个所述工作任务。所述方法还可以包括获取所述多个工作任务和所述多个一级员工能力评价指标的对应关系，建立知识图谱。所述方法还可以包括对于多个所述一级员工能力评价指标的每一个，计算所述待培训员工在所述一级员工能力评价指标的得分与所述先进员工样本在所述一级员工能力评价指标的得分的差值。所述方法还可以包括判断所述差值是否大于预设差值阈值，若是，基于所述知识图谱，获取与所述一级员工能力评价指标对应的至少一个所述工作任务。
在一些实施例中，所述待培训员工信息还可以包括能力发展类型信息，所述多个培训课程和/或所述多个工作任务均设置有能力发展类型标签。所述方法还可以包括根据所述多个培训课程和/或所述多个工作任务的能力发展类型标签，获取与所述能力发展兴趣信息对应的培训课程和/或培训任务。
本说明书实施例之一提供一种员工培训管理系统，所述系统可以包括指标建立模块，用于获取多个样本员工信息，建立多个二级员工能力评价指标，并对多个所述二级员工能力评价指标进行分类，对于每一类所述二级员工能力评价指标，建立多个一级员工能力评价指标，其中，多个所述一级员工能力评价指标中的每一个，包括至少一个所述二级员工能力评价指标。所述系统还可以包括待培训员工得分计算模块，用于获取待培训员工信息，基于所述待培训员工信息，计算待培训员工在多个所述二级员工能力评价指标的得分，基于所述待培训员工的在多个所述二级员工能力评价指标的得分，计算所述待培训员工在多个所述一级员工能力评价指标的得分。所述系统还可以包括先进样本员工得分计算模块，用于获取与所述待培训员工对应的先进员工样本信息；基于所述先进员工样本信息，计算先进员工在多个所述二级员工能力评价指标的得分；基于所述先进员工样本的在多个所述二级员工能力评价指标的得分，计算所述先进员工样本在多个所述一级员工能力评价指标的得分。所述系统还可以包括培训任务获取模块，用于根据所述待培训员工在多个所述一级员工能力评价指标的得分及所述先进员工样本在多个所述一级员工能力评价指标的得分，获取培训任务。
本说明书实施例之一提供一种员工培训管理装置，所述装置包括至少一个处理器以及至少一个存储器；所述至少一个存储器用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现上述的一种员工培训管理方法。
本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行上述的一种员工培训管理方法。
附图说明
本申请将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本申请一些实施例所示的一种员工培训管理系统的应用场景示意图；
图2是根据本申请的一些实施例所示的计算设备的示例性的框图；
图3是根据本说明书一些实施例所示的移动设备的示例性的硬件和/或软件的示意图；
图4是根据本申请的一些实施例所示的一种员工培训管理系统的示例性框图；
图5是根据本申请的一些实施例所示的一种员工培训管理方法的示例性的流程图；
图6是根据本申请的一些实施例所示的对多个二级员工能力评价指标进行分类，建立多个一级员工能力评价指标的示例性的流程图。
图中，100、员工培训管理系统一；110、处理设备；120、网络；120-1、网际网络交换点一；120-2、网际网络交换点二；130、终端设备；130-1、移动装置；130-2、平板电脑；130-3、笔记本电脑；140、存储设备；200、计算设备；210、处理器；220、只读存储器；230、随机存储器；240、通信端口；250、输入/输出接口；260、硬盘；300、移动设备；310、通信单元；320、显示单元；330、图形处理器；340、中央处理器；350、输入/输出单元；360、内存；361、移动操作系统；362、应用程序；370、存储单元；400、员工培训管理系统二；410、指标建立模块；420、待培训员工得分计算模块；430、先进样本员工得分计算模块；440、培训任务获取模块；500、员工培训管理方法。
具体实施方式
为了更清楚地说明本申请的实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。应当理解，给出这些示例性的实施例仅仅是为了使相关领域的技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
虽然本申请对根据本申请的实施例的系统中的某些模块或单元做出了各种引用，然而，任何数量的不同模块或单元可以被使用并运行在客户端和/或服务器上。所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
图1是根据本申请一些实施例所示的一种员工培训管理系统的应用场景示意图。
如图1所示，员工培训管理系统一100可以包括处理设备110、网络120、终端设备130和存储设备140。
在一些实施例中，员工培训管理系统一100可以对人力资源管理提供帮助。在一些实施例中，员工培训管理系统一100可以应用在员工培训管理设备中，用于针对员工分配相应的培训任务。例如，员工培训管理系统一100可以用于根据待培训员工在多个一级员工能力评价指标的得分及先进员工样本在多个一级员工能力评价指标的得分，获取相应的培训任务至待培训员工。需要注意的是，员工培训管理系统一100还可以应用在其它需要进行人力资源管理的设备、场景和应用程序中，在此不作限定，任何可以使用本申请所包含的员工培训管理方法的设备、场景和/或应用程序都在本申请的保护范围内。
在一些实施例中，处理设备110可以用于处理与员工培训管理相关的信息和/或数据。例如，处理设备110可以获取多个样本员工信息，建立多个二级员工能力评价指标；对多个二级员工能力评价指标进行分类，建立多个一级员工能力评价指标。还例如，处理设备110可以基于待培训员工信息，计算待培训员工在多个二级员工能力评价指标的得分；基于待培训员工的在多个二级员工能力评价指标的得分，计算待培训员工在多个一级员工能力评价指标的得分。还例如，处理设备110可以根据待培训员工在多个一级员工能力评价指标的得分及先进员工样本在多个一级员工能力评价指标的得分，获取培训任务。处理设备110更多的描述可以参见本申请其他部分的描述。例如，图2、3及其描述。
在一些实施例中，处理设备110可以是区域的或者远程的。例如，处理设备110可以通过网络120访问存储于终端设备130和存储设备140中的信息和/或资料。在一些实施例中，处理设备110可以直接与终端设备130和存储设备140连接以访问存储于其中的信息和/或资料。在一些实施例中，处理设备110可以在云平台上执行。例如，该云平台可以包括私有云、公共云、混合云、社区云、分散式云、内部云等中的一种或其任意组合。
在一些实施例中，处理设备110可以包含处理器。该处理器可以处理与员工培训管理相关的数据和/或信息以执行一个或多个本申请中描述的功能。例如，处理器可以接收终端设备130发送的培训任务获取请求。又例如，处理器可以获取存储设备140存储的与待培训员工对应的先进员工样本信息，根据待培训员工在多个一级员工能力评价指标的得分及先进员工样本在多个一级员工能力评价指标的得分，获取培训任务，向终端设备130发送培训任务。在一些实施例中，处理器可以包含一个或多个子处理器(例如，单芯处理设备或多核多芯处理设备)。仅仅作为范例，处理器可包含中央处理器(CPU)、专用集成电路(ASIC)、专用指令处理器(ASIP)、图形处理器(GPU)、物理处理器(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编辑逻辑电路(PLD)、控制器、微控制器单元、精简指令集电脑(RISC)、微处理器等或以上任意组合。
网络120可促进员工培训管理系统一100中数据和/或信息的交换。在一些实施例中，员工培训管理系统一100中的一个或多个组件(例如，处理设备110、终端设备130和存储设备140)可以通过网络120发送数据和/或信息给员工培训管理系统100中的其他组件。例如，存储设备140存储与待培训员工对应的先进员工样本信息可以通过网络120传输至处理设备110。又例如，处理设备110获取的培训任务可以通过网络120传输至终端设备130。在一些实施例中，网络120可以是任意类型的有线或无线网络。例如，网络120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、网际网络、区域网络(LAN)、广域网络(WAN)、无线区域网络(WLAN)、都会区域网络(MAN)、公共电话交换网络(PSTN)、蓝牙网络、ZigBee网络、近场通讯(NFC)网络等或以上任意组合。在一些实施例中，网络120可以包括一个或多个网络进出点。例如，网络120可以包含有线或无线网络进出点，如基站和/或网际网络交换点一120-1、基站和/或网际网络交换点二120-2、…，通过这些进出点，员工培训管理系统100的一个或多个组件可以连接到网络120上以交换数据和/或信息。
在一些实施例中，终端设备130可以获取员工培训管理系统一100中的信息或数据。在一些实施例中，用户可以通过终端设备130获取处理设备110处理的待培训员工的培训任务。在一些实施例中，终端设备130可以包括移动装置130-1、平板电脑130-2、笔记本电脑130-3等中的一种或其任意组合。在一些实施例中，移动装置130-1可以包括可穿戴装置、智能行动装置、虚拟实境装置、增强实境装置等或其任意组合。在一些实施例中，可穿戴装置可以包括智能手环、智能鞋袜、智能眼镜、智能头盔、智能手表、智能衣物、智能背包、智能配饰、智能手柄等或其任意组合。在一些实施例中，智能行动装置可以包括智能电话、个人数字助理(PDA)、游戏装置、导航装置、POS装置等或其任意组合。在一些实施例中，虚拟实境装置和/或增强实境装置可以包括虚拟实境头盔、虚拟实境眼镜、虚拟实境眼罩、增强实境头盔、增强实境眼镜、增强实境眼罩等或以上任意组合。
在一些实施例中，存储设备140可以与网络120连接以实现与员工培训管理系统一100的一个或多个组件(例如，处理设备110、终端设备130等)通讯。员工培训管理系统一100的一个或多个组件可以通过网络120访问存储于存储设备140中的资料或指令。在一些实施例中，存储设备140可以直接与员工培训管理系统一100中的一个或多个组件(如，处理设备110、终端设备130)连接或通讯。在一些实施例中，存储设备140可以是处理设备110的一部分。在一些实施例中，处理设备110还可以位于终端设备130中。
应该注意的是，上述描述仅出于说明性目的而提供，并不旨在限制本申请的范围。对于本领域普通技术人员而言，在本申请内容的指导下，可做出多种变化和修改。可以以各种方式组合本申请描述的示例性的实施例的特征、结构、方法和其他特征，以获得另外的和/或替代的示例性的实施例。例如，存储设备140可以是包括云计算平台的数据存储设备，例如公共云、私有云、社区和混合云等。然而，这些变化与修改不会背离本申请的范围。
图2是根据本申请的一些实施例所示的计算设备的示例性的框图。
在一些实施例中，处理设备110和/或终端设备130可以在计算设备200上实现。例如，处理设备110可以在计算设备200上实施并执行本申请所公开的获取培训任务。
如图2所示，计算设备200可以包括处理器210、只读存储器220、随机存储器230、通信端口240、输入/输出接口250和硬盘260。
处理器210可以执行计算指令(程序代码)并执行本申请描述的员工培训管理系统一100的功能。所述计算指令可以包括程序、对象、组件、数据结构、过程、模块和功能(所述功能指本申请中描述的特定功能)。例如，处理器210可以处理从员工培训管理系统一100的存储设备140获取与待培训员工对应的先进员工样本信息。在一些实施例中，处理器210可以包括微控制器、微处理器、精简指令集计算机(RISC)、专用集成电路(ASIC)、应用特定指令集处理器(ASIP)、中央处理器(CPU)、图形处理单元(GPU)、物理处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高级RISC机(ARM)、可编程逻辑器件以及能够执行一个或多个功能的任何电路和处理器等，或其任意组合。仅为了说明，图2中的计算设备200只描述了一个处理器，但需要注意的是，本申请中的计算设备200还可以包括多个处理器。
计算设备200的存储器(例如，只读存储器(ROM)220、随机存储器(RAM)230、硬盘260等)可以存储从员工培训管理系统一100的任何其他组件获取的数据/信息。例如，存储设备140存储的与待培训员工对应的先进员工样本信息等。又例如，存储设备140存储的获取待培训员工的培训任务的指令。示例性的ROM可以包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(PEROM)、电可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)和数字通用盘ROM等。示例性的RAM可以包括动态RAM(DRAM)、双倍速率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容(Z-RAM)等。
输入/输出接口250可以用于输入或输出信号、数据或信息。在一些实施例中，输入/输出接口250可以使用户与员工培训管理系统一100进行联系。例如，用户通过输入/输出接口250接收处理设备110发送的培训任务。还例如，用户通过输入/输出接口250向处理设备110发送的获取待培训员工的培训任务的请求。在一些实施例中，输入/输出接口250可以包括输入装置和输出装置。示例性的输入装置可以包括键盘、鼠标、触摸屏和麦克风等，或其任意组合。示例性的输出装置可以包括显示设备、扬声器、打印机、投影仪等或其任意组合。示例性的显示装置可以包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器、曲面显示器、电视设备、阴极射线管(CRT)等或其任意组合。通信端口240可以连接到网络以便数据通信。所述连接可以是有线连接、无线连接或两者的组合。有线连接可以包括电缆、光缆或电话线等或其任意组合。无线连接可以包括蓝牙、Wi-Fi、WiMax、WLAN、ZigBee、移动网络(例如，3G、4G或5G等)等或其任意组合。在一些实施例中，通信端口240可以是标准化端口，如RS232、RS485等。在一些实施例中，通信端口240可以是专门设计的端口。
仅仅为了说明，计算设备200只描述了一个中央处理器和/或处理器。然而，需要注意的是，本申请中的计算设备200可以包括多个中央处理器和/或处理器，因此本申请中描述的由一个中央处理器和/或处理器实现的操作和/或方法也可以共同地或独立地由多个中央处理器和/或处理器实现。例如，计算设备200的中央处理器和/或处理器可以执行步骤A和步骤B。在另一示例中，步骤A和步骤B也可以由计算设备200中的两个不同的中央处理器和/或处理器联合或单独地执行(例如，第一处理器执行步骤A并且第二处理器执行步骤B，或第一和第二处理器共同执行步骤A和B)。
图3是根据本说明书一些实施例所示的移动设备的示例性的硬件和/或软件的示意图，终端设备(例如，终端设备130)可以根据本申请的一些实施例在移动设备300上实现。
如图3所示，移动设备300可以包括通信单元310、显示单元320、图形处理器(GPU)330、中央处理器(CPU)340、输入/输出单元350、内存360、存储单元370等。在一些实施例中，任何其他合适的组件，包括但不限于系统总线或控制器(未示出)，也可包括在移动设备300内。在一些实施例中，移动操作系统361(例如，iOS、Android、Windows Phone等)和应用程序362可以从存储单元370加载到内存360中，以便由CPU 340执行。应用程序362可以用于从处理设备110和/或存储设备140发送、接收和呈现信息(例如，处理设备110获取的培训任务等)的任何其他合适的应用程序。用户与信息流的交互可以经由输入/输出单元350实现，并且经由网络120提供给处理设备110和/或员工培训管理系统一100的其他组件。在一些实施例中，用户可以通过移动设备300向处理设备110发送的获取待培训员工的培训任务的请求。用户还可以通过移动设备300获取员工培训管理系统一100获取的待培训员工的培训任务。例如，用户可以经由显示单元320获取处理设备110发送的待培训员工的培训任务。
为了实现在本申请中描述的各种模块、单元及其功能，计算设备或移动设备可以用作本申请所描述的一个或多个组件的硬件平台。这些计算机或移动设备的硬件元件、操作系统和编程语言本质上是常规的，并且本领域技术人员熟悉这些技术后可将这些技术适应于本申请所描述的信息显示系统。具有用户界面元件的计算机可以用于实现个人计算机(PC)或其他类型的工作站或终端设备，如果适当地编程，计算机也可以充当服务器。
图4是根据本申请的一些实施例所示的一种员工培训管理系统的示例性框图。
如图4所示，在一些实施例中，一种员工培训管理系统二400可以包括指标建立模块410、待培训员工得分计算模块420、先进样本员工得分计算模块430及培训任务获取模块440。
指标建立模块410，可以用于获取多个样本员工信息，建立多个二级员工能力评价指标，并对多个二级员工能力评价指标进行分类，建立多个一级员工能力评价指标，其中，多个一级员工能力评价指标中的每一个，包括至少一个二级员工能力评价指标。在一些实施例中，指标建立模块410可以从多个二级员工能力评价指标中筛选多个重点二级员工能力评价指标；对于多个二级员工能力评价指标中每一个，计算二级员工能力评价指标与多个重点二级员工能力评价指标中的每一个之间的指标关联度；对于多个重点二级员工能力评价指标中的每一个，将与重点二级员工能力评价指标的指标关联度大于预设指标关联度阈值的多个二级员工能力评价指标划分为一类指标，对应一类指标建立一级员工能力评价指标。
待培训员工得分计算模块420，可以用于获取待培训员工信息，基于待培训员工信息，计算待培训员工在多个二级员工能力评价指标的得分，基于待培训员工的在多个二级员工能力评价指标的得分，计算待培训员工在多个一级员工能力评价指标的得分。在一些实施例中，待培训员工得分计算模块420可以从待培训员工信息中获取每个二级员工能力评价指标对应的评价信息；对于每个二级员工能力评价指标，基于对应的评价信息计算待培训员工在二级员工能力评价指标的得分。在一些实施例中，待培训员工得分计算模块420可以对于每一个一级员工能力评价指标，设置一级员工能力评价指标包括的每一个二级员工能力评价指标的权重；对于每一个一级员工能力评价指标，基于待培训员工在一级员工能力评价指标包括的每一个二级员工能力评价指标的得分及每一个二级员工能力评价指标的权重，计算待培训员工在一级员工能力评价指标的得分。
先进样本员工得分计算模块430，可以用于获取与待培训员工对应的先进员工样本信息；基于先进员工样本信息，计算先进员工在多个二级员工能力评价指标的得分；基于先进员工样本的在多个二级员工能力评价指标的得分，计算先进员工样本在多个一级员工能力评价指标的得分。在一些实施例中，先进样本员工得分计算模块430可以建立先进样本员工数据库，先进样本员工数据库存储有至少一个先进员工的先进员工样本信息。在一些实施例中，先进样本员工得分计算模块430可以基于FP-growth算法，计算待培训员工信息与至少一个先进员工样本信息中的每一个的员工关联度。在一些实施例中，先进样本员工得分计算模块430可以将与待培训员工信息的员工关联度大于预设员工关联度阈值的先进员工样本信息作为待培训员工对应的先进员工样本信息。
培训任务获取模块440，可以用于根据待培训员工在多个一级员工能力评价指标的得分及先进员工样本在多个一级员工能力评价指标的得分，获取培训任务。在一些实施例中，培训任务可以包括多个培训课程。在一些实施例中，培训任务获取模块440对于多个一级员工能力评价指标每一个，可以建立对应的至少一个培训课程。在一些实施例中，培训任务获取模块440可以获取多个培训课程和多个一级员工能力评价指标的对应关系，建立知识图谱。在一些实施例中，对于多个一级员工能力评价指标的每一个，培训任务获取模块440可以计算待培训员工在一级员工能力评价指标的得分与先进员工样本在一级员工能力评价指标的得分的差值。在一些实施例中，培训任务获取模块440可以判断所述差值是否大于预设差值阈值，若是，基于知识图谱，获取与一级员工能力评价指标对应的至少一个培训课程。在一些实施例中，培训任务可以包括多个工作任务。在一些实施例中，对于多个一级员工能力评价指标每一个，培训任务获取模块440可以建立对应的至少一个工作任务。在一些实施例中，培训任务获取模块440可以获取多个工作任务和多个一级员工能力评价指标的对应关系，建立知识图谱。在一些实施例中，对于多个一级员工能力评价指标的每一个，培训任务获取模块440可以计算待培训员工在一级员工能力评价指标的得分与先进员工样本在一级员工能力评价指标的得分的差值。在一些实施例中，培训任务获取模块440可以判断所述差值是否大于预设差值阈值，若是，基于知识图谱，获取与一级员工能力评价指标对应的至少一个工作任务。在一些实施例中，待培训员工得分计算模块420获取的待培训员工信息还可以包括能力发展类型信息。在一些实施例中，多个培训课程和/或多个工作任务均设置有能力发展类型标签。在一些实施例中，培训任务获取模块440可以根据多个培训课程和/或多个工作任务的能力发展类型标签，获取与能力发展兴趣信息对应的培训课程和/或培训任务。
需要注意的是，以上对于候选项显示、确定系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图1中披露的参数获取模块、指令发送模块、图像接收模块、真实性确定模块、指令接收模块、拍摄框显示模块、图像获取模块和图像发送模块可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。
图5是根据本申请的一些实施例所示的一种员工培训管理方法的示例性的流程图。
在一些实施例中，员工培训管理方法500可以由员工培训管理系统一100(如处理设备110)或员工培训管理系统二400执行。例如，员工培训管理方法500可以以程序或指令的形式存储在存储装置(如存储设备140)中，当员工培训管理系统一100(如处理设备110)执行该程序或指令时，可以实现员工培训管理方法500。下面呈现的员工培训管理方法500的操作示意图是说明性的。在一些实施例中，可以利用一个或以上未描述的附加操作和/或未讨论的一个或以上操作来完成该过程。另外，图5中示出的和下面描述的流程500的操作的顺序不旨在是限制性的。
步骤510，获取多个样本员工信息，建立多个二级员工能力评价指标。在一些实施例中，步骤510可以由指标建立模块410执行。
多个样本员工信息为与用人单位(例如，科研设计单位、医疗卫生单位、国有企业、三资企业等)员工相关的信息(例如，员工的学历、职称、履历等信息)。例如，直接从用人单位获取的员工相关的信息，还例如，预先建立的一部分多类样本员工信息，并基于SMOTE算法，合成(增加)新的一部分样本员工信息，对每个少数类样本a，运用K近邻算法，从它的最近邻中随机选一个样本b，然后在a、b之间的连线上随机选一点作为新合成的少数类样本。
在一些实施例中，样本员工信息可以包括待培训员工所在用人单位的员工的相关信息。在一些实施例中，员工能力评价体系建立模块410可以从待培训员工所在用人单位使用的相关系统中获取多个员工信息，例如，人力资源管理系统、OA系统、党建系统、一卡通系统、合同系统、工作台帐系统、调查问卷系统等。
在一些实施例中，样本员工信息还可以包括其他用人单元的员工的相关信息。例如，用人单位A可以包括待培训员工，员工能力评价体系建立模块410可以获取用人单位B的员工的相关信息用于建立多个二级员工能力评价指标。
在一些实施例中，可以通过人工基于多个样本员工信息，建立多个二级员工能力评价指标。在一些实施例中，二级员工能力评价指标可以包括学历学位等级指标、职称指标、职业资格跨度指标、履职跨度指标、培训情况电子书屋阅读时长指标、职称匹配指标、履职经历指标、专业奖励指标、职业资格匹配指标、工作任务完成情况指标、外语能力指标、征文/演讲/辩论等奖励指标、新闻稿指标、学术会议交流参与指标、科研项目参与指标、工作任务指标、知识成果科技奖励指标、文体类奖励指标、文体特长指标、党务任职指标和党群荣誉政治面貌指标等。
步骤520，对多个二级员工能力评价指标进行分类，对于每一类二级员工能力评价指标，建立多个一级员工能力评价指标。在一些实施例中，步骤520可以由指标建立模块410执行。
在一些实施例中，一级员工能力评价指标可以用于表征多个二级员工能力评价指标。在一些实施例中，多个一级员工能力评价指标中的每一个，包括至少一个二级员工能力评价指标。
在一些实施例中，指标建立模块410可以对多个二级员工能力评价指标进行分类，建立多个一级员工能力评价指标。
图6是根据本申请的一些实施例所示的对多个二级员工能力评价指标进行分类，建立多个一级员工能力评价指标的示例性的流程图。如图6所示，对多个二级员工能力评价指标进行分类，建立多个一级员工能力评价指标可以包括如下步骤。
步骤610，从多个二级员工能力评价指标中筛选多个重点二级员工能力评价指标。
重点二级员工能力评价指标可以为与超过预设阈值数量(例如，8个)的其他二级员工能力评价指标存在关联关系的二级员工能力评价指标。在一些实施例中，可以通过人工从多个二级员工能力评价指标中筛选多个重点二级员工能力评价指标。在一些实施例中，还可以基于机器学习模型，从多个二级员工能力评价指标中筛选多个重点二级员工能力评价指标。在一些实施例中，机器学习模型的类型包括但不限于神经网络(NN)、卷积神经网络(CNN)、深度神经网络(DNN)、神经网络(NN)、卷积神经网络(CNN)、循环神经网络(RNN)等或其任意组合，例如，机器学习模型可以为卷积神经网络和深度神经网络组合形成的模型。
在一些实施例中，学历学位等级指标、职称指标、职业资格跨度指标、履职跨度指标、培训情况电子书屋阅读时长指标、职称匹配指标、履职经历指标、专业奖励指标、职业资格匹配指标、工作任务完成情况指标、外语能力指标、征文/演讲/辩论等奖励指标、新闻稿指标、学术会议交流参与指标、科研项目参与指标、工作任务指标、知识成果科技奖励指标、文体类奖励指标、文体特长指标、党务任职指标和党群荣誉政治面貌指标等二级员工能力评价指标中的重点二级员工能力评价指标可以包括：工作任务完成情况指标、外语能力指标、科研项目指标等。
步骤620，对于多个二级员工能力评价指标中每一个，计算二级员工能力评价指标与多个重点二级员工能力评价指标中的每一个之间的指标关联度。
指标关联度可以用于表征两个二级员工能力评价指标之间的相互影响程度。在一些实施例中，可以基于FP-growth算法，计算二级员工能力评价指标与多个重点二级员工能力评价指标中的每一个之间的指标关联度。
步骤630，对于多个重点二级员工能力评价指标中的每一个，将与重点二级员工能力评价指标的指标关联度大于预设指标关联度阈值的多个二级员工能力评价指标划分为一类指标，对应一类指标建立一级员工能力评价指标。
例如，多个二级员工能力评价指标可以包括学历学位指标、职称等级指标、知识成果指标、科技奖励指标、学术会议交流指标、科研项目指标，其中，科研项目指标为重点二级员工能力评价指标，学历学位指标与科研项目指标具有高度相关性，Pearson相关系数(即指标关联度)为0.7；职称等级指标与科研项目指标具有高度相关性，Pearson相关系数为0.8；知识成果指标与科研项目指标具有高度相关性，Pearson相关系数为0.7，科技奖励指标与科研项目指标具有高度相关性，Pearson相关系数为0.9，学术会议交流指标与科研项目指标具有高度相关性，Pearson相关系数为0.6，因为学历学位指标、职称等级指标、知识成果指标、科技奖励指标、学术会议交流指标与科研项目指标的Pearson相关系数(即指标关联度)均大于预设指标关联度阈值(例如，0.5)，可以将学历学位指标、职称等级指标、知识成果指标、科技奖励指标、学术会议交流指标、科研项目指标划分为一类指标，并对应该类指标建立一个一级员工能力评价指标，例如，科研创新能力指标。
请继续参考图5，步骤530，获取待培训员工信息，基于待培训员工信息，计算待培训员工在多个二级员工能力评价指标的得分，基于待培训员工的在多个二级员工能力评价指标的得分，计算待培训员工在多个一级员工能力评价指标的得分。在一些实施例中，步骤530可以由待培训员工得分计算模块420执行。
在一些实施例中，待培训员工得分计算模块420可以从待培训员工信息中获取每个二级员工能力评价指标对应的评价信息；对于每个二级员工能力评价指标，基于对应的评价信息计算待培训员工在二级员工能力评价指标的得分。在一些实施例中，待培训员工得分计算模块420可以基于转化规则，将对应的评价信息转化为待培训员工在二级员工能力评价指标的得分。在一些实施例中，得分可以用数值表示。在一些实施例中，转化规则可以为将评价信息转化为数值的规则。例如，对于最高学历指标，若员工A与最高学历指标对应的评价信息为“博士研究生”，则待培训员工得分计算模块420可以将最高学历指标对应的评价信息转化为员工A在最高学历指标的得分为7；若员工A与最高学历因子对应的员工信息为“硕士研究生”，则待培训员工得分计算模块420可以将最高学历指标对应的评价信息转化为员工A在最高学历指标的得分为6；若员工A与最高学历因子对应的员工信息为“大学本科”，则待培训员工得分计算模块420可以将最高学历指标对应的评价信息转化为员工A在最高学历指标的得分为5。
在一些实施例中，对于每一个一级员工能力评价指标，待培训员工得分计算模块420可以设置一级员工能力评价指标包括的每一个二级员工能力评价指标的权重。在一些实施例中，对于每一个一级员工能力评价指标，待培训员工得分计算模块420可以基于待培训员工在一级员工能力评价指标包括的每一个二级员工能力评价指标的得分及每一个二级员工能力评价指标的权重，计算待培训员工在一级员工能力评价指标的得分。例如，一级员工能力评价指标为学习能力指标，其学历指标、职业资格指标、职称指标、履历变动指标包括这四个二级员工能力评价指标，员工A，学历指标的值为5，职业资格指标的值为7、职称指标的值为6、履历变动指标的值为4，学历指标、职业资格指标、职称指标及履历变动指标的权重可以分别为0.4、0.15、0.15、0.2、0.1，则员工A的画像在学习能力维度的得分S2＝学历指标的值*学历指标的权重+职业资格指标的值*职业资格指标的权重+职称指标的值*职称指标的权重+履历变动指标的值*履历变动指标的权重＝5*0.4+7*0.15+6*0.15+4*0.2＝4.75。
步骤540，获取与待培训员工对应的先进员工样本信息，基于先进员工样本信息，计算先进员工在多个二级员工能力评价指标的得分，基于先进员工样本的在多个二级员工能力评价指标的得分，计算先进员工样本在多个一级员工能力评价指标的得分。在一些实施例中，步骤540可以由先进样本员工得分计算模块430执行。
先进样本员工可以为在至少一个一级员工能力评价指标的得分大于预设阈值(例如，8)的员工。在一些实施例中，先进样本员工得分计算模块430可以先建立先进样本员工数据库，先进样本员工数据库存储有至少一个先进员工的先进员工样本信息。在一些实施例中，先进样本员工得分计算模块430可以基于FP-growth算法，计算待培训员工信息与至少一个先进员工样本信息中的每一个的员工关联度，将与待培训员工信息的员工关联度大于预设员工关联度阈值的先进员工样本信息作为待培训员工对应的先进员工样本信息。
在一些实施例中，先进样本员工得分计算模块430还可以基于待培训员工的岗位信息和先进样本员工的岗位信息。例如，待培训员工为人事专员，该待培训员工的上级为人事主管，先进样本员工能力画像建立模块430获取的先进员工样本信息可以为所在岗位为人事主管的员工的信息。
在一些实施例中，计算先进员工在多个二级员工能力评价指标的得分及基于先进员工样本的在多个二级员工能力评价指标的得分，计算先进员工样本在多个一级员工能力评价指标的得分与步骤530中，计算待培训员工在多个二级员工能力评价指标的得分及基于待培训员工的在多个二级员工能力评价指标的得分，计算待培训员工在多个一级员工能力评价指标的得分的流程类似，更多相关描述可以参照步骤520。
步骤550，根据待培训员工在多个一级员工能力评价指标的得分及先进员工样本在多个一级员工能力评价指标的得分，获取培训任务。在一些实施例中，步骤540可以由培训任务获取模块440执行。
培训任务可以为用于帮助待培训员工提升能力的任务。
在一些实施例中，培训任务包括多个培训课程。在一些实施例中，培训课程可以包括讲义、视频、音频、表单、试题、问卷等。在一些实施例中，可以将培训课程分成学习能力类、业务能力类、表达能力类、协作能力类、科研创新能力类、文体能力类、政治素质类等类型，分别对应学习能力指标、业务能力指标、表达能力指标、协作能力指标、科研创新能力指标、文体能力指标、政治素质指标等一级员工能力评价指标。
在一些实施例中，对于多个一级员工能力评价指标每一个，培训任务获取模块440可以建立对应的至少一个培训课程。在一些实施例中，培训任务获取模块440可以获取多个培训课程和多个一级员工能力评价指标的对应关系，建立知识图谱。在一些实施例中，培训任务获取模块440可以根据待培训员工在多个一级员工能力评价指标的得分及先进员工样本在多个一级员工能力评价指标的得分，基于知识图谱，获取与一级员工能力评价指标对应的至少一个培训课程。
在一些实施例中，根据待培训员工在多个一级员工能力评价指标的得分及先进员工样本在多个一级员工能力评价指标的得分，获取培训任务，包括：对于多个一级员工能力评价指标的每一个，培训任务获取模块440可以计算待培训员工在一级员工能力评价指标的得分与先进员工样本在一级员工能力评价指标的得分的差值；判断所述差值是否大于预设差值阈值，若是，培训任务获取模块440可以基于知识图谱，获取与一级员工能力评价指标对应的至少一个培训课程。例如，待培训员工在学习能力指标的得分为5，先进员工样本在学习能力指标的得分为8，待培训员工在学习能力指标的得分和先进员工样本在学习能力指标的得分之间的差值为3，大于预设差值阈值(例如，2)，则培训任务获取模块440可以基于知识图谱，获取与学习能力指标对应的至少一个培训课程。
在一些实施例中，多个一级员工能力评价指标每一个对应的至少一个培训课程中，还可以与不同差值对应的培训课程。在一些实施例中，培训任务获取模块440可以基于知识图谱，从与一级员工能力评价指标对应的至少一个培训课程中获取与差值对应的培训课程，使得培训课程更加匹配待培训员工的需求。例如，学习能力指标对应有三个培训课程：培训课程A、培训课程B及培训课程C，其分别对应的差值为1、2、3，待培训员工在学习能力指标的得分和先进员工样本在学习能力指标的得分之间的差值为3，大于预设差值阈值(例如，2)，则培训任务获取模块440可以基于知识图谱，获取培训课程C作为待培训员工的培训任务。
在一些实施例中，培训任务可以包括多个工作任务。在一些实施例中，对于多个一级员工能力评价指标每一个，培训任务获取模块440可以建立对应的至少一个工作任务。在一些实施例中，培训任务获取模块440可以获取多个工作任务和多个一级员工能力评价指标的对应关系，建立知识图谱。在一些实施例中，培训任务获取模块440可以根据待培训员工在多个一级员工能力评价指标的得分及先进员工样本在多个一级员工能力评价指标的得分，基于知识图谱，获取培训任务，
在一些实施例中，根据待培训员工在多个一级员工能力评价指标的得分及先进员工样本在多个一级员工能力评价指标的得分，基于知识图谱，获取培训任务，可以包括：对于多个一级员工能力评价指标的每一个，培训任务获取模块440可以计算待培训员工在一级员工能力评价指标的得分与先进员工样本在一级员工能力评价指标的得分的差值；判断所述差值是否大于预设差值阈值，若是，培训任务获取模块440可以基于知识图谱，获取与一级员工能力评价指标对应的至少一个工作任务。例如，待培训员工在学习能力指标的得分为5，先进员工样本在学习能力指标的得分为8，待培训员工在学习能力指标的得分和先进员工样本在学习能力指标的得分之间的差值为3，大于预设差值阈值(例如，2)，则培训任务获取模块440可以基于知识图谱，获取与学习能力指标对应的至少一个工作任务。
在一些实施例中，多个一级员工能力评价指标每一个对应的至少一个工作任务中，还可以与不同差值对应的工作任务。在一些实施例中，培训任务获取模块440可以基于知识图谱，从与一级员工能力评价指标对应的至少一个培训课程中获取与差值对应的工作任务，使得工作任务更加匹配待培训员工的需求。例如，学习能力指标对应有三个工作任务：工作任务A、工作任务B及工作任务C，其分别对应的差值为1、2、3，待培训员工在学习能力指标的得分和先进员工样本在学习能力指标的得分之间的差值为3，大于预设差值阈值(例如，2)，则培训任务获取模块440可以基于知识图谱，获取工作任务C作为待培训员工的培训任务。
在一些实施例中，培训任务获取模块440可以根据待培训员工在多个一级员工能力评价指标的得分及先进员工样本在多个一级员工能力评价指标的得分，基于知识图谱，获取培训任务及工作任务。例如，待培训员工在学习能力指标的得分为5，先进员工样本在学习能力指标的得分为8，待培训员工在学习能力指标的得分和先进员工样本在学习能力指标的得分之间的差值为3，大于预设差值阈值(例如，2)，则培训任务获取模块440可以基于知识图谱，获取与学习能力指标对应的至少一个培训任务及工作任务。
在一些实施例中，待培训员工信息还包括能力发展类型信息，其中，能力发展类型信息可以用于表征待培训员工的感兴趣的能力发展类型。在一些实施例中，能力发展类型可以对应多个一级员工能力评价指标。例如，一级员工能力评价指标可以包括学习能力指标、业务能力指标、表达能力指标、协作能力指标、科研创新能力指标、文体能力指标、政治素质指标这七个指标，则能力发展类型可以分为学习能力发展、业务能力发展、表达能力发展、协作能力发展、科研创新能力发展、文体能力发展、政治素质发展这七个类型。
在一些实施例中，培训任务获取模块440可以对每个一级员工能力评价指标对应的培训课程和/或从工作任务设置能力发展类型标签。其中，能力发展类型标签可以包括有用于表征培训课程和/或从工作任务对应的能力发展类型的信息。
在一些实施例中，能力发展类型信息可以为文本信息，培训任务获取模块440可以基于字符识别算法(OCR，Optical Character Recognition)从能力发展类型信息获取待培训员工的感兴趣的能力发展类型。在一些实施例中，字符识别算法可以包括但不限于CTC(Connectionist Temporal Classification)算法、CRNN(Convolutional RecurrentNeural Network)算法、CPTN(Connectionist Text Proposal Network)算法、多标签分类(mutli-label classification)算法等。
在一些实施例中，培训任务获取模块440可以待培训员工的感兴趣的能力发展类型及根据多个培训课程和/或多个工作任务的能力发展类型标签，获取与能力发展兴趣信息对应的培训课程和/或培训任务。例如，基于能力发展类型信息，培训任务获取模块440确定待培训员工的感兴趣的能力发展类型为学习能力，培训任务获取模块440可以基于知识图谱，获取与学习能力指标这一指标对应的培训课程和/或从工作任务作为待培训员工的培训任务，使得获取的待培训任务更符合待培训员工的个人需求。
本申请实施例提供的员工培训管理方法，针对每一位待培训员工，可以获取待培训员工信息；基于待培训员工信息，计算待培训员工在多个二级员工能力评价指标的得分；基于待培训员工的在多个二级员工能力评价指标的得分，计算待培训员工在多个一级员工能力评价指标的得分；获取与待培训员工对应的先进员工样本信息；基于先进员工样本信息，计算先进员工在多个二级员工能力评价指标的得分；基于先进员工样本的在多个二级员工能力评价指标的得分，计算先进员工样本在多个一级员工能力评价指标的得分；根据待培训员工在多个一级员工能力评价指标的得分及先进员工样本在多个一级员工能力评价指标的得分，获取培训任务，使得培训任务更符合每一位待培训员工的当前的能力发展需求。
在本申请的另一些实施例中，提供了一种员工培训管理装置，包括至少一个处理设备以及至少一个存储设备；至少一个存储设备用于存储计算机指令，至少一个处理设备用于执行计算机指令中的至少部分指令以实现如上的一种员工培训管理方法。
在本申请的又一些实施例中，提供了一种用于员工培训管理的计算机可读存储介质，存储介质存储计算机指令，当计算机指令被处理设备执行时实现如上的员工培训管理方法。上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

Claims (10)

1.一种员工培训管理方法，其特征在于，包括：
获取多个样本员工信息，建立多个二级员工能力评价指标；
对多个所述二级员工能力评价指标进行分类，对于每一类所述二级员工能力评价指标，建立多个一级员工能力评价指标，其中，多个所述一级员工能力评价指标中的每一个，包括至少一个所述二级员工能力评价指标；
获取待培训员工信息；
基于所述待培训员工信息，计算待培训员工在多个所述二级员工能力评价指标的得分；
基于所述待培训员工的在多个所述二级员工能力评价指标的得分，计算所述待培训员工在多个所述一级员工能力评价指标的得分；
获取与所述待培训员工对应的先进员工样本信息；
基于所述先进员工样本信息，计算先进员工在多个所述二级员工能力评价指标的得分；
基于所述先进员工样本的在多个所述二级员工能力评价指标的得分，计算所述先进员工样本在多个所述一级员工能力评价指标的得分；
根据所述待培训员工在多个所述一级员工能力评价指标的得分及所述先进员工样本在多个所述一级员工能力评价指标的得分，获取培训任务。
2.根据权利要求1所述的一种员工培训管理方法，其特征在于，所述对多个所述二级员工能力评价指标进行分类，对于每一类所述二级员工能力评价指标，建立多个一级员工能力评价指标，包括：
从多个所述二级员工能力评价指标中筛选多个重点二级员工能力评价指标；
对于多个所述二级员工能力评价指标中每一个，计算所述二级员工能力评价指标与多个所述重点二级员工能力评价指标中的每一个之间的指标关联度；
对于多个所述重点二级员工能力评价指标中的每一个，将与所述重点二级员工能力评价指标的指标关联度大于预设指标关联度阈值的多个所述二级员工能力评价指标划分为一类指标，对应所述一类指标建立一级员工能力评价指标。
3.根据权利要求2所述的一种员工培训管理方法，其特征在于，所述计算所述二级员工能力评价指标与多个所述重点二级员工能力评价指标中的每一个之间的指标关联度，包括：
基于FP-growth算法，计算所述二级员工能力评价指标与多个所述重点二级员工能力评价指标中的每一个之间的指标关联度。
4.根据权利要求1-3任意一项所述的一种员工培训管理方法，其特征在于，所述基于所述待培训员工信息，计算待培训员工在多个所述二级员工能力评价指标的得分，包括：
从所述待培训员工信息中获取每个所述二级员工能力评价指标对应的评价信息；
对于每个所述二级员工能力评价指标，基于对应的所述评价信息计算所述待培训员工在所述二级员工能力评价指标的得分。
5.根据权利要求4所述的一种员工培训管理方法，其特征在于，所述基于所述待培训员工的在多个所述二级员工能力评价指标的得分，计算所述待培训员工在多个所述一级员工能力评价指标的得分，包括：
对于每一个所述一级员工能力评价指标，设置所述一级员工能力评价指标包括的每一个所述二级员工能力评价指标的权重；
对于每一个所述一级员工能力评价指标，基于所述待培训员工在所述一级员工能力评价指标包括的每一个所述二级员工能力评价指标的得分及每一个所述二级员工能力评价指标的权重，计算所述待培训员工在所述一级员工能力评价指标的得分。
6.根据权利要求1-3任意一项所述的一种员工培训管理方法，其特征在于，所述获取与所述待培训员工对应的先进员工样本信息，包括：
建立先进样本员工数据库，所述先进样本员工数据库存储有至少一个先进员工的先进员工样本信息；
基于FP-growth算法，计算所述待培训员工信息与所述至少一个先进员工样本信息中的每一个的员工关联度；
将与所述待培训员工信息的员工关联度大于预设员工关联度阈值的先进员工样本信息作为所述待培训员工对应的先进员工样本信息。
7.根据权利要求1-3任意一项所述的一种员工培训管理方法，其特征在于，所述培训任务包括多个培训课程；
所述方法还包括：
对于多个所述一级员工能力评价指标每一个，建立对应的至少一个所述培训课程；
获取所述多个培训课程和所述多个一级员工能力评价指标的对应关系，建立知识图谱；
所述根据所述待培训员工在多个所述一级员工能力评价指标的得分及所述先进员工样本在多个所述一级员工能力评价指标的得分，获取培训任务，包括：
对于多个所述一级员工能力评价指标的每一个，计算所述待培训员工在所述一级员工能力评价指标的得分与所述先进员工样本在所述一级员工能力评价指标的得分的差值；
判断所述差值是否大于预设差值阈值，若是，基于所述知识图谱，获取与所述一级员工能力评价指标对应的至少一个所述培训课程。
8.根据权利要求7所述的一种员工培训管理方法，其特征在于，所述培训任务包括多个工作任务；
所述方法还包括：
对于多个所述一级员工能力评价指标每一个，建立对应的至少一个所述工作任务；
获取所述多个工作任务和所述多个一级员工能力评价指标的对应关系，建立知识图谱；
所述根据所述待培训员工在多个所述一级员工能力评价指标的得分及所述先进员工样本在多个所述一级员工能力评价指标的得分，获取培训任务，包括：
对于多个所述一级员工能力评价指标的每一个，计算所述待培训员工在所述一级员工能力评价指标的得分与所述先进员工样本在所述一级员工能力评价指标的得分的差值；
判断所述差值是否大于预设差值阈值，若是，基于所述知识图谱，获取与所述一级员工能力评价指标对应的至少一个所述工作任务。
9.根据权利要求8所述的一种员工培训管理方法，其特征在于，所述待培训员工信息还包括能力发展类型信息，所述多个培训课程和/或所述多个工作任务均设置有能力发展类型标签；
所述方法还包括：
根据所述多个培训课程和/或所述多个工作任务的能力发展类型标签，获取与所述能力发展兴趣信息对应的培训课程和/或培训任务。
10.一种员工培训管理系统，其特征在于，包括：
指标建立模块，用于获取多个样本员工信息，建立多个二级员工能力评价指标，并对多个所述二级员工能力评价指标进行分类，对于每一类所述二级员工能力评价指标，建立多个一级员工能力评价指标，其中，多个所述一级员工能力评价指标中的每一个，包括至少一个所述二级员工能力评价指标；
待培训员工得分计算模块，用于获取待培训员工信息，基于所述待培训员工信息，计算待培训员工在多个所述二级员工能力评价指标的得分，基于所述待培训员工的在多个所述二级员工能力评价指标的得分，计算所述待培训员工在多个所述一级员工能力评价指标的得分；
先进样本员工得分计算模块，用于获取与所述待培训员工对应的先进员工样本信息；基于所述先进员工样本信息，计算先进员工在多个所述二级员工能力评价指标的得分；基于所述先进员工样本的在多个所述二级员工能力评价指标的得分，计算所述先进员工样本在多个所述一级员工能力评价指标的得分；
培训任务获取模块，用于根据所述待培训员工在多个所述一级员工能力评价指标的得分及所述先进员工样本在多个所述一级员工能力评价指标的得分，获取培训任务。
CN202110871541.1A 2021-07-30 2021-07-30 一种员工培训管理方法及系统 Pending CN113592301A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110871541.1A CN113592301A (zh) 2021-07-30 2021-07-30 一种员工培训管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110871541.1A CN113592301A (zh) 2021-07-30 2021-07-30 一种员工培训管理方法及系统

Publications (1)

Publication Number Publication Date
CN113592301A true CN113592301A (zh) 2021-11-02

Family

ID=78252668

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110871541.1A Pending CN113592301A (zh) 2021-07-30 2021-07-30 一种员工培训管理方法及系统

Country Status (1)

Country Link
CN (1) CN113592301A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115016874A (zh) * 2022-05-18 2022-09-06 广东韶钢松山股份有限公司 一种信息展示方法、装置、电子设备及存储介质
CN117171654A (zh) * 2023-11-03 2023-12-05 酷渲(北京)科技有限公司 一种知识萃取方法、装置、设备及可读存储介质

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105469208A (zh) * 2015-11-24 2016-04-06 江苏省电力公司南通供电公司 基于模糊综合评估法的员工培训测评系统
CN107085803A (zh) * 2017-03-31 2017-08-22 弘成科技发展有限公司 基于知识图谱和能力测评的个性化教学资源推荐系统
CN109285405A (zh) * 2018-11-26 2019-01-29 广东电网有限责任公司 岗位胜任能力培训方法、设备及系统
CN109727169A (zh) * 2018-12-06 2019-05-07 国家电网有限公司 基于工作岗位的员工培训内容推送及接收方法和系统
CN110135504A (zh) * 2019-05-20 2019-08-16 杭州弧途科技有限公司 一种基于人工智能的大学生兼职精确匹配方法
CN110335011A (zh) * 2019-05-29 2019-10-15 广东精标科技股份有限公司 基于学生职业生涯规划的智能选课排班系统
CN110362742A (zh) * 2019-06-18 2019-10-22 平安普惠企业管理有限公司 课程信息匹配方法、装置、计算机设备及存储介质
CN110377804A (zh) * 2019-06-20 2019-10-25 平安科技（深圳）有限公司 培训课程数据的推送方法、装置、系统及存储介质
CN110992227A (zh) * 2019-12-02 2020-04-10 中船舰客教育科技(北京)有限公司 一种校企结合职业技能人才培养系统和方法
CN111027815A (zh) * 2019-11-21 2020-04-17 长春市万易科技有限公司 一种科技工作者科研能力评价方法
CN111192024A (zh) * 2019-12-31 2020-05-22 广东轩辕网络科技股份有限公司 一种基于强化学习的人岗匹配方法及装置
CN112001609A (zh) * 2020-08-12 2020-11-27 浙江华为通信技术有限公司 一种职业培训评价系统及其方法
CN112232706A (zh) * 2020-11-06 2021-01-15 四川大汇大数据服务有限公司 基于行为与能力维度的能力评价方法、系统、终端及介质
CN112380359A (zh) * 2021-01-18 2021-02-19 平安科技（深圳）有限公司 基于知识图谱的培训资源分配方法、装置、设备及介质
CN112767199A (zh) * 2020-12-25 2021-05-07 科讯嘉联信息技术有限公司 一种企业员工培训系统及培训方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105469208A (zh) * 2015-11-24 2016-04-06 江苏省电力公司南通供电公司 基于模糊综合评估法的员工培训测评系统
CN107085803A (zh) * 2017-03-31 2017-08-22 弘成科技发展有限公司 基于知识图谱和能力测评的个性化教学资源推荐系统
CN109285405A (zh) * 2018-11-26 2019-01-29 广东电网有限责任公司 岗位胜任能力培训方法、设备及系统
CN109727169A (zh) * 2018-12-06 2019-05-07 国家电网有限公司 基于工作岗位的员工培训内容推送及接收方法和系统
CN110135504A (zh) * 2019-05-20 2019-08-16 杭州弧途科技有限公司 一种基于人工智能的大学生兼职精确匹配方法
CN110335011A (zh) * 2019-05-29 2019-10-15 广东精标科技股份有限公司 基于学生职业生涯规划的智能选课排班系统
CN110362742A (zh) * 2019-06-18 2019-10-22 平安普惠企业管理有限公司 课程信息匹配方法、装置、计算机设备及存储介质
CN110377804A (zh) * 2019-06-20 2019-10-25 平安科技（深圳）有限公司 培训课程数据的推送方法、装置、系统及存储介质
CN111027815A (zh) * 2019-11-21 2020-04-17 长春市万易科技有限公司 一种科技工作者科研能力评价方法
CN110992227A (zh) * 2019-12-02 2020-04-10 中船舰客教育科技(北京)有限公司 一种校企结合职业技能人才培养系统和方法
CN111192024A (zh) * 2019-12-31 2020-05-22 广东轩辕网络科技股份有限公司 一种基于强化学习的人岗匹配方法及装置
CN112001609A (zh) * 2020-08-12 2020-11-27 浙江华为通信技术有限公司 一种职业培训评价系统及其方法
CN112232706A (zh) * 2020-11-06 2021-01-15 四川大汇大数据服务有限公司 基于行为与能力维度的能力评价方法、系统、终端及介质
CN112767199A (zh) * 2020-12-25 2021-05-07 科讯嘉联信息技术有限公司 一种企业员工培训系统及培训方法
CN112380359A (zh) * 2021-01-18 2021-02-19 平安科技（深圳）有限公司 基于知识图谱的培训资源分配方法、装置、设备及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张嵘;商临萍;苏丹霞;李伟;潘玮;车莎;郝春霞;: "德尔菲法构建感染管理专职人员核心能力评价指标体系", 中华医院感染学杂志, no. 10 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115016874A (zh) * 2022-05-18 2022-09-06 广东韶钢松山股份有限公司 一种信息展示方法、装置、电子设备及存储介质
CN117171654A (zh) * 2023-11-03 2023-12-05 酷渲(北京)科技有限公司 一种知识萃取方法、装置、设备及可读存储介质
CN117171654B (zh) * 2023-11-03 2024-02-09 酷渲(北京)科技有限公司 一种知识萃取方法、装置、设备及可读存储介质

Similar Documents

Publication Publication Date Title
Avella et al. Learning analytics methods, benefits, and challenges in higher education: A systematic literature review.
Winkle-Wagner Having their lives narrowed down? The state of Black women’s college success
Szelényi et al. Women in STEM majors and professional outcome expectations: The role of living-learning programs and other college environments
CN113239283B (zh) 一种基于多维度的岗位匹配度计算方法及系统
Martin et al. The identification of factors affecting the development and practice of school-based counseling in different national contexts: A grounded theory study using a worldwide sample of descriptive journal articles and book chapters
Kılıç Depren et al. Cross-cultural comparisons of the factors influencing the high reading achievement in Turkey and China: Evidence from PISA 2018
CN113592301A (zh) 一种员工培训管理方法及系统
Holme et al. Community schools as an urban school reform strategy: Examining partnerships, governance, and sustainability through the lens of the full-service community schools grant program
Shalem et al. Polarity in sociology of knowledge: The relationship between disciplinarity, curriculum, and social justice
Abdurakhmanov et al. Directions of innovative development of Uzbekistan
Simhadri et al. Awareness among teaching on AI and ML applications based on fuzzy in education sector at USA
CN113947322A (zh) 一种基于FP-Growth算法的画像匹配方法及系统
Keele et al. Matching methods for clustered observational studies in education
Bhore et al. An exploratory study of factors influencing career decisions of Generation Z women in Data Science
Alaql et al. Multi-generational labour markets: Data-driven discovery of multi-perspective system parameters using machine learning
Lin et al. Undergraduate Students’ profiles of cognitive load in augmented reality–assisted science learning and their relation to science learning self-efficacy and behavior patterns
Taggart et al. The influence of equitable treatment on Latina/o high school students’ college aspirations
US20220084151A1 (en) System and method for determining rank
Cruz et al. Analysis and prediction of students’ academic performance and employability using data mining techniques: A research travelogue
Balcioğlu et al. Predicting academic performance of students with machine learning
Zahurin et al. The influence of robotic process automation on the administrative workload of teachers
CN113793046A (zh) 一种用于员工发展规划的方法、系统、终端及介质
Winters et al. Development of a Socioecological Adolescent Sexual Health Index and Atlas: a case study in Washington State
Luo [Retracted] Analysis the Innovation Path on Psychological Ideological with Political Teaching in Universities by Big Data in New Era
Zhou et al. Using Spectral Clustering Association Algorithm upon Teaching Big Data for Precise 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