CN113888021A - 一种基于知识图谱的智能化学习评测方法及系统 - Google Patents
一种基于知识图谱的智能化学习评测方法及系统 Download PDFInfo
- Publication number
- CN113888021A CN113888021A CN202111242177.9A CN202111242177A CN113888021A CN 113888021 A CN113888021 A CN 113888021A CN 202111242177 A CN202111242177 A CN 202111242177A CN 113888021 A CN113888021 A CN 113888021A
- Authority
- CN
- China
- Prior art keywords
- skill
- post
- learning
- evaluation
- content
- 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.)
- Withdrawn
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 93
- 238000012360 testing method Methods 0.000 claims abstract description 97
- 238000012549 training Methods 0.000 claims abstract description 30
- 238000012216 screening Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 37
- 238000013507 mapping Methods 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 8
- 230000009193 crawling Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 230000007115 recruitment Effects 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000012546 transfer 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Educational Technology (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种基于知识图谱的智能化学习评测方法及系统,涉及互联网领域。一种基于知识图谱的智能化学习评测方法包括:构建岗位技能图谱;获取培训学习内容数据、评测内容数据及当前岗位初始的技能点集合;根据所述岗位技能树及技能点集合中各个技能点对应的学习和评测数据,对岗位的学习和评测数据进行筛选;获取对应比例的培训学习和评测内容;进行测试,根据学员对各技能点的掌握程度,调整岗位技能树中各技能点的待学习程度。其能够将学习培训和评测系统与互联网上海量学习数据整合起来,形成适用于各个行业中各个岗位的简单易用的自动化智能化学习培训和评测系统。此外本发明还提出了一种基于知识图谱的智能化学习评测系统。
Description
技术领域
本发明涉及互联网领域,具体而言,涉及一种基于知识图谱的智能化学习评测方法及系统。
背景技术
随着互联网技术的快速发展,以网络化和智能化为代表的技术正在深刻影响着人们的学习、工作和生活。目前基于互联网的学习系统一般是通过视频或文章的形式提供给学员,每个岗位都需要人们单独的为其录制学习视频或者编写学习文章,因此互联网上充斥着大量的杂乱无章的学习内容数据,这些海量学习数据需要人们耗费大量人力才能获取并整理成有价值的培训学习和测评数据。如何将培训学习测评系统与互联网上海量数据整合起来,形成适用于各个行业中各个岗位的简单易用的智能化学习培训测评系统,是现有技术亟待解决的问题。
现有技术中,无法将学习培训和评测系统与互联网上海量学习数据整合起来,形成适用于各个行业中各个岗位的简单易用的自动化智能化学习培训和评测系统。
发明内容
本发明的目的在于提供一种基于知识图谱的智能化学习评测方法,其能够将学习培训和评测系统与互联网上海量学习数据整合起来,形成适用于各个行业中各个岗位的简单易用的自动化智能化学习培训和评测系统。
本发明的另一目的在于提供一种基于知识图谱的智能化学习评测系统,其能够运行一种基于知识图谱的智能化学习评测方法。
本发明的实施例是这样实现的:
第一方面,本申请实施例提供一种基于知识图谱的智能化学习评测方法,其包括构建岗位技能图谱,根据所述岗位技能图谱,获取当前岗位初始的技能点集合,根据公司岗位特点,通过删除或添加操作,构建出公司特点的岗位技能树;根据所述岗位技能树,给每个学员的每个技能初始化一个待学习程度值;根据所述岗位技能树,获取该技能点集合中各个技能点对应的学习和评测数据,形成该岗位的学习内容和评测内容;根据所述岗位技能树上的待学习程度值,从所述学习内容中获取对应比例的内容,形成独立学习内容;根据独立学习内容进行学习并通过自动评价系统中的所述评测内容进行测试,得到评测结果;根据所述评测结果,调整所述岗位技能树中各技能点的待学习程度值。
在本发明的一些实施例中,上述构建岗位技能图谱包括:通过爬虫系统爬取招聘网站的JD,通过NER模型提取JD技能实体,最后通过数据处理自动化产生技能关系数据,岗位技能关系数据,NER模型使用处理岗位需求信息,提取出其中的技能点。
在本发明的一些实施例中,上述还包括:将各岗位名映射为标准化岗位名,将提取的技能点映射为标准化技能点,根据各岗位的岗位需求信息中的技能点及岗位和技能点共现数量,得到各岗位与各技能点的关系值;根据各岗位的岗位需求信息中的技能点及技能点和技能点共现数量,得到各个技能点之间的关系值。
在本发明的一些实施例中,上述获取培训学习内容数据、评测内容数据及当前岗位初始的技能点集合,根据岗位与技能点关系权重、技能点与技能点关系权重,通过删除或添加操作,构建出公司特色的岗位技能树包括:通过爬虫爬取互联网上的学习内容,包括文章、视频、图片,分别利用文章打点算法模型、视频打点算法模型、图片打点算法模型,给每条内容打上技能点,形成每个技能点与学习内容数据的一对多映射。
在本发明的一些实施例中,上述还包括:通过爬虫爬取互联网上测试题及其答案数据,使用文章试题生成模型,直接根据传入的文章内容生成测试题及其答案,利用试题打点算法模型,给每条测试题打上技能点,形成每个技能点与试题数据的一对多映射。
在本发明的一些实施例中,上述根据所述岗位技能树上的待学习程度值,获取对应比例的培训学习和评测内容包括:将岗位技能树中各技能点的待学习程度值累加和,然后计算各技能点的待学习程度值与该累加和的比值,进而确定培训学习数据和评测内容中,各技能点的内容数量的占比。
在本发明的一些实施例中,上述根据独立学习内容进行学习并通过自动评价系统中的评测内容进行测试包括:根据评测内容,随机组合形成试卷题目,然后计算比较学员录入的答案和标准答案之间的相似度,按预设规则进行打分。
第二方面,本申请实施例提供一种基于知识图谱的智能化学习评测系统,其包括构建岗位技能图谱模块,用于构建岗位技能图谱;
第一获取模块,用于获取培训学习内容数据、评测内容数据及当前岗位初始的技能点集合,根据岗位与技能点关系权重、技能点与技能点关系权重,通过删除或添加操作,构建出公司特色的岗位技能树;
学习评测数据获取模块,用于使用内容打点算法模型给视频和文章打上技能点,给每个技能点构建出一批学习内容,试题生成模型利用文章生成试题及其答案;试题爬虫获取互联网上海量试题内容及其答案,然后使用试题打点算法模型给每个试题打上技能点;根据试题生成模型利用文章生成试题及其答案及使用试题打点算法模型给每个试题打上技能点的技能点,给每个技能点构建出一批测评内容;
岗位技能树构建模块,用于根据公司各岗位特点,在岗位技能图谱基础上,通过增删改得到具有该公司特色的岗位技能树;
待学习程度值调整模块,用于在初始时,给每个技能点的待学习程度值设为1,然后,根据每个技能点的测试结果,进行及时动态反向调整该技能点的待学习程度值;
筛选模块,用于根据所述岗位技能树,获取该技能点集合中各个技能点对应的学习和评测数据,然后对岗位的学习和评测数据进行筛选;
第二获取模块,用于根据所述岗位技能树上的待学习程度值,获取对应比例的培训学习和评测内容;
测试模块,用于根据独立学习内容进行学习并通过自动评价系统中的评测内容进行测试。
在本发明的一些实施例中,上述包括:用于存储计算机指令的至少一个存储器;与上述存储器通讯的至少一个处理器,其中当上述至少一个处理器执行上述计算机指令时,上述至少一个处理器使上述系统执行:构建岗位技能图谱模块、第一获取模块、学习评测数据获取模块、岗位技能树构建模块、待学习程度值调整模块、筛选模块、第二获取模块及测试模块。
第三方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如一种基于知识图谱的智能化学习评测方法中任一项的方法。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:
将学习培训和评测系统与互联网上海量学习数据整合起来,形成适用于各个行业中各个岗位简单易用的智能化学习培训和评测系统。
通过整合修正技术点名称,提高了该岗位技能图谱的标准化,更有利于它的广泛使用和后续的维护。通过爬虫系统,爬取互联网上海量的内容,减少了构建学习或评测内容的人工成本,且能够获取各个行业各个岗位的数据,提高了该系统应用的广泛性。可以将技能点与培训学习内容建立映射关系,方便直接根据技能点获取其对应的培训数据。可以将技能点与测评数据建立映射关系,方便直接根据技能点获取其对应的测评数据。可以自动化生成评测试题,可以丰富题库,提高评测试题的多样性。通过定制个性化岗位技能图谱,满足不同公司对不同岗位的不同技术要求,使得不同公司的不同员工的技能更加符合公司的实际需求。通过给岗位技能树设置待学习程度值,通过根据评测结果动态调整待学习程度值,进而动态调整给该学员推荐的学习内容,使得学员更加有针对性的结合公司需求和自身能力欠缺情况进行学习,提高学习产出比。可以自动化快速检测学员对各个技能的掌握情况,进而及时调整学员的待学习程度值,还可以从不同角度不同维度更加全面的评测学员对各个试题的回答质量。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术学员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的一种基于知识图谱的智能化学习评测方法步骤示意图;
图2为本发明实施例提供的每个技能点的学习内容和测评内容构建流程示意图;
图3为本发明实施例提供的岗位技能图谱构建流程示意图;
图4为本发明实施例提供的一种基于知识图谱的智能化学习评测系统模块示意图;
图5为本发明实施例提供的一种电子设备。
图标:10-构建岗位技能图谱模块;20-第一获取模块;30-学习评测数据获取模块;40-岗位技能树构建模块;50-待学习程度值调整模块;60-筛选模块;70-第二获取模块;80-测试模块。;101-存储器;102-处理器;103-通信接口。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术学员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
需要说明的是,术语“包括”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的各个实施例及实施例中的各个特征可以相互组合。
实施例1
请参阅图1,图1为本发明实施例提供的一种基于知识图谱的智能化学习评测方法步骤示意图,其如下所示:
步骤S100,构建岗位技能图谱,根据所述岗位技能图谱,获取当前岗位初始的技能点集合,根据公司岗位特点,通过删除或添加操作,构建出公司特点的岗位技能树;
在一些实施方式中,通过爬虫系统爬取招聘网站的JD,通过NER模型提取JD技能实体,最后通过数据处理自动化产生技能关系数据,岗位技能关系数据;
其中,爬虫系统通过模拟请求招聘网站(如:拉钩、智联、Boss直聘),获取各个公司发布的岗位需求信息;NER模型使用处理上述岗位需求信息,提取出其中的技能点,如:linux、spring、shell编程;
将上述各个岗位名,映射为人工编写的标准化岗位名
将上述各个提取的技能点,映射为人工编写的标准化技能点;
根据上述各个岗位的岗位需求信息中的技能点,根据岗位和技能点共现数量,得到各个岗位与各个技能点的关系值;
根据上述各个岗位的岗位需求信息中的技能点,根据技能点和技能点共现数量,得到各个技能点之间的关系值。
步骤S110,根据所述岗位技能树,给每个学员的每个技能初始化一个待学习程度值;
在一些实施方式中,获取培训学习内容数据:通过爬虫,爬取互联网上海量学习内容,包括文章、视频、图片,分别利用文章打点算法模型、视频打点算法模型、图片打点算法模型,给每条内容打上技能点,形成每个技能点与学习内容数据的一对多映射;
获取评测内容数据:通过爬虫,爬取互联网上海量测试题及其答案数据;使用文章试题生成模型,直接根据传入的文章内容生成测试题及其答案;利用试题打点算法模型,给每条测试题打上技能点,形成每个技能点与试题数据的一对多映射;
快速定制个性化岗位技能图谱:获取当前岗位初始的技能点集合,根据岗位与技能点关系权重,技能点与技能点关系权重,通过删除或添加操作,快速构建出具体该公司特色的该岗位技能树。
步骤S120,根据所述岗位技能树,获取该技能点集合中各个技能点对应的学习和评测数据,形成该岗位的学习内容和评测内容;
步骤S130,根据所述岗位技能树上的待学习程度值,从所述学习内容中获取对应比例的内容,形成独立学习内容;
步骤S140,根据独立学习内容进行学习并通过自动评价系统中的所述评测内容进行测试,得到评测结果;
步骤S150,根据所述评测结果,调整所述岗位技能树中各技能点的待学习程度值。
在一些实施方式中,根据岗位技能树上的待学习程度值,获取对应比例的培训学习和评测内容,具体方法为:将该岗位技能树中的各个技能点的待学习程度值累加和,然后计算各个技能点的待学习程度值与该累加和的比值,进而确定培训学习数据和评测内容中,各个技能点的内容数量的占比。
步骤S150,根据独立学习内容进行学习并通过自动评价系统中的评测内容进行测试;
在一些实施方式中,学员对上述培训学习内容进行学习;通过自动评价系统,使用该岗位的评测内容对学员进行测试,两种测试方式:
方式一:笔试,根据上述测试内容,随机组合形成试卷题目,学员填写答案,然后计算比较学员写入的答案和标准答案之间的相似度,进而进行打分。
方式二:面试,以交互语音助手的方式,语音助手逐一朗读试卷题目,然后用户进行口述回答,系统通过麦克风和摄像头,获取到用户语音和面部图像,通过分析语言的速度、面部情绪、主要知识点包含数量、与标准答案共现词比例等不同的维度,综合对学员对该题目的回答效果进行打分。
面试和笔试时的打分逻辑:获取员工的独立测评内容,随机组合成一套试卷;笔试:人员输入答案,然后计算比较人员写入的答案和标准答案之间的文本语义相似度,主要知识点包含数量,jaccard相似度,综合进行打分。
以交互语音助手的方式,语音助手逐一朗读试卷题目,然后用户进行口述回答,系统通过麦克风和摄像头,获取到用户语音和面部图像,通过分析语言的速度、面部情绪、主要知识点包含数量、与标准答案共现词比例等不同的维度,综合对人员对该题目的回答效果进行打分。
步骤S160,根据学员对各技能点的掌握程度,调整岗位技能树中各技能点的待学习程度。
在一些实施方式中,根据该学员对各个技能点的掌握程度,调整该岗位的岗位技能树中各个技能点的待学习程度,然后循环重复步骤S140-S160。
实施例2
请参阅图2,图2为本发明实施例提供的岗位技能图谱构建流程示意图,其如下所示:
简历爬虫获取互联网上各岗位的职位描述文本,然后通过NER模型提取出职位描述文本中的技能点,将技能点映射为标准化技能点,岗位映射为标准化岗位,计算出岗位与技能点的关系、技能点与技能点的关系,最后构建出岗位技能图谱。
请参阅图3,图3为本发明实施例提供的每个技能点的学习内容和测评内容构建流程示意图;
内容爬虫获取互联网上海量学习内容,然后使用内容打点算法模型给视频和文章打上技能点,给每个技能点构建出一批学习内容,试题生成模型利用文章生成试题及其答案;
试题爬虫获取互联网上海量试题内容及其答案,然后使用试题打点算法模型给每个试题打上技能点;
根据试题生成模型利用文章生成试题及其答案及使用试题打点算法模型给每个试题打上技能点的技能点,给每个技能点构建出一批测评内容。
某公司使用该系统的流程步骤说明:
1.利用岗位技能图谱,构建出各岗位的岗位技能树,并分发给该岗位下的各学员;
2.根据各学员的岗位技能树中各技能点的待学习程度值,获取该学员的各技能点的学习内容;
3.使用各技能点的测试内容对各学员的岗位技能树中的各技能点进行测试;
4.根据各学员的测试结果,调整其岗位技能树中各技能点的待学习程度值。
岗位技能图谱的构建步骤说明:图2为本发明实施例提供的岗位技能图谱构建流程示意图。
学习评测数据的构建步骤说明:图3为本发明实施例提供的每个技能点的学习内容和测评内容构建流程示意图。
实施例3
请参阅图4,图4为本发明实施例提供的一种基于知识图谱的智能化学习评测系统模块示意图,其如下所示:
构建岗位技能图谱模块10,用于构建岗位技能图谱;
第一获取模块20,用于获取培训学习内容数据、评测内容数据及当前岗位初始的技能点集合,根据岗位与技能点关系权重、技能点与技能点关系权重,通过删除或添加操作,构建出公司特色的岗位技能树;
学习评测数据获取模块30,用于使用内容打点算法模型给视频和文章打上技能点,给每个技能点构建出一批学习内容,试题生成模型利用文章生成试题及其答案;试题爬虫获取互联网上海量试题内容及其答案,然后使用试题打点算法模型给每个试题打上技能点;根据试题生成模型利用文章生成试题及其答案及使用试题打点算法模型给每个试题打上技能点的技能点,给每个技能点构建出一批测评内容;
岗位技能树构建模块40,用于根据公司各岗位特点,在岗位技能图谱基础上,通过增删改得到具有该公司特色的岗位技能树;
待学习程度值调整模块50,用于在初始时,给每个技能点的待学习程度值设为1,然后,根据每个技能点的测试结果,进行及时动态反向调整该技能点的待学习程度值;
筛选模块60,用于根据所述岗位技能树,获取该技能点集合中各个技能点对应的学习和评测数据,然后对岗位的学习和评测数据进行筛选;
第二获取模块70,用于根据所述岗位技能树上的待学习程度值,获取对应比例的培训学习和评测内容;
测试模块80,用于根据独立学习内容进行学习并通过自动评价系统中的评测内容进行测试。
如图5所示,本申请实施例提供一种电子设备,其包括存储器101,用于存储一个或多个程序;处理器102。当一个或多个程序被处理器102执行时,实现如上述第一方面中任一项的方法。
还包括通信接口103,该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块,处理器102通过执行存储在存储器101内的软件程序及模块,从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。
其中,存储器101可以是但不限于,随机存取存储器101(Random Access Memory,RAM),只读存储器101(Read Only Memory,ROM),可编程只读存储器101(ProgrammableRead-Only Memory,PROM),可擦除只读存储器101(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器101(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。
处理器102可以是一种集成电路芯片,具有信号处理能力。该处理器102可以是通用处理器102,包括中央处理器102(Central Processing Unit,CPU)、网络处理器102(Network Processor,NP)等;还可以是数字信号处理器102(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请所提供的实施例中,应该理解到,所揭露的方法及系统和方法,也可以通过其它的方式实现。以上所描述的方法及系统实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的方法及系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
另一方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器102执行时实现如上述第一方面中任一项的方法。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器101(ROM,Read-Only Memory)、随机存取存储器101(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述,本申请实施例提供的一种基于知识图谱的智能化学习评测方法及系统,通过整合修正技术点名称,提高了该岗位技能图谱的标准化,更有利于它的广泛使用和后续的维护。通过爬虫系统,爬取互联网上海量的内容,减少了构建学习或评测内容的人工成本,且能够获取各个行业各个岗位的数据,提高了该系统应用的广泛性。可以将技能点与培训学习内容建立映射关系,方便直接根据技能点获取其对应的培训数据。可以将技能点与测评数据建立映射关系,方便直接根据技能点获取其对应的测评数据。可以自动化生成评测试题,可以丰富题库,提高评测试题的多样性。通过定制个性化岗位技能图谱,满足不同公司对不同岗位的不同技术要求,使得不同公司的不同员工的技能更加符合公司的实际需求。通过给岗位技能树设置待学习程度值,通过根据评测结果动态调整待学习程度值,进而动态调整给该学员推荐的学习内容,使得学员更加有针对性的结合公司需求和自身能力欠缺情况进行学习,提高学习产出比。可以自动化快速检测学员对各个技能的掌握情况,进而及时调整学员的待学习程度值,还可以从不同角度不同维度更加全面的评测学员对各个试题的回答质量。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术学员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
对于本领域技术学员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其它的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种基于知识图谱的智能化学习评测方法,其特征在于,包括:
构建岗位技能图谱,根据所述岗位技能图谱,获取当前岗位初始的技能点集合,根据公司岗位特点,通过删除或添加操作,构建出公司特点的岗位技能树;
根据所述岗位技能树,给每个学员的每个技能初始化一个待学习程度值;
根据所述岗位技能树,获取该技能点集合中各个技能点对应的学习和评测数据,形成该岗位的学习内容和评测内容;
根据所述岗位技能树上的待学习程度值,从所述学习内容中获取对应比例的内容,形成独立学习内容;
根据独立学习内容进行学习并通过自动评价系统中的所述评测内容进行测试,得到评测结果;
根据所述评测结果,调整所述岗位技能树中各技能点的待学习程度值。
2.如权利要求1所述的一种基于知识图谱的智能化学习评测方法,其特征在于,所述构建岗位技能图谱,根据所述岗位技能图谱,获取当前岗位初始的技能点集合,根据公司岗位特点,通过删除或添加操作,构建出公司特点的岗位技能树包括:
通过爬虫系统爬取招聘网站的JD,通过NER模型提取JD技能实体,最后通过数据处理自动化产生技能关系数据,岗位技能关系数据,NER模型使用处理岗位需求信息,提取出其中的技能点。
3.如权利要求2所述的一种基于知识图谱的智能化学习评测方法,其特征在于,还包括:
将各岗位名映射为标准化岗位名,将提取的技能点映射为标准化技能点,根据各岗位的岗位需求信息中的技能点及岗位和技能点共现数量,得到各岗位与各技能点的关系值;
根据各岗位的岗位需求信息中的技能点及技能点和技能点共现数量,得到各个技能点之间的关系值。
4.如权利要求1所述的一种基于知识图谱的智能化学习评测方法,其特征在于,所述根据所述岗位技能树,给每个学员的每个技能初始化一个待学习程度值包括:
通过爬虫爬取互联网上的学习内容,包括文章、视频、图片,分别利用文章打点算法模型、视频打点算法模型、图片打点算法模型,给每条内容打上技能点,形成每个技能点与学习内容数据的一对多映射。
5.如权利要求4所述的一种基于知识图谱的智能化学习评测方法,其特征在于,还包括:
通过爬虫爬取互联网上测试题及其答案数据,使用文章试题生成模型,直接根据传入的文章内容生成测试题及其答案,利用试题打点算法模型,给每条测试题打上技能点,形成每个技能点与试题数据的一对多映射。
6.如权利要求1所述的一种基于知识图谱的智能化学习评测方法,其特征在于,所述根据所述岗位技能树上的待学习程度值,从所述学习内容中获取对应比例的内容,形成独立学习内容包括:
将岗位技能树中各技能点的待学习程度值累加和,然后计算各技能点的待学习程度值与该累加和的比值,进而确定培训学习数据和评测内容中,各技能点的内容数量的占比。
7.如权利要求1所述的一种基于知识图谱的智能化学习评测方法,其特征在于,所述根据独立学习内容进行学习并通过自动评价系统中的所述评测内容进行测试,得到评测结果包括:
根据评测内容,随机组合形成试卷题目,然后计算比较学员录入的答案和标准答案之间的相似度,按预设规则进行打分。
8.一种基于知识图谱的智能化学习评测系统,其特征在于,包括:
构建岗位技能图谱模块,用于构建岗位技能图谱;
第一获取模块,用于获取培训学习内容数据、评测内容数据及当前岗位初始的技能点集合,根据岗位与技能点关系权重、技能点与技能点关系权重,通过删除或添加操作,构建出公司特色的岗位技能树;
学习评测数据获取模块,用于使用内容打点算法模型给视频和文章打上技能点,给每个技能点构建出一批学习内容,试题生成模型利用文章生成试题及其答案;试题爬虫获取互联网上海量试题内容及其答案,然后使用试题打点算法模型给每个试题打上技能点;根据试题生成模型利用文章生成试题及其答案及使用试题打点算法模型给每个试题打上技能点的技能点,给每个技能点构建出一批测评内容;
岗位技能树构建模块,用于根据公司各岗位特点,在岗位技能图谱基础上,通过增删改得到具有该公司特色的岗位技能树;
待学习程度值调整模块,用于在初始时,给每个技能点的待学习程度值设为1,然后,根据每个技能点的测试结果,进行及时动态反向调整该技能点的待学习程度值;
筛选模块,用于根据所述岗位技能树,获取该技能点集合中各个技能点对应的学习和评测数据,然后对岗位的学习和评测数据进行筛选;
第二获取模块,用于根据所述岗位技能树上的待学习程度值,获取对应比例的培训学习和评测内容;
测试模块,用于根据独立学习内容进行学习并通过自动评价系统中的评测内容进行测试。
9.如权利要求8所述的一种基于知识图谱的智能化学习评测系统,其特征在于,包括:
用于存储计算机指令的至少一个存储器;
与所述存储器通讯的至少一个处理器,其中当所述至少一个处理器执行所述计算机指令时,所述至少一个处理器使所述系统执行:构建岗位技能图谱模块、第一获取模块、初始化待学习程度值模块、筛选模块、第二获取模块、测试模块及调整模块。
10.一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,该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111242177.9A CN113888021A (zh) | 2021-10-25 | 2021-10-25 | 一种基于知识图谱的智能化学习评测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111242177.9A CN113888021A (zh) | 2021-10-25 | 2021-10-25 | 一种基于知识图谱的智能化学习评测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113888021A true CN113888021A (zh) | 2022-01-04 |
Family
ID=79013913
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111242177.9A Withdrawn CN113888021A (zh) | 2021-10-25 | 2021-10-25 | 一种基于知识图谱的智能化学习评测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113888021A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115455200A (zh) * | 2022-09-13 | 2022-12-09 | 九江职业技术学院 | 一种用于专业大类的技能测试技能树构建方法及系统 |
-
2021
- 2021-10-25 CN CN202111242177.9A patent/CN113888021A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115455200A (zh) * | 2022-09-13 | 2022-12-09 | 九江职业技术学院 | 一种用于专业大类的技能测试技能树构建方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shih et al. | An investigation of attitudes of students and teachers about participating in a context‐aware ubiquitous learning activity | |
US9640085B2 (en) | System and method for automated content generation for enhancing learning, creativity, insights, and assessments | |
WO2013096421A1 (en) | Generating and evaluating learning activities for an educational environment | |
Wahyono et al. | Development of a Personalized Virtual Laboratory Using Artificial Intelligent | |
CN110795917A (zh) | 个性化讲义生成方法、系统及电子设备、存储介质 | |
Kwon et al. | A study on the design and effect of computational thinking and software education | |
CN112101231A (zh) | 学习行为的监控方法、终端、小程序以及服务器 | |
Kusumawardani et al. | Using ontology for providing content recommendation based on learning styles inside e-learning | |
Rogayan Jr et al. | 21st-century skills of social studies students: Basis for a proposed training program | |
Dangi et al. | Interaction Effects of Situational Context on the Acceptance Behaviour and the Conscientiousness Trait towards Intention to Adopt | |
Crompton | Using context-aware ubiquitous learning to support students' understanding of geometry | |
CN113888021A (zh) | 一种基于知识图谱的智能化学习评测方法及系统 | |
Kehoe | Leveraging Generative AI Tools for Enhanced Lesson Planning in Initial Teacher Education at Post Primary | |
Gumbo | University of South Africa Supervisors' Knowledge of Technological Tools and ICTs for Postgraduate Supervision. | |
Apriwandi et al. | Implementation of Character Education Management in Junior High School 1 Praya | |
CN110853432A (zh) | 一种高职院校移动学习平台 | |
Lloyd et al. | Mind mapping as an interactive tool for engaging complex geographical issues | |
Atallah et al. | Recommender model for messaging system at MOODLE | |
Razek et al. | Adaptive course for mobile learning | |
KR20220123168A (ko) | 수학문항의 단원과 난이도를 자동으로 분류하는 방법 | |
CN112528790A (zh) | 基于行为识别的教学管理方法、装置及服务器 | |
Liu et al. | A FAQ-based e-learning environment to support Japanese language learning | |
Amini | Student Readiness to Accomplish Practical Assignments in Online Learning | |
Yamin et al. | Assessing Student ICT Knowledge Through Survey and Hands-On Task | |
Woźniak-Zapór et al. | Distribution of small batches of knowledge—knowledge pills as tools supporting knowledge management in the opinion of recipients |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220104 |
|
WW01 | Invention patent application withdrawn after publication |