CN113935712A - 一种人才精准招聘匹配系统及方法 - Google Patents
一种人才精准招聘匹配系统及方法 Download PDFInfo
- Publication number
- CN113935712A CN113935712A CN202111222529.4A CN202111222529A CN113935712A CN 113935712 A CN113935712 A CN 113935712A CN 202111222529 A CN202111222529 A CN 202111222529A CN 113935712 A CN113935712 A CN 113935712A
- Authority
- CN
- China
- Prior art keywords
- model
- target
- competence
- matching
- module
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种人才精准招聘匹配系统及方法,涉及招聘管理技术领域。该系统包括模型数据库模块,用于建立企业端岗位胜任力模型数据库,并录入建模流程和标准数据;胜任力模块,用于建立目标企业端岗位胜任力模型;素质测评模块,用于获取人员素质和能力信息;素质模型模块,用于进行语言转换并建立目标人才综合素质模型;目标匹配模块,用于通过目标企业端岗位胜任力模型和目标人才综合素质模型进行自动人岗匹配分析;自动推送模块,用于向目标企业和目标求职人员推送匹配结果。本发明通过科学的建模、征信及测评方法相结合,增强岗位胜任力分析、建模、人才素质评估、人岗匹配的客观性,实现人岗精准匹配,提高人才招聘效率。
Description
技术领域
本发明涉及招聘管理技术领域,具体而言,涉及一种人才精准招聘匹配系统及方法。
背景技术
目前在企业端普遍存在“知道自己想要怎样的人才,而不清楚自己该用怎样的人才”,求职者端普遍存在“知道自己想要从事怎样的工作,而不清楚自己适合从事怎样的工作”。这两种现象共同致使“选才与就业”从一开始就埋下了“理想与实际”的差异,从而导致后续的人岗不匹配、人岗难匹配等系列问题的产生,人岗不匹配也造成了大量的企业时间、精力、成本及人才资源的耗损,组织团队组建效能的降低。要解决这类问题,就需要从根本上解决“人岗精准匹配”。
针对“人岗精准匹配”,目前市场现有以下几种解决方式:给求职者打上各类“职业标签”;提升岗位描述的精准度;素质测评+多轮面试;AI+简历分析+打标签等。以上几种方式均可部分提升招聘的匹配度,但均存在侧重从企业端出发,“主观判断及信息真实有效性”两方面比较大的漏洞,没有很好的从根本解决“岗位要求的客观、准确性,个人信息、能力素质的客观、准确性”的问题,缺乏企业与人才双方评判的相对客观,缺乏相对客观、标准及有效度的把控。
发明内容
为了克服上述问题或者至少部分地解决上述问题,本发明实施例提供一种人才精准招聘匹配系统及方法,基于多个模型的匹配分析,可实现人岗的精准匹配,提高人才招聘效率。
本发明的实施例是这样实现的:
第一方面,本发明实施例提供一种人才精准招聘匹配系统,包括模型数据库模块、胜任力模块、素质测评模块、素质模型模块、目标匹配模块以及自动推送模块,其中:
模型数据库模块,用于建立企业端岗位胜任力模型数据库,并录入建模流程和标准数据;
胜任力模块,用于获取并根据目标企业信息提取企业端岗位胜任力模型数据库中的模型,并根据建模流程和标准数据建立目标企业端岗位胜任力模型;
素质测评模块,用于通过关联基本征信信息识别系统及预置的测评工具获取人员素质和能力信息;
素质模型模块,用于获取并根据目标企业端岗位胜任力模型中的语言将人员素质和能力信息进行语言转换并建立目标人才综合素质模型;
目标匹配模块,用于目标企业端岗位胜任力模型和目标人才综合素质模型建立完成后,通过目标企业端岗位胜任力模型和目标人才综合素质模型进行自动人岗匹配分析,生成匹配分析结果;
自动推送模块,用于基于建立的目标企业端岗位胜任力模型及预置周期内有求职意向的人才进行自动匹配,生成匹配结果,并自动的向目标企业和目标求职人员推送匹配结果,完成双向推荐。
为了解决现有技术中无法进行人岗精准匹配,无法满足岗位要求的客观、准确性,个人信息、能力素质的客观、准确性的技术问题,本发明用科学的方法去避免这种或者是最大限度的去降低这种主观性所造成的偏差,使得对于岗位的描述和对于人员能力的评估更加的客观,将胜任力模型通过四个板块、一百零七个维度、各维度分1-4级能力定义的方式建立胜任力模型库以及在系统里面建立一套胜任力模型的建模的流程和标准。无需更多的专业知识即可实现目标性的建模,满足企业端胜任力分析需求。然后建立人才综合素质模型,通过人才自主填写少量关键信息,然后将人才自主填写的信息与关联征信信息识别系统进行对接核验,并且结合预置的测评工具获取一些隐藏与冰山之下的人员素质和能力信息,保证人员情况的客观的掌握;基于胜任力模型中四个板块、一百零七个维度的描述语言,为了保证双模型匹配的精准度,将人员素质和能力信息进行语言转换,将语言描述与胜任力模型的语言描述保持一致,进而建立一个目标人才综合素质模型,用于精准客观全面的进行人员素质评估,通过岗位胜任力模型和人才综合素质模型两个模型相结合,全面客观准确的对企业和个人进行综合分析,进而进行精准的人才和岗位的匹配,提高人才招聘的适合度,提高人才招聘的效率。同时根据匹配的结果自动进行双方信息推送,不必企业再筛选人才,也无需候选者筛选职位,有效的减少招聘求职中企业和求职者的工作,提高效率,有效节省招聘和求职双方的时间以及精力。
基于第一方面,在本发明的一些实施例中,上述模型数据库模块包括建立子模块,用于基于预置的胜任力模型按照多个板块及多个维度的方式建立企业端岗位胜任力模型数据库。
基于第一方面,在本发明的一些实施例中,该人才精准招聘匹配系统还包括内部匹配模块,用于获取并导入目标企业内部人员信息至目标企业端岗位胜任力模型和目标人才综合素质模型中,生成企业内部胜任度情况信息。
基于第一方面,在本发明的一些实施例中,该人才精准招聘匹配系统还包括意向确认模块、面试建立模块以及面试成果模块,其中:
意向确认模块,用于获取并推送目标求职人员的意向确认信息给对应的目标企业;
面试建立模块,用于获取并发送目标企业的面试邀请数据给对应的目标求职人员,建立面试意向通道;
面试成果模块,用于基于面试意向通道获取面试数据,完成人才招聘。
第二方面,本发明实施例提供一种人才精准招聘匹配方法,包括以下步骤:
建立企业端岗位胜任力模型数据库,并录入建模流程和标准数据;
获取并根据目标企业信息提取企业端岗位胜任力模型数据库中的模型,并根据建模流程和标准数据建立目标企业端岗位胜任力模型;
通过关联基本征信信息识别系统及预置的测评工具获取人员素质和能力信息;
获取并根据目标企业端岗位胜任力模型中的语言将人员素质和能力信息进行语言转换并建立目标人才综合素质模型;
目标企业端岗位胜任力模型和目标人才综合素质模型建立完成后,通过目标企业端岗位胜任力模型和目标人才综合素质模型进行自动人岗匹配分析,生成匹配分析结果;
基于建立的目标企业端岗位胜任力模型及预置周期内有求职意向的人才进行自动匹配,生成匹配结果,并自动的向目标企业和目标求职人员推送匹配结果,完成双向推荐。
为了解决现有技术中无法进行人岗精准匹配,无法满足岗位要求的客观、准确性,个人信息、能力素质的客观、准确性的技术问题,本发明用科学的方法去避免这种或者是最大限度的去降低这种主观性所造成的偏差,使得对于岗位的描述和对于人员能力的评估更加的客观,将胜任力模型通过四个板块、一百零七个维度、各维度分1-4级能力定义的方式建立胜任力模型库以及在系统里面建立一套胜任力模型的建模的流程和标准。摆脱对建模专家团队的依赖性,无需丰富的专业建模经验即可按照系统流程提示,比对选择合适的建模内容,轻松实现目标性的建模,满足企业端胜任力分析客观需求。然后建立人才综合素质模型,通过人才自主填写少量关键信息与关联征信信息识别系统核验,结合预置的测评工具获取一些隐藏与冰山之下的人员素质和能力信息,保证人员情况的客观的掌握,基于胜任力模型中的语言,为了保证双模型匹配的精准度,将人员素质和能力信息进行语言转换,将语言描述与胜任力模型的语言描述保持一致,进而建立一个目标人才综合素质模型,用于精准客观全面的进行人员素质评估,通过岗位胜任力模型和人才综合素质模型两个模型相结合,全面客观准确的对企业和个人进行综合分析,进而进行精准的人才和岗位的匹配,提高人才招聘的适合度,提高人才招聘的效率。同时根据匹配的结果自动进行双方信息推送,不必企业再筛选人才,也无需候选者筛选职位,有效的减少招聘求职中企业和求职者的工作,提高效率。
基于第二方面,在本发明的一些实施例中,上述建立企业端岗位胜任力模型数据库的方法包括以下步骤:
基于预置的胜任力模型按照多个板块及多个维度的方式建立企业端岗位胜任力模型数据库。
基于第二方面,在本发明的一些实施例中,该人才精准招聘匹配方法还包括以下步骤:
获取并导入目标企业内部人员信息至目标企业端岗位胜任力模型和目标人才综合素质模型中,生成企业内部胜任度情况信息。
基于第二方面,在本发明的一些实施例中,该人才精准招聘匹配方法还包括以下步骤:
获取并推送目标求职人员的意向确认信息给对应的目标企业;
获取并发送目标企业的面试邀请数据给对应的目标求职人员,建立面试意向通道;
基于面试意向通道获取面试数据,完成人才招聘。
第三方面,本申请实施例提供一种电子设备,其包括存储器,用于存储一个或多个程序;处理器。当一个或多个程序被处理器执行时,实现如上述第二方面中任一项的方法。
第四方面,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上述第二方面中任一项的方法。
本发明实施例至少具有如下优点或有益效果:
本发明实施例提供一种人才精准招聘匹配系统及方法,解决了现有技术中无法进行人岗精准匹配,无法满足岗位要求的客观、准确性,个人信息、能力素质的客观、准确性的技术问题,本发明基于岗位胜任力模型和人才综合素质模型两个模型相结合,将胜任力模型通过四个板块、一百零七个维度、各维度分1-4级能力定义的方式建立胜任力模型库以及在系统里面建立一套胜任力模型的建模的流程和标准,全面客观准确的对企业和个人进行综合分析,进而进行精准的人才和岗位的匹配,提高人才招聘的适合度,提高人才招聘的效率;不必企业再筛选人员,也无需候选者筛选职位,有效的减少招聘求职中企业和求职者的工作,提高效率。
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获得其他相关的附图。
图1为本发明实施例一种人才精准招聘匹配系统的原理框图;
图2为本发明实施例岗位胜任力雷达图;
图3为本发明实施例行业同类岗位胜任力参照图;
图4为本发明实施例素质模型示意图;
图5为本发明实施例一种人才精准招聘匹配方法的流程图;
图6为本发明实施例提供的一种电子设备的结构框图;
图7为本发明实施例模型数据库示意图。
图标:100、模型数据库模块;200、胜任力模块;300、素质测评模块;400、素质模型模块;500、目标匹配模块;600、自动推送模块;101、存储器;102、处理器;103、通信接口。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明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发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人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,都属于本发明保护的范围。
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,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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。
实施例
如图1-图4所示,第一方面,本发明实施例提供一种人才精准招聘匹配系统,包括模型数据库模块100、胜任力模块200、素质测评模块300、素质模型模块400、目标匹配模块500以及自动推送模块600,其中:
模型数据库模块100,用于建立企业端岗位胜任力模型数据库,并录入建模流程和标准数据;
胜任力模块200,用于获取并根据目标企业信息提取企业端岗位胜任力模型数据库中的模型,并根据建模流程和标准数据建立目标企业端岗位胜任力模型;
素质测评模块300,用于通过关联基本征信信息识别系统及预置的测评工具获取人员素质和能力信息;
在本发明的一些实施例中,可以通过测评工具获取人员素质和能力信息,了解目标人员从学生到社会等不同阶段不同经历的情况,针对不同的经历用不同的测评工具进行获取测评,提高测评的精准性;还可以通过人为的去选填一些信息,然后通过对接外部基本征信信息识别系统直接在系统里面是进行比对验证,进而获取到真实的人员信息,保证人为选填的信息100%的真实性。
素质模型模块400,用于获取并根据目标企业端岗位胜任力模型中的语言将人员素质和能力信息进行语言转换并建立目标人才综合素质模型;
在本发明的一些实施例中,根据人员素质和能力信息进行人才素质划分,根据目标企业端岗位胜任力模型中划分的4个模块、107个维度、各维度分1-4级能力定义以建立一个多维度多细致指标的人才综合素质模型,同时,基于上述4个模块及107个维度选择的能力内容建立的人才综合素质模型可以直接和目标企业端岗位胜任力模型进行语言匹配,提高其匹配的精准度,同时提高匹配效率。
目标匹配模块500,用于目标企业端岗位胜任力模型和目标人才综合素质模型建立完成后,通过目标企业端岗位胜任力模型和目标人才综合素质模型进行自动人岗匹配分析,生成匹配分析结果;
自动推送模块600,用于基于建立的目标企业端岗位胜任力模型及预置周期内有求职意向的人才进行自动匹配,生成匹配结果,并自动的向目标企业和目标求职人员推送匹配结果,完成双向推荐。通过自动推送模块600取代企业端与求职者主动搜索的功能,按照企业建立的岗位胜任力模型及近期有求职意向的人才自动匹配,并双向推荐。
为了解决现有技术中无法进行人岗精准匹配,无法满足岗位要求的客观、准确性,个人信息、能力素质的客观、准确性的技术问题,本发明用科学的方法去避免或者是最大限度的去降低主观性所造成的偏差,使得对于岗位的描述和对于人员能力的评估更加的客观,将胜任力模型通过四个板块、一百零七个维度、各维度分1-4级能力定义的方式建立胜任力模型库以及在系统里面建立一套胜任力模型的建模的流程和标准。摆脱对建模专家团队的依赖性,无需丰富的专业建模经验即可按照系统流程提示,比对选择合适的建模内容,轻松实现目标性的建模,满足企业端胜任力分析客观需求。然后建立人才综合素质模型,通过人才自主填写少量关键信息,然后将人才自主填写的信息与关联征信信息识别系统进行对接核验,并且结合预置的测评工具获取一些隐藏与冰山之下的人员素质和能力信息,保证人员情况的客观的掌握;基于胜任力模型中四个板块、一百零七个维度的描述语言,为了保证双模型匹配的精准度,将人员素质和能力信息进行语言转换,将语言描述与胜任力模型的语言描述保持一致,进而建立一个目标综合素质模型,用于精准客观全面的进行人员素质评估,通过岗位胜任力模型和综合素质模型两个模型相结合,全面客观准确的对企业和个人进行综合分析,进而进行精准的人才和岗位的匹配,提高人才招聘的适合度,提高人才招聘的效率。同时根据匹配的结果自动进行信息推送,不必企业再筛选人才,也无需候选者筛选职位,有效的减少招聘求职中企业和求职者的工作,提高效率,有效节省招聘和求职双方的时间以及精力。
为了解决现有技术中无法进行人岗精准匹配,无法满足岗位要求的客观、准确性,个人信息、能力素质的客观、准确性的技术问题,本发明基于岗位胜任力模型和人才综合素质模型两个模型相结合,通过4个模块及107个系列进行详细清楚的提示,可以提示用户可以描述什么能力,帮助用户建立针对性的准确的人才综合素质模型,全面客观准确的对企业和个人进行综合分析,进而进行精准的人才和岗位的匹配,提高人才招聘的适合度,提高人才招聘的效率;不必企业再筛选人员,也无需候选者筛选职位,有效的减少招聘求职中企业和求职者的工作,提高效率。本系统保证了岗位客观性和人才客观性,通过设定的岗位胜任力模型和人才综合素质模型可以帮助用户清楚直观的了解到想做什么、该做什么以及其能做什么;通过人才综合素质模型自动生成个人的优劣势,帮助个人选择合适的求职意向,进而可以适配出更精准的岗位。为了进一步保证推荐匹配的精准性,实时的对人才信息进行更新,随着个人经历和时间的变化不断的更新对应人才的人才综合素质模型,动态更新人才素质变化,进而保证对人才评价的客观性。通过大数据选取可以清晰直观的反映出同行业的选择,同行业模型的差异,进一步帮助企业建立的岗位胜任力模型更加的客观,进而保证后续选才的精准。
模型建立完成后,获取并导入企业招聘需求和人员求职需求至岗位胜任力模型和人才综合素质模型中进行数据分析,包括对知识、素养、能力和自定义内容进行分析,生成胜任力分析报告和素质分析报告;知识分为专业知识和基础知识,可以通过建立简历兴趣爱好轨迹以及他人评价等方面获取;素质包括基础素质和核心素质,包括个性品德、个性特征、价值观等,可以通过测评、他人评价、问卷调研等方式获取;能力包括基本能力和核心能力,包括工作经验、行业经验、岗位经验或者其他综合能力,可以通过简历、他人评价、资质证书等方面进行评估;胜任力分析包括自我成长与发展、管理能力、管理事务以及管理他人四个方面的内容;上述素质分析报告包括社会型、艺术型、常规型、现实型等性格指向。依据上述胜任力分析报告和素质分析报告建立图岗位胜任力雷达图和素质模型示意图,如图2和图4所示。为了进一步提高胜任力分析的精准全面性,将胜任力纬度分析报告与预置的行业同类岗位胜任力参照数据进行对比,生成胜任力纬度差异分析报告。在通过胜任力模型分析时,可以设定知识、素养、能力和自定义内容各个不同方面的匹配度以及评价权重,然后根据设定的匹配度和评价权重最终得出一个精准的胜任力纬度分析报告。例如,可以设定选择基础知识方面匹配度至少为60%,评价权重为5%,专业知识方面匹配度至少为80%,评价权重为10%,基础素质匹配度至少为70%,评价权重为15%,核心素质匹配度至少为60%,评价权重为25%;基本能力匹配度至少为60%,评价权重为15%,核心能力匹配度至少为100%,评价权重为20%;自定义匹配度为100%,评价权重为10%;设定好各个参数的匹配度和评价权重后精准去和人才综合素质模型进行匹配选择,以选出符合岗位要求的人才,避免盲目筛选,提高人岗匹配效率以及精准度。匹配度的选择要求以及设定的评价权重,这样的人和岗位的权重设定更能够匹配出合适的人才,最终生成雷达图,通过雷达图直观清晰的反映出胜任力的各个层面的信息,包括自我成长与发展、管理他人、管理事务以及管理动力四个方面的能力,具体包括学习与探索动机、寻求与适用反馈、情感成熟度、人机、人际洞察、同理心、发挥他人、跨领域思考、概念性思维、适应变化情境、领导意思、追求成就、组织意识等。
结合胜任力分析报告和素质分析报告进行胜任力匹配分析,生成匹配度分析报告,结合两个模型多个维度数据进行精准匹配,以得到适合企业或者求职者的人才或者企业岗位,基于匹配得到的结果,获取并推送目标求职人员和/或目标企业给对应的企业和/或求职人员,企业或者求职者无需进行额外繁杂的筛选工作。
例如:
可以对用户进行提示性的选择,对用户的专业性要求不高,用户只需结合自己的理解和需求,然后根据提示在在胜任力数据库里的四个板块、一百零七个维度及各个维度对应的级别中选择合适的内容进而建立一个合适的模型,例如,用户需要具备团队管理能力、需要何种经验、何种学历等等需求,基于上述需求通过本系统建立的模型库提示用户选择合适的指标,每个指标都对应了具体详细的描述,且各个指标又通过不同级别进行了定义,进一步帮助用户选择准确的数据内容进行建模;如图7所示,包括胜任力板块、胜任力特征描述、行为指标,行为指标分为行为指标一级、行为指标二级、行为指标三级等,通过上述层层提示和筛选的方式可帮助用户简单方便的建立其对应的胜任力模型,并且通过相关的描述和选择性的提示内容,层层递进,促使建模用户不断的巩固验证其是否真正需要选择的人才。且除了上述一些客观性的选择,还预留了一个自主描述板块,用于用户自主填写一些主观内容进而建立起一个合理的模型。通过客观性的个性化选择和主观描述结合,大大提高了胜任力的客观性,改变了传统的全部用主观描述岗位的方式,通过本发明可实现70%-80%都是基于统一语言的方式进行客观选择,只有20%-30%需要用户自行补充描述,大大降低了因主观性描述导致的胜任力评述准确性低的技术问题,提高了客观性。
另外一个维度就是建立人才综合素质模型。对于一个人的能力的定义需要具备客观性,一般包括素质和能力,其存在显性和隐性,对于隐性的素质和能力,通过测评工具和方法去获取,进而保障其客观性。例如,基础学历、工作经验、年龄性别等可以通过求职者注册时填写的基础信息或者用户简历里面去抓取获得;而对于求职者的工作能力和工作经验等可能存在主观性的内容通过素质测评的方式去验证个人的能力,验证其潜在能力,进而避免存在主观性导致后续精准度不高的问题。通过上述方式,求职者只用填写非常少的一部分无可更改的信息即可,求职者填写的这部分信息可通过基本征信信息识别系统直接进行比对验证,保证信息100%的真实性,对于没有办法验证的内容通过测评工具进行验证,了解目标人员从学生到社会等不同阶段不同经历的情况,针对不同的经历用不同的测评工具进行获取测评,提高测评的精准性,进而完善整个模型来组成合适的个人综合素质模型。基于4个模块、107个维度、各维度分1-4级能力定义的方式保证岗位胜任力模型和人才综合素质模型适用一套语言,并且采用科学方式降低模型的主观性增强其客观性,同时无需用户储备过多的专业知识即可快速建立其一套合理的模型,实现建模标准简单化,进而实现人岗精准匹配。
岗位胜任力模型和人才综合素质模型建好后可实现自动推送,当企业建立完胜任力模型时,自动根据企业岗位胜任力模型给企业推荐岗位匹配度30%、50%、80%、90%或者100%的人才,企业可以根据自己的意向选择要先看看哪个匹配度的人才信息,企业还可以在其选择查看的人才里面进行再次筛选,对想要进行面试的人才进行打勾标记,此时后台就会自动推送该职位信息给对应的标记人才,求职者无需投递也可收到与自己的求职意向和能力素质很匹配的岗位的面试信息,求职者可以根据自己的需求选择应邀与否,进而提高了招聘的效率。本系统还可根据匹配度进行自动推送,根据用户历史查看信息进行同类型信息推送,减少了自行查找的繁琐度,若个人不想求职,则可以把求职和意向岗位关掉,此后则不会进行内容推送。
基于第一方面,在本发明的一些实施例中,上述模型数据库模块100包括建立子模块,用于基于预置的胜任力模型按照多个板块及多个维度的方式建立企业端岗位胜任力模型数据库。
基于第一方面,在本发明的一些实施例中,该人才精准招聘匹配系统还包括内部匹配模块,用于获取并导入目标企业内部人员信息至目标企业端岗位胜任力模型和目标人才综合素质模型中,生成企业内部胜任度情况信息。
基于第一方面,在本发明的一些实施例中,获取并导入企业招聘需求和人员求职需求至岗位胜任力模型和人才综合素质模型中,依据企业招聘需求和人员求职需求中的企业信息和求职人员的信息分别通过岗位胜任力模型和人才综合素质模型进行全面分析,对知识、素养、能力和自定义内容等几个维度的数据进行分析,提高分析的全面性和精准性。上述自定义内容可以求职意向、招聘要求、招聘意向等信息,求职人员或企业可以根据自己的需求进行自定义设置,以便提高匹配的适合度。
基于第一方面,在本发明的一些实施例中,该人才精准招聘匹配系统还包括意向确认模块、面试建立模块以及面试成果模块,其中:
意向确认模块,用于获取并推送目标求职人员的意向确认信息给对应的目标企业;
面试建立模块,用于获取并发送目标企业的面试邀请数据给对应的目标求职人员,建立面试意向通道;
面试成果模块,用于基于面试意向通道获取面试数据,完成人才招聘。
为了进一步对招聘进行完整的管理,进一步提高人才招聘效率,当匹配到合适的求职人员或者企业后,基于模型的比对,后台自动推动适合企业要求的候选人,自动推送适合求职者的岗位,企业后台批量精确邀请信息推送,当求职人员确认自己的意向后,通过意向确认模块获取并推送目标求职人员的意向确认信息给对应的目标企业,然后通过面试建立模块获取并发送目标企业的面试邀请数据给对应的目标求职人员,建立面试意向通道,面试结束后,通过面试成果模块基于面试意向通道获取面试数据,完成人才招聘;上述面试数据包括面试结果、面试评价、入职邀请等信息。
如图5所示,第二方面,本发明实施例提供一种人才精准招聘匹配方法,包括以下步骤:
S1、建立企业端岗位胜任力模型数据库,并录入建模流程和标准数据;
进一步地,基于预置的胜任力模型按照多个板块及多个维度的方式建立企业端岗位胜任力模型数据库。
S2、获取并根据目标企业信息提取企业端岗位胜任力模型数据库中的模型,并根据建模流程和标准数据建立目标企业端岗位胜任力模型;
S3、通过关联基本征信信息识别系统及预置的测评工具获取人员素质和能力信息;
S4、获取并根据目标企业端岗位胜任力模型中的语言将人员素质和能力信息进行语言转换并建立目标人才综合素质模型;
S5、目标企业端岗位胜任力模型和目标人才综合素质模型建立完成后,通过目标企业端岗位胜任力模型和目标人才综合素质模型进行自动人岗匹配分析,生成匹配分析结果;
S6、基于建立的目标企业端岗位胜任力模型及预置周期内有求职意向的人才进行自动匹配,生成匹配结果,并自动的向目标企业和目标求职人员推送匹配结果,完成双向推荐。
进一步地,该人才精准招聘匹配方法还包括以下步骤:
获取并导入目标企业内部人员信息至目标企业端岗位胜任力模型和目标人才综合素质模型中,生成企业内部胜任度情况信息。
为了解决现有技术中无法进行人岗精准匹配,无法满足岗位要求的客观、准确性,个人信息、能力素质的客观、准确性的技术问题,本发明用科学的方法去避免这种或者是最大限度的去降低这种主观性所造成的偏差,使得对于岗位的描述和对于人员能力的评估更加的客观,将胜任力模型通过四个板块、一百零七个维度、各维度分1-4级能力定义的方式建立胜任力模型库以及在系统里面建立一套胜任力模型的建模的流程和标准。摆脱对建模专家团队的依赖性,无需丰富的专业建模经验即可按照系统流程提示,比对选择合适的建模内容,轻松实现目标性的建模,满足企业端胜任力分析客观需求。然后建立人才综合素质模型,通过人才自主填写少量关键信息与关联征信信息识别系统核验,结合预置的测评工具获取一些隐藏与冰山之下的人员素质和能力信息,保证人员情况的客观的掌握,基于胜任力模型中的语言,为了保证双模型匹配的精准度,将人员素质和能力信息进行语言转换,将语言描述与胜任力模型的语言描述保持一致,进而建立一个目标人才综合素质模型,用于精准客观全面的进行人员素质评估,通过岗位胜任力模型和人才综合素质模型两个模型相结合,全面客观准确的对企业和个人进行综合分析,进而进行精准的人才和岗位的匹配,提高人才招聘的适合度,提高人才招聘的效率。同时根据匹配的结果自动进行双方信息推送,不必企业再筛选人才,也无需候选者筛选职位,有效的减少招聘求职中企业和求职者的工作,提高效率。
解决了现有技术中无法进行人岗精准匹配,无法满足岗位要求的客观、准确性,个人信息、能力素质的客观、准确性的技术问题,本发明基于岗位胜任力模型和人才综合素质模型两个模型相结合,将胜任力模型通过四个板块、一百零七个维度、各维度分1-4级能力定义的方式建立胜任力模型库以及在系统里面建立一套胜任力模型的建模的流程和标准,全面客观准确的对企业和个人进行综合分析,进而进行精准的人才和岗位的匹配,提高人才招聘的适合度,提高人才招聘的效率;不必企业再筛选人员,也无需候选者筛选职位,有效的减少招聘求职中企业和求职者的工作,提高效率。
模型建立完成后,获取并导入企业招聘需求和人员求职需求至岗位胜任力模型和人才综合素质模型中进行数据分析,包括对知识、素养、能力和自定义内容进行分析,生成胜任力分析报告和素质分析报告;上述胜任力分析包括自我成长与发展、管理能力、管理事务以及管理他人四个方面的内容;上述素质分析报告包括社会型、艺术型、常规型、现实型等性格指向。依据上述胜任力分析报告和素质分析报告建立图岗位胜任力雷达图和素质模型示意图,如图2和图4所示。为了进一步提高胜任力分析的精准全面性,将胜任力纬度分析报告与预置的行业同类岗位胜任力参照数据进行对比,生成胜任力纬度差异分析报告。
结合胜任力分析报告和素质分析报告进行胜任力匹配分析,生成匹配度分析报告,结合两个模型多个维度数据进行精准匹配,以得到适合企业或者求职者的人才或者企业岗位,基于匹配得到的结果,获取并推送目标求职人员和/或目标企业给对应的企业和/或求职人员,企业或者求职者无需进行额外繁杂的筛选工作。
基于第二方面,在本发明的一些实施例中,获取并导入企业招聘需求和人员求职需求至岗位胜任力模型和人才综合素质模型中,依据企业招聘需求和人员求职需求中的企业信息和求职人员的信息分别通过岗位胜任力模型和人才综合素质模型进行全面分析,对知识、素养、能力和自定义内容等几个维度的数据进行分析,提高分析的全面性和精准性。上述自定义内容可以求职意向、招聘要求、招聘意向等信息,求职人员或企业可以根据自己的需求进行自定义设置,以便提高匹配的适合度。
获取并导入企业招聘需求和人员求职需求至岗位胜任力模型和人才综合素质模型中,生成胜任力分析报告和素质分析报告;
进一步地,获取并导入企业招聘需求和人员求职需求至岗位胜任力模型中进行胜任力分析,生成胜任力纬度分析报告;将胜任力纬度分析报告与预置的行业同类岗位胜任力参照数据进行对比,生成胜任力纬度差异分析报告;获取并导入企业招聘需求和人员求职需求至人才综合素质模型进行综合素质分析,生成素质分析报告。
进一步地,获取并导入企业招聘需求和人员求职需求至岗位胜任力模型和人才综合素质模型中;基于岗位胜任力模型和人才综合素质模型分别进行知识、素养、能力和自定义内容进行分析,以生成胜任力分析报告和素质分析报告。
在本发明的一些实施例中,获取并导入企业招聘需求和人员求职需求至岗位胜任力模型和人才综合素质模型中,依据企业招聘需求和人员求职需求中的企业信息和求职人员的信息分别通过岗位胜任力模型和人才综合素质模型进行全面分析,对知识、素养、能力和自定义内容等几个维度的数据进行分析,提高分析的全面性和精准性。上述自定义内容可以求职意向、招聘要求、招聘意向等信息,求职人员或企业可以根据自己的需求进行自定义设置,以便提高匹配的适合度。
结合胜任力分析报告和素质分析报告进行胜任力匹配分析,生成匹配度分析报告,结合两个模型多个维度数据进行精准匹配,以得到适合企业或者求职者的人才或者企业岗位,基于匹配得到的结果,获取并推送目标求职人员和/或目标企业给对应的企业和/或求职人员,企业或者求职者无需进行额外繁杂的筛选工作。
基于第二方面,在本发明的一些实施例中,该人才精准招聘匹配方法还包括以下步骤:
获取并推送目标求职人员的意向确认信息给对应的目标企业;
获取并发送目标企业的面试邀请数据给对应的目标求职人员,建立面试意向通道;
基于面试意向通道获取面试数据,完成人才招聘。
为了进一步对招聘进行完整的管理,进一步提高人才招聘效率,当匹配到合适的求职人员或者企业后,基于模型的比对,后台自动推动适合企业要求的候选人,自动推送适合求职者的岗位,企业后台批量精确邀请信息推送,当求职人员确认自己的意向后,获取并推送目标求职人员的意向确认信息给对应的目标企业,然后获取并发送目标企业的面试邀请数据给对应的目标求职人员,建立面试意向通道,面试结束后,基于面试意向通道获取面试数据,完成人才招聘;上述面试数据包括面试结果、面试评价、入职邀请等信息。
如图6所示,第三方面,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,实现如上述第二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。
第四方面,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二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。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,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。
对于本领域技术人员而言,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)
1.一种人才精准招聘匹配系统,其特征在于,包括模型数据库模块、胜任力模块、素质测评模块、素质模型模块、目标匹配模块以及自动推送模块,其中:
模型数据库模块,用于建立企业端岗位胜任力模型数据库,并录入建模流程和标准数据;
胜任力模块,用于获取并根据目标企业信息提取企业端岗位胜任力模型数据库中的模型,并根据建模流程和标准数据建立目标企业端岗位胜任力模型;
素质测评模块,用于通过关联基本征信信息识别系统及预置的测评工具获取人员素质和能力信息;
素质模型模块,用于获取并根据目标企业端岗位胜任力模型中的语言将人员素质和能力信息进行语言转换并建立目标人才综合素质模型;
目标匹配模块,用于目标企业端岗位胜任力模型和目标人才综合素质模型建立完成后,通过目标企业端岗位胜任力模型和目标人才综合素质模型进行自动人岗匹配分析,生成匹配分析结果;
自动推送模块,用于基于建立的目标企业端岗位胜任力模型及预置周期内有求职意向的人才进行自动匹配,生成匹配结果,并自动的向目标企业和目标求职人员推送匹配结果,完成双向推荐。
2.根据权利要求1所述的一种人才精准招聘匹配系统,其特征在于,所述模型数据库模块包括建立子模块,用于基于预置的胜任力模型按照多个板块及多个维度的方式建立企业端岗位胜任力模型数据库。
3.根据权利要求1所述的一种人才精准招聘匹配系统,其特征在于,还包括内部匹配模块,用于获取并导入目标企业内部人员信息至目标企业端岗位胜任力模型和目标人才综合素质模型中,生成企业内部胜任度情况信息。
4.根据权利要求1所述的一种人才精准招聘匹配系统,其特征在于,还包括意向确认模块、面试建立模块以及面试成果模块,其中:
意向确认模块,用于获取并推送目标求职人员的意向确认信息给对应的目标企业;
面试建立模块,用于获取并发送目标企业的面试邀请数据给对应的目标求职人员,建立面试意向通道;
面试成果模块,用于基于面试意向通道获取面试数据,完成人才招聘。
5.一种人才精准招聘匹配方法,其特征在于,包括以下步骤:
建立企业端岗位胜任力模型数据库,并录入建模流程和标准数据;
获取并根据目标企业信息提取企业端岗位胜任力模型数据库中的模型,并根据建模流程和标准数据建立目标企业端岗位胜任力模型;
通过关联基本征信信息识别系统及预置的测评工具获取人员素质和能力信息;
获取并根据目标企业端岗位胜任力模型中的语言将人员素质和能力信息进行语言转换并建立目标人才综合素质模型;
目标企业端岗位胜任力模型和目标人才综合素质模型建立完成后,通过目标企业端岗位胜任力模型和目标人才综合素质模型进行自动人岗匹配分析,生成匹配分析结果;
基于建立的目标企业端岗位胜任力模型及预置周期内有求职意向的人才进行自动匹配,生成匹配结果,并自动的向目标企业和目标求职人员推送匹配结果,完成双向推荐。
6.根据权利要求5所述的一种人才精准招聘匹配方法,其特征在于,所述建立企业端岗位胜任力模型数据库的方法包括以下步骤:
基于预置的胜任力模型按照多个板块及多个维度的方式建立企业端岗位胜任力模型数据库。
7.根据权利要求5所述的一种人才精准招聘匹配方法,其特征在于,还包括以下步骤:
获取并导入目标企业内部人员信息至目标企业端岗位胜任力模型和目标人才综合素质模型中,生成企业内部胜任度情况信息。
8.根据权利要求5所述的一种人才精准招聘匹配方法,其特征在于,还包括以下步骤:
获取并推送目标求职人员的意向确认信息给对应的目标企业;
获取并发送目标企业的面试邀请数据给对应的目标求职人员,建立面试意向通道;
基于面试意向通道获取面试数据,完成人才招聘。
9.一种电子设备,其特征在于,包括:
存储器,用于存储一个或多个程序;
处理器;
当所述一个或多个程序被所述处理器执行时,实现如权利要求5-8中任一项所述的方法。
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5-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111222529.4A CN113935712A (zh) | 2021-10-20 | 2021-10-20 | 一种人才精准招聘匹配系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111222529.4A CN113935712A (zh) | 2021-10-20 | 2021-10-20 | 一种人才精准招聘匹配系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113935712A true CN113935712A (zh) | 2022-01-14 |
Family
ID=79280982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111222529.4A Pending CN113935712A (zh) | 2021-10-20 | 2021-10-20 | 一种人才精准招聘匹配系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113935712A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114662993A (zh) * | 2022-05-18 | 2022-06-24 | 广东电网有限责任公司肇庆供电局 | 一种岗位推荐方法、系统与设备 |
CN115587807A (zh) * | 2022-08-24 | 2023-01-10 | 广州红海云计算股份有限公司 | 一种基于移动互联网的招聘需求匹配方法及装置 |
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 |
CN116362702A (zh) * | 2023-02-23 | 2023-06-30 | 浙大城市学院 | 一种就业信息智慧管理及就业服务平台 |
CN117196550A (zh) * | 2023-09-22 | 2023-12-08 | 蔓悦科技(宁波)有限公司 | 一种人才与企业供需匹配的方法及系统 |
CN117217719A (zh) * | 2023-11-07 | 2023-12-12 | 湖南海润天恒科技集团有限公司 | 一种基于大数据的人才信息招聘数据智能管理方法及系统 |
-
2021
- 2021-10-20 CN CN202111222529.4A patent/CN113935712A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114662993A (zh) * | 2022-05-18 | 2022-06-24 | 广东电网有限责任公司肇庆供电局 | 一种岗位推荐方法、系统与设备 |
CN115587807A (zh) * | 2022-08-24 | 2023-01-10 | 广州红海云计算股份有限公司 | 一种基于移动互联网的招聘需求匹配方法及装置 |
CN116362702A (zh) * | 2023-02-23 | 2023-06-30 | 浙大城市学院 | 一种就业信息智慧管理及就业服务平台 |
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 |
CN117196550A (zh) * | 2023-09-22 | 2023-12-08 | 蔓悦科技(宁波)有限公司 | 一种人才与企业供需匹配的方法及系统 |
CN117196550B (zh) * | 2023-09-22 | 2024-05-28 | 蔓悦科技(宁波)有限公司 | 一种人才与企业供需匹配的方法及系统 |
CN117217719A (zh) * | 2023-11-07 | 2023-12-12 | 湖南海润天恒科技集团有限公司 | 一种基于大数据的人才信息招聘数据智能管理方法及系统 |
CN117217719B (zh) * | 2023-11-07 | 2024-02-09 | 湖南海润天恒科技集团有限公司 | 一种基于大数据的人才信息招聘数据智能管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113935712A (zh) | 一种人才精准招聘匹配系统及方法 | |
Szajnfarber et al. | Qualitative methods for engineering systems: Why we need them and how to use them | |
Fernandes et al. | Improving and embedding project management practice in organisations—A qualitative study | |
Musti et al. | Analysis Of The Electre Method In Decision Support Systems For Determining Areas Of Expertise For Informatics Management Study Program Students | |
El-Haddadeh et al. | Toward a coherent methodological framework for examining social innovation in the public sector | |
Guariguata et al. | A diagnostic for collaborative monitoring in forest landscape restoration | |
McDaniels | Four decades of transformation in decision analytic practice for societal risk management | |
Tuffaha et al. | Artificial intelligence definition, applications and adoption in human resource management: a systematic literature review | |
Terblanche | The coaching model derivation process: combining grounded theory and canonical action research for developing coaching models | |
Patil et al. | Six Sigma: an overview and further research directions | |
Obermayer et al. | The Impact of Emerging Technologies on Knowledge Management | |
Kornevs et al. | Perceptions of stakeholders in project procurement for road construction | |
Alammary et al. | The Application of Multiple-Criteria Decision Analysis to Address Blended Learning Design Challenges | |
Au-Yong-Oliveira et al. | ECRM 2021 20th European conference on research methods in business and management | |
Niu | Comparing the diffusion and adoption of linked data and research data management services among libraries | |
Liang | Towards Understanding the Diffusion and Adoption of Innovation in the Australian Construction Industry | |
La Paz et al. | Tailor-made IT project Management | |
Fernandes et al. | Improving and embedding project management practices in organisations | |
Guiney | Information Technology Project Management–Team Building for Project Success | |
Tautkevičienė et al. | Towards open science related policies, infrastructures and practices: the case of Lithuania | |
Baker | Influencing Factors of Big Data Adoption in the Utility Industry | |
Bencsik | The Role of Artificial Intelligence in the Knowledge Organization of Companies | |
Ivashnova | HOW TEACHERS CHOOSE TRAINING COURSES. EMPIRICAL RESEARCH RESULTS. | |
Bai et al. | Future prospects of artificial intelligence in education: Developing strategic scenarios to engage educators | |
la Paz AI | Tailor-made IT project management |
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 |