CN115062949B - 岗位能力测量方法及装置 - Google Patents
岗位能力测量方法及装置 Download PDFInfo
- Publication number
- CN115062949B CN115062949B CN202210653712.8A CN202210653712A CN115062949B CN 115062949 B CN115062949 B CN 115062949B CN 202210653712 A CN202210653712 A CN 202210653712A CN 115062949 B CN115062949 B CN 115062949B
- Authority
- CN
- China
- Prior art keywords
- capability
- level
- question
- dimension
- theta
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title abstract description 25
- 238000012360 testing method Methods 0.000 claims abstract description 69
- 238000005259 measurement Methods 0.000 claims description 48
- 238000000691 measurement method Methods 0.000 claims description 19
- 230000001174 ascending effect Effects 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 5
- 230000000630 rising effect Effects 0.000 claims description 4
- 230000007423 decrease Effects 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 description 7
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种岗位能力测量方法及装置,包括:将企业员工的岗位能力按照能力维度和能力水平分级;在每一能力维度的能力水平等级上设置一个子题库,在某一能力维度的子题库中进行试题推荐,通过试题的答题情况,估计被试者在该能力维度上的能力水平等级;以及在测试某一能力维度时,从中间的能力水平等级对应的子题库开始,若前一个子题库的答题情况合格,则从更高的能力水平等级对应的子题库中进行试题推荐,否则则从更低的能力水平等级对应的子题库中进行试题推荐,直至确定该能力维度的能力水平等级。
Description
技术领域
本发明涉及计算机技术领域,特别涉及一种岗位能力测量方法及装置。
背景技术
能力是直接影响活动效率,使活动得以顺利完成的心理特征,它已被证明能有效预测个人的工作绩效、学业成绩等,在个体的职业发展中也发挥着基础性的作用。在实践领域,能力是企业考察和评估个体的核心因素。由于能力在广泛的职业中都发挥着基础性的作用,因此企业对能力的考察和评估就成了最急切和最基础的需要。
针对题目曝光、作答时间和测量精准这三方面的核心需求,按照传统的思路去解决起到的效果非常有限,基于题目库测评的解决方案能够通过增加题目降低题目曝光的影响,也能通过良好的测验设计使不同人获得的测量尽量等价,但在降低题目数量和进一步提升测评精准性方面,能发挥的空间相对有限。
发明内容
本发明的目的在于提供一种岗位能力测量方法及装置,以解决现有的岗位能力测量题目曝光、作答时间和测量精准需求很难满足的问题。
为解决上述技术问题,本发明提供一种岗位能力测量方法,包括:
将企业员工的岗位能力分别按照能力维度和能力水平分级,首先分别形成多个能力维度,在每个能力维度下又区分出多个能力水平等级;
在每一能力维度的能力水平等级上设置一个子题库,在某一能力维度的子题库中进行试题推荐,通过试题的答题情况,估计被试者在该能力维度上的能力水平等级;以及
在测试某一能力维度时,从中间的能力水平等级对应的子题库开始,若前一个子题库的答题情况合格,则从更高的能力水平等级对应的子题库中进行试题推荐,否则则从更低的能力水平等级对应的子题库中进行试题推荐,直至确定该能力维度的能力水平等级。
可选的,在所述的岗位能力测量方法中,还包括:
在测试某一能力维度时,按照终止条件判断算法对被试者的答题情况进行分析,判断答题情况是否满足该能力维度的终止条件,从而推断被试者是否完成该能力维度的测试,以及得到其能力水平等级为上升、下降或停留的结果;以及
根据被试者在所有能力维度下的答题结果和岗位能力的指标,将被试者进行三个等级划分,优秀、合格和不合格,为组织对员工的能力评估提供标准;
其中所述终止条件包括答题数量、答题总分数和/或答题数量和分数的关系。
可选的,在所述的岗位能力测量方法中,还包括:
将总题库中的题目按照能力维度和能力水平等级结构进行划分,设置测量参数;
设置测量顺序和规划;
进入一个待测的能力维度;
在该能力维度中,进入一个待测的能力水平等级进行测试,从该能力水平等级对应的子题库中随机出题或根据出题算法推荐出题;
根据答题情况和测量参数判断能否评估出被试者的能力水平等级,是否满足该能力水平等级的终止条件,若是则判断是否满足该能力维度的所有能力水平等级的终止条件,否则继续在该子题库中出题;以及
若满足该能力维度的所有能力水平等级的终止条件后,则判断是否满足所有能力维度的终止条件,若是则出具该被试者的测量结果及报告,否则进入一个待测的能力维度。
可选的,在所述的岗位能力测量方法中,还包括:
在测量某一能力水平等级时,从该能力水平等级的最中间的层级开始以提升测量效率;以及
等级划分为奇数的从中位数等级开始出题,等级划分为偶数的从中位两个等级随机开始出题。
可选的,在所述的岗位能力测量方法中,还包括:
根据答题结果估计被试者在该能力水平等级上掌握或未掌握的可能性,若掌握该能力水平等级,上升至更高的能力水平等级进行测量;
未掌握该能力水平等级,下降至更低的能力水平等级进行测量;
不能确定是否掌握该能力水平等级,继续从其对应的子题库中出题。
可选的,在所述的岗位能力测量方法中,还包括:
在某个子题库中,在被试对相应题目完成答题后,根据被试对题目作答的结果来估计被试者的能力水平等级可能性,从而决定上升或下降、以及上升等级数或下降等级数;和/或
在某个子题库中,在被试对相应题目完成答题后,根据被试对题目作答的结果来估计被试者的能力水平等级可能性,从而决定上升或下降,若上升则在最高能力水平等级和目前测试的能力水平等级之间选择最中间的层级测试,否则在最低能力水平等级和目前测试的能力水平等级之间选择最中间的层级测试。
可选的,在所述的岗位能力测量方法中,还包括:
设置测量误差精度参数α和β,其中α为判断为掌握但实际未掌握的可能性,β为判断为未掌握但实际掌握的可能性,α和β均位于0和1之间;
通过出题算法的公式进行试题推荐,根据被试者作答每一道题目的结果,来估计被试者掌握此项能力水平的能力值,出题算法的公式如下:
在某个子题库中选题,θ为测量的能力水平等级,θ在θ1和θ2之间,θ1和θ2已知;
Xi为被试作答成绩数据,对应第i道题,如果被试答对了Xi=1;如果答错了,Xi=0,n为答题数目;
Xi=1为答题正确,Xi=0为答题错误。
可选的,在所述的岗位能力测量方法中,还包括:
根据测量误差精度参数α和β,计算第一条件A和第二条件B:
按照被试者作答题目的能力值估计,根据如下假设和公式判断,决定被试者上升能力水平等级、下降能力水平等级或者保持在此能力水平等级上进行测量,以此作为判断该能力水平等级的终止条件;
终止条件包括:得到能力水平等级下降的原假设H0为:θ≤θ1,得到能力水平等级上升的备选假设H1为:θ≥θ2;
如果Sn<logA,符合条件H0;如果Sn>logB,符合条件H1;否则被试者能力水平等级在θ1和θ2之间。当Sn即不小于logA,也不大于LogB时,被试者能力水平等级在θ1和θ2之间,在这个子题库中继续出题,直至符合前两个条件为止。
可选的,在所述的岗位能力测量方法中,还包括:
针对不同的能力维度,获得被试者在不同能力维度下的各个能力水平等级;
根据被试者在不同能力维度下的能力水平测量结果,将被试者划分为多个等级;
按照被试者回答的所有题目,被试者作答成绩数据符合伯努利分布,被试者做对一道随机题的可能性θ符合如下公式:
f(x,θ)=θx(1-θ)1-x (4);
在某个能力维度下依据如下公式,将多个被试者划分等级,以此作为满足该能力维度下的终止条件,完成被试者的能力测量;
Tn是被试样本组(x1,x2,...,xn)的集合;到前n-1次随机抽样为止一直不做决定,而在第n次抽样后,决定原假设或否定原假设;
β(θ)是θ的非降函数,通过假设检验,判断被试者能力水平等级包括:若β(θ)≤α则θ≤θ1,若β(θ)≥β则θ≥θ2,否则θ1<θ<θ2。
本发明还提供一种实施如上任一项所述的岗位能力测量方法的装置,包括:
总题库,被配置为包含企业员工的岗位能力相关的题目,所述题目按照对应的能力维度和能力水平等级分布在不同的子题库中;
试题推荐单元,被配置为在某一子题库中进行试题推荐;以及
能力水平等级评估单元,被配置为通过答题情况,估计被试者的能力水平等级。
本发明的发明人经研究发现,目前岗位能力测试的自适应考试系统以项目反应理论(IRT)为依据,其是对被试能力的一种估计,将被试者对单个测试题的反应行为与该试题相对应的被试潜在特质联系起来,即项目特征曲线。项目特征曲线是以潜在特质(用θ表示为横坐标)和以正确反应的概率(用P表示为纵坐标),以此反应项目特征的一条曲线,如图1所示。
其中题目区分度a即曲线拐点处的斜率,斜率越大、区分度越强;题目难度b即题目的答对率P(θ)=0.5时所对应的能力θ值;题目猜测度c即曲线的截距,其值越大代表越容易猜对题目答案;项目反应理论经常采用3参数Logistic模型(简称3PL模型,3-parameterLogistic model),该模型的表达公式如下:
其中D为常数1.7;
但是发明人发现,IRT在实际测量实施中需要在复杂的数学模型之上进行参数模型运算,不仅被试答题时间长,运算工作量大,并且要求题库的题目数量要多,这样就势必导致企业投入大量人力和财力来设计和维护题库。同时,由于要求企业有超过500人以上的被试人群来估计题目的参数,因此,就限制了自适应能力测量在企业中的应用。
基于以上洞察,本发明提供了一种岗位能力测量方法及装置,将企业员工的岗位能力按照能力维度和能力水平分级,针对不同的能力维度进行不同的测试,可以更加直观的检测各项能力的实际水平,选题算法简单,判断被试者的能力是否合格也更加简单;另外在测试某一能力维度时,从中间的能力水平等级对应的子题库开始,可以提高测试的效率,更快的确定被试者的水平。通过本发明,不仅可以避免复杂的参数运算,减少被试的测验时间,提高企业岗位能力测量的效率,同时采用计算机自适应测量提高测量的准确性。在测量题库方面,可以减少题库中的题目数量,一方面降低企业的投入和维护成本,另一方面可以敏捷地调整题库题目,适应企业快速应对变化的要求。同时,对被试人群没有数量要求,满足从大企业到小企业对员工岗位能力的测量需求。
附图说明
图1是现有的自适应考试系统项目反应理论的项目特征曲线示意图;
图2是本发明一实施例中的岗位能力测量方法流程示意图。
具体实施方式
下面结合具体实施方式参考附图进一步阐述本发明。
应当指出,各附图中的各组件可能为了图解说明而被夸大地示出,而不一定是比例正确的。在各附图中,给相同或功能相同的组件配备了相同的附图标记。
在本发明中,除非特别指出,“布置在…上”、“布置在…上方”以及“布置在…之上”并未排除二者之间存在中间物的情况。此外,“布置在…上或上方”仅仅表示两个部件之间的相对位置关系,而在一定情况下、如在颠倒产品方向后,也可以转换为“布置在…下或下方”,反之亦然。
在本发明中,各实施例仅仅旨在说明本发明的方案,而不应被理解为限制性的。
在本发明中,除非特别指出,量词“一个”、“一”并未排除多个元素的场景。
在此还应当指出,在本发明的实施例中,为清楚、简单起见,可能示出了仅仅一部分部件或组件,但是本领域的普通技术人员能够理解,在本发明的教导下,可根据具体场景需要添加所需的部件或组件。另外,除非另行说明,本发明的不同实施例中的特征可以相互组合。例如,可以用第二实施例中的某特征替换第一实施例中相对应或功能相同或相似的特征,所得到的实施例同样落入本申请的公开范围或记载范围。
在此还应当指出,在本发明的范围内,“相同”、“相等”、“等于”等措辞并不意味着二者数值绝对相等,而是允许一定的合理误差,也就是说,所述措辞也涵盖了“基本上相同”、“基本上相等”、“基本上等于”。以此类推,在本发明中,表方向的术语“垂直于”、“平行于”等等同样涵盖了“基本上垂直于”、“基本上平行于”的含义。
另外,本发明的各方法的步骤的编号并未限定所述方法步骤的执行顺序。除非特别指出,各方法步骤可以以不同顺序执行。
以下结合附图和具体实施例对本发明提出的岗位能力测量方法及装置作进一步详细说明。根据下面说明,本发明的优点和特征将更清楚。需说明的是,附图均采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施例的目的。
本发明的目的在于提供一种岗位能力测量方法及装置,以解决现有的岗位能力测量题目曝光、作答时间和测量精准需求很难满足的问题。
为实现上述目的,本发明提供了一种岗位能力测量方法及装置,包括:将企业员工的岗位能力按照能力维度和能力水平分级;在每一能力维度的能力水平等级上设置一个子题库,在某一能力维度的子题库中进行试题推荐,通过试题的答题情况,估计被试者在该能力维度上的能力水平等级;以及在测试某一能力维度时,从中间的能力水平等级对应的子题库开始,若前一个子题库的答题情况合格,则从更高的能力水平等级对应的子题库中进行试题推荐,否则则从更低的能力水平等级对应的子题库中进行试题推荐,直至确定该能力维度的能力水平等级。
图2提供了本发明的第一个实施例,其示出了岗位能力测量方法的流程示意图。如图2所示,首先将总题库中的题目按照能力维度和能力水平等级结构进行划分,设置测量参数;设置测量顺序和规划;进入一个待测的能力维度;在该能力维度中,进入一个待测的能力水平等级进行测试,从该能力水平等级对应的子题库中随机出题或根据出题算法推荐出题;根据答题情况和测量参数判断能否评估出被试者的能力水平等级,是否满足该能力水平等级的终止条件,若是则判断是否满足该能力维度的所有能力水平等级的终止条件,否则继续在该子题库中出题;以及若满足该能力维度的所有能力水平等级的终止条件后,则判断是否满足所有能力维度的终止条件,若是则出具该被试者的测量结果及报告,否则进入一个待测的能力维度。
具体的,首先企业按照不同岗位的要求,把岗位能力细化为能力维度和能力水平等级,如表1所示,横向为能力维度,纵向为能力水平等级。
表1岗位能力细化表
不同的岗位能力由不同的能力维度组合而成,例如,销售人员的岗位能力由拜访客户的能力维度、商务演示的能力维度和关系维护的能力维度组成,每个企业根据自己的情况来定义不同岗位的能力维度。
在每个能力维度下,可以分为不同的能力水平等级,能力水平等级可以由企业自己定义,例如企业将某一个能力维度划分为基本了解、深度理解、掌握应用、综合运用四个层级。
企业按照岗位能力细化表,在不同的能力维度下,针对不同的能力水平,设计并建立相对应的测量题库。每一道题目对应不同能力维度下的不同能力水平等级,换句话说,在同一能力水平等级下的题目被视为可以测量对应能力水平的同性质的题目;
在被试需要测量某一能力维度的能力水平时,为了提升测量效率和节约时间,可以从能力水平等级的中间层级开始。等级划分为奇数的从中位数等级开始出题,等级划分为偶数的从中位两个等级随机开始出题(例如:能力水平等级划分为4级,从2级或3级随机出题)。在相应同能力水平等级的题目中,采取随机出题策略给被试作答,在被试对相应题目完成答题后,根据被试对题目作答的结果来估计被试的能力水平可能性,从而决定上升一个或几个等级还是下降一个或者几个等级进行进一步测量。举个生活中的例子,人们进行视力检查,医生都是从中间层级开始测量,当确定回答正确后进入上一个或几个等级,当确定回答错误后降低一个或几个等级,而在每个等级的视力测量中均会选择多个同等级的选项给视力被测者;
在测量某一个能力水平等级时,从相对应的题目中随机出题给被试作答,当被试答完一道题后,根据结果来估计被试在这个能力水平上掌握或未掌握的可能性,那么有三种可能性:(1)掌握此能力水平,上升下一个等级进行测量;(2)未掌握此能力水平,下降下一个等级进行测量;(3)不能确定掌握与否,继续从相对应的能力水平等级的子题库出题。参数设置和计算公式如下:
第一步,设置测量参数α和β,一般取值为1%、5%、10%等,此参数代表测量的误差精度;其中α为判断为掌握但实际是未掌握的可能性,β为判断为未掌握但实际是掌握的可能性。
第二步,根据被试作答每一道题目的结果,来估计被试掌握此项能力水平的能力值,公式如下:
θ=测量的能力水平能力,在θ1和θ2之间,θ1和θ2已知。Xi为被试作答成绩数据,对应第i道题,如果被试答对了Xi=1;如果答错了,Xi=0,n为答题数目。Xi=1为答题正确,Xi=0为答题错误。
第三步,根据第一步的参数设置,有以下两种条件A和B,计算如下:
第四步,按照被试作答题目的能力值估计,根据如下假设和公式判断,决定被试上升一个能力水平等级、下降一个能力水平等级或者保持在此能力水平上进行测量,以此作为判断能力水平等级的终止条件。
假设H0为:θ≤θ1并且H1为:θ≥θ2
如果Sn<logA,则接受H0,被试者能力水平低于θ1;如果Sn>logB,则拒绝H0,接受H1,被试者能力水平高于θ2;否则可认为被试能力水平在θ1和θ2之间。
针对不同的能力维度,重复执行第四步,获得被试不同能力维度下的能力水平。同时,企业根据被试在不同能力维度下的能力水平测量结果,将全部被试划分为三个等级,例如:优秀、合格、不合格。这种划分可以使组织对员工的能力评估更加科学和有依据。计算公式如下:
首先,将员工按照被试回答的所有题目,被试者作答成绩数据符合伯努利(bernoulli)分布,θ为对于随机的一道题被试做对的可能性符合如下公式:
f(x,θ)=θx(1-θ)1-x (4)
其次,依据如下公式,将被试区分为三个等级员工,以此作为满足能力维度下的终止条件,完成被试的能力测量。
Tn是被试样本组(x1,x2,...,xn)的集合:到前n-1次随机抽样为止一直不做决定,而在第n次抽样后,决定否定原假设。β(θ)是θ的非降函数,于是有β(θ)≤α(θ≤θ1),β(θ)≥β(θ≥θ2),通过假设检验,可以判断被试能力水平分为三个等级:小于θ1、θ1和θ2之间、大于θ2。
综上所述,本发明创造性的指出了:将企业员工的岗位能力按照能力维度和能力水平等级,员工在能力维度和能力水平等级为测量;
通过以下算法公式进行试题推荐,通过被试答题的情况,估计被试的能力水平等级可能性,按照下面公式对被试答题情况进行分析,判断是否满足终止条件,从而推断被试的能力水平等级是否上升、下降或停留。
根据被试在所有能力维度下答题结果,将被试按照如下公式进行三个等级划分,优秀、合格和不合格,为组织对员工的能力评估提供科学和有效的标准。
通过本发明,不仅可以避免复杂的参数运算,减少被试的测验时间,提高企业岗位能力测量的效率,同时采用计算机自适应测量提高测量的准确性。在测量题库方面,可以减少题库中的题目数量,一方面降低企业的投入和维护成本,另一方面可以敏捷地调整题库题目,适应企业快速应对变化的要求。同时,对被试人群没有数量要求,满足从大企业到小企业对员工岗位能力的测量需求。
综上,上述实施例对岗位能力测量方法及装置的不同构型进行了详细说明,当然,本发明包括但不局限于上述实施中所列举的构型,任何在上述实施例提供的构型基础上进行变换的内容,均属于本发明所保护的范围。本领域技术人员可以根据上述实施例的内容举一反三。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
上述描述仅是对本发明较佳实施例的描述,并非对本发明范围的任何限定,本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰,均属于权利要求书的保护范围。
Claims (7)
1.一种岗位能力测量方法,其特征在于,包括:
将企业员工的岗位能力按照能力维度和能力水平分级;
在每一能力维度的能力水平等级上设置一个子题库,在能力维度的子题库中进行试题推荐,通过试题的答题情况,估计被试者在该能力维度上的能力水平等级;以及
在测试能力维度时,从中间的能力水平等级对应的子题库开始,若前一个子题库的答题情况合格,则从更高的能力水平等级对应的子题库中进行试题推荐,否则则从更低的能力水平等级对应的子题库中进行试题推荐,直至确定该能力维度的能力水平等级,
设置测量误差精度参数α和β,其中α为判断为掌握但实际未掌握的可能性,β为判断为未掌握但实际掌握的可能性,α和β均位于0和1之间;
通过出题算法的公式进行试题推荐,根据被试者作答每一道题目的结果,来估计被试者掌握此项能力水平的能力值,出题算法的公式如下:
在某个子题库中选题,θ为测量的能力水平等级,θ在θ1和θ2之间,θ1和θ2已知;
Xi为被试作答成绩数据,对应第i道题,如果被试答对了Xi=1;如果答错了,Xi=0,n为答题数目;
Xi=1为答题正确,Xi=0为答题错误;
根据测量误差精度参数α和β,计算第一条件A和第二条件B:
按照被试者作答题目的能力值估计,根据如下假设和公式判断,决定被试者上升能力水平等级、下降能力水平等级或者保持在此能力水平等级上进行测量,以此作为判断该能力水平等级的终止条件;
终止条件包括:得到能力水平等级下降的原假设H0为:θ≤θ1,得到能力水平等级上升的备选假设H1为:θ≥θ2;
如果Sn<logA,符合条件H0;如果Sn>logB,符合条件H1;否则被试者能力水平等级在θ1和θ2之间;
针对不同的能力维度,获得被试者在不同能力维度下的各个能力水平等级;
根据被试者在不同能力维度下的能力水平测量结果,将被试者划分为多个等级;
按照被试者回答的所有题目,被试者作答成绩数据符合伯努利分布,被试者做对一道随机题的可能性θ符合如下公式:
f(x,θ)=θx(1-θ)1-x (4);
在某个能力维度下依据如下公式,将多个被试者划分等级,以此作为满足该能力维度下的终止条件,完成被试者的能力测量;
Tn是被试样本组(x1,x2,...,xn)的集合;到前n-1次随机抽样为止一直不做决定,而在第n次抽样后,决定原假设或否定原假设;
β(θ)是θ的非降函数,通过假设检验,判断被试者能力水平等级包括:若β(θ)≤α则θ≤θ1,若β(θ)≥β则θ≥θ2,否则θ1<θ<θ2。
2.如权利要求1所述的岗位能力测量方法,其特征在于,还包括:
在测试某一能力维度时,按照终止条件判断算法对被试者的答题情况进行分析,判断答题情况是否满足该能力维度的终止条件,从而推断被试者是否完成该能力维度的测试,以及得到其能力水平等级为上升、下降或停留的结果;以及
根据被试者在所有能力维度下的答题结果和岗位能力的指标,将被试者进行多个等级划分,为组织对员工的能力评估提供标准;
其中所述终止条件包括答题数量、答题总分数和/或答题数量和分数的关系。
3.如权利要求2所述的岗位能力测量方法,其特征在于,还包括:
将总题库中的题目按照能力维度和能力水平等级结构进行划分,设置测量参数;
设置测量顺序和规划;
进入一个待测的能力维度;
在该能力维度中,进入一个待测的能力水平等级进行测试,从该能力水平等级对应的子题库中随机出题或根据出题算法推荐出题;
根据答题情况和测量参数判断能否评估出被试者的能力水平等级,是否满足该能力水平等级的终止条件,若是则判断是否满足该能力维度的所有能力水平等级的终止条件,否则继续在该子题库中出题;以及
若满足该能力维度的所有能力水平等级的终止条件后,则判断是否满足所有能力维度的终止条件,若是则出具该被试者的测量结果及报告,否则进入一个待测的能力维度。
4.如权利要求3所述的岗位能力测量方法,其特征在于,还包括:
在测量某一能力水平等级时,从该能力水平等级的最中间的层级开始以提升测量效率;以及
等级划分为奇数的从中位数等级开始出题,等级划分为偶数的从中位两个等级随机开始出题。
5.如权利要求4所述的岗位能力测量方法,其特征在于,还包括:
根据答题结果估计被试者在该能力水平等级上掌握或未掌握的可能性,若掌握该能力水平等级,上升至更高的能力水平等级进行测量;
未掌握该能力水平等级,下降至更低的能力水平等级进行测量;
不能确定是否掌握该能力水平等级,继续从其对应的子题库中出题。
6.如权利要求5所述的岗位能力测量方法,其特征在于,还包括:
在某个子题库中,在被试对相应题目完成答题后,根据被试对题目作答的结果来估计被试者的能力水平等级可能性,从而决定上升或下降、以及上升等级数或下降等级数;和/或
在某个子题库中,在被试对相应题目完成答题后,根据被试对题目作答的结果来估计被试者的能力水平等级可能性,从而决定上升或下降,若上升则在最高能力水平等级和目前测试的能力水平等级之间选择最中间的层级测试,否则在最低能力水平等级和目前测试的能力水平等级之间选择最中间的层级测试。
7.一种实施如权利要求1~6任一项所述的岗位能力测量方法的装置,其特征在于,包括:
总题库,被配置为包含企业员工的岗位能力相关的题目,所述题目按照对应的能力维度和能力水平等级分布在不同的子题库中;
试题推荐单元,被配置为在某一子题库中进行试题推荐;以及
能力水平等级评估单元,被配置为通过答题情况,估计被试者的能力水平等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311867196.XA CN117910862A (zh) | 2022-04-13 | 2022-06-10 | 岗位能力测量装置 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2022103851819 | 2022-04-13 | ||
CN202210385181 | 2022-04-13 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311867196.XA Division CN117910862A (zh) | 2022-04-13 | 2022-06-10 | 岗位能力测量装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115062949A CN115062949A (zh) | 2022-09-16 |
CN115062949B true CN115062949B (zh) | 2023-12-01 |
Family
ID=83200813
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311867196.XA Pending CN117910862A (zh) | 2022-04-13 | 2022-06-10 | 岗位能力测量装置 |
CN202210653712.8A Active CN115062949B (zh) | 2022-04-13 | 2022-06-10 | 岗位能力测量方法及装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311867196.XA Pending CN117910862A (zh) | 2022-04-13 | 2022-06-10 | 岗位能力测量装置 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN117910862A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1482536A (zh) * | 2002-09-10 | 2004-03-17 | 明日工作室股份有限公司 | 具有辅助答题功能的测验系统与方法 |
TW201340052A (zh) * | 2012-03-30 | 2013-10-01 | Hiachieve Digital Technology | 學習診斷分析方法及學習診斷分析系統 |
CN106648884A (zh) * | 2016-10-13 | 2017-05-10 | 猎聘才测(天津)信息技术有限公司 | 计算机自适应测验方法 |
CN107316119A (zh) * | 2016-04-27 | 2017-11-03 | 上海劳勤信息技术有限公司 | 一种依据岗位能力和任务要求的智能排班算法及系统 |
CN108346030A (zh) * | 2017-12-29 | 2018-07-31 | 北京北森云计算股份有限公司 | 计算机自适应能力测验方法及装置 |
CN109544417A (zh) * | 2018-11-26 | 2019-03-29 | 广东小天才科技有限公司 | 一种学习效果确定方法、装置、存储介质及终端设备 |
CN109857835A (zh) * | 2018-12-28 | 2019-06-07 | 北京红山瑞达科技有限公司 | 一种基于认知诊断理论的自适应网络安全知识测评方法 |
CN111403013A (zh) * | 2020-03-20 | 2020-07-10 | 西安翼展电子科技有限公司 | 用于能力评定的方法及装置 |
CN111626420A (zh) * | 2020-03-31 | 2020-09-04 | 杨阳 | 一种认知能力的自适应测评方法、测评系统及其使用方法 |
CN112084320A (zh) * | 2019-06-14 | 2020-12-15 | 百度在线网络技术(北京)有限公司 | 一种试题推荐方法、装置和智能设备 |
AU2020102927A4 (en) * | 2020-10-21 | 2020-12-17 | The Trustee for TOP INVESTMENT TRUST | Method and process for delivering a rewards based online cyber security education course via an integrated automated learning management system |
CN112446809A (zh) * | 2020-11-25 | 2021-03-05 | 四川大学 | 心理健康综合自适应测评方法及系统 |
CN114049240A (zh) * | 2021-11-06 | 2022-02-15 | 北京乐学一百在线教育科技有限公司 | 基于学生在线学习数据智能推荐题目及学习路径的方法 |
CN114169808A (zh) * | 2022-02-14 | 2022-03-11 | 北京和气聚力教育科技有限公司 | 计算机实施的学习力评估方法、计算设备、介质和系统 |
-
2022
- 2022-06-10 CN CN202311867196.XA patent/CN117910862A/zh active Pending
- 2022-06-10 CN CN202210653712.8A patent/CN115062949B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1482536A (zh) * | 2002-09-10 | 2004-03-17 | 明日工作室股份有限公司 | 具有辅助答题功能的测验系统与方法 |
TW201340052A (zh) * | 2012-03-30 | 2013-10-01 | Hiachieve Digital Technology | 學習診斷分析方法及學習診斷分析系統 |
CN107316119A (zh) * | 2016-04-27 | 2017-11-03 | 上海劳勤信息技术有限公司 | 一种依据岗位能力和任务要求的智能排班算法及系统 |
CN106648884A (zh) * | 2016-10-13 | 2017-05-10 | 猎聘才测(天津)信息技术有限公司 | 计算机自适应测验方法 |
CN108346030A (zh) * | 2017-12-29 | 2018-07-31 | 北京北森云计算股份有限公司 | 计算机自适应能力测验方法及装置 |
CN109544417A (zh) * | 2018-11-26 | 2019-03-29 | 广东小天才科技有限公司 | 一种学习效果确定方法、装置、存储介质及终端设备 |
CN109857835A (zh) * | 2018-12-28 | 2019-06-07 | 北京红山瑞达科技有限公司 | 一种基于认知诊断理论的自适应网络安全知识测评方法 |
CN112084320A (zh) * | 2019-06-14 | 2020-12-15 | 百度在线网络技术(北京)有限公司 | 一种试题推荐方法、装置和智能设备 |
CN111403013A (zh) * | 2020-03-20 | 2020-07-10 | 西安翼展电子科技有限公司 | 用于能力评定的方法及装置 |
CN111626420A (zh) * | 2020-03-31 | 2020-09-04 | 杨阳 | 一种认知能力的自适应测评方法、测评系统及其使用方法 |
AU2020102927A4 (en) * | 2020-10-21 | 2020-12-17 | The Trustee for TOP INVESTMENT TRUST | Method and process for delivering a rewards based online cyber security education course via an integrated automated learning management system |
CN112446809A (zh) * | 2020-11-25 | 2021-03-05 | 四川大学 | 心理健康综合自适应测评方法及系统 |
CN114049240A (zh) * | 2021-11-06 | 2022-02-15 | 北京乐学一百在线教育科技有限公司 | 基于学生在线学习数据智能推荐题目及学习路径的方法 |
CN114169808A (zh) * | 2022-02-14 | 2022-03-11 | 北京和气聚力教育科技有限公司 | 计算机实施的学习力评估方法、计算设备、介质和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117910862A (zh) | 2024-04-19 |
CN115062949A (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Suna et al. | Changes in literacy of students in Turkey by years and school types: Performance of students in PISA applications | |
Fitzgerald et al. | Correlational designs in rehabilitation research | |
Gross et al. | Defining a" fair" or" unbiased" selection model: A question of utilities. | |
Collins et al. | Testing for adverse impact when sample size is small. | |
WO2021180249A1 (zh) | 职业推荐方法、装置、设备和介质 | |
CN111428992B (zh) | 一种基于自陈式测评的高中选科决策方法 | |
Carey et al. | The prediction of adjustment to prison by means of an MMPI-based classification system | |
Nye et al. | Understanding sexual harassment using aggregate construct models. | |
Marteleto et al. | The educational consequences of adolescent childbearing and union formation in Brazil | |
CN115062949B (zh) | 岗位能力测量方法及装置 | |
Perera et al. | Effect of self-efficacy on self-employment intention of undergraduates: a case of arts undergraduates in Sabaragamuwa University of Sri Lanka | |
WO2022005440A2 (en) | A system and method for determining digital maturity level of organizations | |
CN106960398A (zh) | 高考志愿合理性的评估方法及装置 | |
Guarino et al. | Comparing and assessing the consequences of two different approaches to measuring school effectiveness | |
Wilson et al. | Criminal Justice and | |
Zlokovich et al. | 22 Descriptive and Inferential Statistics | |
Shadrina et al. | Investigation of temperament characteristics influencing the academic achievement of first-year university students | |
Li et al. | Detection of goal setting and planning in self-regulated learning using machine learning and think-aloud protocols | |
Patall et al. | Conducting a meta-analysis | |
Wretman et al. | Quantitative methods for researching domestic violence and abuse | |
EP4287198A1 (en) | Method and system for determining which stage a user performance belongs to | |
Nelson et al. | The likelihood difference heuristic and binary test selection given situation-specific utilities. | |
Hikawa et al. | When is an Affirmative Action Plan not'Narrowly Tailored'or Unduly Harms Other Applicants? A Statistical Re-Examination of the Data in Grutter v. Bollinger and a More Focused Alternative Plan | |
Ismail et al. | Predictive modelling using Rasch’s person-item map: Intrepreting and assessing in Malaysia manufacturing firms | |
Tilak et al. | Non-parametric Tests 62 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |