CN114902312A - 用于提供技术支持的、可信的、表现反馈和体验式学习系统的系统和方法 - Google Patents
用于提供技术支持的、可信的、表现反馈和体验式学习系统的系统和方法 Download PDFInfo
- Publication number
- CN114902312A CN114902312A CN202080070254.4A CN202080070254A CN114902312A CN 114902312 A CN114902312 A CN 114902312A CN 202080070254 A CN202080070254 A CN 202080070254A CN 114902312 A CN114902312 A CN 114902312A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- avatar
- data
- event
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 192
- 230000013016 learning Effects 0.000 title abstract description 24
- 230000008901 benefit Effects 0.000 claims abstract description 36
- 238000004458 analytical method Methods 0.000 claims abstract description 35
- 230000001965 increasing effect Effects 0.000 claims abstract description 13
- 238000004891 communication Methods 0.000 claims description 62
- 230000006854 communication Effects 0.000 claims description 62
- 230000008520 organization Effects 0.000 claims description 52
- 230000003993 interaction Effects 0.000 claims description 48
- 230000000694 effects Effects 0.000 claims description 40
- 230000015654 memory Effects 0.000 claims description 40
- 238000012545 processing Methods 0.000 claims description 33
- 238000005516 engineering process Methods 0.000 claims description 32
- 238000013507 mapping Methods 0.000 claims description 31
- 230000006870 function Effects 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 24
- 238000007726 management method Methods 0.000 claims description 18
- 230000006399 behavior Effects 0.000 claims description 12
- 238000011161 development Methods 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 12
- 230000002452 interceptive effect Effects 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 11
- 230000004931 aggregating effect Effects 0.000 claims description 4
- 241001465754 Metazoa Species 0.000 claims description 3
- 230000008451 emotion Effects 0.000 claims description 2
- 238000005352 clarification Methods 0.000 claims 1
- 230000006998 cognitive state Effects 0.000 claims 1
- 238000001235 constant-final-state spectroscopy Methods 0.000 description 32
- 238000013473 artificial intelligence Methods 0.000 description 21
- 238000004422 calculation algorithm Methods 0.000 description 21
- 238000011160 research Methods 0.000 description 19
- 230000004044 response Effects 0.000 description 19
- 238000010801 machine learning Methods 0.000 description 18
- 230000003997 social interaction Effects 0.000 description 15
- 238000004088 simulation Methods 0.000 description 13
- 238000012549 training Methods 0.000 description 12
- 238000007405 data analysis Methods 0.000 description 11
- 239000000463 material Substances 0.000 description 11
- 238000009826 distribution Methods 0.000 description 10
- 102100026827 Protein associated with UVRAG as autophagy enhancer Human genes 0.000 description 9
- 101710102978 Protein associated with UVRAG as autophagy enhancer Proteins 0.000 description 9
- 230000003190 augmentative effect Effects 0.000 description 8
- 230000018109 developmental process Effects 0.000 description 8
- 230000009466 transformation Effects 0.000 description 7
- 238000013480 data collection Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000002996 emotional effect Effects 0.000 description 5
- 230000001404 mediated effect Effects 0.000 description 5
- 238000013475 authorization Methods 0.000 description 4
- 230000002567 autonomic effect Effects 0.000 description 4
- 230000001149 cognitive effect Effects 0.000 description 4
- 238000005094 computer simulation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000003340 mental effect Effects 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 230000007935 neutral effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012384 transportation and delivery Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000003930 cognitive ability Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000001667 episodic effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008450 motivation Effects 0.000 description 2
- 238000003012 network analysis Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 208000027534 Emotional disease Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009223 counseling Methods 0.000 description 1
- 238000002654 craniosacral therapy Methods 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- NYPJDWWKZLNGGM-RPWUZVMVSA-N esfenvalerate Chemical compound C=1C([C@@H](C#N)OC(=O)[C@@H](C(C)C)C=2C=CC(Cl)=CC=2)=CC=CC=1OC1=CC=CC=C1 NYPJDWWKZLNGGM-RPWUZVMVSA-N 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000009326 social learning Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 230000001755 vocal effect Effects 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
- G06F21/6263—Protecting personal data, e.g. for financial or medical purposes during internet communication, e.g. revealing personal data from cookies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
- H04L63/0407—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the identity of one or more communicating identities is hidden
- H04L63/0421—Anonymous communication, i.e. the party's identifiers are hidden from the other party or parties, e.g. using an anonymizer
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/2866—Architectures; Arrangements
- H04L67/30—Profiles
- H04L67/306—User profiles
Landscapes
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Bioethics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
公开一种用于提供可信的表现反馈和体验式学习的系统。所述系统可包含从第一用户接收与第二用户关于所述第二用户参与事件的效益相关的反馈。所述系统可将信息分配到所述第一用户和所述第二用户的化身。为了确保用户的信息保持专用于所述用户,所述化身可以是所述第一用户和所述第二用户在虚拟社交网络内的匿名化虚拟表示。基于对所述信息的分析,所述系统可分别针对所述第一用户和所述第二用户的所述化身产生条件状态数据。所述条件状态数据可以是表示所述化身的关系的时间序列变量。基于所述条件状态数据,所述系统可将推荐或报告提供给所述第二用户以用于提高所述第二用户在未来事件中的效益。
Description
相关申请的交叉参考
本申请案要求2019年8月9日提交的美国临时专利申请案第62/884,877号的优先权和权益,所述美国临时专利申请案特此以引用的方式并入。
技术领域
本申请案涉及数据分析和反馈技术、互动式通信技术、传感器技术、移动装置技术、分布式分类账技术、监控技术、组织行为技术、优化技术、机器学习技术,且更确切地说,涉及用于提供技术支持的、可信的表现反馈和体验式学习同时确保用户的数据保持专用于所述用户的系统及方法。
背景技术
在当今社会,有效的团队和多团队系统协作和互动是必要的,以改善和维护业务成果、项目目标以及涉及团体互动的无数其它情形。在当前的工作环境中,个人,特别是但不限于组织中工作级别的合作人、员工或承包商,很难获得客观、个性化和及时的反馈、指导以及辅导,或很难以转化为与其个人的关于其在会议、事件或其它社交互动之后的感知贡献和参与程度的背景相关的实际可行的见解的方式接收学术和实践知识并从中受益,以便提高其管理和自我监控技能。这在但不限于通过技术介导或增强的互动中尤为明显。此外,现有的提供和/或产生反馈的方法不是特定情况的,或者不是基于所有可用的相关数据,并且可能会有偏差。此外,人类互动越来越多地通过技术介导或增强,并且以越来越高的相对频率远距离进行。这降低了可用于建立自我监控技能和情商的社交和情感队列的可用性。
当前用于获得反馈和改进业务成果、项目目标等的方法包含运用定期标准化调查工具或来自管理者的特殊和零星的个人反馈。近年来,由于越来越多地使用技术介导的通信,这一问题变得更加严重。一种方法涉及使用典型的人力资源调查,例如360度反馈调查。此类调查仅定期分发,具有一般性且缺乏针对具体情形的内容,并且来自所述调查的个人反馈通常有长时间延迟。此外,因为这些调查通常用于绩效评估和薪酬待遇,所以其容易受到操纵和自利偏差的影响。作为另一实例,来自主管或导师的反馈可能具有特殊性,经常充满偏见,并且只有在管理者与员工会面时才会偶尔收到,这种情况的频率可能少至每年一次,或有时甚至更少。在这些状况下,除了他们自己的个人观察,管理者通常只有很少的客观数据,所述个人观察可能会因管理者的个人历史而产生偏差,并且管理者很少或根本没有机会对可获得的少量数据进行专家分析。总之,传统调查太少见且太笼统而不可行,因为反馈难以解释。同样,一对一的反馈是特殊的,并且是基于有限的个人观察,这可能是有偏见的。这些现有方法都无法解决促进关于在工作等有组织活动或会议和事件等社区活动中的效益的个人及时自我意识的问题。
尽管当前的技术和方法提供了许多益处和效益,但当前技术仍然存在许多缺点。具体来说,此类技术的当前版本通常提供有限的方式来处理和分析反馈,以便随着时间的推移以有意义的方式提高个人的表现。另外,当前技术不鼓励和促进个人提供准确和诚实的反馈。此外,在会议、项目、社交聚会和/或其它互动情形之后,当前技术无法就个人的感知贡献和参与程度提供及时的反馈、指导和/或辅导,以改善个人的管理和自我监控技能。因此,与改进个人和/或装置之间和/或当中的互动相关联的当前方法和技术可被修改和/或增强,以为此类个人和/或装置提供增强和优化的反馈。对方法和技术的此类增强和改进可以提供改进的团队和多团队系统优化和协作、增加隐私、增加对团队目标的遵从性、减少团队和/或社交互动失败的发生率、降低成本以及增加易用性。
发明内容
公开一种用于提供技术支持的、可信的表现反馈、用于个人的体验式学习及组织状态数据以供管理层分析和模拟的系统和伴随方法。具体来说,所述系统和方法提供了协助获得较高质量反馈的软件平台,所述较高质量反馈可被分析且增强以向用户提供报告和/或推荐,以便提高互动情形中的组织的表现以及用户的表现,所述互动情形例如但不限于基于团队的项目、多团队系统、社交互动、工作中的工作组、任何其它互动情形或其组合。值得注意的是,所述系统和方法可包含多个组件,以提供技术支持的、可信的表现反馈和体验式学习。在某些实施例中,所述系统和伴随方法可包含多个部分,所述多个部分提供所述系统和方法的功能性。具体来说,所述系统和方法可包含用于从用户收集关于其它用户的表现和个别贡献反馈信息的组件及子系统。基于收集的表现和反馈信息和/或数据,所述系统和方法可包含用于在匿名和安全数据环境中汇总且分析情境和/或反馈数据的组件及子系统。基于所汇总和所分析的情境和/或反馈数据,所述系统和方法可包含组件和子系统,所述组件和子系统向用户提供辅助用户进行反思性思考的分析和/或问题,和/或但不限于来自人类专家、机器学习算法和系统、模拟,和/或人工智能算法和/或系统的建议、指导服务和/或辅导服务。
具体来说,所述系统和方法可包含前馈子系统(FFSS),其可被配置成例如从多个用户收集情境信息,所述情境信息包含但不限于自我评估数据、专业发展数据、个人或组织价值、目标或目的、组织状态数据、环境状态数据,和/或社交互动网络结构数据。在某些实施例中,FFSS还可被配置成在会议、对话和/或其它事件之前、期间或之后收集与动态社交互动相关的社交、情商和/或能力数据及影响个人之间的关系的信息,所述关系影响个人、团队、多团队系统或组织效益以及特定于内容和情况的因素及条件。除了FFSS之外,所述系统和方法还可包含安全数据汇总和分析子系统(sDAASS),其在某些实施例中可被配置成以匿名且安全的方式从FFSS接收数据。所述sDAASS可被配置成但不限于在用于用户接口(UI)或应用程序接口(API)的所存储或单独获取的数据的情况中通过使用各种技术来评估各种情况,例如但不限于人类或机器模拟、虚拟现实(VR)、扩增现实(AR)和/或游戏化环境(GE),所述各种技术例如但不限于数据分析技术(DAT)、机器智能(例如但不限于机器学习和人工智能)和/或人类专业知识(HE)及智能。
除了FFSS 302和sDAASS 306之外,所述系统和方法还可包含指导转发子系统(CFSS),其可被配置成针对至少一个用户确定且推荐适当的反馈。在某些实施例中,所述反馈可包含指导或辅导建议以改进表现,且可包含但不限于使用技术接口,所述技术接口例如但不限于智能手机、可穿戴技术、膝上型计算机和/或其它计算机或电信装置。在某些实施例中,所述反馈还可涉及面对面对话,所述面对面对话的内容可由如本文中所论述的FFSS和/或sDAASS来提供。所述系统和方法可进一步包含安全映射服务器(MS)。值得注意的是,为了确保机密性且为了防止和/或阻止黑客行为,在各种子系统之间传送的所有数据均可通过安全连接传递和/或均可在MS 304上处理。在某些实施例中,所述MS可被隔离或以其它方式是安全的,然而,在其它实施例中,MS可能未被隔离,但仍可被配置成为安全的。在某些实施例中,在MS上,这些数据中的每一用户可运用不同化身被唯一地识别,且可使用所存储的安全映射密钥(例如,通过利用区块链、某一其它安全分类帐和/或其它技术)但不限于通过使用安全加密算法被编码,所述数据包含每一用户与同其它用户的多个互动的相关性,所述互动包含但不限于历史或现有互动。在某些实施例中,用户与化身之间的分配密钥可保持完全安全且可维持匿名,同时还允许由人类和/或机器程序实施的各种类型的数据分析,以及针对被识别为与化身相关且因此与相关真实用户相关的媒体、内容或指导建议的能力,同时维持每一用户对未经用户明确授权的每一其它个人的匿名性。系统100和方法可进一步包含用户接口和应用编程接口,其可使得所述系统和方法也能够与第三方应用程序互动且交换数据。
所述系统和方法也可允许以下情形。在事件之前、之后或甚至在事件期间,所述系统意识到,所关注事件经调度、正在进行或已经结束。这可触发所述系统构建与将参与、正在参与或已经参与事件的每一用户特定相关的查询。所述系统接着可通过查询链路将通知发送到将参与事件的用户(例如,通知可能涉及所述事件的自我评估、目标和/或期望)、正在参与事件的用户(例如,通知可能涉及与所述事件相关联的议程项目的相关性),和/或已经参与事件的用户。当所述用户响应于查询时,所述系统从每一个别用户收集关于所有其它用户对所述事件的贡献和参与以及其对团队、多团队系统、组织和/或其领导力的感知的此反馈。所述系统接着可但并非一定对这些数据进行加密,使用户的身份匿名,且出于匿名的目的,从用户的装置擦除所有与用户提供的反馈相关联的用户识别信息。当并且如果有足够的响应来保证匿名性,所述系统会汇总这些数据,并可能会有来自其它来源(包含来自其自身的数据库或用户在情境分析期间输入)的额外相关数据。所述系统接着处理这些数据,分析所述结果以识别相关模式,且产生报告。这些报告被中继到是人类、机器或其它形式的人工智能的管理者、分析员和/或专家,以诊断问题,且基于专业知识提出干预措施。所述系统接着将关于他或她的表现的分析的定制数据发送到每一个别用户。所述系统还可以提供呈推荐文章或媒体的形式的指导或辅导建议,改变行为、沟通或情绪,或推荐额外的训练或知识获取。这可包含经确定为与所述情形相关的先前所创建且编录的流媒体、文本、照片或视频。所述系统还可能涉及安排与专业导师(无论是人还是机器)进行个人一对一交流的时间,并且可以匿名或不匿名。所有这些方法可以用于改进管理和自我监控技能。
值得注意的是,所述系统和方法会解决与现有技术相关联的问题,因为个体级数据是在一些或许多事件(如果不是每个事件的话)之前、期间和/或之后收集的,且包含关于所述事件的内容和情况的特定信息。所有历史和情况数据可用于分析,以在每次社交互动后不久用于确定关于用户在事件中的表现的个性化反馈。因为这些数据是匿名且安全的,所以不存在操纵这些数据收集的动机,因为其永远不能用于绩效评估或补偿,除非在团体或组织层面。此外,所存储的数据本身是额外值的来源。所存储的数据提供了一种资源,其用于比较组织实体之间的结果,并使用最先进的数据分析技术,以系统性方式学习哪些有效,哪些无效。随着时间的推移,所述系统本身将学习如何在许多情形下提供有效的指导和辅导反馈。此外,此数据集将为社会科学研究人员提供资源,并且所述系统提供可能的实验设计,以进一步了解社交互动和组织效益。
在一个实施例中,提供一种用于提供技术支持的、可信的表现反馈和体验式学习的系统。所述系统可包含存储指令的存储器和执行所述指令以执行所述系统的各种操作的处理器。所述系统可执行操作,所述操作包含从与第一用户相关联的第一用户装置接收与第二用户关于第二用户参与第一用户也参与的事件的效益相关的信息。另外,所述系统可执行操作,所述操作包含将与第二用户的效益相关的信息分配到经映射到第一用户的第一用户识别符的第一化身和/或经映射到第二用户的第二用户识别符的第二化身。在某些实施例中,第一和第二化身可以是第一用户和第二用户在所述系统的虚拟社交网络内的匿名化虚拟表示。此外,所述系统可执行操作,所述操作包含基于对所述信息的分析而产生用于第一化身的第一条件状态数据和用于第二化身的第二条件状态数据。在某些实施例中,第一条件状态数据和第二条件状态数据可以是用于时间例项或多个时间例项的时间序列变量,所述时间序列变量可包含所述系统的虚拟社交网络中的第一和第二化身彼此间的关系的表示。此外,所述系统可执行操作,所述操作包含至少基于用于第二化身的第二条件状态数据和/或第一化身的第一条件状态数据而将报告、推荐或其组合提供给第二用户,以用于提高第二用户关于第二用户将参与未来事件的效益。
在另一实施例中,提供一种用于提供技术支持的、可信的表现反馈和体验式学习系统的方法。所述方法可包含利用存储指令的存储器,和执行所述指令以执行所述方法的各种功能的处理器。所述方法可包含将查询传输到与第一用户相关联的第一用户装置。在某些实施例中,所述查询请求与第二用户关于第二用户参与第一用户也参与的事件的效益相关的信息。另外,所述方法可包含从与第一用户相关联的第一用户装置获得与第二用户关于第二用户参与第一用户也参与的事件的效益相关的信息。并且,所述方法可包含将所述信息与经映射到第一用户的第一用户识别符的第一化身和/或经映射到第二用户的第二用户识别符的第二化身相关联。在某些实施例中,第一和第二化身可以是第一用户和第二用户在支持所述方法的功能性的所述系统的虚拟社交网络内的匿名化虚拟表示。此外,所述方法可包含基于对所述信息的分析而产生用于第一化身的第一条件状态数据和用于第二化身的第二条件状态数据。在某些实施例中,第一条件状态数据和第二条件状态数据可以是用于时间例项或多个时间例项的时间序列变量,所述时间序列变量可表示所述系统的虚拟社交网络中的第一和第二化身彼此间的关系。此外,所述方法可包含至少基于用于第一化身的第一条件状态数据和/或用于第二化身的第二条件状态数据而将报告、推荐或其组合提供给第二用户,以用于提高第二用户关于第二用户将参与未来事件的效益。
根据又一实施例,提供一种计算机可读装置,其具有用于提供技术支持的、可信的表现反馈和体验式学习系统的指令。计算机指令在由处理器加载且执行时可使得所述处理器执行包含以下各者的操作:产生对与第一用户相关联的第一用户装置的查询,其中所述查询请求与第二用户关于第二用户参与第一用户也参与的事件的效益相关的信息;从与第一用户相关联的第一用户装置接收与第二用户关于第二用户参与第一用户也参与的事件的效益相关的信息;将所述信息与经映射到第一用户的第一用户识别符的第一化身相关联,其中第一化身是第一用户在所述系统的虚拟社交网络内的匿名化虚拟表示,所述虚拟社交网络包含经映射到第二用户的第二用户识别符的第二化身;基于对所述信息的分析而提供用于第一化身的第一条件状态数据和用于第二化身的第二条件状态数据,其中第一条件状态数据和第二条件状态数据是用于时间例项或多个时间例项的时间序列变量,所述时间序列变量可表示所述系统的虚拟社交网络中的第一和第二化身彼此间的关系等等;及至少基于用于第二化身的第二条件状态数据而为第二用户产生报告、推荐或其组合,以用于提高第二用户关于第二用户将参与未来事件的效益。
在以下详细描述、图式及所附权利要求书中描述用于提供技术支持的、可信的表现反馈和体验式学习的系统和方法的这些和其它特征。
附图说明
图1是根据本公开的实施例的用于提供技术支持的、可信的表现反馈和体验式学习的系统的示意图。
图2是根据本公开的实施例的说明用于支持图1的系统的功能性的额外组件的示意图。
图3是根据本公开的实施例的说明用于支持且提供图1的系统的功能性的各种子系统的示意图。
图4是根据本公开的实施例的说明用于提供技术支持的、可信的表现反馈和体验式学习的样品方法的流程图。
图5是呈计算机系统的形式的机器的示意图,在所述计算机系统内,指令集在被执行时可使得所述机器执行用于技术支持的、可信的表现反馈和体验式学习的系统和方法的方法或操作中的任何一个或多个。
具体实施方式
公开用于提供技术支持的、可信的表现反馈和体验式学习的系统100和伴随的方法。具体来说,系统100和方法提供软件平台,所述软件平台协助获得高质量反馈、工作背景信息和/或自我评估数据,其可被分析且增强以便将报告和/或建议提供给用户以便改进用户在互动情形中的表现,所述互动情形例如但不限于基于团队的项目、多团队系统、社交互动、工作中的工作组、任何其它互动情形或其组合,无论是实体的、当面和/或虚拟的。值得注意的是,系统100和方法可包含多个组件,以提供技术支持的、可信的表现反馈和体验式学习。在某些实施例中,系统100和伴随方法可包含多个部分,所述多个部分提供系统100和方法的功能性。具体来说,系统100和方法可包含用于从用户收集关于其它用户的表现和个别贡献反馈信息的组件及子系统。基于收集的表现和反馈信息和/或数据,系统100和方法可包含用于在匿名和安全数据环境中汇总且分析情境和/或反馈数据的组件及子系统。在某些实施例中,所述系统和方法可但并非必然包含安全协议,所述安全协议可用于出于管理机构、项目、团队和事件以及组织的目的针对汇总数据的用户将账户、处理、收费的社交和政治性网络分析以及数据管理功能与创建且使用所述数据以给出且接收反馈的所述用户的数据记录以及其如何存储且用于改进所述用户在互动环境中的个别贡献分开。基于在所汇总且分析的情境、自我评估和/或反馈数据中识别的条件状态且特定地匹配所述条件状态,系统100和方法可包含组件和子系统,所述组件和子系统向用户提供辅助用户进行反思性思考的报告或分析和/或问题,和/或但不限于来自人类专家、机器学习算法和系统和/或人工智能算法和/或系统的建议、指导服务和/或辅导服务,所述建议、指导服务和/或辅导服务都通过算法或其它方式与每一特定用户的个性化需求或兴趣匹配。
值得注意的是,系统100和方法可包含收集、处理和利用社交、情商、认知智能、面部表情、语音或声音变化、个性、影响、知识领域的广度和深度,以及关于个人之间的个人和群体社交互动的能力数据,其可能会或可能不会影响个人、团队和多团队效益。在某些实施例中,系统100和方法可包含通过系统用户接口、生物特征接口和/或应用编程接口收集关于内容和情况特定因素和条件、关于个人和群体表现的数据。系统100和方法,例如通过利用FFSS 302,可通过但不限于投票或排名选票、调查、网络使用数据、监视技术、可穿戴技术或其它方式在面对面或技术介导的互动(无论是同步的还是异步的,例如但不限于会议、工作活动、对话和其它事件)期间从多个用户收集此数据。所收集的数据可以使用技术介导的通信和计算机处理来汇集、处理和使用,所述技术介导的通信和计算机处理包含但不限于软件用户接口、电信和数据库硬件和软件、计算和电子存储器。接着,但不一定,数据可被匿名保护,并且可安全地传送到sDAASS306,所述sDAASS可以是一个安全且匿名的环境,以用于利用数据分析、机器智能或人类专家干预或其某一组合进行处理、分析、模拟或可视化。由sDAASS 306进行的分析接着可被指导员、研究人员、组织分析员、管理者、人工智能或机器学习算法用来识别和/或模拟潜在的表现问题和机会,以用于提高用户、团队、多团队系统或组织的效益和/或表现。
在某些实施例中,基于处理,系统100和方法可使用但不限于例如人工和机器智能、专家系统、社交模拟、计算机模拟或表示,或与人类或机器专家的小组的互动或其组合的技术来选择、构建和/或另外确定适当且相关的辅导和指导内容。系统100和方法,例如通过利用CFSS 308,接着可亲自和/或通过电信网络来选择和传递提出旨在提高个人、团体和/或组织表现的建议行为、知识获取、通信和/或情绪的描述、模型和/或媒体。在某些实施例中,系统100和方法可使用户能够提供关于此内容在用户的情形中对所述用户的有用性的反馈。值得注意的是,系统100和方法通过多个子系统提供功能性,所述子系统一起:1)收集关于但不限于人际或组织效益的社交、情商、自我评估、自我发展和能力数据;2)通过专家分析、数据分析和人工智能算法,识别要改进的区域;及3)通过技术接口向用户提供特定情况的个性化指导内容。
在某些实施例中,基于处理,系统100和方法可以协助,但不限于协助使用但不限于例如人工智能和机器智能、专家系统、社交模拟、计算机模拟或表示或与人类或机器专家的小组的互动或其组合的技术选择、构建和/或以其它方式确定用户账户、订阅服务、系统权限、可用功能性、用户访问和其它特征(包含但不限于机构、行业、职能、部门、项目、团队和事件中的活动和角色结构)的互动。系统100和方法,例如通过利用账户和计划子系统(“A&PSS”)310,接着可亲自和/或通过电信网络来选择并传递描述、模型和/或媒体,所述描述、模型和/或媒体描述或提出所建议的角色、机构、功能、结构、社交网络结构、项目、团队、个人、事件或其它结构或组织活动。在某些实施例中,系统100和方法可使用户能够提供关于这些结构在用户的情形中对所述用户的效益的反馈。值得注意的是,系统100和方法通过多个子系统提供功能性,所述子系统一起:1)收集关于但不限于人际或组织效益的社交、情商、自我评估、自我发展和能力数据;2)通过专家分析、数据分析和人工智能算法,识别要改进的区域;及3)通过技术接口向用户提供特定情况的个性化指导内容,其可能但不限于在组织中的何处执行功能,或谁具有特定职责或权限。系统100可包含安全协议,所述安全协议出于管理项目和组织的目的针对汇总的匿名化数据的用户将账户、处理、网络分析和数据管理与那些使用数据接收关于其在互动环境中的个人贡献的反馈或改进其在互动环境中的个人贡献的用户分开;及4)将这些活动置于组织的机构、项目、团队和其它结构中。
如本公开的其它地方所指示,系统100和方法可包含多个不同的子系统,其彼此互动,以提供由系统100和方法提供的功能性。第一子系统,FFSS 302可包括多平台用户体验(UX),其通过智能手机、平板计算机、膝上型计算机、可穿戴技术和通过物联网(IoT)的更广泛的环境体验例如通过使用各种类型的监视技术与用户介接。在某些实施例中,FFSS 302可通过但不限于利用例如调查问题之类的查询或通过为“喜欢”、评论、排名系统或音频/视频捕获提供机会或通过提供奖励,例如但不限于可能但未必基于底层区块链技术(可能但不一定是应用程序独有的)的加密货币的价值单位,来促使和/或触发用户的参与。在某些实施例中,用户可以通过单个互动(例如但不限于点击数字界面)来指示事件中的所有参与者都是有帮助的并且从所述用户的角度来看,其参与起作用。在一些实施例中,用户响应可以直接从另一应用程序给出,所述应用程序例如但不限于日历应用程序、文本、电子邮件、可穿戴技术的通知或其某一组合。作为另一实例,用户可能正在参加会议或某一其它事件并且可能正在听主题专家的演示。当演讲者进行演示和/或浏览演示的伴随媒体时,在任一时刻或在许多时刻,如果材料有用,用户可以在用户装置的用户界面上向上滑动(例如,通过触摸屏),且如果材料不清楚或不相关,那么可以向下滑动。作为另一实例,如果演讲者吸引人,那么用户可以向右滑动,且如果可以改进演示,用户可以向左滑动。在某些实施例中,还可以通过系统100和方法提供供用户提供将改进互动的详细评论的机会。在某些实施例中,系统100可追踪谁在说话、关于所述个人在会议或事件中的角色的期望以及在演示中附加反馈的位置。接着可将追踪信息传送到第二子系统sDAASS 306,作为对演示者和可能被分配负责与所述事件相关联的会议、议程项目、演示、报告、事件、项目或目标的任何其它用户的反馈。追踪信息到sDAASS 306的传送可以例如但不限于通过在两端利用加密而安全且匿名地进行。在某些实施例中,来自A&PSS 310的信息可以集成到sDAASS 306中。在某些实施例中,还可以分析来自现有事件的信息以为用户提供事件前简报。
在某些实施例中,为了确保机密性并防止或阻止黑客行为,FFSS 306中与任何特定用户的互动以及与其它用户相关的所有数据可以首先通过安全连接被匿名地传递到单独的安全的MS 304,其中在与同其它用户的互动相关联的数据中被识别的每一用户是运用不同化身而被唯一地识别。可以使用安全地存储的安全映射密钥和/或安全令牌(例如通过利用区块链或某一其它安全分类账)来编码此标识用户到化身。在某些实施例中,分配密钥可用于将与化身相关的分析和内容关联回真实用户。这可以允许另一第三子系统CFSS 308在某个时间点访问特定的且与给定用户的需求和兴趣前后相关的辅导媒体和资源,并且这可以安全地完成。在某些实施例中,来自A&PSS 310的信息可以安全地集成到CFSS 308中,以在某个时间点访问特定的且与给定用户的需求和兴趣前后相关的指导媒体和资源。
值得注意的是,sDAASS 306可以用作系统100和方法的分析和认知核心。作为独立系统,sDAASS 306在某些实施例中既安全又完全匿名。在系统100和方法中,所有用户都可以被安全地表示为化身。sDAASS 306中的化身可以彼此相关联,并且与事件、会议、项目、多团队系统、目标和组织相关联,这相当于系统100和方法的所有用户的互动世界的动态虚拟表示。每一化身(且因此通过安全索引,每一真实用户)可以具有进入虚拟社交网络世界的安全且唯一的窗口,因为所述互动网络影响用户。可以为每一化身分配一个称为条件状态的时间序列张量变量,其表示从每一唯一化身的角度所经历的化身用户的世界。来自用户的反馈可以安全地传送到虚拟世界并在化身的情况中汇总以确保匿名,并且可以编译和分析此类数据以通过每一用户的化身向每一用户提供具体和针对性的反馈。出于分析目的,可以将条件状态投射到条件状态类型和/或类别的较小空间上。在某些实施例中,针对每一条件状态类型开发反馈,并且分配有特定条件状态类型的每一化身接收类似的反馈。在某些实施例中,可以将反馈发送到由此条件状态类型编索引的CFSS 308,所述条件状态类型可以但不一定包含关于焦点化身的虚拟网络中的其它人的状态或声誉排名数据。因此,系统100和方法允许每一用户安全访问其个人社交、知识和资源网络的安全虚拟和另外匿名表示,以及用于探索和模拟场景目的的历史事件和操作情况。独立地,给定化身的条件状态类型或类别可以被发送到CFSS 308,且接着可以作为用户的兴趣状态和/或代码安全地映射到所述用户。在某些实施例中,来自A&PSS 310的信息可以安全地集成到CFSS 308中,以在某个时间点访问特定的且与给定用户的需求和兴趣前后相关的指导媒体和资源且这可以安全地完成。在某些实施例中,关于用户的个人或人口统计标识信息不包含在sDAASS306中。
在某些实施例中,第一化身的条件状态可以但不一定是使用从自我评估和自我发展活动、组织状态和环境状态数据以及调查响应和通过其他化身(反映其它用户)的关于第一化身的其它输入收集的信息来计算的,针对具有相似特性的场景,单独考虑和总体考虑,以调查关于特定事件、事件系列、事件类型、项目或项目集合的问题,或第一化身所扮演的角色是以上各者中的任一个。此条件状态,可能但不一定与其它条件状态组合,接着可以通过一种算法映射到条件状态类型,所述算法将具有在统计学上或以其它方式类似的数据特性的不同条件状态关联到等价类别,以用于简化分析。前述内容导致为第一化身分配用于计算的每一条件状态的条件状态类型。在某些实施例中,化身可以具有许多条件状态类型。
在某些实施例中,CFSS 308存在的目的可以是为用户产生讯息和资源馈送,所述讯息和资源馈送被个性化以包含多种类型的情境背景。例如,情境背景可包含来自其它人的关于近期和历史事件期间的个人效益的反馈,以便能够反思和促进对个人情形和效益的自我意识,并在需要时建立个人发展目标。作为另一实例,情境背景可以包含先前向系统100识别的即将发生的事件,以通过提供关于各种参与者的社交互动、相对影响和主题专业知识的相关信息和背景来使用户准备好尽可能有效益。作为另一实例,情境背景可以包含朝着用户的个性化长期目标的进展。在某些实施例中,用户可用的内容可以包含:各种类型的文章和媒体、关于用户将在即将发生的事件期间与之互动的个人的背景和个人互动历史、针对性的训练机会(例如教程)、互动式指导员参与的体验、包含虚拟现实和/或增强现实环境的模拟、游戏化互动工具、全息图,以及涉及机器或人类专家或两者的某一组合的一对一指导机会。在某些实施例中,用户可以接收反映来自其它用户的响应的报告,所述报告可以包含但不限于汇总数据、历史数据、比较数据、统计数据,或从编译的文本评论编译等。
在某些实施例中,用户可用的内容可以但不一定以摘要、翻译技术或学术文章或发布、预发布的其它参考或链接、培训计划材料、培训课程材料、培训评估材料、开放访问或其它先前可用的信息在系统内部或系统之外(例如但不限于在互联网上)被识别的方式经策划。在某些实施例中,此材料可以作为但不限于认证计划的全部部分,例如但不限于认证财务分析(CFA)证书、经认可的学位计划,例如但不限于商业硕士管理(MBA)计划或专业许可计划,例如但不限于获得许可的房地产经纪人、电工、投资顾问等。在某些实施例中,内容可以是一个或多个特定账户专有的并且仅对具有适当权限的用户可用。策划可能涉及但不限于对从通过人工智能和机器学习算法匿名的其它用户收集的自由形式评论或其它信息进行感知分析。所述策划可能涉及但不限于随机选择或以其它方式收集的人类专家、机器专家、算法、机器学习、人工智能、投票系统、用户喜欢或排名系统。在某些实施例中,可以使用全息图或其它表示技术来呈现结果。
在某些实施例中,第一用户可能经历的情境背景可以被分类为用户兴趣并且这些情境背景中的每一个可以被分配用户兴趣代码。例如,这可能包含但不限于如在自我评估调查中或从用户的专业发展计划中识别的专业发展的某一方面的自我改进的动机,或者其可能涉及但不限于用户的由于反馈而认识到用户需要提高例如公开演讲技能。在某些实施例中,专业发展计划可包含但不限于个人逐步发展技能、行为或能力组合,例如但不限于:那些可能被表示为一个或多个类别的专家贡献者,灵活贡献者、组织贡献者或真实贡献者或其组合;但不限于自主贡献者或协作贡献者或其组合中的一个或多个;及可能被称为但不限于转型贡献者的单个组合。在某些实施例中,用户兴趣代码可以由系统100、专家通过人工智能或通过机器学习算法推断并分配给第一用户以用于识别指导或媒体内容或翻译学术或实践研究或材料,由系统推送给用户。在某些实施例中,推送的内容可包含与但不限于基准、其它团队分数、其它个人分数以及但不一定是奖励、住宿、积分或其它奖励(无论是货币还是其它)的比较。在某些实施例中,这些可以通过将用户的关联化身的条件状态类型映射到用户兴趣代码并将其分配给第一用户来以安全方式为第一用户确定。在某些实施例中,增强现实或全息技术可用于将专家带到个人那里进行虚拟指导课程。在某些用户实施例中,接收反馈的用户可以通过与系统互动来感谢那些匿名或个人地向个人或所有参与者提供反馈或但不一定是反馈评论的人。
在某些实施例中,可以基于编码消息选择通过CFSS 308推送给用户的内容,所述编码消息一起描述了用户的带时戳的条件状态,在CFSS 308的情况中,所述带时戳条件状态可以称为用户的“在时间t的兴趣状态”。一旦内容被访问并推送给用户,用户的在时间t的兴趣状态的值可以连同内容访问历史被加密并存储在CFSS 308中,所述内容访问历史仅在用户选择访问它的情况下供用户使用。[注意:在某些实施例中,所有条件状态信息只能以匿名形式保留在sDAASS 306中,作为用户安全且唯一分配的化身的虚拟历史的一部分。例如,这可用于通知未来的分析和条件状态分配。]为了确保机密性并防止黑客行为,特定化身的sDAASS 306中的条件状态可以通过从sDAASS 306到单独的安全MS 304的安全连接匿名地传递,其中与化身相关联的用户可以被识别并分配在时间t的兴趣状态(即,其化身在时间t的条件状态)。接着可以将用户在时间t的兴趣状态附加到用户识别符并安全地发送到CFSS 308。可以发送此密钥以访问与用户在时间t的兴趣状态相关的指导媒体和资源。
在某些实施例中,可以在增强现实(AR)或虚拟现实(VR)技术或全息技术的情境中将已经基于用户的用户兴趣代码推送给用户的内容或媒体推送给所述用户,也许但不一定作为:触觉信号,例如但不限于振动;音频信号,例如但不限于音调、音调系列或音调的组合;嗅觉信号,例如但不限于味道或气味;或作为视觉信号,例如颜色或图像、颜色或图像系列,或颜色和图像的组合,包含但不限于计算机生成的图像,例如但注意在线上游戏中常见的有限向量图形渲染图像;或这些的任何组合,由但不限于可穿戴技术传信,使得其可以但不限于在训练练习、模拟练习或实际情形或事件的情况中传递。这可能发生但不限于实际情形或事件被计算为对应于导致系统识别第一用户的用户兴趣代码的用户化身的条件状态类型的事件的状况。这可以由系统作为关于情形出现或执行推荐的活动或行为的提醒、触发或警告信号来提供,以防止不希望的条件状态类型再次发生或促进理想的条件状态类型发生。在某些实施例中,所述系统可以接收来自个人的直接反馈或汇总反馈以确定操作问题或机会,例如但不限于项目可交付成果被延迟或团队中可能需要或可能不需要由个人、个人的子集、团队或组织解决的未解决冲突。在某些实施例中,来自A&PSS 310的信息可以安全地集成到CFSS 308中,以访问特定的且与给定用户在某个时间点的需求和兴趣前后相关的指导媒体和资源。
如图1中所展示,公开用于提供技术支持的、可信的表现反馈的系统100。系统100可以被配置为支持但不限于支持项目协作服务、事件调度服务、项目或事件人员配备服务、角色分配服务、角色或办公室的选举、可交付成果分配服务、团队和多团队系统组织服务、互动服务、项目优化服务、反馈服务、自我评估服务、专业或其它自我发展服务、内容传递服务、监视和监控服务、云计算服务、卫星服务、电话服务、互联网语音协议服务(VoIP)、软件即服务(SaaS)应用程序、平台即服务(PaaS)应用程序、游戏应用程序和服务、社交媒体应用程序和服务、运营管理应用程序和服务、生产力应用程序和服务、移动应用程序和服务,以及任何其它计算应用程序和服务。值得注意的是,系统100可包含第一用户101,其可利用第一用户装置102以访问数据、内容和服务,或执行多种其它任务和功能。例如,第一用户101可利用第一用户装置102以传输信号,以访问各种线上服务和内容,例如可在互联网、其它装置和/或各种计算系统上获得的线上服务和内容。在某些实施例中,第一用户101可以是可与事件或活动中的其它人(例如,第二用户110)互动的个人,所述事件或活动例如但不限于社交聚会、工作会议、政治运动或体验、团队或多团队系统项目、活动表演(例如,运动、表演、锻炼和/或任何类型的活动)、社交网络聚会、任何类型的社交互动活动或其任何组合。在某些实施例中,第一用户101可以是机器人、计算机、程序、过程、仿真机器人、动物、任何类型的用户,或其任何组合。第一用户装置102可包含存储器103和处理器104,所述存储器包含指令,所述处理器执行来自存储器103的指令以执行由第一用户装置102执行的各种操作。在某些实施例中,处理器104可以是硬件、软件或其组合。第一用户装置102还可包含界面105(例如,屏幕、监视器、图形用户界面等),其可使得第一用户101能够与在第一用户装置102上执行的各种应用程序互动且与系统100互动。在某些实施例中,第一用户装置102可以是和/或可包含计算机、任何类型的传感器、膝上型计算机、机顶盒、平板装置、平板手机、服务器、移动装置、智能手机、智能手表和/或任何其它类型的计算装置。说明性地,第一用户装置102经展示为图1中的智能手机装置。
除了使用第一用户装置102之外,第一用户101还可利用和/或访问额外用户装置。如同第一用户装置102,第一用户101可以利用额外用户装置来传输信号以访问各种线上服务和内容。额外用户装置可包含存储器和处理器,所述存储器包含指令,所述处理器执行来自存储器的指令以执行由额外用户装置执行的各种操作。在某些实施例中,额外用户装置的处理器可以是硬件、软件或其组合。额外用户装置还可包含接口,其可使得第一用户101能够与在额外用户装置上执行的各种应用程序互动且与系统100互动。在某些实施例中,额外用户装置可以是和/或可包含计算机、任何类型的传感器、膝上型计算机、机顶盒、平板装置、平板手机、服务器、移动装置、智能手机、智能手表和/或任何其它类型的计算装置(无论是可穿戴的、植入的还是以其它方式)和/或其任何组合。
第一用户装置102和/或额外用户装置可属于和/或形成通信网络。在某些实施例中,通信网络可以是实现和/或促进系统100的功能性的各个方面的本地网络、网状网络或其它网络。在某些实施例中,通信网络可通过使用任何类型的无线或其它协议和/或技术而形成于第一用户装置102与额外用户装置之间。举例来说,用户装置可通过利用蓝牙低能量(BLE)、传统蓝牙、紫蜂、蜂窝、NFC、Wi-Fi、Z-Wave、ANT+、IEEE 802.15.4、IEEE 802.22、红外线、RFID、无线HD、无线USB、任何其它协议和/或无线技术、卫星、光纤或其任何组合在通信网络中彼此通信。值得注意的是,通信网络可以配置成以通信方式与系统100和/或系统100外部的任何其它网络链接和/或通信。
在某些实施例中,属于通信网络的第一用户装置102和额外用户装置可通过通信网络与彼此共用且交换数据。举例来说,用户装置可共用关于用户装置的各种组件的信息、识别用户装置的位置的信息、指示用户装置中和/或上所包含的传感器的类型的信息、指示用于识别与用户装置110相关联的任一用户的生物特征信息的信息、指示与同用户装置相关联的任一用户相关联的验证信息的信息、识别由用户装置利用的连接的类型的信息、识别用于用户装置上的应用程序的信息、识别用户利用用户装置的方式的信息、识别用户装置是否在移动的信息、识别用户装置的定向的信息、识别哪一用户登入和/或使用用户装置的信息、识别用于用户装置的用户的用户简档的信息、识别用于用户装置的装置简档的信息、识别通信网络中的装置的数目的信息、识别被添加到通信网络或从通信网络移除的装置的信息、任何其它信息,或其任何组合。
从用户装置的传感器获得的信息可包含但不限于来自用户装置的任一生物识别传感器(或其它传感器)的生物特征信息、来自用户装置的心脏传感器的心跳速率信息、来自用户装置的温度传感器的温度读数、来自用户装置的光传感器的环境光测量值、来自用户装置的声音传感器的声音测量值、来自用户装置的全球定位装置的全球定位信息、来自用户装置的接近度传感器的接近度信息、来自用户装置的运动传感器的运动信息、来自用户装置的存在传感器的存在信息、来自用户装置的陀螺仪的定向信息、来自用户装置的定向传感器的定向信息、来自用户装置的加速计的加速度信息、来自任何其它传感器的信息,或其任何组合。在某些实施例中,来自第一用户装置102、额外用户装置和/或第二用户装置111的传感器的信息可通过一个或多个信号传输到彼此及传输到系统100的组件。
除了第一用户101之外,系统100还可包含第二用户110,其可利用第二用户装置111以执行多种功能。举例来说,第二用户装置111可由第二用户110用于传输信号,以请求由与通信网络135或系统100中的任何其它网络相关联的内容和服务提供商提供的各种类型的内容、服务和数据。在某些实施例中,第二用户110可以是个人,其可与事件中的其它人(例如,第一用户101)互动,所述事件例如但不限于社交聚会、工作会议、团队项目、活动表演、社交网络聚会、任何类型的社交互动活动,或其任何组合。在某些实施例中,第二用户110可以是管理者、管理员和/或可监控和/或监察由第一用户101在各种事件期间进行的互动的其它个人。在其它实施例中,第二用户110可以是机器人、计算机、程序、过程、仿真机器人、动物、任何类型的用户,或其任何组合。第二用户装置111可包含存储器112和处理器113,所述存储器包含指令,所述处理器执行来自存储器112的指令以执行由第二用户装置111执行的各种操作。在某些实施例中,处理器113可以是硬件、软件或其组合。第二用户装置111还可包含界面114(例如,屏幕、监视器、图形用户界面等),其可使得第二用户110能够与在第二用户装置111上执行的各种应用程序互动及与系统100互动。在某些实施例中,第二用户装置111可以是计算机、膝上型计算机、机顶盒、平板装置、平板手机、服务器、移动装置、智能手机、智能手表和/或任何其它类型的计算装置,无论是可穿戴的、植入的还是以其它方式。说明性地,第二用户装置111经展示为图1中的智能手机装置。
系统100还可包含第三用户装置115,其可由系统100的用户利用。第三用户装置115可包含存储器和处理器,所述存储器包含指令,所述处理器执行来自存储器的指令以执行由第三用户装置115执行的各种操作。在某些实施例中,处理器可以是硬件、软件或其组合。第三用户装置115还可包含界面(例如,屏幕、监视器、图形用户界面等),其可使得第三用户装置115能够与在第三用户装置115上执行的各种应用程序互动及与系统100互动。在某些实施例中,第三用户装置115可以是计算机、膝上型计算机、机顶盒、平板装置、平板手机、服务器、移动装置、智能手机、智能手表和/或任何其它类型的计算装置,无论是可穿戴的、植入的还是以其它方式。说明性地,第三用户装置115经展示为图2中的可穿戴装置。系统100还可包含计算装置120,其可用以例如在事件期间监控用户。计算装置120可包含存储器和处理器,所述存储器包含指令,所述处理器执行来自存储器的指令以执行由计算装置120执行的各种操作。在某些实施例中,处理器可以是硬件、软件或其组合。计算装置120还可包含界面(例如,屏幕、监视器、图形用户界面等),其可使得计算装置120能够与在计算装置120上执行的各种应用程序互动及与系统100互动。在某些实施例中,计算装置120可以是计算机、监控装置、相机、运动检测器、任何类型的传感器、膝上型计算机、机顶盒、平板装置、平板手机、服务器、移动装置、智能手机、智能手表和/或任何其它类型的计算装置,无论是可穿戴的、植入的还是以其它方式。说明性地,计算装置120经展示为图2中的监视装置。值得注意的是,系统100的用户装置中的任一个可包含操作系统、电信能力(SMS、呼叫等)、用于保护数据的安全和加密功能性、电子邮件功能性、浏览器功能性和/或任何其它功能性。系统100还可包含防火墙125,其可经设计以阻止对系统100、系统100的装置、系统100的程序或其任何组合的数据的未授权的访问。防火墙125还可允许系统100的装置和/或程序与外部网络165安全通信。在某些实施例中,防火墙125可被配置成用于为数据和由系统100进行的程序提供安全性和/或可用于对穿越系统100的各种组件、装置和/或程序的数据和/或信息进行加密。
在某些实施例中,第一用户装置102、额外用户装置和/或第二用户装置111(和/或第三用户装置115和/或计算装置120)可具有在其上存储和/或可访问的任何数量的软件应用程序和/或应用程序服务。举例来说,第一用户装置102、额外用户装置和/或第二用户装置111可包含反馈应用程序、协作式工作应用程序、投票应用程序、互动式社交媒体应用程序、生物特征应用程序、基于云的应用程序、VoIP应用程序、其它类型的基于手机的应用程序、产品订购应用程序、业务应用程序、电子商务应用程序、媒体流式传输应用程序、基于内容的应用程序、媒体编辑应用程序、数据库应用程序、游戏应用程序、基于互联网的应用程序、浏览器应用程序、移动应用程序、基于服务的应用程序、生产力应用程序、视频应用程序、音乐应用程序、社交媒体应用程序、任何其它类型的应用程序、任一类型的应用程序服务,或其组合。在某些实施例中,软件应用程序可支持由本公开中描述的系统100和方法提供的功能性。在某些实施例中,软件应用程序和服务可包含一个或多个图形用户界面,以便使得第一用户101和第二用户110能够容易地与软件应用程序互动。软件应用程序和服务还可由第一用户101和第二用户110用于与系统100中的任何装置、系统100中的任何网络或其任何组合互动。在某些实施例中,第一用户装置102、额外用户装置和/或第二用户装置111可包含相关联的电话号码、装置标识或任何其它识别符,以唯一地识别第一用户装置102、额外用户装置和/或第二用户装置111。
系统100还可包含通信网络135。通信网络135可在服务提供商、第一用户101、第二用户110、任何其它指定用户、计算机、另一网络或其组合的控制下。系统100的通信网络135可被配置成将系统100中的装置中的每一个链接到彼此。例如,通信网络135可以由第一用户装置102用于与通信网络135内或外部的其它装置连接。另外,通信网络135可被配置成传输、产生和接收穿越系统100的任何信息和数据。在某些实施例中,通信网络135可包含任何数量的服务器、数据库或其它部件。通信网络135还可包含且连接到网状网络、本地网络、云计算网络、IMS网络、VoIP网络、安全网络、VoLTE网络、无线网络、以太网网络、卫星网络、宽带网、蜂窝网络、专用网络、电缆网络、互联网、互联网协议网络、MPLS网络、业务分发网络、任何网络或其任何组合。说明性地,服务器140、145和150经展示为包含在通信网络135内。在某些实施例中,通信网络135可以是位于特定地理区中的单个自治系统的部分,或跨越若干地理区的多个自治系统的部分。
值得注意的是,可以通过使用服务器140、145、150和160的任何组合来支持和执行系统100的功能性。服务器140、145和150可以驻存在通信网络135中,然而,在某些实施例中,服务器140、145、150可以驻存在通信网络135外部。服务器140、145和150可以提供并充当执行由系统100提供的各种操作和功能的服务器服务。在某些实施例中,服务器140可包含存储器141和处理器142,所述存储器包含指令,所述处理器执行来自存储器141的指令以执行由服务器140执行的各种操作。处理器142可以是硬件、软件或其组合。类似地,服务器145可包含存储器146和处理器147,所述存储器包含指令,所述处理器执行来自存储器146的指令以执行由服务器145执行的各种操作。此外,服务器150可包含存储器151和处理器152,所述存储器包含指令,所述处理器执行来自存储器151的指令以执行由服务器150执行的各种操作。在某些实施例中,服务器140、145、150和160可以是网络服务器、路由器、网关、交换机、媒体分发集线器、信号传送点、服务控制点、服务切换点、防火墙、路由器、边缘装置、节点、计算机、移动装置,或任何其它合适的计算装置或其任何组合。在某些实施例中,服务器140、145、150可以通信方式链接到通信网络135、任一网络、系统100中的任一装置或其任何组合。
系统100的数据库155可以用以存储和中继穿越系统100的信息、缓存穿越系统100的内容、存储关于系统100中的装置中的每一个的数据,以及执行数据库的任何其它典型功能。在某些实施例中,数据库155可连接到通信网络135、任何其它网络或其组合或驻存在其内。在某些实施例中,数据库155可以充当与装置中的任一个相关联的任何信息和与系统100相关联的信息的中心存储库。此外,数据库155可包含处理器和存储器或连接到处理器和存储器,以执行与数据库155相关联的各种操作。在某些实施例中,数据库155可连接到防火墙125、服务器140、145、150、160、第一用户装置102、第二用户装置111、额外用户装置、第三用户装置115、计算装置120、系统100中的任一装置、系统100的任一过程、系统100的任一程序、任何其它装置、任一网络,或其任何组合。
数据库155还可存储从系统100获得的信息和元数据,存储与第一用户101和第二用户110相关联的元数据和其它信息,存储与第一用户101和第二用户110相关联的用户简档,存储与系统100中的任一装置相关联的装置简档,存储穿越系统100的通信,存储用户喜好,存储与系统100中的任一装置或信号相关联的信息,存储与关于用户装置102、111、115和/或计算装置120的使用模式相关的信息,存储从系统100中的网络中的任一个获得的任一信息,存储从系统100的传感器中的任一个获得的任一生物特征信息,存储生物特征和/或数字凭证,存储与第一用户101和第二用户110相关联的历史数据,存储装置特性,存储关于与第一用户101和第二用户110相关联的任一装置的信息,存储与计算装置120相关联的任一信息,存储验证信息,存储与通信网络135相关联的信息,存储由系统100产生和/或处理的任一信息,存储针对操作中的任一个公开的信息和针对在此的系统100公开的功能中的任一个,存储穿越系统100的任一信息,或其任何组合。此外,数据库155可以被配置成处理由系统100中的任一装置向其发送的查询。
系统100还可包含外部网络165。外部网络165可在不同于通信网络135的服务提供商、任一指定用户、计算机、另一网络或其组合的控制下。系统100的外部网络165可被配置成用于与通信网络135通信。举例来说,通信网络135可用以与第一用户装置102通信且与外部网络165内或外部的其它装置连接。另外,外部网络165可被配置成传输、产生和接收穿越系统100的任何信息和数据。在某些实施例中,外部网络165可包含任何数量的服务器、数据库或其它部件。外部网络165还可包含且连接到网状网络、本地网络、云计算网络、IMS网络、VoIP网络、安全网络、VoLTE网络、无线网络、以太网网络、卫星网络、宽带网、蜂窝网络、专用网络、电缆网络、互联网、互联网协议网络、MPLS网络、业务分发网络、任何网络或其任何组合。在某些实施例中,外部网络165可以是位于特定地理区中的单个自治系统的部分,或跨越若干地理区的多个自治系统的部分。
值得注意的是,在某些实施例中且如图3中所展示,系统100可包含FFSS 302。FFSS302可以是为技术支持的用户体验和互动平台的系统100的子系统,其可使得用户能够提供且接收关于在例如事件中与之互动的其它人的所感知的能力、效益和/或表现的反馈。在某些实施例中,FFSS 302可包含软件、硬件或软件和硬件的组合。在某些实施例中,FFSS 302可驻存在第一用户装置102和/或第二用户装置111、第三用户装置115、服务器140、150、160、通信网络135、计算装置120、外部网络165、任何其它装置、系统和/或位置或其组合上。在某些实施例中,FFSS 302可包含任何数量的服务器、接口、传感器、装置、程序、模块或其组合,以促进FFSS 302的性能和功能性。在某些实施例中,FFSS 302可被配置成为任何数量的用户调度事件和会议。在每一事件内发生的社交互动和情绪反应可形成对系统查询的响应的基础。在某些实施例中,FFSS 302可收集关于机构和/或组织的状态(例如,用户为其工作的实体)且关于环境状态(例如,正在发生事件的位置的状态)的信息。在某些实施例中,这些数据可通过与其它实体可能但不限于通过应用编程接口(API)、消息、通知、信号、日历条目、电子邮件、令牌或其任何组合介接而获得,所述其它实体例如但不限于系统、应用程序或软件即服务(SaaS)或其它平台。此类介接实体可包含但不限于Microsoft Teams、SharePoint、MS Project、GoogleDocs、Google Calendar、Twilio、Zoom、Webex、Slack、Trello、LiquidPlanner、Asana、Adobe、IBM、WorkDay或Zulip。在某些实施例中,FFSS 302可在受信任执行环境(TEE)中处理所有或一些用户数据、所有或一些用户输入或所有或一些所显示、处理或审查的信息,无论所使用的机密计算技术是软件还是硬件启用的。所收集数据可被安全地传递到MS 304,以匿名地转发到sDAASS 306。
在某些实施例中,FFSS 302可以为用户配置自我评估服务,其向用户查询关于但不限于以下各者的信息:自我感知、自我表现反映、偏好、个性特性、学习模式、各种内容领域中的知识水平、先前的教育和训练、认知能力、社交和情感技能、有关组织、部门项目、事件的知识(包含但不限于目标、任务、可交付成果、意外事件、时间表、领导力、管理、其它团队成员、其它团队和其成员的可交付成果、交接和目标),无论是在多团队系统或其它方面,还是在个人、团队、多团队系统或组织、或职业、目标或期望方面。
在某些实施例中,FFSS 302可以为用户配置专业或其它自我发展规划服务,其向用户查询关于但不限于以下各者的信息:用户学习目的、目标、期望和偏好、学习模式、关于但不限于各个内容领域中的知识水平、先前和期望的教育和训练、认知能力、课程偏好、知识水平、社交和情感技能、关于组织、部门项目、事件的知识(包含但不限于目标、任务、可交付成果、意外事件、时间表、领导力、管理、其它团队成员、其它团队及其成员的可交付成果、交接和目标),无论是在多团队系统中还是其它方面。
如上文所指示,系统100还可包含另一子系统,sDAASS 306。sDAASS 306可以是由机器学习、人工智能、专家系统、人类专家小组或其某一组合支持的数据存储和分析处理平台。在某些实施例中,sDAASS 306可包含软件、硬件或软件和硬件的组合。在某些实施例中,sDAASS 306可驻存在第一用户装置102和/或第二用户装置111、第三用户装置115、服务器140、150、160、通信网络135、计算装置120、外部网络165、任何其它装置、系统和/或位置或其组合上。在某些实施例中,sDAASS 306可包含任何数量的服务器、接口、传感器、装置、程序、模块或其组合,以促进sDAASS 306的性能和功能性。sDAASS 306执行的处理包含但不限于数据挖掘、项目或计票、个人或决策排名、动态系统处理、统计分析、科学研究,例如但不限于基于理论的假设检验,所述处理可用于分析与但不限于用户互动、组织状态信息或环境数据相关的用户和系统数据。由sDAASS 306进行的处理还可包含但不限于进行及执行各种情况和模拟。这些分析可一起作为由系统100产生的用户报告、反馈和推荐的输入。由sDAASS 306产生和/或分析的数据可被安全地传递到MS 304,以被转发到CFSS 308。在某些实施例中,在下文进一步描述的CFSS 308可在受信任执行环境(TEE)中处理所有或一些系统产生的或用户数据、所有或一些用户输入或所有或一些所显示、处理或审查的信息,无论所使用的机密计算技术是软件和/或硬件启用的。
除了FFSS 302和sDAASS 306之外,系统100还可包含MS 304,其可以是安全的防火墙保护处理平台,其加密且存储真实用户身份与化身身份之间的双向映射关系。前者允许用户在安全且匿名的技术情况中提供且访问关于其它人的数据。后者使得用户能够私密地且匿名地接收安全反馈,其它人类在无用户权限(如由用户的个人简档中的选择来确定)的情况下无法访问所述安全反馈。在某些实施例中,MS 304可包含软件、硬件或软件和硬件的组合。在某些实施例中,MS 304可驻存在第一用户装置102和/或第二用户装置111、第三用户装置115、服务器140、150、160、通信网络135、计算装置120、外部网络165、任何其它装置、系统和/或位置或其组合上。在某些实施例中,MS 304可包含任何数量的服务器、接口、传感器、装置、程序、模块或其组合,以促进MS 304的性能和功能性。在某些实施例中,防火墙125可被集成到MS 304中和/或以通信方式链接到MS 304。
如上文所指示,数据被安全地从sDAASS 306传递到MS 304,其接着将受保护的数据转发到CFSS 308,其可以是系统100的另一子系统。在某些实施例中,CFSS 308可以是技术支持的用户体验和互动平台,其使得用户能够接收关于以下各者的反馈:其在由与之互动的其它人匿名地描述的事件和互动期间的所感知的能力、相对等级、贡献、参与或表现。在某些实施例中,CFSS 308可产生输出报告、分析和/或推荐。CFSS 308可例如通过将报告、分析和/或推荐传输到第一用户装置102和/或第二用户装置111而将报告、分析、指导技巧、各种主题的微课程、行为信号或触发、经编码触觉、电磁或声波、或可能或可能不促进习得的认知活动的嗅觉感测模式和/或推荐传输和/或另外提供给用户。CFSS 308可以提供对定制的兴趣编索引流媒体内容数据库(例如数据库155)的访问,所述数据库可用于增强分析并作为对旨在改善用户未来表现的辅导或指导推荐的支持。在某些实施例中,CFSS 308可驻存在第一用户装置102和/或第二用户装置111、第三用户装置115、服务器140、150、160、通信网络135、计算装置120、外部网络165、任何其它装置、系统和/或位置或其组合上。在某些实施例中,CFSS 308可包含任何数量的服务器、接口、传感器、装置、程序、模块或其组合,以促进CFSS 308的性能和功能性。在某些实施例中,CFSS 308可在受信任执行环境(TEE)中处理所有或一些系统产生的或用户数据、所有或一些用户输入或所有或一些所显示、处理或审查的信息,无论所使用的机密计算技术是软件还是硬件启用的。
各种子系统可彼此互动且彼此具有关系。举例来说,FFSS 302和MS 304可以安全且动态方式彼此有规律地通信且互动,以确保数据获取过程(获得反馈和/或其它相关数据)是安全的,且向所有用户提供完全的匿名。一旦由用户输入的数据成功地从FFSS 302传递到MS 304,FFSS 302上的源数据可从FFSS 302擦除。一旦MS 304上的所接收的用户数据(即,从FFSS 302接收)已经编码且分配给对应的化身识别符及可能但不限于组织和环境代码(数值或其它类型的代码),以变为匿名化数据,所述用户数据可从MS 304擦除。在某些实施例中,在关于任何个人用户的输入、评估和与FFSS 302的互动的匿名化数据被安全地传递到sDAASS 306之前,可能需要但不是必须地进行此擦除。在某些实施例中,来自A&PSS310的信息可在被安全地传递到sDAASS 306之前被集成到来自FFSS 302的信息中。在第一次使用后,MS 304可为给定用户创建唯一化身。此化身可匿名地嵌入在由系统100的所有其它用户组成的虚拟组织和虚拟社交网络中。
MS 304接着可将现已由MS 304安全地且匿名地分配到对应的唯一地经定义化身的所有数据传递到sDAASS 306,以供进一步处理。sDAASS 306可将为每一真实用户安全地分配的用于所有化身的条件状态数据传递到MS 304以供处理。另外,MS 304可连续地与CFSS 308动态地且安全地互动,以确保报告、指导和推荐过程是安全的且对于所有用户保持匿名。一旦MS 304从sDAASS 306安全地接收给定化身的条件状态报告和推荐包,MS 304可访问其受保护防火墙(可能受区块链和/或分布式分类账技术保护)、用户到化身映射索引文件,且将化身的条件状态报告分配到其用户及所述用户的在时间t的兴趣状态。一旦验证此分配,可从MS 304擦除化身条件状态记录。在某些实施例中,可在MS 304将用户的“在时间t的兴趣状态”安全地传递到CFSS 308之前执行擦除。在某些实施例中,来自A&PSS 310的信息可以安全地集成到CFSS 308中,以在某个时间点访问特定的且与给定用户的需求和兴趣前后相关的指导媒体和资源。
操作上,系统100可操作和/或执行如在本公开的方法和以下使用情况场景中描述的功能性。在第一使用情况场景中,用户可与其智能手机和其它技术互动,以增强其在例如会议和演示的事件中的社交互动。这可在两个情况中发生。首先,在会议和事件期间及之后,应用程序会向用户查询其在事件本身的情况中相对于每一其它参与者以及与团体本身的体验。其次,每一用户基于所有其它系统100用户的组合的历史体验以及社会科学中的最新研究结果来接收基于特定反馈和近实时数据分析为用户定制的针对性辅导和反馈。为了支持这些使用,系统100利用大数据技术、人工智能、专家系统和计算建模模拟,以及人类专家。
在某些实施例中,使用情况可包含利用用于但不限于智能手机(例如第一用户装置102)的软件应用程序。软件应用程序可并有针对本公开中描述的系统100和/或方法描述的功能性和特征中的任一个。所述应用程序使得用户能够给出或查询所述用户以给出关于其它人的反馈,以利于其它人的个人发展和自我意识。可以在至少一个其它人员(其也是用户)的事件之前、期间或之后向每一用户询问反馈的此输入(例如通过在每一用户的装置上执行的应用程序),且焦点用户在事件、会议、体验或活动期间与所述至少一个其它人员互动(甚至但不限于仅仅通过倾听)达一段时间。接着可使用数据分析技术以及机器及人类智能和专门知识来编译且处理这些数据。可私密地且匿名地并通过与教练、导师和/或主管经由用户的智能手机的个人互动或亲自将反馈提供给每一个别用户,以帮助用户改进其管理、互动、演示或自我监控技能,从而增强未来表现。这些数据可被匿名地汇总以供较大组织使用。
在某些实施例中,可通过构建调查工具或其它查询来执行自我评估,所述调查工具或其它查询可使用但不一定使用是但不一定是关于第一用户或第二用户的情境、学习或期望情况或其某一组合的数据、调查或其它查询来构建或组装,且可能但不必请求响应。由系统100用于构建此工具的信息可但不一定与概念模型相关联,所述概念模型考虑在其假设统计关系的情况中的一个或多个属性、行为或其它可观察的度量、一阶、二阶、三阶或其它层级的潜在变量或因素,其中的一些或全部可或可不凭经验验证。在某些实施例中,用于但不限于构建工具、报告或识别用户兴趣代码的观察到的属性、行为、其它可观察的度量或潜在变量可以是以下各者中的一个或其组合:问责、主动倾听、管理活动、适应性、灵活性、可接近性、真实性、授权、自主性、自主贡献、一致性、贡献、平衡决策、平衡处理、协作贡献、社区建设、例如但不限于行业、技术、功能、文化、信息和通信技术的领域的能力、信息阐述、创新、创造力或身体素质的度量、公民行为、承诺、自信、清晰(清晰的沟通)、清晰的思维、同志情谊、考虑、收敛、好奇心、发散性、追随者、情商、同理心、赋能、参与、证据、生成活动、幽默、主动性、创新性、智力刺激、领导力、精神韧性、明确的价值观或道德指针、气氛、思想开放、有组织、表现度量、可预测、准备、积极主动、心理安全、自我意识、关系透明度、相关性、尊重、自我意识、自我调节、支持、团队规范强度、转型贡献透明度、信任、普遍、信任、个性化信任或工作场所气氛。
如上文所指示,由系统100提供的功能性可并入到软件应用程序中。所述应用程序可经由电信网络与系统100的控制器软件和数据库155互动。在使用情况场景中,所述应用程序可任选地通知所述用户现在是用户给出反馈的时间和/或但不一定是用户获得反馈的时间。如果到了给出反馈的时间,那么可以通过应用程序的子系统查询用户,以给出关于他们对在事件或会议期间与用户进行了有意义的互动的另一个人的印象的具体反馈。这可以在用户在本地与应用程序互动时发生,例如在第一用户101的第一用户装置102上。当用户点击“提交”时,这些数据可以从第一用户装置102传送到网络上的服务器(例如,服务器140),所述服务器包含用于存储在这些数据库155中的控制器软件。在某些实施例中,也可利用任选的通知特征,其中当装置日历应用程序指示经调度事件已经开始或即将结束时,系统100向用户发送通知以给出反馈。
在某些实施例中,用于从第二用户获得关于一个用户和用于一个用户的反馈的调查工具或其它查询可以但不一定是使用但不一定使用关于第一用户或第二用户的情境、学习或期望情况或其某一组合的数据、调查或其它查询来构建或组装,并且可能但不必请求响应。由系统100用于构建此工具的信息可但不一定与概念模型相关联,所述概念模型考虑在其假设统计关系的情况中的一个或多个属性、行为或其它可观察的度量或一阶、二阶、三阶或其它潜在变量或因素,其中的一些或全部可但不一定凭经验验证。在一个实施例中,用于但不限于构建工具、报告或识别用户兴趣代码的观察到的属性、行为、其它可观察的度量或潜在变量可以是以下各者中的一个或其组合:问责、主动倾听、管理活动、适应性、灵活性、对准、可接近性、真实性、授权、自主性、自主贡献、授权、一致性、贡献、平衡决策、平衡处理、协作贡献、已连接、社区建设、例如但不限于行业、技术、功能、文化、信息和通信技术的领域的能力、信息阐述、创新、或身体、公民行为、承诺、自信、清晰(清晰的沟通)、清晰的思维、同志情谊、考虑、贡献、收敛、创新、好奇心、发散性、追随者、情商、同理心、赋能、参与、证据、生成活动、幽默、主动性、创新性、智力刺激、领导力、精神韧性、明确的价值观或道德指针、氛围、思想开放、有组织、表现、可预测、准备、积极主动、心理安全、关系社交敏感度、透明度、相关性、强化学习、尊重、自我意识、自我调节、支持、团队规范强度、转型贡献透明度、信任、普遍、信任、个性化信任、效价、通用性、效价或工作场所气氛。
在某些实施例中,如果到了用户接收反馈的时间,那么用户装置上的软件以关于用户在最近事件中的表现的汇总的原始数据的形式向用户呈现反馈。所述用户接着可使用此信息来改变其在未来事件中的行为。在通知的任选状况下,当用户装置软件从控制器软件接收消息时,用户装置上的软件可以向其用户发送通知以接收反馈,所述消息在消息内包含所述推荐包。正是此推荐包可以由用户个人装置中的软件呈现给用户。控制器软件可从用户接收且存储数据(功能性可由子系统提供)。控制器软件还可以通过在其用户之间汇总数据来为每个完成的事件运行程序,以分析结果并为用户准备推荐包。当为用户准备好推荐包时,可以将推荐包发送到所述用户的智能手机或其它装置。在某些实施例中,用户的装置上的软件接着将通知发送到所述用户以接收反馈。
在另一实施例中,系统100还意图并有其它更复杂的特征、功能和属性。在此较复杂的实施例中,智能手机(或其它适当装置)上的应用程序向用户告知现在是其给出关于最近事件的反馈的时间或现在是其获取关于最近事件的反馈的时间,所述最近事件与至少一个未来事件相关。如果到了给出反馈的时间,那么所述应用程序从其数据库155或其与系统100的其它应用程序的互动来识别此情形。这通过智能手机应用程序要求用户给出关于他们对在经识别事件或会议期间与用户进行了有意义的互动的每一其它个人的印象的具体反馈来触发对用户的查询。所述应用程序也访问关于所述事件的特定信息,以确定包含于所述用户的查询中的问题以及何时编译报告和推荐。如果所述通知用信号通知所述用户到了接收反馈的时间,那么可向所述用户呈现选项,所述选项包含可获得反馈的事件以及其可以查看的个别反馈的类型,包含但不限于匿名的原始数据、与其它数据相比的汇总数据、历史背景中呈现的数据、对这些数据的分析、基于这些数据的自动化指导、基于这些数据的人类专家建议、系统视需要识别的流式内容,或与人类导师或专家的真实互动。
在另一实施例中,控制器软件可结合所述应用程序和数据库155管理加密/解密和网络安全过程,以确保每一用户的匿名性和安全性。系统100的处理器可执行操作且执行指令以实现系统100的此实施例。在另一实施例中,安全数据库155含有通过所述应用程序收集的所有数据的安全且匿名的复本,以及从其它来源收集的组织的且环境背景数据,并且维持所有数据和所有推荐的完整历史,以用于未来分析。在另一实施例中,这些数据将使用专有数据分析技术进行编译和处理,并且将向每一个别用户提供有版权的反馈,以帮助用户提高其表现,例如在未来的事件、项目和/或会议期间。通过例如但不限于智能手机收集关于其它个人的在个人层级的数据,使用计算机处理器汇总和分析关于个人的表现或互动或团队或多团队表现的所有数据,且其作为关于其它人在所述事件期间感知所述用户的方式的汇总反馈而传输回到所述用户。在另一实施例中,可以使用可穿戴技术(例如,装置115)或从监视(例如,装置120)或其它装置(例如与物联网或个人助理装置(例如,AmazonAlexa等等)相关)汇集所收集的数据,且同样地,可通过可穿戴装置、个人助理(例如,Amazon Alexa)和/或其它技术和/或甚至通过第三方实时传递推荐。
在使用情况情景中,系统100可用于创建和/或支持用户的虚拟增强的社交网络。最初,例如,第一用户101可以将提供系统100和方法的功能性的应用程序下载到第一用户装置102上。所述应用程序例如可从系统100的一个或多个组件下载。如果第一用户101还不是系统100的注册用户,那么可以提示第一用户101向应用程序注册,例如通过应用程序本身。在注册过程期间,系统100通过安全、加密的网络与安全MS 304通信。在MS 304上,用户识别符(User_ID)被分配并映射到唯一的、新创建的虚拟识别符(Virtual_ID),其被称为Avatar_Node_ID。Avatar_Node_ID是用于增强系统100用户的真实世界人类社交网络的一个或多个虚拟社交网络中的节点。此映射可但不一定使用区块链和/或分布式分类账技术和/或类似编码、算法或处理。User_ID到Avatar_Node_ID的映射是用户通过其唯一的User_ID与其它系统100用户(例如,第二用户110)通过其安全Avatar_Node_ID互动的安全和匿名方式。
在此使用情况场景中,可允许第一用户101加入例如第二用户110的其它用户的网络、项目或机构。一旦在系统中注册为用户并且在应用程序中时,第一用户101可能已经或者将来可能被其它用户(例如第二用户110)要求参与那些其它用户的受信网络。在某些实施例中,这可以在第一用户101被包含在另一个用户(例如第二用户110)的事件中时发生。从系统100的角度来看,将参与者分配到事件可以是匿名的。所述分配可以在MS 304的安全侧并且在主虚拟网络系统处理服务器上的防火墙125后方发生。在主系统服务器(例如,服务器140、服务器150和/或服务器160)上,实际上是焦点用户(例如,在此状况下是第一用户101)的Avatar_Node_ID,其由另一用户的Avatar_Node_ID添加到虚拟事件(Virtual_Event)。此虚拟事件还包含事件中的其它参与者的Avatar_Node_ID。一旦在主系统100中的防火墙125后方建立了事件,所述事件就可以通过MS 304传回,其中Virtual_Event用于与真实用户创建区域现场事件(Real_Event)以用于数据收集。此Real_Event记录包含但不限于其事件识别符(Event_ID)、事件类型(Event_Type)、开始日期(Start_Date)、项目(Project_Type)、项目类型(Project_Type)、机构(Institution)、机构类型(Institution_Type)、开始时间(Start_Time)、结束日期(End_Date)、结束时间(End_Time)、事件位置、用于输入数据的用户的实际User_ID(如在与Avatar_Node_ID的安全映射中所识别)、关于其的数据适用的用户的实际User_ID(如在与化身节点ID的安全映射中所识别)、每一个人的角色或参与类型、每一用户的研究要求(Study_ID),及待发送到每一用户的查询或调查(Survey_ID),以及由每一用户给定的响应(By_User_Response)。此Real_Event是通过将每一Avatar_Node_ID映射到其User_ID(包含焦点用户的User_ID)来创建的。此映射可但不一定使用区块链或类似编码、算法、或处理来保护所述映射。在某些实施例中,用户可以根据其偏好接受或不接受所述事件。在某些实施例中,在商业许可情形下,至少通过规范压力,他们可能被期望接受来自其工作团队的邀请。
可通过系统100在真实事件期间通过各种技术提供反馈,所述技术包含但不限于调查、查询、屏幕滑动、音频、视频、写入或其它媒体、监视技术、可穿戴技术、生物特征、热追踪或地理定位技术。在优选实施例中,可以向第一用户101呈现第一用户装置102上的调查,所述第一用户装置例如智能手机、平板计算机或其它计算机界面。举例来说,当第一用户101被要求通过响应于例如关于其在最近事件中的贡献和参与度的调查之类的查询来向其它用户(例如,第二用户110)提供反馈时,此请求将经过以下步骤:(1)在由Avatar_Node_ID构成的虚拟社交网络中,事件被识别为按计划进行。这可能但不一定发生,因为真实世界用户建立了真实世界事件。如本文中所描述,这可以通过经映射到虚拟社交网络中的Avatar_Node_ID的所述用户的User_ID来安全地实施,以用于在如本文中所描述的系统100中实施。(2)其虚拟社交网络中的被安排参与事件的Avatar_Node_ID连同其不同的角色(需要其确定将实施哪些研究)是特定Avatar_Node_ID作为参与现实事件的焦点用户(第一用户101)的化身参与虚拟事件的情况。虚拟事件在系统100中有效地反映了在实体空间中发生的真实事件。(3)对于这些虚拟参与者中的每一个,MS 304进行反向映射以为每一用户创建包含那些参与者的User_ID和其在事件中的角色的事件。(4)系统100接着为每一用户创建唯一的event_protocol,当真实世界用户或日历或算法建议反馈间隔已经开始时,所述协议将被实施。给定事件的报告周期保持开放,直到日历指示报告间隔结束。(5)对于每一用户,所述event_protocol包含:i)将被查询的User_ID;ii)其它参与者的姓名(尽管其User_ID将通过查询获得反馈);iii)此事件的所述参与者将回答的问题。(6)一旦报告间隔结束,系统100产生一系列报告,所述报告可供每一用户使用。在某些实施例中,这些报告仅在有足够的数据保持匿名性时或根据某一其它准则才产生。(7)来自这些报告的信息被处理,且匿名总结event_report临时与User_ID相关联且连同User_ID被传送到映射服务器。(i).所述event_report包含事件数据、从每一研究接收的反馈及描述焦点User_ID在事件期间与之互动的每一User_ID的定向权重的向量。(8)在MS 304上,event_report在虚拟社交网络上安全地从本地User_ID转移到Avatar_ID。出于安全原因,系统100上的event_report接着可从系统100删除,使得仅焦点用户可通过安全MS304映射安全地访问报告。
用户体验(UX)视角:基于此处理,向焦点用户(即第一用户101)呈现一个孤立的真实世界事件,并且所述焦点用户被要求加入所述事件并向其它参与者提供匿名反馈。从用户的角度来看,与事件互动是事务性的,但它也发生在与其它真实世界参与者的真实世界关系的情况中。增强的社交网络视角:每一Virtual_Event与在系统100中维护的虚拟社交网络的情况中在所述事件中捕获的安全和匿名数据一起存储。它与相关的虚拟实体和活动相关联,包含但不限于:1.所涉及的各种Avatar_Node_ID。2.数据适用的研究及其研究参数,包含但不限于与Avatar_Node_ID相关联的个人用户的个性特点或其它属性。3.任何相关正式及非正式团队、多团队系统、相关性、从属关系、身份团体或特殊兴趣团体,或用户、其它用户或系统可通过其机器学习、人工智能或与人类专家或研究人员的介接而识别的其它社交结构。4.组织状态变量,例如但不限于:内部项目、多团队系统、倡议、部门、预算项目、活动类型、组织结构中的位置、主题领域、职能、事件类别或其它可与所述事件相关联的项目,(a)这些的实例可为但不限于组织、位置、部门或工作组中的员工参与因素水平,其可由管理员基于离线HR研究输入或由系统基于系统100进行的现有研究来计算。(b)另一实例可能是组织、位置、部门或工作组的财务水平或其它绩效衡量标准,其可由管理员基于离线HR研究来输入,或由系统基于系统100进行的现有研究来计算。(5)环境状态变量,例如但不限于:市场细分、位置、技术、经济形势、政治形势、政府项目供应商合同、客户合同、销售活动或合同、物流或分销活动或合同、外部项目、倡议、部门或其它可能与事件相关的项目,(a)这些的实例可为但不限于所涉及的客户、合作伙伴或供应商以及组织、位置、部门或工作组的客户满意度因素的水平,其可由管理员基于离线营销研究输入或由系统基于系统100进行的现有研究收集或计算。(b)另一实例可为客户或其它合同的大小,或特定政府机构或涉及的机构类型,其由管理员识别和输入,或由系统基于系统进行的现有研究来收集或计算。(6)领导力活动变量,例如但不限于:市政厅会议、状态会议、项目会议、战略讨论或倡议、咨询合同或其它可能与事件相关联的项目,(a)这些的实例可为但不限于随着时间的推移在组织、位置、部门或工作组中观察到的集体、共享、等级、紧急、生成、行政或社区建设领导活动的水平,以及个人对角色的分配,其可由管理员基于离线领导力研究输入或由系统100基于系统100进行的现有研究来计算,(b)另一实例可为与组织、位置、部门或工作组中的变革型、交易型、魅力型、真实性或其它领导风格相关联的各种因素的水平,其可由管理员基于离线人力资源领导力研究来输入或由所述系统基于系统100进行的现有研究来计算。
用户可以在虚拟网络中建立虚拟事件:在应用程序中,用户可以决定结合现实生活中的事件建立虚拟事件。除了通过应用程序提供和接收专业改进的反馈之外,建立虚拟事件还有助于系统在未来的互动中虚拟地增强在用户现实生活中的社交网络中的互动。举例来说,在会议之前,可以提醒用户在与一些或所有相同参与者的此类型的先前会议期间发生的社交互动动态,并且所述用户可提供一些指导以实现更大的效率。用户可以通过但不限于对应用程序的用户界面进行以下操作来添加虚拟事件(与现实生活事件相关);1.选择“创建事件”功能;2.选择事件类型;3.输入日期、开始时间、终止时间或其它数据中的一些。4.在可以指定事件之前、期间或之后进行的一项或多项研究,否则系统可以但不一定分配默认研究。5.选择一个团队或以其它方式识别参与者。6.任选地,选择事件所属的项目。7.任选地,用户可以将角色分配给各个参与者。一旦在安全映射服务(MS 304)和防火墙125的用户界面侧创建了事件,用户的event_record就被安全地传递到MS 304。在MS 304上,用户ID被映射并由其对应的Avatar_Node_ID替换。同样地,所有事件数据都通过MS 304传递以创建对应于现实生活事件但不直接与现实生活事件链接的Virtual_Event。它仅由通过来自所述用户的Avatar_Node_ID的反向链路启动它的User_ID链接。
用户的虚拟增强社交网络(V-ASN):通过有规律地使用此系统100,与其真实世界社交网络互动的用户有机会得到其自身的动态个人增强现实网络版本的安全和保密支持以获得和接收反馈,理解坦率的反应,并在未来的基础上通过系统获得情感支持。系统100的特征可以在于个别用户通过起动项目或活动来创建和维护其自身的个人虚拟网络,这些项目或活动连接到参与事件、演示等的其它人,来回提供反馈等,并评估其它人的表现以用于维护且存储所述信息以供未来使用。然而,系统100可以将此网络信息存储在完全匿名的大规模虚拟网络中,所述大规模虚拟网络最终可能包含数百万用户。值得注意的是,有权访问部分或甚至整个虚拟社交网络的管理员可能不知道所述网络中的哪个Avatar_Node_ID是与任何给定用户关联的节点。此外,其不能以任何方式改变或干扰虚拟网络。然而,可以出于模拟、研究和训练目的进行复制和改变。
在某些实施例中,Condition_State是每个Avatar_Node_ID的属性:虚拟网络中的每一Avatar_Node_ID可以具有condition_state。condition_state是一个张量矩阵,它是所述化身节点与其网络中每个人的关系随时间推移而改变的时间序列快照。在某些实施例中,通过安全映射,此状态正是系统100对个别用户状态的视图,但所述用户的身份对于管理员来说是不可知的。从Avatar_Node_ID到虚拟网络的视图将仅对安全映射到Avatar_ID的特定用户可见。因此,从给定用户的主观角度来看,“我可以相信”“我的网络”对于作为用户的“我”是可见的,但仅对我自己可见。此个性化的视图将包含关于我的社交网络中其它人的信息、我对其它人的评价以及其它成员用户关于过去在各种事件中的互动的匿名化反馈。当由用户访问时,此视图将通过经由Avatar_Node_ID安全映射到虚拟网络并映射回至用户,从而实时构建。这些与其它现实生活用户相关的数据将在用户访问其后立即从用户的装置中擦除。如果再次需要,它可被重建。在某些实施例中,Condition_State可包含所有事件的完整历史和每一焦点Avatar_Node_ID与其它Avatar_Node_ID之间的所有网络连接的表示。Condition_State可以并有以下各者:(1)Avatar_Node_ID;(2)经连接Avatar_Node_ID和互动事件的表;(3)事件和Event_Report的表。
在某些实施例中,Condition_State_Type是一类Condition_State:在批处理期间,在虚拟网络服务器(可以在服务器140、150、160中的任一个上实施)上,对于每一Avatar_Node_ID,其包含与其它Avatar_Node_ID的所有互动的完整历史的Condition_State、Event_Report和潜在的情况数据(例如Environmental_State_Variable、Organizational_State_Variable或Leadership_Activity)可经处理且投射到可由管理员限定的有限数目的Condition_State_Type上,以用于对用户需求及兴趣进行分类且用于识别待呈现给与Avatar_Node_ID相关联的用户的媒体。每一用户可具有一个或多个Interest_State:用于Avatar_Node_ID的每一Condition_State_Type可以映射到其对应的User_ID,作为分配给真实用户的Interest_State。Interest_State还可包含以下特定情况的数据:(1)Environmental_State_Variable可包含但不限于:政府或监管问题;经济或政治条件;供应商和后勤考量;客户或买方需求;行业宏观条件和竞争;新进入者的威胁和替代者的威胁;等等。(2)Organizational_State_Variable可能包含但不限于:正式的组织结构;工作组、部门或组织目标;组织政策、预算、财务状况;等等。(3)Leadership_Activity_Variable可包含但不限于:管理活动的层级、分配给角色的个人、生成或自适应性活动、愿景或赋能活动。
在另一使用情况场景中,系统100可以用于虚拟和/或增强社交网络、区块链和/或分布式分类账技术的情况中。具体来说,系统100可以为每一用户和/或一组用户生成并建立增强社交网络和/或与增强社交网络以通信方式链接。一旦建立,用户的增强社交网络可以利用区块链技术和相关联的专有加密货币通过或有协议和合同来激活。在某些实施例中,系统100的每一用户可以具有加密货币积分的存储。举例来说,在某些实施例中,用户可以从系统100累积加密货币积分(例如,数字积分),以用于向系统100的其它用户提供反馈和指导。在某些实施例中,用户还可以通过与其它用户的交易来累积加密货币,通过例如但不限于项目工作的付款。在某些实施例中,这些加密货币交易可以但不一定通过区块链或其它类似技术进行追踪。
在某些实施例中,每一用户可以被配置为仅查看和/或访问其自身的在虚拟社交网络内的个别网络,并且对与其它用户相关联的其它网络不可见。这可以通过为每一用户分配虚拟识别符(例如,数字、字母、符号和/或任何其它类型的识别符)和虚拟化身(其一起被称作Virtual_Node_ID)来实现。所有信息都可传送到这些安全和匿名的Avatar_Node_ID。在某些实施例中,虚拟网络的部分可能对管理员和其它层级可见,但仅以完全匿名的形式。换句话说,第一用户101可以查看virtual_network并识别高度连接或集中的virtual_node以理解组织的内部社交网络结构,包含沿着例如主题专业知识、贡献、参与度、信任等各个维度的各种连接的定向强度。然而,所述用户无法看穿结构来识别哪些实际用户与哪些Avatar_Node_ID相关联,或者哪些虚拟互动是存在于哪些实际用户之间。在某些实施例中,用户可能能够推断现实到virtual_network的一些反映,然而,系统100不会且无法确认此信息。
另外,在某些实施例中,用户在个人层级输入到系统100或从系统100接收的信息将永远不会直接可用于这些管理用户。在某些实施例中,只有汇总数据可用于检查和访问。总而言之:如果一个人是一级(level_one)用户,所述用户创建项目:所述用户与他信任的网络互动;所述用户与其它人签订服务合同和/或将加密货币积分转让给其它人;所述用户向所有用户的网络成员提供反馈,并且所述用户还从他的网络中的个人接收关于用户正在做什么以及用户做得如何的反馈。用户能够与其它现实生活中的用户进行匿名通信,并且用户接收的反馈可能基于现实生活中的经验,使得所述用户可以依情况处理和理解所述反馈。所述用户可能不确切知道谁在提供什么反馈。此外,作为一个选项并且在某些实施例中,所述用户可以选择用户的个人网络中的个别用户并选择让系统100丢弃所述用户的反馈,使得来自用户可能不尊重或不信任的一些人的反馈不会成为用户“可信反馈”信号的一部分。这可以基于一个或多个User_Interest_State,其基于分配给网络中我的Avatar_Node的Condition_State_Type而分配给用户。
在另一使用情况场景中,系统100可用于创建研究的情境中。在某些实施例中,系统100的1级用户通常仅使用系统100来响应于事件并提供将帮助其它用户的反馈并接收关于其自身对其参与的各种事件的参与度和贡献的反馈。这些用户与现实生活事件的互动,当其在系统中反映和增强时,发生在系统称为“研究”的情境中。在系统100中,研究可以由2级用户选择并且可以由2级和更高级别的用户根据研究的范围来设计和操作。每一研究可包含数据汇集协议,其涉及:1.事件的说明,包含但不限于要抽样的自我评估;2.要收集的关于事件的信息;3.通过各种技术收集此数据的方法,包含但不限于调查、感测装置、监视装置、媒体分析、可穿戴技术、地理定位装置等;4.数据汇总、分类和分割协议;5.分析协议;6.不同类别结果的干预可能性;7.报告协议,例如演示和时间安排;以及8.收集关于向用户报告的有用性的反馈。例如,当1级用户接受参与某个事件时,所述用户将成为所述事件的2级用户所识别的研究的一部分。
在某些实施例中,研究可以用作新用户的默认值。在1级用户的默认状况下,可以操作level 1_Default_Study。这可以如下完成:1.每一用户都接收到查询,查询要求关于以各种方式参与事件的其它人的反馈。用户的姓名不包含在查询中,因为没有向自己提供反馈。2.所述用户选择Participant_l(按账户中给出的真实姓名列出)。3.如果Participant_1的角色定义为“参与者”,那么要求用户在某些调查项目(即问题)上对所述用户进行评分,例如,但不限于“参与程度”和“贡献程度”。4.如果Participant_l的角色被定义为“演示者”,那么要求用户在其它项目上对所述用户进行评分,例如但不限于:“准备程度”和“相关程度”。这是对与成为参与者相关联的查询的补充。5.如果participant_l具有角色主题专家(SME),那么要求用户在其它项目上对SME进行评分,例如,但不限于“回答问题时的清晰程度”和“愿意参与提问者的理解水平”。这是对与成为参与者相关联的查询的补充。6.可以定义其它角色,并且可以由具有适当权限的2级或更高级别的用户为每个角色定义其它问题。7.输入可以是1到100的量表,但可以定制数据汇集的实际格式。例如,可能会要求回答者从深皱眉(0)到中性(50)到极大微笑(100)的五个笑脸中选择一个。作为另一实例,回答者可能会被要求指示参与者的准备程度,或某一其它属性,例如证据的相关性、真实性、清晰度、尊重程度、“对我有效”是否是“低于预期”或“甚至越多越好”,其中系统对响应的评分范围是从-1到0到+1的量表,其中0是理想的。然而,在一些或所有状况下,假设数据被识别为沿着从1到100的连续量表的分数。8.可能会要求用户回答关于整个团队或多团队系统的状态和/或其在事件中的表现的问题。这可以通过使用具有衡量团队、多团队系统或组织表现的一个或多个方面的量表的工具来完成。9.一旦从所有参与者汇集关于事件的所有其它参与者的数据或事件结束(以先到者为准),所述系统会从其它用户的响应中识别出有足够数据的用户,以维持每个人的匿名性,且报告是为那些可以接收到匿名反馈的人准备的。10.向每一用户发送反馈已准备就绪的通知。11.接收到反馈的那些用户可能会被呈现由研究定义的一系列各种报告。例如,他们可以选择查看关于他们在上一个事件中的角色平均得分的简单报告、比较最近若干事件结果的报告或关于整个团队得分的报告。
关于2级用户的默认状况,可以操作level2_Default_Study。这可以如下完成:1.每一用户都接收到查询,查询要求关于以各种方式参与事件的其它人的反馈。用户的姓名不包含在查询中,因为没有向自己提供反馈。2.所述用户选择Participant_1(按账户中给出的真实姓名列出)。3.如果Participant_l的角色定义为“参与者”,那么要求用户在某些项目上对所述用户进行评分,例如但不限于“参与程度”、“贡献程度”、“主题专业知识程度”、“其它人重视的意见水平”和“角色体验程度”。4.如果Participant_l的角色被定义为“演示者”,那么要求用户在某些项目上对所述用户进行评分,例如但不限于“准备程度”和“相关程度”。5.可以定义其它角色,并且可以由具有适当权限的2级或更高级别的用户为每一角色定义其它问题。6.输入可以是1到100的量表,但可以定制数据汇集的实际格式。例如,可能会要求回答者从深皱眉(0)到中性(50)到极大微笑(100)的五个笑脸中选择一个。作为另一实例,回答者可能会被要求指示参与者的准备程度,或某一其它属性,例如证据的相关性、真实性、清晰度、尊重程度、“对我有效”是否是“低于预期”或“甚至越多越好”,其中系统对响应的评分范围是从-1到0到+1的量表,其中0是理想的。然而,在一些或所有状况下,假设数据被识别为沿着从1到100的连续量表的分数。7.用户还可能被要求使用类似的量表来回答关于整个团队或多团队系统在事件中表现的问题,包含但不限于识别对事件或项目贡献最大的成员。8.一旦从所有参与者那里汇集到关于事件的所有其它参与者的所有数据或事件结束(以先到者为准),系统100从其它用户的响应中识别出有足够数据的用户,以维持每个人的匿名性,且报告是为那些可以接收到匿名反馈的人准备的。9.另外,制作团队和多团队级别的报告,以供2级及以上用户查看。10.向每一用户发送反馈已为他们准备就绪的通知,例如发送到第一用户装置102和/或第二用户装置111。11.向接收反馈的那些用户呈现由研究定义的一系列各种报告。例如,他们可以选择查看关于他们在上一个事件中的角色平均得分的简单报告、比较最近若干事件结果的报告或关于整个团队或多团队系统得分的报告。
在某些实施例中,在6级BOD用户的默认状况中,可以操作Level6_Default_Study。这可以如下完成:1.每一用户都接收到查询,查询要求关于以各种方式参与事件的其它人的反馈。用户的姓名不包含在查询中,因为没有向自己提供反馈。2.所述用户选择Participant_1(按账户中给出的真实姓名列出)。3.如果Participant_l的角色定义为“参与者”,那么要求用户在某些项目上对所述用户进行评分,例如但不限于“参与程度”、“贡献程度”、“主题专业知识程度”、“其它人重视的意见水平”和“角色体验程度”。4.如果Participant_l的角色被定义为“演示者”,那么要求用户在某些项目上对所述用户进行评分,例如但不限于“准备程度”和“相关程度”。5.可以定义其它角色,并且可以由具有适当权限的2级或更高级别的用户为每一角色定义其它问题。6.输入可以是1到100的量表,但可以定制数据汇集的实际格式。例如,可能会要求回答者从深皱眉(0)到中性(50)到极大微笑(100)的五个笑脸中选择一个。作为另一实例,回答者可能会被要求指示参与者的准备程度,或某一其它属性,例如证据的相关性、真实性、清晰度、尊重程度、“对我有效”是否是“低于预期”或“甚至越多越好”,其中系统对响应的评分范围是从-1到0到+1的量表,其中0是理想的。然而,在一些或所有状况下,假设数据被识别为沿着从1到100的连续量表的分数。7.可以但不一定要求用户使用类似量表来响应于关于整个BOD团队在事件中表现的问题。8.一旦从所有参与者汇集关于事件的所有其它参与者的所有数据或事件结束(以先到者为准),所述系统100会从其它用户的响应中识别出有足够数据的用户,以维持每个人的匿名性,且报告是为那些可以接收到匿名反馈的人准备的。9.另外,制作BOD级别的报告,以供6级BOD用户查看。10.向每一用户发送反馈已为他们准备就绪的通知。11.向接收反馈的那些用户呈现由研究定义的一系列各种报告。例如,所述用户可以选择查看关于他们在上一个事件中的角色平均得分的简单报告、比较最近若干事件结果的报告或关于整个团队或多团队系统的组成部分的得分的报告。
在某些实施例中,可存在可用于系统100中的各种研究类型。值得注意的是,研究可以涉及关于个人、个人团体、互动、组织和机构的信息的收集、分类、处理和报告。研究由2级或更高级别的用户根据其权限设计和操作。另外,调查也可以与系统100一起利用。调查可能是用于在某个时间点从目标个人收集数据的工具。在某些实施例中,可存在用于系统100中的若干类型的研究。研究可以包含但不限于:1.试点研究在某一时间点在测试或原型环境中为团体、组织或机构收集数据,以用于开发可用于其它研究中的经验证衡量工具,(a)这方面的一个实例是一个有20项调查的试点,所述调查具有用于衡量假设因素,例如“创新商”的经验证量表。试点研究将收集数据以用于执行验证分析和测试,以确定调查是否提供了对假设因素的有效和一致的衡量。2.交易研究在某一时间点收集与特定交易相关联的数据,所述特定交易例如涉及群组、组织或机构的事件,(a)这方面的一个实例是一个两项调查,其具有用于衡量与客户事件相关联的“客户满意度”的经验证量表。将在某个时间点对事件中的每个人进行所述调查,目的是理解特定事件的Environment_State_Variable的客户满意度维度。3.横断面研究在某个时间点收集横跨团体、组织或机构或社区的横断面的数据,包含但不限于个人排名,(a)这方面的一个实例是一个五项调查,其具有用于衡量“员工参与度”的经验证量表,在某个时间点将对特定医院的每个人进行所述调查,目的是理解Organization_State_Variable的这一维度。4.纵向研究在一段时间内收集团体、组织或机构的数据,以努力理解主题的趋势或变化状态。(a)这方面的一个实例是一个五项调查,其具有用于衡量“员工参与度”的经验证量表,在若干时间点将对医院的特定门诊的每个人进行所述调查,以理解Organization_State_Variable的这一维度的改变。5.比较研究在某一时间点收集某一类型的工作组、组织或机构的两个或多于两个实例的数据,(a)这方面的一个实例是一个五项调查,其具有用于衡量“员工参与度”的经验证量表,将在某一时间点对五个不同医院中的每个人进行所述调查,以沿着Organization_State_Variable的这一维度比较这些目标。6.预测性研究在某一时间点或随时间推移收集关于多个因素的数据,所述因素是从某一目标类型的个人、工作组、组织或机构的多个实例中汇集的。这些研究被称为预测性的,因为这些因素中的一个或多个的值被认为可以预测其它可以测量的因素的值。所述研究分析这些数据,目的是为了预测其它可衡量的结果,(a)这方面的一个实例是一个五项调查,其具有用于衡量“员工参与度”的经验证量表,将在某一时间点对五个不同医院中的每个人进行所述调查,以沿着Organization_State_Variable的这一维度来比较这些目标。7.模拟研究在某一时间点或随时间推移收集关于多个因素的数据,所述因素是从某一目标类型的个人、工作组、组织或机构的多个实例中汇集的。这些研究使用此数据,结合来自预测研究的理论和经验结果以在未来的某时间点来模拟其它变量(例如,但不限于Organization_State_Variable、Environmental_State_Variable及Leadership_Activities_Variable)的值。这些研究分析数值数据,目的是为了确定可能的干预以改进这些变量所衡量的结果,(a)这方面的一个实例是一个五项调查,其具有用于衡量“客户兴奋度”的经验证量表,会对客户会议的参与者进行所述调查(Environmental_State_Variable)。结果将用于在计算机上运行的数值模型中,以模拟下一季度各种产品的潜在销售的概率分布(Organization_State_Variable),使得可预测最可能的结果而调节生产。
在某些实施例中,可以允许2级或更高级别的用户为系统100选择和/或创建研究。例如,具有适当权限的用户可以通过采取以下步骤来建立研究:1.建立新研究并创建Study_ID。2.选择或创建调查。3.选择事件或事件类型。4.调度数据汇集。5.将参与者添加到会议或事件并分配角色。6.选择且调度分析和报告。来自所有研究的数据可以存储为个别的响应记录,并由User_ID、事件的日期和时间、响应的日期和时间、事件、Event_Type、项目、Project_Type、机构、Institution_Type、团队、Team_Type和组织代码中的一些(但不限于其)来编索引,以便在未来的研究中也能够访问和分析以上各者。
在另一使用情况场景中,系统100可以在生成且维持智能、个性化和策划的讯息传递的情况中使用。除了基于交易或事件的反馈之外,在某些实施例中,系统100还可以但不限于,具有以下选项:提供关于指导和辅导的个性化存储媒体的讯息传递,以及连接到现场指导会话或点对点交流指导会话,无论是现场直播、录制、计算机生成,还是通过视频、音频、全息图或动画。在某些实施例中,这可以包含由组织提供的与个别贡献者相关的信息。这允许组织利用所述系统来翻译指导技巧和见解、学术和实用文章。这些中的一些或全部可以基于用户的独特历史和作为确定的机器和人类学习及智能的User_Interest_State来选择。在某些实施例中,策划的媒体在当天通过应用程序每隔一段时间发送给用户;然而,被识别的特别相关的媒体可能会覆盖正常的安排。在某些实施例中,基于由系统100、机器学习和人工智能算法或人类专家策展人确定的主题矩阵,为每一用户唯一地选择呈现给用户的特定媒体。这可以如下进行:1.当从其它来源创建或识别媒体时,可由系统100确定其版权和发行权。由其它系统100用户在系统100上创建的媒体可以但不一定根据一次性授权或根据使用情况被分配如本文中所描述加密网络货币(ccc)积分。2.对可供系统100分发的项目进行筛选,并且将任何ccc权利或有支付写入到本文中所描述的使用情况中所描述的区块链。3.使用机器学习、人工智能算法或人类专家,媒体内容被标记有主题矩阵,其包含各种主题领域的向量,例如但不限于影响技能、口头沟通技能、团队领导力、动机、项目、管理等,其包含相关的情况维度,例如行业、管理水平、地理视角等等。4.对于每一用户,基于针对每一内容项目的User_Interest_State与topic_matrix的匹配来选择媒体并对其进行评分。5.基于各种媒体内容的相对分数,为每一用户构建讯息传递并将其发送到所述用户的讯息传递队列。6.通知从讯息传递队列发送给用户,且用户在使用应用程序时被呈现讯息传递选项。在某些实施例中,应注意,User_Interest_State由系统100基于分配给虚拟增强社交网络(V-ASN)中用户的安全Avatar_Node_ID的Condition_State_Type而分配给每一用户。
在某些实施例中,Condition_State_Type可以是条件状态的类别。在批处理期间,在虚拟网络服务器上,对于每一Avatar_Node_ID,其Condition_State可能但不一定使用机器学习和人工智能技术(例如但不限于群集分析)来处理,以将相关和/或紧密相关的Condition_State群组投射到有限数目的Condition_State_Type(CST)上。在某些实施例中,应注意,Condition_State包含但不限于与其它Avatar_Node_ID的所有互动的完整历史、Event_Report以及可能的情况数据,例如但不限于Environmental_State_Variable、Organizational_State_Variable或Leadership_Activity,以及但不限于与Avatar_Node_ID相关联的其它个性、认知、生物特征或物理度量。这些CST可由管理员基于例如但不限于算法、机器学习、人工智能或人类专家来定义,以用于将条件状态分类到用户兴趣区域的有限空间中,以用于社交学习。在某些实施例中,Condition_State_Type用于识别要呈现给与Avatar_Node_ID相关联的唯一用户的相关媒体。在某些实施例中,每一用户具有一个或多个Interest_State。用于给定Avatar_Node_ID的每一Condition_State_Type可以映射到其对应的User_ID,作为其在所述时间点的User_Interest_State。Interest_State还可以但不一定包含但不限于以下特定情况的数据:1.Environmental_State_Variable可能包含但不限于:政府或监管问题、经济或政治条件、供应商和物流考量、客户或买方需求、行业宏观条件和竞争、新进入者的威胁和替代品的威胁等等。2.Organizational_State_Variable可能包含但不限于:正式的组织结构;多团队系统,工作组、部门或组织目标;组织政策、预算、财务状况;等等。3.Leadership_Activity_Variable可包含但不限于:管理活动的层级、生成或自适应性活动、愿景或赋能活动。
在另一使用情况场景中,系统100可用于以受众为中心的可信反馈PACER量表的情况中。PACER量表是一种系统和方法,其用于使用电子装置、计算机、软件和存储器来感测和收集关于焦点个人在人类互动、人机互动和机器对机器互动中的人际关系效率的分布式数据。出于此使用情况场景和其它使用情况场景的目的,视需要,个体可以被定义为人类或机器,例如但不限于机器人、机器人代理、软件代理、人工智能系统,或者组合人类和机器学习算法的任一系统,无论是硬件、软件还是两者实施的,以及无论是否与人类活动集成。可以对所汇集和处理的数据进行分析和格式化,以通过电子媒体向焦点个人(例如,第一用户101和/或第二用户110)提供可信反馈,以帮助焦点个人更好地了解他或她在与他们的个别同事或与个人受众互动中的效率。此反馈可以基于每一同事或受众成员的反应,所述同事或受众成员共同记录他们对焦点个人与他们的互动的价值的个人反应,如从他们个人的个人有利位置所经历的那样。在某些实施例中,此概念与反馈系统背离,在反馈系统中,人们在任意量表(例如具有五个选择的利克特量表(Likert scale))的情况中基于反馈提供者对焦点个人的感知来简单地评价反馈接收者的动作和行为,从“非常同意”到“非常不同意”。相比之下,鉴于个人的责任、知识、情绪状态、其它状态或其组合,PACER指示器记录“其它人”对于对所述个人有效的观点的反应。
在某些实施例中,PACER量表可以向反馈接收者提供“什么对”反馈提供者“有效”的观点。这是一种可量化的方法,其允许反馈接收者从受众的各种成员的角度从其各种角度,包含但不限于他们对被监控事件的参与或贡献的感知角度,衡量在若干属性上起作用的内容。其它属性可包含但不限于准备、尊重、支持、证据的使用、思路清晰、沟通清晰、个人卫生、真实性、积极倾听、情商、领导力、促进技能、社交技能、组织公民行为、决定性、社交技能、创造力、可用性、注意力、专注力、各个维度的能力,包含但不限于数字技术、其它技术领域、行业知识、市场知识、组织知识、管理、领导力或职能领域,例如但不限于营销、财务、运营、人力资源和/或研究和开发。与其它方法的一个区别是事件、内容或更一般的情况的价值也隐含在响应中。例如,一个支持不相关主题的表达良好的论点可能得分较低。反馈接收者可能会接收来自每一受众成员的“什么对我有效”反馈,所述反馈涉及一系列具体的贡献属性,其可以是单独的,也可以是汇总的,并且所述反馈接收者可能但不一定是匿名的。在一个不受限制的实施例中,量表可以如下:如果反馈接收者的演示或特定贡献属性对受众成员有效地起作用,那么所述观众成员将在系统上如此指示,这将由系统被评分为0(零)。得分为0.5的指标会让反馈接收者知道,更多的特定贡献属性对受众成员来说会更有效。得分为1的指标会让反馈接收者知道更多的特定贡献属性会更有效。得分为-0.5的指标将让反馈接收者知道,从受众成员的角度来看,特定的反馈属性“略微低于预期”。得分为-1的指标会让反馈接收者知道,从受众成员的角度来看,特定的反馈属性“远低于预期”。指标0可以让接收者知道他们的参与“对我有效”,即响应用户。在另一个实施例中,系统100可以向第一用户呈现例如但不限于“贡献”的属性和在事件中出现的用户的姓名列表。在场的用户之一可能是第二用户。为了给所述第二用户提供反馈,第一用户可以简单地点击指示“对我有效”的名称,或者用户可以缓慢向右滑动,从而指示“多一点会更好”,或者快速指示“更多一点会更好”。作为一个选项,用户可以向左缓慢滑动,从而指示“有点不适合我”或快速滑动,从而指示“真的不适合我”。在另一个实施例中,用户可以简单地说出上面引号中指示的文字。
在某些实施例中,对于此使用情况场景或其它合适的使用情况场景,特定的可衡量贡献属性可以是但不限于相关性、真实性、能量、证据、准备和清晰度。在优选实施例中,每一贡献属性可以但不限于通过反馈提供者的电子装置被提示给所述反馈提供者并且他们将简单地:在第一用户装置102的用户界面屏幕上点击以获得指标0(感激,他对我有效)。缓慢向右滑动(例如,在用户界面屏幕上)以获得指标0.5(更高的指标对我来说会更有效)。快速向右滑动以获得指标1(更高的指标对于我来说将更有效)。向左缓慢滑动以获得指标0.5(略低于预期)。快速向左滑动以获得指标-1(远低于预期)。可以但不一定使用例如但不限于利克特量表的量表,以衡量同一事件的参与度和贡献值,使得可以根据参与度和贡献结果校准PACER量表,以用于确定特定贡献属性与参与度和贡献的相关性。在某些实施例中,单个用户互动可以向所有用户提供反馈。
涉及PACER量表的示例性使用情况可能如下:进行会议和/或事件。这是一个讨论XYZ项目进展的会议。团队领导者Sally组织会议,管理后勤并制定议程。会议在时间0开始,且Sally宣布会议开始。会议共有三个演示者和五个额外参与者,总共九个团队成员。每一团队成员将有机会基于他们对其它团队成员的参与度和贡献的具体反应,向其它八个团队成员中的每一个提供他们的PACER反馈。在事件过程中或在事件结束后,每一团队成员将能够简单地点击或滑动在他们的装置上显示的其它团队成员的姓名或化身中的每一个。六个特定的贡献属性将持续显示在屏幕上,以供事件参与者根据他们对其它会议参与者的贡献或参与度的反应来点击或滑动。
举例来说,事件参与者Joe在聆听事件演示者Tina时,将能够基于Tina的演示而识别什么对他有效。他可以点击相关性,这将指示Tina的演示受到赞赏并“对他有效”。他可能认为她的演示中的证据“对他有效”,但如果他认为更多证据将会更有效,他会缓慢向右滑动。由于涉及到她的真实性,Joe可能会认为Tina有点不真实,且可能会缓慢向左滑动。对于准备,Joe认为Tina的准备“对他有效”,并将会再次点击准备按钮。就清晰度而言,Joe认为Tina的演示非常清晰,且因此他会点击清晰度按钮,“感谢并对我有效”,从而产生0PACER指标。最终,即使Joe认为Tina的演示清晰、相关、有据可查,而且她有备而来,但他认为她的能量水平很低,所以他缓慢向左滑动,这让Tina知道对我来说“它略低于预期”。因此,对于此事件,Tina的Jack PACER向量反馈将被记录为:MTina(相关性,真实性,能量,证据,准备,清晰度)=(0,-0.5,-0.5,0.5,0.5,0,0)。其它七个会议参与者将为Tina提供其输入,且Tina将能够针对此事件Y接收汇总的PACER指标。Tina还将接收团队成员关于参与度和贡献的感知数据,这让她知道哪些领域对她的受众有效、她做得好的地方以及她可以做的更好的地方。PACER数据可以用多种方式排序:按事件、按时间、按最重要的受众等等,从而为每一会议参与者提供各种途径来发现他们的贡献中哪些内容对其团队成员/受众影响最大。值得注意的是,任何其它使用情况场景也可以与系统100和方法一起使用。
值得注意的是,如图1中所展示,系统100可通过利用服务器160的处理能力、数据库155的存储容量或系统100的任何其它组件来执行本文中所公开的操作功能,而执行本文中所公开的操作功能中的任一个。服务器160可包含一个或多个处理器162,其可被配置成处理系统100的各种功能中的任一个。处理器162可以是软件、硬件或硬件与软件的组合。另外,服务器160还可包含存储器161,其存储指令,处理器162可执行所述指令以执行系统100的各种操作。举例来说,服务器160可辅助处理由系统100中的各种装置处置的负载,例如但不限于,将查询传输到用户和/或装置以请求与系统100的其它用户和/或装置相关联的信息和/或反馈;从用户和/或装置获得所请求的信息;将所获得的信息与系统100的虚拟社交网络中的一个或多个化身相关联;在系统100中产生化身;产生用于化身的条件状态数据;针对系统100的用户和/或装置确定兴趣状态数据;针对用户和/或装置产生报告和/或推荐,以辅助用户和/或装置来改进在未来事件中的表现;将报告和/或推荐传输到用户和/或装置;在系统100中进行机器学习;及执行在系统100中进行或以其它方式进行的任何其它合适的操作。在一个实施例中,多个服务器160可用以处理系统100的功能。服务器160和系统100中的其它装置可利用数据库155,以用于存储关于系统100中的装置的数据或与系统100相关联的任何其它信息。在一个实施例中,多个数据库155可用以将数据存储在系统100中。在某些实施例中,服务器160可包含任何数量的程序模块,其可包含用于进行由服务器160执行的各种操作的软件。
尽管图1到5说明系统100的各种组件的特定实例配置,但系统100可包含组件的任一配置,其可包含使用更多或更少组件。举例来说,系统100经说明性地展示为包含第一用户装置102、第二用户装置111、第三用户装置115、计算装置120、防火墙125、FFSS 302、映射服务器304、sDAASS 306、CFSS 308、A&PSS 310、通信网络135、服务器140、服务器145、服务器150、服务器160,及数据库155。然而,系统100可包含多个第一用户装置102、多个第二用户装置111、多个第三用户装置115、多个计算装置120、多个防火墙125、多个FFSS 302、多个映射服务器304、多个sDAASS 306、多个CFSS 308、多个A&PSS 310、多个通信网络135、多个服务器140、多个服务器145、多个服务器150、多个服务器160、多个数据库155,或系统100内部或外部的任何数目的任何其它组件。此外,在某些实施例中,系统100的功能性和操作的很大部分可由可连接到系统100的其它网络和系统执行。
值得注意的是,系统100可执行和/或进行如以下方法中所描述的功能性。如图4中所展示,示意性地说明用于技术支持的、可信的表现反馈和体验式学习的示例性方法400。方法400可包含用于获得关于参与事件的用户的反馈信息且用于产生待提供给用户的报告和/或推荐以便增强用户在未来事件中的表现的步骤。在步骤402处,方法400可包含将查询传输到与第一用户(例如,第一用户101)相关联的第一用户装置102,从而请求与第二用户(例如,第二用户110)关于第二用户参与第一用户也参与的事件的效率相关的信息。在某些实施例中,可通过利用第二用户装置111、可穿戴装置115、计算装置120、FFSS 302、映射服务器304、sDAASS 306、A&PSS 310、服务器140、服务器145、服务器150、服务器160、通信网络135、外部网络165、其任何组合或通过利用任何其它适当的程序、网络、系统或装置来执行和/或促进查询的传输。
在步骤404处,方法400可包含从第一用户装置102获得与第二用户关于参与事件的效率相关的和/或关于与第二用户相关的所关注的任何内容的信息。在某些实施例中,可通过利用第一用户装置102、可穿戴装置115、计算装置120、FFSS 302、映射服务器304、sDAASS 306、A&PSS 310、服务器140、服务器145、服务器150、服务器160、通信网络135、外部网络165、其任何组合或通过利用任何其它适当程序、网络、系统或装置来执行和/或促进获得与第二用户的效率相关的信息。在步骤406处,方法400可包含将所获得的信息与经映射到第一用户的第一用户识别符的第一化身相关联。在某些实施例中,步骤406可包含向第一化身分配由第一用户获得的能力的评分或排名,这可以但不限于例如以下各者的能力:转型贡献者、自主贡献者、协作贡献者、专家贡献者、灵活贡献者、组织贡献者、真正的贡献者、转型领导者、交易的领导者、创新的领导者、有创意的领导者、灵活的领导者、团队领导者、真正的领导者、仆人式领导者、管理者、董事、执行官等等。在某些实施例中,第一化身可以是第一用户例如在系统100的虚拟网络(例如,虚拟社交网络)内的匿名化虚拟表示。系统100还可包含经映射到第二用户(例如,第二用户110)的第二用户识别符的第二化身。在某些实施例中,可通过利用第一用户装置102、可穿戴装置115、计算装置120、FFSS 302、映射服务器304、sDAASS 306、A&PSS 310、服务器140、服务器145、服务器150、服务器160、通信网络135、外部网络165、其任何组合或通过利用任何其它适当程序、网络、系统或装置来执行和/或促进获得信息的相关联。
在步骤408处,方法400可包含产生用于第一用户的第一化身的第一条件状态数据和用于第二用户的第二化身的第二条件状态数据。在某些实施例中,用于第一化身的第一条件状态数据和用于第二化身的第二条件状态数据可针对时间例项或多个时间例项而产生,所述第一条件状态数据和所述第二条件状态数据表示系统100的虚拟网络(例如,虚拟社交网络)中的第一化身和第二化身彼此间的关系。在某些实施例中,可通过利用第一用户装置102、可穿戴装置115、计算装置120、FFSS 302、映射服务器304、sDAASS 306、A&PSS310、服务器140、服务器145、服务器150、服务器160、通信网络135、外部网络165、其任何组合或通过利用任何其它适当的程序、网络、系统或装置来执行和/或促进用于第一化身和/或第二化身的第一条件状态数据和/或第二条件状态数据的产生。一旦产生第一条件状态数据和第二条件状态数据,方法400可包含在步骤410处针对第二用户产生报告、推荐或其组合。所述报告、推荐或其组合可包含用于使得第二用户(或另一用户)能够和/或促进所述第二用户提高第二用户关于未来事件的效率的指导和/或信息。在某些实施例中,可通过利用第一用户装置102、可穿戴装置115、计算装置120、FFSS 302、映射服务器304、sDAASS306、A&PSS 310、服务器140、服务器145、服务器150、服务器160、通信网络135、外部网络165、其任何组合或通过利用任何其它适当的程序、网络、系统或装置来执行和/或促进所述报告、推荐或其组合的产生。一旦产生报告、推荐或其组合,那么方法400可包含在步骤412处将报告、推荐或其组合提供给第二用户,以便辅助所述用户提高第二用户关于第二用户将参与未来事件的效率。举例来说,所述报告、推荐或其组合可由系统100的一个或多个装置传输到第二用户110的第二用户装置111。在某些实施例中,可通过利用第一用户装置102、可穿戴装置115、计算装置120、FFSS 302、映射服务器304、sDAASS 306、A&PSS 310、服务器140、服务器145、服务器150、服务器160、通信网络135、外部网络165、其任何组合或通过利用任何其它适当的程序、网络、系统或装置来执行和/或促进报告、推荐或其组合的提供。值得注意的是,方法400可进一步并有针对系统100、本文中所公开或本文中以其它方式描述的任何其它方法描述的特征和功能性中的任一个。在某些实施例中,所述报告或推荐可包含但不限于包含特定针对向第一或第二用户通知其与用户已经实现的能力相关的评分或等级的信息,或可包含但不限于关于所述用户如何可能够实现各种能力中的一个或多个的信息,所述能力可以是但不限于:转型贡献者、自主贡献者、协作贡献者、专家贡献者、灵活贡献者、组织贡献者、真正的贡献者、转型领导者、交易的领导者、创新的领导者、有创意的领导者、灵活的领导者、团队领导者、真正的领导者、仆人式领导者、管理者、董事、执行官等等。
在某些实施例中,可提供另一示例性方法。在此方法中,所述方法可包含使所述用户(例如,第一用户101)向系统100的应用程序(例如,FFSS 302)注册且使用所述应用程序完成用户简档的步骤,所述应用程序提供由系统100提供的各种功能性和特征。举例来说,所述应用程序可在第一用户101的第一用户装置102上执行,且可通过第一用户装置102的界面105在视觉上呈现给第一用户。一旦用户向所述应用程序注册且完成他或她的简档,那么所述用户可选择保持登录到所述应用程序且使所述应用程序在第一用户装置102上保持打开。这将使得系统100能够连续地与其它应用程序互动,所述应用程序例如但不限于日历应用程序,例如Google日历、GoogleDocs、Office 365,和通信应用程序,例如Slack、数据分析和视觉化应用程序,例如Excel、传讯系统、GPS映射系统,和/或任何其它应用程序。在某些实施例中,所述应用程序可以提供屏幕覆盖权限,并且将使得来自应用程序的通知能够在需要提供或接收反馈时中断用户的其它活动(例如,在第一用户装置102上或其它地方)。
所述方法可继续包含通过所述应用程序传输通知,所述通知将提醒第一用户101提供关于其它人(例如,第二用户110)的反馈以供他们学习。举例来说,反馈可涉及其它用户在即将发生的事件中的效率、表现和/或能力。所述方法接着可包含通过所述应用程序从所述用户接收关于一个或多个其它用户的反馈。这样做时,第一用户101可以回答关于事件和关于与第一用户101一起参与事件的第二用户110的查询。一旦第一用户101将对查询的反馈和/或响应输入到所述应用程序中,那么第一用户101可按下提交按钮(例如通过所述应用程序的图形用户界面)以使得将数据安全地传送到系统100的各种子系统,例如sDAASS306。在某些实施例中,一旦数据被安全地传送到系统100的各种子系统(例如,FFSS 302、sDAASS 306、CFSS 308、A&PSS 310等),那么可从第一用户装置102擦除数据。一旦在各种子系统中的一个或多个处接收数据,那么所述方法可包含使子系统中的一个或多个汇总且分析用于第一用户101、第二用户110、任何其它用户或其组合的数据。所述方法接着可包含使子系统产生且准备报告以供专家分析。
在某些实施例中,所述方法接着可包含使专家人类和/或机器(例如,系统100的组件中的任一个)在某一时间点分析报告且识别个人的条件状态,并确定将辅助所述用户的适当指导材料。指导材料可但不一定包含于推荐包中,所述推荐包可以是数字文件,其包含用于辅助用户改进例如在未来活动和/或事件中的表现、效率和/或能力的各种信息和内容。一旦针对第二用户110(和/或其它用户)产生推荐包,那么CFSS 308可将所述推荐包传输到在第二用户110(或其它用户,视需要)的第二用户装置111上执行的应用程序。所述方法还可包含将接收反馈的通知传输到第二用户110的第二用户装置111。所述用户可确认所述用户想要通过所述通知接收反馈,且可基于已经发生的现有事件来接收反馈或辅导。在某些实施例中,指导材料的某些部分可以包含使用截止日期,所述使用截止日期可但不一定会触发向用户、发布者或其它代理(无论是人类、机器或某一组合)的通知以更新材料。现有事件可以是针对提高用户的意识或对即将发生的事件的预期,以及帮助用户在即将发生的事件中表现得更好的期望。通过选择接收反馈和建议,所述方法可包含使得用户能够接收基于用户的特定体验的推荐,如反映在用户过去与之互动的其它人的反馈评论中,所述用户包含预期将出现在即将发生的事件中的用户。在某些实施例中,所述方法可包含使得用户能够存储关于所述用户将想要如何给出和/或提供反馈的偏好,例如通过应用程序。所述方法接着可包含提示所述用户提供关于他们所接收的建议的反馈,包含所建议的干预是否由用户制定以及如果是,其对用户的有用性的问题。值得注意的是,由所述方法提供的特征和功能性可与本公开中描述的其它方法和/或系统的其它特征中的任一个组合。
本文中所公开的系统和方法可包含额外功能性和特征。在某些实施例中,所述系统和方法可结合任何类型的社交媒体平台和/或系统来使用。举例来说,由所述系统和方法提供的功能性可经集成和/或以通信方式与例如的社交媒体应用程序链接。在此类实施例中,例如,用户可能够从受信任的朋友子集中获得关于用户在社交媒体应用程序上发表的帖子和/或用户参与的事件的匿名反馈。在某些实施例中,所述系统和方法可结合使用游戏系统和/或应用程序的线上(或增强现实生活)团体来使用。举例来说,所述系统和方法可以用于例如魔兽世界的大型线上多玩家游戏,其中游戏玩家(或其它用户)可以从他们的朋友的受信任子集中获得与他们的玩游戏能力有关的匿名反馈。在某些实施例中,所述系统和方法可结合投票系统使用。在某些实施例中,所述系统和方法可结合学术项目使用。举例来说,学生可以利用所述系统和方法来评论和提供关于其它学生在课堂项目和/或作业期间的参与和效率的反馈。在其它实施例中,所述系统和方法也可以其它方式使用。举例来说,所述系统和方法收集和/或产生的数据可用于社会科学研究和机器人或未来机器学习和/或人工智能系统的设计。另外,通过所述系统和方法汇集的数据可用于产生其它产品、服务、装置、组合物或其它有用的项目。举例来说,所述系统和方法可用于但不限于用于专业学术环境中的训练目的,或所述数据和系统可用于开发用于训练目的的模拟练习。
本文中所公开的系统和方法可包含其它功能性和特征。举例来说,系统100和方法的操作功能可以被配置为在专用处理器上执行,所述专用处理器被特定配置为实行由系统100和方法提供的操作。值得注意的是,由系统100和方法提供的操作特征和功能性可以提高计算装置的效率,所述计算装置用于促进由本文中所公开的系统100和各种方法提供的功能性。举例来说,通过基于系统100中提供和/或产生的反馈、数据和/或其它信息随时间推移对系统100进行训练,相较于传统方法,缩减的计算机操作量需要由系统100中的装置使用系统100的处理器和存储器来执行。在此情况中,需要利用较少的处理功率,因为处理器和存储器不需要专门用于处理。因此,通过利用本公开中所提供的软件、技术和算法,可以显著节省计算机资源的利用率。在某些实施例中,系统100的各种操作功能性可被配置成用于在一个或多个图形处理器和/或专用集成处理器上执行。举例来说,与化身和/或媒体内容操作相关联的操作可以在图形处理器上执行,并且在某些实施例中,随着系统100随时间推移学习在系统100中进行的各种动作,促进此类学习的人工智能和/或机器学习算法也可以在图形处理器和/或专用集成处理器上执行。
值得注意的是,在某些实施例中,系统100和方法的各种功能和特征可在无任何人为干预的情况下操作,且可完全由计算装置进行。在某些实施例中,例如,多个计算装置可与系统100的装置互动,以提供由系统100支持的功能性。另外,在某些实施例中,系统100的计算装置可连续地且在无人为干预的情况下操作,以降低误差被引入到系统100中的可能性。在某些实施例中,系统100和方法还可通过利用本公开中所描述的特征和功能来提供有效的计算资源管理。举例来说,在某些实施例中,在接收到关于用户在系统100中的效率的反馈和/或其它数据后,系统100中的任一装置可将以下信号传输到接收或处理反馈和/或其它数据的计算装置:仅特定数量的计算机处理器资源(例如,处理器时钟周期、处理器速度等)可致力于处理反馈和/或其它数据,和/或由系统100进行的任何其它操作,或其任何组合。举例来说,所述信号可指示处理器的多个处理器周期可用以处理反馈,和/或指定可专用于生成的选定量的处理功率或由系统100执行的操作中的任一个。在某些实施例中,指示待用于执行系统100的操作的特定量的计算机处理器资源或计算机存储器资源的信号可从第一用户装置102和/或第二用户装置111传输到系统100的各个组件。
在某些实施例中,系统100中的任一装置可将信号传输到存储器装置以使得存储器装置仅将选定量的存储器资源专用于系统100的各种操作。在某些实施例中,系统100和方法还可包含将信号传输到处理器和存储器,以仅在系统100中的处理资源和/或存储器资源的使用率处于选定值时的时间段执行系统100和方法的操作功能。在某些实施例中,系统100和方法可包含将信号传输到用于系统100中的存储器装置,所述信号指示存储器的哪些特定区段应用于存储由系统100利用或产生的数据中的任一个。值得注意的是,经传输到处理器和存储器的信号可用以在执行由系统100进行的操作时优化计算资源的使用率。因此,与现有技术相比,此类功能提供了显著的操作效率和改进。
现还参考图5,关于系统100的示例性实施例描述的方法和技术的至少一部分可以并有例如但不限于计算机系统500或其它计算装置的机器,所述机器内的指令集在被执行时可使机器执行上文所论述的方法或功能中的任一个或多个。机器可以被配置成有助于由系统100进行的各种操作。举例来说,所述机器可被配置成但不限于通过提供处理功率以辅助处理在系统100中所经受的负载、通过提供用于存储穿越系统100的指令或数据的存储容量或通过辅助由系统100进行或在所述系统内进行的任何其它操作而辅助系统100。
在一些实施例中,机器可以用作独立装置。在一些实施例中,所述机器可(例如,使用通信网络135、另一网络或其组合)连接,且辅助由其它机器和系统执行的操作,所述机器和系统例如但不限于第一用户装置102、第二用户装置111、第三用户装置115、计算装置120、防火墙125、服务器140、服务器145、服务器150、数据库155、服务器160、外部网络165、FFSS 302、映射服务器304、sDAASS 306、CFSS 308、A&PSS 310、任何其它系统、程序和/或装置,或其任何组合。所述机器可连接到系统100中的任何一个或多个组件。在联网部署中,机器可以操作于服务器-客户端用户网络环境中的服务器或客户端用户机器的负载中,或操作为点对点(或分布式)网络环境中的对等机器。机器可包括服务器计算机、客户端用户计算机、个人计算机(PC)、平板PC、膝上型计算机、台式计算机、控制系统、网络路由器、交换机或桥接器,或能够执行(依序或以其它方式)指定要由所述机器采取的动作的指令集的任何机器。此外,尽管说明单个机器,但还应认为术语“机器”包含机器的任何集合,所述集合单独地或共同地执行指令的集合(或多个集合)以执行本文中所论述的方法中的任何一个或多个。
计算机系统500可包含处理器502(例如,中央处理单元(CPU)、图形处理单元(GPU)或这两者)、主存储器504和静态存储器506,其经由总线508彼此通信。计算机系统500可进一步包含视频显示单元510,其可以是但不限于液晶显示器(LCD)、平板、固态显示器或阴极射线管(CRT)。计算机系统500可包含输入装置512,例如但不限于键盘、例如但不限于鼠标的光标控制装置514、磁盘驱动单元516、例如但不限于扬声器或远程控件的信号产生装置518,以及网络接口装置520。
磁盘驱动单元516可包含上面存储一组或多组指令524的机器可读媒体522,例如但不限于体现本文中所描述的方法或功能中的任一个或多个,包含上文所说明的那些方法的软件。在由计算机系统500执行指令期间,指令524也可以完全或至少部分地驻存在主存储器504、静态存储器506内,或处理器502或其组合内。主存储器504和处理器502也可构成机器可读媒体。
包含但不限于专用集成电路、可编程逻辑阵列和其它硬件装置的专用硬件实施方案可以同样地构造成实施本文中所描述的方法。可包含各种实施例的设备和系统的应用广泛地包含多种电子和计算机系统。一些实施例在两个或多于两个特定互连硬件模块或具有在模块之间且通过模块传达相关控制和数据信号的装置中实施功能,或实施为专用集成电路的部分。因此,实例系统适用于软件、固件和硬件实施方案。
根据本公开的各种实施例,本文中所描述的方法预期用于作为计算机处理器上运行的软件程序进行操作。此外,软件实施方案可包含但不限于分布式处理或组件/对象分布式处理、并行处理,或虚拟机处理也可以构造成实施本文中所描述的方法。
本公开涵盖含有指令524的机器可读媒体522,使得连接到通信网络135、另一网络或其组合的装置可发送或接收语音、视频或数据,且使用所述指令经由通信网络135、另一网络或其组合进行通信。可以进一步经由通信网络135、另一网络或其组合来经由网络接口装置520传输或接收指令524。
虽然机器可读媒体522在实例实施例中展示为单个媒体,但是术语“机器可读媒体”应被认为包含存储一个或多个指令集的单个媒体或多个媒体(例如集中式或分布式数据库和/或相关联高速缓存和服务器)。术语“机器可读媒体”还应被认为包含能够存储、编码或载有供机器执行的指令集且使机器执行本公开的方法中的任一个或多个的任何媒体。
术语“机器可读媒体”、“机器可读装置”或“计算机可读装置”因此应被认为包含但不限于:存储器装置,固态存储器,例如存储卡或容纳一个或多个只读(非易失性)存储器的其它封装,随机存取存储器,或其它可重写(易失性)存储器;磁光或光学媒体,例如磁盘或磁带;或其它自包含的信息档案或档案集被视为等效于有形存储媒体的分发媒体。“机器可读媒体”、“机器可读装置”或“计算机可读装置”可以是非暂时性的,且在某些实施例中,可能不包含载波或信号本身。因此,本公开被认为包含如本文中所列的机器可读媒体或分布媒体中的任一个或多个,且包含其中存储了本文中的软件实施方案的本领域公认的等效物和后继媒体。
本文中所描述的布置的说明意图提供对各种实施例的结构的大体理解,且其并不意图充当可能利用本文中所描述的结构的设备和系统的所有元件和特征的完整描述。可以利用其它布置并从本文中导出其它布置,使得可以在不脱离本公开的范围的情况下作出结构和逻辑的替代和变化。各图仅是代表性的并且可能未按比例绘制。可放大其某些比例,且可使其它比例降到最低。因此,说明书和图式应被认为是说明性的而不是限制性的。
因此,尽管已在本文中说明且描述特定布置,但应了解,计算出以实现相同目的的任何布置可以取代展示的特定布置。本公开意图涵盖各种实施例的任何和所有适应或变化和本发明的布置。对于所属领域的技术人员来说在审阅上文描述之后,上文布置的组合以及本文中未具体描述的其它布置将是显而易见的。因此,预期本公开不限于作为进行本发明设想的最佳模式公开的特定布置,但本发明将包含属于所附权利要求书范围内的所有实施例和布置。
出于说明、解释和描述本发明的实施例的目的提供了前文。对这些实施例的修改和改编对于所属领域的技术人员将是显而易见的并且可在不脱离本发明的范围或精神的情况下进行。在审阅前述实施例之后,所属领域的一般技术人员将显而易见,在不脱离下文所描述的权利要求书的范围和精神的情况下可以修改、减少或增强所述实施例。
Claims (20)
1.一种系统,其特征在于,其包括:
存储器,其存储指令;以及
处理器,其执行所述指令以执行操作,所述操作包括:
从与第一用户相关联的第一用户装置接收与第二用户关于所述第二用户参与所述第一用户也参与的事件的效益相关的信息;
将所述信息分配给经映射到所述第一用户的第一用户识别符的第一化身,其中所述第一化身是所述第一用户在所述系统的虚拟社交网络内的匿名化虚拟表示,所述虚拟社交网络包含经映射到所述第二用户的第二用户识别符的第二化身;
基于对所述信息的分析而产生用于所述第一化身的第一条件状态数据和用于所述第二化身的第二条件状态数据,其中所述第一条件状态数据和所述第二条件状态数据是用于时间例项或多个时间例项的时间序列变量,所述时间序列变量表示所述系统的所述虚拟社交网络中的所述第一化身和所述第二化身彼此间的关系的方面;及
至少基于用于所述第二化身的所述第二条件状态数据而将报告、通知、投票、排名、推荐、媒体或其组合提供给所述第二用户,所述报告、通知、投票、排名、推荐、媒体或其组合与用于提高所述第二用户关于所述第二用户将参与未来事件的效益的可能性相关。
2.根据权利要求1所述的系统,其特征在于,与所述第二用户的所述效益相关的所述信息包括通过监视技术收集的数据、与运输、物流、运营、库存管理或引导系统相关联的数据、与音频内容相关联的数据、与视频内容相关联的数据、与文本分析相关联的数据、与全球定位系统相关联的数据、与生物特征数据集合相关联的数据,或其组合。
3.根据权利要求1所述的系统,其特征在于,所述操作进一步包括确保与所述第一用户相关联的用户信息、由所述第一用户产生的用户信息或其组合的隐私,其中通过机密计算技术、可信执行环境、用于保护隐私的系统或其组合来确保所述隐私。
4.根据权利要求1所述的系统,其特征在于,所述第一用户、所述第二用户或两者包括智能机器、人类、程序、仿真机器人、机器人、无人机、可穿戴装置、动物、功能、过程、装置或其组合。
5.根据权利要求1所述的系统,其特征在于,所述事件与多个事件相关联,或其中所述多个事件被组织成事件类型、项目、项目类型、机构、机构类型或其组合。
6.根据权利要求1所述的系统,其特征在于,所述操作进一步包括将所述信息及与所述信息相关联的数据提供给第三方用户,其中所述信息和数据是匿名地或非匿名地提供。
7.根据权利要求6所述的系统,其特征在于,所述第三方用户是规划、账户或其组合的订户。
8.根据权利要求1所述的系统,其特征在于,所述操作进一步包括维持与所述信息相关联的数据的质量、与所述信息相关联的数据的数量或其组合,其中所述数据被提供给所述第一用户、所述第二用户或其组合或从其获得。
9.根据权利要求1所述的系统,其特征在于,所述操作进一步包括确定包含于所述信息中的反馈的数量,以确定所接收反馈的数量、所接收反馈的类型或其组合。
10.根据权利要求1所述的系统,其特征在于,所述操作进一步包括汇总所述信息和其它数据,且其中汇总的信息和所述其它数据被提供给所述第一用户、所述第二用户、第三用户或其组合使用。
11.根据权利要求1所述的系统,其特征在于,所述操作进一步包括在将所述信息分配给经映射到所述第一用户识别符的所述第一化身之后从用以协助将所述信息分配给所述第一化身的映射服务器删除所述信息。
12.根据权利要求1所述的系统,其特征在于,所述第一条件状态数据进一步包括自评估或自开发数据、所有事件的完整或部分历史、所述第一化身、所述第二化身和其它化身当中的网络连接的一部分的表示、化身识别符、事件和事件报告的表、所连接的化身识别符和互动事件的表,或其组合。
13.根据权利要求1所述的系统,其特征在于,所述操作进一步包括处理所述第一条件状态数据且将其投射到第一条件状态类型上以便对所述第一用户的需求、所述第一用户的兴趣、待呈现给所述第一用户的媒体内容、待呈现给所述第一用户的连接选项或其组合进行分类,和/或其中所述操作进一步包括处理所述第二条件状态数据且将其投射到第二条件状态类型上以便对所述第二用户的需求、所述第二用户的兴趣、待呈现给所述第二用户的媒体内容或其组合进行分类。
14.根据权利要求13所述的系统,其特征在于,所述操作进一步包括将所述第一条件状态类型映射到经分配给所述第一用户的第一兴趣状态,和/或其中所述操作进一步包括将所述第二条件状态类型映射到经分配给所述第二用户的第二兴趣状态。
15.根据权利要求14所述的系统,其特征在于,所述第一兴趣状态、所述第二兴趣状态或其组合包括环境状态变量、组织状态变量、领导活动变量、行为变量、互动变量、关系变量、社交网络变量、通信变量、态度变量、情绪状态变量、认知状态变量、能力变量、知识变量、管理活动变量,或其组合。
16.根据权利要求1所述的系统,其特征在于,所述操作进一步包括利用第一安全映射密钥来保护所述第一用户识别符与所述第一化身之间的关系,且其中所述操作进一步包括利用第二安全映射密钥来保护所述第二用户识别符与所述第二化身之间的关系。
17.一种方法,其特征在于,其包括:
将查询传输到与第一用户相关联的第一用户装置,其中所述查询请求与第二用户关于所述第二用户参与所述第一用户也参与的事件的效益相关的信息;
从与所述第一用户相关联的所述第一用户装置获得与所述第二用户关于所述第二用户参与所述第一用户也参与的所述事件的所述效益相关的所述信息;
将所述信息与经映射到所述第一用户的第一用户识别符的第一化身相关联,其中所述第一化身是所述第一用户在系统的虚拟社交网络内的匿名化虚拟表示,所述虚拟社交网络包含经映射到所述第二用户的第二用户识别符的第二化身;
基于对所述信息的分析而产生用于所述第一化身的第一条件状态数据和用于所述第二化身的第二条件状态数据,其中所述第一条件状态数据和所述第二条件状态数据是用于时间例项或多个时间例项的时间序列变量,所述时间序列变量表示所述系统的所述虚拟社交网络中的所述第一化身和所述第二化身彼此间的关系;及
至少基于用于所述第二化身的所述第二条件状态数据而将报告、投票、排名、推荐或其组合提供给所述第二用户,以用于提高所述第二用户关于所述第二用户将参与未来事件的效益。
18.根据权利要求17所述的方法,其特征在于,其进一步包括通过利用机器或第三用户来针对待用于所述分析中的所述信息确定相对加权。
19.根据权利要求17所述的方法,其特征在于,与所述第二用户的所述效益相关的所述信息包括与所述第二用户相关联的准备信息、真实性信息、澄清信息、证据信息、相关性信息、尊重信息、公开信息、贡献信息、参与信息、可信度信息、价值信息、任何属性信息、任何效益信息,或其组合。
20.一种非暂时性计算机可读装置,其特征在于,其包括指令,所述指令在由处理器加载且执行时使得所述处理器执行包括以下各项的操作:
产生对与第一用户相关联的第一用户装置的查询,其中所述查询请求与第二用户关于所述第二用户参与所述第一用户也参与的事件的效益相关的信息;
从与所述第一用户相关联的所述第一用户装置接收与所述第二用户关于所述第二用户参与所述第一用户也参与的所述事件的所述效益相关的所述信息;
将所述信息与经映射到所述第一用户的第一用户识别符的第一化身相关联,其中所述第一化身是所述第一用户在所述系统的虚拟社交网络内的匿名化虚拟表示,所述虚拟社交网络包含经映射到所述第二用户的第二用户识别符的第二化身;
基于对所述信息的分析而提供用于所述第一化身的第一条件状态数据和用于所述第二化身的第二条件状态数据,其中所述第一条件状态数据和所述第二条件状态数据是用于时间例项或多个时间例项的时间序列变量,所述时间序列变量表示所述系统的所述虚拟社交网络中的所述第一化身和所述第二化身彼此间的关系;及
至少基于用于所述第二化身的所述第二条件状态数据而为所述第二用户产生报告、投票、排名、推荐或其组合,以用于提高所述第二用户关于所述第二用户将参与未来事件的效益。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962884877P | 2019-08-09 | 2019-08-09 | |
US62/884,877 | 2019-08-09 | ||
PCT/US2020/045460 WO2021030206A1 (en) | 2019-08-09 | 2020-08-07 | System and method for providing a technology-supported-trusted-performance feedback and experiential learning system |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114902312A true CN114902312A (zh) | 2022-08-12 |
Family
ID=74499357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080070254.4A Pending CN114902312A (zh) | 2019-08-09 | 2020-08-07 | 用于提供技术支持的、可信的、表现反馈和体验式学习系统的系统和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20210042854A1 (zh) |
EP (1) | EP4010892A1 (zh) |
CN (1) | CN114902312A (zh) |
WO (1) | WO2021030206A1 (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104919507B (zh) | 2012-06-14 | 2018-06-26 | 百利游戏技术有限公司 | 用于增强现实游戏的系统和方法 |
EP3455818B8 (en) | 2016-05-10 | 2023-11-08 | Peer Inc | Fluid timeline social network |
WO2020006478A1 (en) | 2018-06-29 | 2020-01-02 | Alfa Enzo Inc. | Multi-blockchain proof-of-activity platform |
US20200265526A1 (en) * | 2019-10-02 | 2020-08-20 | Mark Ogunsusi | Method and system for online matchmaking and incentivizing users for real-world activities |
US11416620B1 (en) * | 2019-11-01 | 2022-08-16 | Sprint Communications Company L.P. | Data communication service in a trusted execution environment (TEE) at the network edge |
US11861019B2 (en) | 2020-04-15 | 2024-01-02 | Crowdstrike, Inc. | Distributed digital security system |
US11616790B2 (en) | 2020-04-15 | 2023-03-28 | Crowdstrike, Inc. | Distributed digital security system |
US11563756B2 (en) * | 2020-04-15 | 2023-01-24 | Crowdstrike, Inc. | Distributed digital security system |
US11645397B2 (en) | 2020-04-15 | 2023-05-09 | Crowd Strike, Inc. | Distributed digital security system |
US11711379B2 (en) | 2020-04-15 | 2023-07-25 | Crowdstrike, Inc. | Distributed digital security system |
US20220198365A1 (en) * | 2020-12-21 | 2022-06-23 | Hi5Talent LLC | System and method for management of a talent network |
US11823591B2 (en) * | 2021-01-08 | 2023-11-21 | Microsoft Technology Licensing, Llc | Emotional management system |
US11729234B2 (en) * | 2021-03-01 | 2023-08-15 | Daniel Goddard | Augmented reality positioning and matching system |
US20220358852A1 (en) * | 2021-05-10 | 2022-11-10 | Benjamin Chandler Williams | Systems and methods for compensating contributors of assessment items |
US11836137B2 (en) | 2021-05-19 | 2023-12-05 | Crowdstrike, Inc. | Real-time streaming graph queries |
CN114257395B (zh) * | 2021-11-01 | 2022-09-27 | 清华大学 | 基于协作学习的定制化网络安全态势感知方法及装置 |
US20230254300A1 (en) * | 2022-02-04 | 2023-08-10 | Meta Platforms Technologies, Llc | Authentication of avatars for immersive reality applications |
US11595202B1 (en) * | 2022-02-09 | 2023-02-28 | My Job Matcher, Inc. | Apparatus and methods for mapping user-associated data to an identifier |
US11799679B2 (en) * | 2022-03-11 | 2023-10-24 | Read AI, Inc. | Systems and methods for creation and application of interaction analytics |
US11893151B1 (en) * | 2022-07-25 | 2024-02-06 | Gravystack, Inc. | Apparatus for external activity verification and a method for its use |
FR3138541A1 (fr) * | 2022-07-26 | 2024-02-02 | Serge LARA | Procédé de création d’un avatar d’un utilisateur |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007016384A2 (en) * | 2005-07-28 | 2007-02-08 | Searete Llc | Real-world incentives offered to virtual world participants |
US20080281915A1 (en) * | 2007-04-30 | 2008-11-13 | Elad Joseph B | Collaboration portal (COPO) a scaleable method, system, and apparatus for providing computer-accessible benefits to communities of users |
US20080303811A1 (en) * | 2007-06-07 | 2008-12-11 | Leviathan Entertainment, Llc | Virtual Professional |
CN101366051A (zh) * | 2005-09-28 | 2009-02-11 | 费瓦科技有限公司 | 网络运营及包括数据获取、处理、提供和/或互动特征的信息处理的系统和方法 |
US8639650B1 (en) * | 2003-06-25 | 2014-01-28 | Susan Pierpoint Gill | Profile-responsive system for information exchange in human- and device-adaptive query-response networks for task and crowd management, distributed collaboration and data integration |
US20150356411A1 (en) * | 2014-06-09 | 2015-12-10 | Cognitive Scale, Inc. | Cognitive Profiles |
US20160078471A1 (en) * | 2014-08-28 | 2016-03-17 | Jehan Hamedi | Systems and Methods for Determining an Agility Rating Indicating a Responsiveness of an Author to Recommended Aspects for Future Content, Actions, or Behavior |
WO2017210451A1 (en) * | 2016-06-02 | 2017-12-07 | Kodak Alaris Inc. | Method for producing and distributing one or more customized media centric products |
CN107800801A (zh) * | 2017-11-07 | 2018-03-13 | 上海电机学院 | 一种基于用户学习偏好的学习资源推送方法及系统 |
US20180096055A1 (en) * | 2016-10-05 | 2018-04-05 | Reuben Emory Houser | System to determine a credibility weighting for electronic records |
US20190205727A1 (en) * | 2017-12-30 | 2019-07-04 | Graphen, Inc. | Persona-driven and artificially-intelligent avatar |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10402419B1 (en) * | 2010-04-19 | 2019-09-03 | Facebook, Inc. | Search queries with previews of search results on online social networks |
US9270711B1 (en) * | 2012-04-10 | 2016-02-23 | Google Inc. | System and method for aggregating feedback |
-
2020
- 2020-08-07 US US16/988,205 patent/US20210042854A1/en active Pending
- 2020-08-07 EP EP20851754.0A patent/EP4010892A1/en not_active Withdrawn
- 2020-08-07 CN CN202080070254.4A patent/CN114902312A/zh active Pending
- 2020-08-07 WO PCT/US2020/045460 patent/WO2021030206A1/en unknown
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8639650B1 (en) * | 2003-06-25 | 2014-01-28 | Susan Pierpoint Gill | Profile-responsive system for information exchange in human- and device-adaptive query-response networks for task and crowd management, distributed collaboration and data integration |
WO2007016384A2 (en) * | 2005-07-28 | 2007-02-08 | Searete Llc | Real-world incentives offered to virtual world participants |
CN101366051A (zh) * | 2005-09-28 | 2009-02-11 | 费瓦科技有限公司 | 网络运营及包括数据获取、处理、提供和/或互动特征的信息处理的系统和方法 |
US20080281915A1 (en) * | 2007-04-30 | 2008-11-13 | Elad Joseph B | Collaboration portal (COPO) a scaleable method, system, and apparatus for providing computer-accessible benefits to communities of users |
US20080303811A1 (en) * | 2007-06-07 | 2008-12-11 | Leviathan Entertainment, Llc | Virtual Professional |
US20150356411A1 (en) * | 2014-06-09 | 2015-12-10 | Cognitive Scale, Inc. | Cognitive Profiles |
US20160078471A1 (en) * | 2014-08-28 | 2016-03-17 | Jehan Hamedi | Systems and Methods for Determining an Agility Rating Indicating a Responsiveness of an Author to Recommended Aspects for Future Content, Actions, or Behavior |
WO2017210451A1 (en) * | 2016-06-02 | 2017-12-07 | Kodak Alaris Inc. | Method for producing and distributing one or more customized media centric products |
US20180096055A1 (en) * | 2016-10-05 | 2018-04-05 | Reuben Emory Houser | System to determine a credibility weighting for electronic records |
CN107800801A (zh) * | 2017-11-07 | 2018-03-13 | 上海电机学院 | 一种基于用户学习偏好的学习资源推送方法及系统 |
US20190205727A1 (en) * | 2017-12-30 | 2019-07-04 | Graphen, Inc. | Persona-driven and artificially-intelligent avatar |
Non-Patent Citations (3)
Title |
---|
YANG, Y: "A write-in electronic voting scheme based on ring signature", INTERNATIONAL CONFERENCE ON COMMUNICATIONS, CIRCUITS AND SYSTEMS PROCEEDINGS, 1 January 2007 (2007-01-01) * |
孙雨生;张晨;任洁;朱礼军;: "国内电子商务个性化推荐研究进展:核心技术", 现代情报, no. 04, 15 April 2017 (2017-04-15) * |
陶侃;: "网络学习中的虚拟团队的形成与交互机制解析", 现代远距离教育, no. 04, 15 August 2009 (2009-08-15) * |
Also Published As
Publication number | Publication date |
---|---|
US20210042854A1 (en) | 2021-02-11 |
EP4010892A1 (en) | 2022-06-15 |
WO2021030206A1 (en) | 2021-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210042854A1 (en) | System and method for providing a technology-supported-trusted-performance feedback and experiential learning system | |
Eubanks | Artificial intelligence for HR: Use AI to support and develop a successful workforce | |
Al-Sharafi et al. | Understanding the impact of knowledge management factors on the sustainable use of AI-based chatbots for educational purposes using a hybrid SEM-ANN approach | |
Bott et al. | The role of crowdsourcing for better governance in international development | |
Montoya et al. | 3D collaborative virtual environments: Exploring the link between collaborative behaviors and team performance | |
Jarvenpaa et al. | Toward contextualized theories of trust: The role of trust in global virtual teams | |
Seyff et al. | Using popular social network sites to support requirements elicitation, prioritization and negotiation | |
Shang et al. | Understanding Web 2.0 service models: A knowledge-creating perspective | |
Crisp et al. | Swift trust in global virtual teams | |
US20160260044A1 (en) | System and method for assessing performance metrics and use of the same | |
US10733543B2 (en) | Human resource analytics with profile data | |
Kahai | Leading in a digital age: What's different, issues raised, and what we know | |
Heikkilä et al. | Performance estimation of networked business models: case study on a Finnish eHealth Service Project | |
US20190295101A1 (en) | Digital credential receiver field mappings | |
US10984496B1 (en) | Threat assessment and response facilitation system and method | |
Zhu et al. | Engineering leadership in a Chinese industrial context: An exploration using the four capabilities model | |
Cinelli et al. | Promoting engagement with quality communication in social media | |
Hanrahan et al. | Evaluating software for communities using social affordances | |
Stuckey | Complex Acquisition Requirements Analysis Using a Systems Engineering Approach | |
Al Zarooni et al. | Robotics Process Automation (RPA) and Project Risk Management | |
Wang et al. | IIAG: a data-driven and theory-inspired approach for advising how to interact with new remote collaborators in OSS teams | |
JP2022506910A (ja) | I-オペラント・タグ、i-バブル・タグ、d絵文字及びdエモーティコンに基づく連続的生産消費者確認を伴う暗号セキュア・ソーシャル・メディア及びクロス・ブリッジ・サービスに関するインテリジェント・オペレーティング・インターフェース及びサービスとしてのインテリジェント・パーソナル・アシスタントを提供するためのシステム及び方法 | |
Hoßfeld et al. | Crowdsourcing: From theory to practice and long-term perspectives (dagstuhl seminar 13361) | |
CA2871289A1 (en) | System and method for a connection platform | |
Nuseir et al. | The Impacts of Social Media on Managing Customer Relationships with Brands in the UK |
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 |