CN114328667A - 一种基于履职数据的大学院系画像模型的构建及系统 - Google Patents
一种基于履职数据的大学院系画像模型的构建及系统 Download PDFInfo
- Publication number
- CN114328667A CN114328667A CN202111634360.3A CN202111634360A CN114328667A CN 114328667 A CN114328667 A CN 114328667A CN 202111634360 A CN202111634360 A CN 202111634360A CN 114328667 A CN114328667 A CN 114328667A
- Authority
- CN
- China
- Prior art keywords
- data
- department
- service
- scientific research
- portrait
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于教育用户画像技术领域,具体公开了一种基于履职数据的大学院系画像模型的构建方法及系统,其中方法包括以下步骤:步骤1:获取大学院系履职数据;步骤2:将采集到的履职数据经过数据预处理后生成院系履职数据集;步骤3:利用统计分析方法和数据挖掘算法建立院系履职行为的特征标签,建立院系画像模型;步骤4,将院系画像模型可视化显示。弥补了没有专门针对大学二级院系构建画像的空白;较全面地采集多源履职数据,并建立履职数据集;构建了多维院系画像标签体系,描绘其履职特点和管理绩效。
Description
技术领域
本发明属于教育用户画像技术领域,特别是关于一种基于履职数据的大学院系画像模型的构建方法及系统。
背景技术
在教育领域,院系履职数据即院系在履行人才培养、科学研究和社会服务三个基本职能中产生的各类教育、教学、管理数据。院系画像即为了全面立体地描述院系自身特征、履职行为特点和履职绩效,然后基于院系履职数据为院系构建用户画像。
教育的用户画像体现了用户画像技术在教育领域中的应用。已有研究引入用户画像概念进行教学研究,用户画像广泛应用于依托海量数据服务于个性化学习。目前已有的教育用户画像有学生画像、教师画像、学习者画像和学校画像等。①学习者画像,一般基于学习者的学习风格、学习偏好和学习行为等数据进行分析、挖掘和应用。有研究基于学习者画像识别不同学习者群体,据此提供教学支持服务;有研究通过识别学习者的学习状态,来提供学习资源推荐服务;还有研究基于学习者画像为个性化学习提供路径规划服务;通过融合学习倾向、学习思维和学习感知等信息构建学习风格模型,用来预测学习者的学业成绩;或利用学习风格识别算法,来提高对学习者的学习干预精准度等。②学生画像,通过挖掘智慧校园数据提取学生的个人属性、学习习惯和消费行为等标签,为细化管理学生工作提供数据服务。③教师画像,是对教师的教学和科研行为数据进行分析,对促进教师自身认知与发展、研究教师的学术行为等有应用价值。④学校画像,有的研究设计基于教师、学生、教学和招生等多维度基础教育学段数据的学校发展画像,从提升区域教育治理水平层面提供了决策支持工具。有研究提出“机构画像”(Community Profiling)的概念,通过联合社区分析和检测模型算法描述社区特点、构建机构画像模型。
现有学校画像技术方案的不足。一个是对学校数据的采集与融合不够,没有生成学校数据集;二是学校画像的标签是采用统计分析方法生成的事实类标签,标签的类别过于单一。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种基于履职数据的大学院系画像模型的构建,其能够解决学校院系画像标签单一的技术问题。
本发明提供了一种基于履职数据的大学院系画像模型的构建方法,包括以下步骤:
步骤1:获取大学院系履职数据;
步骤2:将采集到的履职数据经过数据预处理后生成院系履职数据集;
步骤3:利用统计分析方法和数据挖掘算法建立院系履职行为的特征标签,建立院系画像模型;
步骤4,将院系画像模型可视化显示。
优选地,所述步骤1还包括:从大学校内业务系统导出院系在履行人才培养、科学研究和社会服务的基本职能过程中的结构化履职数据;爬取学术论文数据库、学术社交网站、校内新闻网站、教育新闻网站、人才招聘网站等网络数据,作为履职数据的补充。
优选地,所述履职数据包括人才培养数据、科学研究数据及社会服务数据;
所述人才培养数据来源于人事管理系统、院系管理系统、教务管理系统、就业管理系统、调查及访谈,所述科学研究数据来源于科研管理系统、学术论文数据库、个人学术网站及学术社交平台;所述社会服务数据来源于院系管理系统、校园新闻网站及教育门户网站。
优选地,所述人才培养数据包括院系基本数据、教师基本数据及学生基本数据;
院系基本数据包含部门名称、教师人数、学生人数、职称分布、人员构成及工作量绩效;
教师基本数据包含工号、姓名、性别、所在部门、职称及职务;
学生基本数据包含学号、姓名、系别及专业。
优选地,所述科学研究数据包括科研成果数据及个人科研数据;
所述科研成果数据包括项目数量及级别、论文数量及级别、专利数量及级别、专著数量及级别、报告数量及级别;
所述个人科研数据包括从事专业、研究方向、学术成果及学术合作。
优选地,所述社会服务数据包括服务投入数据及服务成效数据;
所述服务投入数据包含服务类型、服务数量、服务成本及服务人次;
所述服务成效数据包含文本类服务新闻、图片类服务新闻及视频类服务新闻。
优选地,所述特征标签包括院系基本特征标签、人才培养质量标签、科学研究水平标签和社会服务成效标签;
基本特征标签包括部门构成、教师构成和学生构成三个子标签;
人才培养质量标签包括学生学业完成情况、学生就业情况和人才培养目标达成情况三个子标签;
科学研究水平标签包括科研成果和研究关系两个二级子标签;
社会服务成效标签包括服务类型、服务投入和服务成效三个二级子标签。
本发明还提供了一种用于实现基于履职数据的大学院系画像模型的构建方法的系统,包括:
数据获取模块,用于获取大学院系履职数据;
预处理模块,用于将采集到的履职数据经过数据预处理后生成院系履职数据集;
标签生成模块,用于利用统计分析方法和数据挖掘算法建立院系履职行为的特征标签,建立院系画像模型;
可视化模块,用于将院系画像模型可视化显示。
本发明还提供了一种电子设备,包括存储器、处理器,所述处理器用于执行存储器中存储的计算机管理类程序时实现基于履职数据的大学院系画像模型的构建方法的步骤。
本发明还提供了一种计算机可读存储介质,其上存储有计算机管理类程序,所述计算机管理类程序被处理器执行时实现基于履职数据的大学院系画像模型的构建方法的步骤。
与现有技术相比,根据本发明的一种基于履职数据的大学院系画像模型的构建方法及系统,其中方法包括以下步骤:步骤1:获取大学院系履职数据;步骤2:将采集到的履职数据经过数据预处理后生成院系履职数据集;步骤3:利用统计分析方法和数据挖掘算法建立院系履职行为的特征标签,建立院系画像模型;步骤4,将院系画像模型可视化显示。弥补了没有专门针对大学二级院系构建画像的空白;较全面地采集多源履职数据,并建立履职数据集;构建了多维院系画像标签体系,描绘其履职特点和管理绩效。
附图说明
图1为本发明提供的一种基于履职数据的大学院系画像模型的构建方法流程图;
图2为本发明提供的一种可能的电子设备的硬件结构示意图;
图3为本发明提供的一种可能的计算机可读存储介质的硬件结构示意图;
图4为本发明提供的一种基于履职数据的大学院系画像模型的构建方法的院系画像标签体系图。
具体实施方式
下面结合附图,对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其它明确表示,否则在整个说明书和权利要求书中,术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分,而并未排除其它元件或其它组成部分。
如图1所示,根据本发明优选实施方式的一种基于履职数据的大学院系画像模型的构建方法,其中方法包括以下步骤:步骤1:获取大学院系履职数据;步骤2:将采集到的履职数据经过数据预处理后生成院系履职数据集;步骤3:利用统计分析方法和数据挖掘算法建立院系履职行为的特征标签,建立院系画像模型;步骤4,将院系画像模型可视化显示。弥补了没有专门针对大学二级院系构建画像的空白;较全面地采集多源履职数据,并建立履职数据集;构建了多维院系画像标签体系,描绘其履职特点和管理绩效。
在一个具体的实施场景中,大学院系画像模型的构建包括以下步骤:
步骤1、大学院系履职数据获取。采集大学校内业务系统(人事管理系统、教务管理系统、科研管理系统、院系管理系统)的结构化履职数据,这类数据主要反映院系履行基本职能的过程和结果;爬取学术论文数据库、学术社交网站、校内新闻网站、教育新闻网站、人才招聘网站等平台的网络数据,这类数据作为院系履职数据的补充,完善履职数据集。采集到的数据类型和内容如表1所示。
表1履职数据类别、内容与来源
由此可知,通过爬取学术论文数据库、学术社交网站、校内新闻网站、教育新闻网站、人才招聘网站的网络数据,将这类网络数据作为履职数据的补充。履职数据包括人才培养数据、科学研究数据及社会服务数据;所述人才培养数据来源于人事管理系统、院系管理系统、教务管理系统、就业管理系统、调查及访谈,所述科学研究数据来源于科研管理系统、学术论文数据库、个人学术网站及学术社交平台;所述社会服务数据来源于院系管理系统、校园新闻网站及教育门户网站。
人才培养数据包括院系基本数据、教师基本数据及学生基本数据;院系基本数据包含部门名称、教师人数、学生人数、职称分布、人员构成及工作量绩效;教师基本数据包含工号、姓名、性别、所在部门、职称及职务;学生基本数据包含学号、姓名、系别及专业。
科学研究数据包括科研成果数据及个人科研数据;所述科研成果数据包括项目数量及级别、论文数量及级别、专利数量及级别、专著数量及级别、报告数量及级别;所述个人科研数据包括从事专业、研究方向、学术成果及学术合作。
社会服务数据包括服务投入数据及服务成效数据;所述服务投入数据包含服务类型、服务数量、服务成本及服务人次;所述服务成效数据包含文本类服务新闻、图片类服务新闻及视频类服务新闻。
步骤2、履职数据预处理。将采集的数据经过清洗、去重、转换、规约,形成同一类型数据,生成院系履职数据集,抽象表示为:
CollegeDataSet={basicdata,trainningdata,researchdata,servicedata}
步骤3、构建院系特征标签。特征标签体系包括院系基本特征标签、人才培养质量标签、科学研究水平标签和社会服务成效标签四个维度,如图4所示。
基本特征标签包括部门构成、教师构成和学生构成三个子标签;人才培养质量标签包括学生学业完成情况、学生就业情况和人才培养目标达成情况三个子标签;科学研究水平标签包括科研成果和研究关系两个二级子标签;社会服务成效标签包括服务类型、服务投入和服务成效三个二级子标签。如表2所示。
表2院系画像标签体系和实现技术
相对于现有技术,本技术方案至少具有以下优点:
1.弥补了没有专门针对大学二级院系构建画像的空白;
2.较全面地采集多源履职数据,并建立履职数据集;
3.构建了多维院系画像标签体系,描绘其履职特点和管理绩效。
本发明还提供了一种用于实现基于履职数据的大学院系画像模型的构建方法的系统,包括:
数据获取模块,用于获取大学院系履职数据;
预处理模块,用于将采集到的履职数据经过数据预处理后生成院系履职数据集;
标签生成模块,用于利用统计分析方法和数据挖掘算法建立院系履职行为的特征标签,建立院系画像模型;
可视化模块,用于将院系画像模型可视化显示。
请参阅图2为本发明实施例提供的电子设备的实施例示意图。如图2所示,本发明实施例提了一种电子设备,包括存储器1310、处理器1320及存储在存储器1310上并可在处理器1320上运行的计算机程序1311,处理器1320执行计算机程序1311时实现以下步骤:步骤1:获取大学院系履职数据;
步骤2:将采集到的履职数据经过数据预处理后生成院系履职数据集;
步骤3:利用统计分析方法和数据挖掘算法建立院系履职行为的特征标签,建立院系画像模型;
步骤4,将院系画像模型可视化显示。
请参阅图3为本发明提供的一种计算机可读存储介质的实施例示意图。如图3所示,本实施例提供了一种计算机可读存储介质1400,其上存储有计算机程序1411,该计算机程序1411被处理器执行时实现如下步骤:步骤1:获取大学院系履职数据;
步骤2:将采集到的履职数据经过数据预处理后生成院系履职数据集;
步骤3:利用统计分析方法和数据挖掘算法建立院系履职行为的特征标签,建立院系画像模型;
步骤4,将院系画像模型可视化显示。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。
Claims (10)
1.一种基于履职数据的大学院系画像模型的构建方法,其特征在于,包括以下步骤:
步骤1:获取大学院系履职数据;
步骤2:将采集到的履职数据经过数据预处理后生成院系履职数据集;
步骤3:利用统计分析方法和数据挖掘算法建立院系履职行为的特征标签,建立院系画像模型;
步骤4,将院系画像模型可视化显示。
2.根据权利要求1所述的基于履职数据的大学院系画像模型的构建方法,其特征在于,所述步骤1还包括:从大学校内业务系统导出院系在履行人才培养、科学研究和社会服务的基本职能过程中的结构化履职数据;爬取学术论文数据库、学术社交网站、校内新闻网站、教育新闻网站、人才招聘网站网络数据,作为履职数据的补充。
3.根据权利要求2所述的基于履职数据的大学院系画像模型的构建方法,其特征在于,所述履职数据包括人才培养数据、科学研究数据及社会服务数据;
所述人才培养数据来源于人事管理系统、院系管理系统、教务管理系统、就业管理系统、调查及访谈;所述科学研究数据来源于科研管理系统、学术论文数据库、个人学术网站及学术社交平台;所述社会服务数据来源于院系管理系统、校园新闻网站及教育门户网站。
4.根据权利要求3所述的基于履职数据的大学院系画像模型的构建方法,其特征在于,所述人才培养数据包括院系基本数据、教师基本数据及学生基本数据;
院系基本数据包含部门名称、教师人数、学生人数、职称分布、人员构成及工作量绩效;
教师基本数据包含工号、姓名、性别、所在部门、职称及职务;
学生基本数据包含学号、姓名、系别及专业。
5.根据权利要求3所述的基于履职数据的大学院系画像模型的构建方法,其特征在于,所述科学研究数据包括科研成果数据及个人科研数据;
所述科研成果数据包括项目数量及级别、论文数量及级别、专利数量及级别、专著数量及级别、报告数量及级别;
所述个人科研数据包括从事专业、研究方向、学术成果及学术合作。
6.根据权利要求3所述的基于履职数据的大学院系画像模型的构建方法,其特征在于,所述社会服务数据包括服务投入数据及服务成效数据;
所述服务投入数据包含服务类型、服务数量、服务成本及服务人次;
所述服务成效数据包含文本类服务新闻、图片类服务新闻及视频类服务新闻。
7.根据权利要求1所述的基于履职数据的大学院系画像模型的构建方法,其特征在于,所述特征标签包括院系基本特征标签、人才培养质量标签、科学研究水平标签和社会服务成效标签;
基本特征标签包括部门构成、教师构成和学生构成三个子标签;
人才培养质量标签包括学生学业完成情况、学生就业情况和人才培养目标达成情况三个子标签;
科学研究水平标签包括科研成果和研究关系两个二级子标签;
社会服务成效标签包括服务类型、服务投入和服务成效三个二级子标签。
8.一种用于实现如权利要求1-7任一项所述基于履职数据的大学院系画像模型的构建方法的系统,其特征在于,包括:
数据获取模块,用于获取大学院系履职数据;
预处理模块,用于将采集到的履职数据经过数据预处理后生成院系履职数据集;
标签生成模块,用于利用统计分析方法和数据挖掘算法建立院系履职行为的特征标签,建立院系画像模型;
可视化模块,用于将院系画像模型可视化显示。
9.一种电子设备,其特征在于,包括存储器、处理器,所述处理器用于执行存储器中存储的计算机管理类程序时实现如权利要求1-7任一项所述的基于履职数据的大学院系画像模型的构建方法的步骤。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机管理类程序,所述计算机管理类程序被处理器执行时实现如权利要求1-7任一项所述的基于履职数据的大学院系画像模型的构建方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111634360.3A CN114328667A (zh) | 2021-12-29 | 2021-12-29 | 一种基于履职数据的大学院系画像模型的构建及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111634360.3A CN114328667A (zh) | 2021-12-29 | 2021-12-29 | 一种基于履职数据的大学院系画像模型的构建及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114328667A true CN114328667A (zh) | 2022-04-12 |
Family
ID=81016765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111634360.3A Pending CN114328667A (zh) | 2021-12-29 | 2021-12-29 | 一种基于履职数据的大学院系画像模型的构建及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114328667A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115659057A (zh) * | 2022-12-29 | 2023-01-31 | 北京易思汇商务服务有限公司 | 一种学校画像生成方法、装置、终端、系统及存储介质 |
-
2021
- 2021-12-29 CN CN202111634360.3A patent/CN114328667A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115659057A (zh) * | 2022-12-29 | 2023-01-31 | 北京易思汇商务服务有限公司 | 一种学校画像生成方法、装置、终端、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Williams Jr et al. | Re-examining systematic literature review in management research: Additional benefits and execution protocols | |
Wang et al. | Automated text data mining analysis of five decades of educational leadership research literature: Probabilistic topic modeling of EAQ articles from 1965 to 2014 | |
Munir et al. | Artificial intelligence and machine learning approaches in digital education: A systematic revision | |
Robley et al. | Mapping generic skills curricula: a recommended methodology | |
Anthes | The shape of work to come | |
Shank | The blended librarian: A job announcement analysis of the newly emerging position of instructional design librarian | |
Schrader et al. | Assessment of the research learning needs of University of Saskatchewan librarians: a case study | |
Scott et al. | Students’ reflections on an employability skills provision | |
US20150149378A1 (en) | Job recall services in online education platforms | |
Brown et al. | Student engagement and learning: Case study of a new module for business undergraduates at Cass business school | |
Clegg et al. | Programmatic outcomes in undergraduate technical and professional communication programs | |
Kim | Early childhood teachers’ work and technology in an era of assessment | |
CN111242565A (zh) | 一种基于智能人事模型的简历优化方法及装置 | |
Ragan et al. | Evaluating how level of detail of visual history affects process memory | |
Sutton | Identifying core competencies for electronic resources librarians in the twenty-first century library | |
Vu et al. | Learning in the workplace: newcomers’ information seeking behaviour and implications for education | |
Conner et al. | Navigating the information‐scape: information visualization and student search | |
CN114328667A (zh) | 一种基于履职数据的大学院系画像模型的构建及系统 | |
Zhang et al. | How Students Search Video Captions to Learn: An Analysis of Search Terms and Behavioral Timing Data. | |
Raju | Embracing new trends in scholarly communication: From competency requirements in the workplace to LIS curriculum presence | |
Tyrańska et al. | The gap between higher business education and business expectations: The case of Poland | |
Barry | The research activity timeline: A qualitative tool for information research | |
Calvera-Isabal et al. | Computational Techniques for Data Science Applied to Broaden the Knowledge between Citizen Science and Education. | |
Sigman et al. | Visualization of Twitter Data in the Classroom | |
Cain et al. | Artificial intelligence and conversational agent evolution–a cautionary tale of the benefits and pitfalls of advanced technology in education, academic research, and practice |
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 |