CN115471377A - 一种人才赋能管理方法及系统 - Google Patents
一种人才赋能管理方法及系统 Download PDFInfo
- Publication number
- CN115471377A CN115471377A CN202211117964.5A CN202211117964A CN115471377A CN 115471377 A CN115471377 A CN 115471377A CN 202211117964 A CN202211117964 A CN 202211117964A CN 115471377 A CN115471377 A CN 115471377A
- Authority
- CN
- China
- Prior art keywords
- operator
- talent
- operation instruction
- physiological information
- information
- 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.)
- Granted
Links
- 238000007726 management method Methods 0.000 title claims abstract description 27
- 238000012549 training Methods 0.000 claims abstract description 84
- 238000000034 method Methods 0.000 claims abstract description 45
- 230000008569 process Effects 0.000 claims abstract description 38
- 238000007405 data analysis Methods 0.000 claims abstract description 37
- 230000007246 mechanism Effects 0.000 claims abstract description 34
- 230000008859 change Effects 0.000 claims description 29
- 230000000875 corresponding effect Effects 0.000 claims description 23
- 230000004044 response Effects 0.000 claims description 18
- 238000012937 correction Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 4
- 230000003542 behavioural effect Effects 0.000 claims description 3
- 238000003754 machining Methods 0.000 claims description 3
- 238000011022 operating instruction Methods 0.000 claims 4
- 238000011156 evaluation Methods 0.000 description 38
- 230000006399 behavior Effects 0.000 description 31
- 238000012360 testing method Methods 0.000 description 31
- 238000001514 detection method Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 7
- 230000036632 reaction speed Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000000638 stimulation Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000007787 long-term memory Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- UCTWMZQNUQWSLP-UHFFFAOYSA-N adrenaline Chemical compound CNCC(O)C1=CC=C(O)C(O)=C1 UCTWMZQNUQWSLP-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000003930 cognitive ability Effects 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 230000006461 physiological response Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000001755 vocal effect Effects 0.000 description 2
- 206010049816 Muscle tightness Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003183 myoelectrical effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/162—Testing reaction times
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Educational Technology (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Cardiology (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Economics (AREA)
- Pulmonology (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种人才赋能管理方法及系统,人才赋能管理方法包括以下步骤:向操作者推送多种类型的操作指令流,获取操作者执行操作指令流过程中的生理信息,基于不同操作时间获取的生理信息分析并确定操作者的指标信息,基于指标信息和人才数据库存储的人才类型数据确定操作者的人才类型;人才赋能管理系统包括:显示部,用于向操作者提供培训用的操作指令;数据连接部,一方面用于从操作者佩戴的可穿戴设备收集生理信息,另一方面用于将生理信息与时间上关联的操作指令发送给行为数据分析机构;行为数据分析机构基于数据连接部传输的数据确定操作者的人才类型,基于行为数据分析机构确定的人才类型输出操作者的匹配工作。
Description
技术领域
本发明涉及一种人才赋能管理方法及系统,尤其涉及一种培训用机床。
背景技术
为培养和提高劳动者从事各种职业所需要的知识和技能而进行的教育和训练称为职业培训,亦称职业教育。职业培训是国民教育的一个重要组成部分。它同普通教育既有联系,又有区别。两者都是开发智力、培养人才,但是职业培训是直接培养劳动者,使其掌握从事某种职业的必要的专门知识和技能。
现代化的企业广泛采用机器和机器体系生产,工艺技术十分严密,劳动者不但需要熟练地掌握操作技能,而且需要深刻地理解专门知识。因此,培训和提高劳动者的知识和技能,是发展社会生产力的客观要求。加强职业培训有利于加速培养技术业务骨干和熟练工人,以满足国民经济发展对专门人员的需要;有利于提高劳动者的文化素质和技术水平,促进劳动生产率和经济效益的提高。
现有技术如公开号为CN114331767A的专利公开了一种人才培养创新实践教学系统,包括:第一登录模块、第二登录模块、教师培训模块;第一登录模块为第二登录模块提供真实实践数据;教师培训模块包括:任务制定模块,为第一登录模块和第二登录模块制定实践任务;监督模块,监督第一登录模块与第二登录模块对实践任务的执行结果;第二登录模块根据真实实践数据与执行结果得到学生实践教学数据;分析模块,对学生实践教学数据进行筛选,得到实践教学结果。
现有技术中如公开号为CN105011952A的专利文献所提出的一种驾驶员极速测评系统及方法,该系统包括刺激信息产生模块,用于向测试人员产生由声音、图像、视频和/或振动位移组成的刺激信息;反馈信息收集模块,用于采集测试人员主动发出的和/或响应于所述刺激信息而发出的反馈信息;速度分析模块,其包括反应速度单元、注意广度单元和手脚眼协调单元,所述速度分析模块基于刺激信息和反馈信息并结合存储的标准数据库分析得出测试人员的极限速度。
如公开号为US20090286217A1的专利所公开的一种人才培养支援系统,包括:人才培养支援装置、数据库、通信网络、用户终端、企业用终端。人才培养支援装置包括:用于设定学习的目标等级的目标等级设定部件;提供用于超越由目标等级设定部件设定的等级的训练信息的训练信息提供部件;以及用于判定通过由训练信息提供部件提供的训练信息所学到的技能的熟练度的熟练度判定部件。
上述专利所提出的技术方案针对人才培养问题进行设计,通过检测操作者的操作反馈评价操作者的技能培训效果,一定程度上优化了技能培训的评价过程,但其仅依据熟练度或者极值速度等某一时刻的检测结果对人员进行评价,但实际的人才培养过程中,技能熟练度相同的操作者会在应急反应速度、心理素质等方面存在差异,并且不同的操作者会存在“天赋”方面的差异,不对上述因素进行考量,会使降低人才培养的效率。
此外,一方面由于对本领域技术人员的理解存在差异;另一方面由于发明人做出本发明时研究了大量文献和专利,但篇幅所限并未详细罗列所有的细节与内容,然而这绝非本发明不具备这些现有技术的特征,相反本发明已经具备现有技术的所有特征,而且申请人保留在背景技术中增加相关现有技术之权利。
发明内容
本发明公开了一种人才赋能管理方法,其包括以下最基本的步骤:
向操作者推送多种类型的操作指令流;
获取操作者执行操作指令流过程中的生理信息;
基于不同操作时间获取的生理信息分析并确定操作者的指标信息;
基于指标信息和人才数据库存储的人才类型数据确定操作者的人才类型。
不同于现有技术中的较为单一的培训考评模式,本发明以上基本步骤表明,本发明利用关联于教学设备的显示部向操作者推送多种类型的操作指令流,进而利用操作者佩戴的可穿戴设备以及显示部关联的教学设备获取操作者执行操作指令流过程中的生理信息,如在对操作者进行技能培训时,通过显示部等设备向操作者发出无关于培训内容的干扰项目的指令,从而依据教学设备以及可穿戴设备检测操作者对干扰项目的反馈情况,对操作者的并行操作能力以及应急反应速度等能力进行测试。
特别是,现有技术的各类评测系统都无法客观地分析操作熟练度,更无法对操作者的天赋受到操作熟练度的影响进行评价。特别是在培训操作过程中,现有的考评和培训体系要么仅在操作熟练度上对操作者进行评价,因而在培训初期,沉着冷静的操作者等(能够具备更好的危机处理能力的操作者)与其他不具有沉着冷静特质的一般操作者在考评结果上一致,这是因为操作者在初期的操作的熟练度大致相似(沉着冷静的操作者在学习速度和操作速度方面甚至可能表现得更慢)而不容易区分。现有技术中要么利用心理测试对人员进行评价,但其仅对某一时刻、某一场景的操作者状态进行“静态”评价,并且其测试内容通过多次操作之后,就是操作者事先得知的,这与计算中心、工厂、飞机、轮船等实际工作场景下的突发情况显著不同。现有技术完全没有针对不可预期的情况开展培训的可能性,而是需要尽量挑选出沉着冷静的操作者,并针对不可预期的突发情况进行适应性培训。因此现有技术的评价不仅一定程度上会出现偏差,不能准确反映人员的实际情况;而且完全不能就操作技能人员给出除操作熟练度之外的其他评价。事实上,美国波音公司大量事故溯源都体现出这种情况,即,经过大量培训的人员在应对突发情况时的表现差距极大,针对突发情况的短时反应能力绝非单纯测评和训练就能够给予的,而是需要系统性的科学评价。因缺乏这种系统性评价体系,通过对人员进行动态、反复多次考评,仍然会在危机时刻出现严重的操作失误,特别是例如关键设备操作人员如飞行员等承担重大责任的培训情况。这不仅造成了对不适当人才的培养、进而浪费培训资源,也大幅度提高了人员的后期培养成本。
有鉴于此,本发明提出了一种人才赋能管理方法,其包括向操作者推送多种类型的操作指令流的步骤。尤其是,借助于培训用电子设备或培训用机械加工设备自身所设置的显示部向操作者提供多种类型的操作指令流的步骤,其中多种类型是指:并行任务的多操作的时序、单线程任务的各步骤就时序而言的随机顺序以及彼此有先后依存性的多线程任务的操作顺序。
在进行常规的技能操作培训和考评过程中,区别于现有技术中仅对操作者进行技能培训和考评的方式,本发明向操作者推送多种类型的操作指令流,操作指令流中包括常规的技能培训的操作指令以及无关于技能培训的干扰项目,将干扰项目穿插进常规的技能培训的操作指令中,这种穿插的方式,使得干扰项目能够以突发的形式呈现给操作者,有效模拟实际操作过程中的突发情况,并且对干扰项目的内容和顺序进行调整,从而形成不同的操作指令流,例如针对类型为“并行任务的多项操作在时序上存在变化”的第一操作指令流配备“出现在时序变化点的”第一干扰项目;针对类型为“彼此有先后依存性的多线程任务”的第二操作指令流配备“出现在多线程任务中的操作时序变化点的”第一干扰项目和“多线程任务并行多项操作期间的”第二干扰项目,从而形成干扰的程度不同的多个操作指令流,将不可量化的参数通过不同程度的干扰程度进行区分,对操作者的评价也更为具体。
本发明的人才赋能管理方法还包括获取操作者执行操作指令流过程中的生理信息的步骤。在评定操作者的人才类型过程中,区别于现有考评系统的针对检测结果的评分方式,本发明是长时间的综合评分,对前期的一定程度上代表“天赋”的检测结果进行记录(第一操作时间对应的第一生理信息所确定的),并将其作为永远记录在案的初始分,而后将后期的基于训练的检测结果进行记录作为培训分(第二操作时间对应的第二生理信息所确定的),综合初始分和培训分对操作者的人才类型进行分类。这些生理信息是与操作指令流的时序相关地进行存储的,特别是针对类型为“彼此有先后依存性的多线程任务”的第二操作指令流配备“出现在多线程任务中的操作时序变化点的”第一干扰项目,将相应受训的操作者的本能反应作为初始分记录在案,并针对多次训练第一干扰项目之后,相应受训的操作者具备操作熟练度的情况下,将其熟练操作之后的训练反应作为培训分记录在案。由此一方面考虑了操作熟练度对培训人员的提升(体现了该操作者的学习能力),另一方面针对第一干扰项目给出的本能反应来确定的初始分,确定该操作者的天赋。此时,本发明对本能反应所进行的测试可以是多次、多样化、多时间节点的,尤其是培训电子设备操作或培训机械加工设备时,新操作是非常多的,存在丰富的第一干扰项目插入时机,因此借助于现有技术的心理测试方法完全能够给出较为接近真实情况的天赋评价。由于人脑自身的特点,绝大多数人在专注于一项事务时,例如针对显示部当前显示的流媒体中的部件钻孔位置,在培训设备上进行精确操作期间,大多数操作人员往往甚至会忽略显示部上给出的“引擎高温警告”。而这在实际现场恰好就是多线程任务并行多项操作期间必须要注意的关键信息,这种操作人员的关键天赋(认知能力)并非通过培训就能够提高的,特别是复杂场景下的并行任务操作期间,这就需要将操作熟练度对人才能力的提升与复杂场景下的认知能力区分开了,由此才能准确找到当前设备的适当操作人才,并加以深入培养。人脑的复杂性还远远无法被现有科技所掌握,而只能以开盲盒的方式进行测试,因此通过判断培训中的操作人员针对以下情况的生理反应就构成最简单的解决方案,例如:在针对类型为“彼此有先后依存性的多线程任务”的第二操作指令流配备“出现在多线程任务中的操作时序变化点的”第一干扰项目和“多线程任务并行多项操作期间的”第二干扰项目的情况下,通过智能可穿戴设备收集出现第一干扰项目和第二干扰项目前后的培训人员的生理反应,从而在形成干扰的程度不同的多个操作指令流中,将不可量化的人员能力和天赋以定性且定量的方式加以区分,对操作者的评价也更为具体,例如可以简单地仅以反应时间为基准进行评价,也可以结合心跳速度、肌肉紧张程度(通过测量肌电信号)和眼动速度及微表情来精细化确定。这些内容的每一个单项测试都是心理测试领域多年研究成果,已经形成了典型数据库用以比照正常组和测试组。
为此,本发明的人才赋能管理方法还包括基于不同操作时间获取的生理信息分析并确定操作者的指标信息的步骤。通过操作人员在执行操作指令流的过程中对干扰项目的处理情况,结合可穿戴设备收集到的生理信息(如操作人员对出现的干扰项目的手脚的移动轨迹与移动速度等),检测操作者在执行操作指令流的多个方面(如体现在沉着冷静方面的)的特征。但在实际的检测过程中,生理信息种类较为繁杂,与预定检测的素质之间缺乏关联,无法建立客观的评价体系,因此本发明引入指标信息(通过在多个操作者的操作特征比对下,对操作者的各项能力素质进行比对,以确立不同的等级),如第一指标等级(相关于操作熟练度的以反应速度等形式存在的评价参数),第二指标等级(相关于沉着冷静的评价参数,在评价沉着冷静时还联合考虑心跳速度和间接地借助肌肉紧张程度来表征肾上腺素分泌能力的肌电信号)。例如通过检测干扰项目出现后的操作者执行过程中的生理信息对操作者的沉着冷静方面的素质进行检测,在培训和考评的过程中,操作者接收到操作指令变动的信息会引起的各种生理信息相关的数据变化,上述数据变动是与操作者的沉着冷静素质相关的,并且不同操作者在上述数据的变化幅度上存在差异,因此可选优差异程度较大的参数作为关键指标对操作者进行评价,并且对所有操作者的指标变化情况进行采集以确定基准变化,从而根据基准变化的偏离程度,确认操作者的指标信息等级。例如,第一操作指令流主要用于检测操作者的操作熟练度,由于没有干扰项目,所采集的生理信息一定程度是能够作为操作人员的基准数据,而后续的插入干扰项目的第二指令流含有干扰项目,因而在操作者执行干扰项目出现前后的与第一操作指令流包含的项目相同的操作者执行过程中的生理信息的反馈,能够更加直观反应干扰项目对操作者造成的影响,因此可以通过生理信息相关的多个数据的变化情况,建立起。换言之,通过设计操作指令流调整检测的操作者的素质的内容,通过不同操作指令流的生理信息的数据变化建立起多个指标等级,通过收集不同培训阶段的第一生理信息和第二生理信息确定操作者的天赋,进而通过上述三者建立其能够精细化评价操作者的人才类型的数据库。
为此,本发明的人才赋能管理方法还包括基于指标信息和人才数据库存储的人才类型数据确定操作者的人才类型的步骤。根据本发明,在对操作者进行测试的过程中,不同于现有技术中仅对技能进行评价的考评模式(现有技术只能“静态”评价操作者的能力,即便反复多次测试,也只是对测试之时的状态给予评分,无法动态跟踪操作者的动态反应能力),本发明通过设置指标信息的方式对操作者包括多任务处理能力、反应能力等无关于技能培训方面的特性进行评价,并且通过检测肢体与感官协调、反应速度等、长期记忆等参数,以可量化的方式针对上述不便于评价的特性,生成相关于操作者的指标信息,并且基于上述指标信息建立多种人才数据库(谨慎型、效率型、多任务型等),进而通过调取人才数据库中的数据,以特征比对的方式确定操作者的人才类型,以将操作者匹配至安全等级、多任务处理等级等方面具有不同要求的工作类型。
具体地,以操作者的并行任务的处理的评价为例,在培训和/或考评的过程中,
进一步地,本发明还利用不同培训阶段(本发明中的第一操作时间和第二操作时间)获取的生理信息,通过第一操作时间对应的第一指标信息和第二操作时间对应的第二指标信息进而确定操作者的指标信息,即通过采集的生理信息确定操作者对应的关联于生理信息的第一指标等级(如反应速度、肢体协调能力等方面的指标)和/或第二指标等级(如应急反应能力等方面的指标),并且基于操作者不同的培训阶段的初始分和训练分,综合得出操作者的指标信息。
换言之,在评定操作者的人才类型过程中,区别于现有考评系统的针对检测结果的评分方式,本发明是整个培训期内的长时间综合评分,对前期的一定程度上代表“天赋”的检测结果进行记录(第一操作时间对应的第一指标等级和第二指标等级),并将其作为永远记录在案的初始分,而后将后期的基于训练的检测结果进行记录作为培训分(第二操作时间对应的第一指标等级和第二指标等级),综合初始分和培训分对操作者的人才类型进行分类。进一步地,本发明的测评是自然而然的,针对指导老师和培训人员均隐藏的,评分标准透明,但考评内容随机的,这样不仅改进了技能培训时的效果(操作者需要随时关注培训人员的讲解,以避免被扣分),而且还能埋伏多个考点,反复多次测试,这样就避免了得出代表“天赋”的初始分的过程中的随机干扰。
根据一种优选的实施方式,向操作者推送多种类型的操作指令流包括以下步骤:
向操作者推送第一操作指令;
基于操作者对第一操作指令的反馈,选择性地推送第二操作指令,其中,区别于第一操作指令的第二操作指令所包括的工作项包含多个干扰项目;
调整第二操作指令的干扰项目以形成不同类型的操作指令流。
根据一种优选的实施方式,基于不同操作时间获取的生理信息分析确定操作者的指标信息包括以下步骤:
获取在第一操作时间内,获取操作者针对操作指令的第一生理信息,对生理信息进行分析以确定操作者的第一指标信息;
在第二操作时间内,获取操作者针对操作指令的第二生理信息,对生理信息进行分析以确定操作者的第二指标信息。
根据一种优选的实施方式,获取操作者针对操作指令的第一生理信息包括以下步骤:
借助于可穿戴设备对操作者的生理信息进行长期监测,以获取操作者的基准生理信息;
提取操作者执行操作指令时的相较于基准生理信息产生的生理信息变化;
将生理信息变化以及基准生理信息同步传输至数据连接部并将其标记为第一生理信息。
根据一种优选的实施方式,确定操作者的第一指标信息包括以下步骤:
基于可穿戴设备对操作者的执行操作指令的第一生理信息的至少一个变化数据进行提取;
将包含有至少一个变化数据的第一生理信息与人才数据库中的指标信息样本数据进行特征对比,从而对操作者的关联于变化数据的指标信息所包括的第一指标等级和/或第二指标等级进行评价;
基于行为数据分析机构评价的第一指标等级和/或第二指标等级确定操作者的第一指标信息。
根据一种优选的实施方式,基于指标信息和人才数据库存储的人才类型数据确定操作者的人才类型包括以下步骤:
依据第一指标信息和第二指标信息各自对应的预设权重对操作者的指标信息进行权重修正;
将经权重修正的操作者的指标信息与人才数据库中的指标信息样本数据进行特征对比,并基于特征对比确定操作者的人才类型。
根据一种优选的实施方式,人才赋能管理方法还包括以下步骤:
基于行为数据分析机构确定的人才类型输出操作者的匹配工作,其中,输出操作者的匹配工作是通过关联指标信息的特征数据与相应的工作的至少包括安全等级、操作速度等数据的方式实现的。
本发明公开了一种人才赋能管理系统,尤其涉及一种培训用机床包括:
显示部,用于向操作者提供培训用的操作指令;
数据连接部,一方面用于从操作者佩戴的可穿戴设备收集生理信息,另一方面用于将生理信息与时间上关联的操作指令发送给行为数据分析机构;
行为数据分析机构基于数据连接部传输的数据确定操作者的人才类型。
根据一种优选的实施方式,行为数据分析机构确定操作者的人才类型包括:
在第一操作时间内,获取操作者针对操作指令的第一生理信息,对生理信息进行分析以确定操作者的第一指标信息;
在第二操作时间内,获取操作者针对操作指令的第二生理信息,对生理信息进行分析以确定操作者的第二指标信息;
依据时间上关联的第一操作时间和第二操作时间各自对应的指标信息的预设权重对操作者的人才类型进行修正。
根据一种优选的实施方式,操作指令包括第一操作指令和第二操作指令,第一操作指令包括显示部关联的教学操作设备所提供的内容、次序等参数各异的培训项目,第二操作指令包括培训项目以及与教学操作设备在内容方面无关联性的干扰项目。
附图说明
图1是本发明的人才赋能管理方法的简化流程结构示意图;
图2是本发明的人才赋能管理系统的简化整体结构示意图。
附图标记列表
10:显示部;20:数据连接部;30:可穿戴设备;40:行为数据分析机构;50:人才数据库。
具体实施方式
下面结合附图对本发明进行详细说明。
如图2所示的本发明公开的一种人才赋能管理系统,其包括用于向操作者提供培训用的操作指令的显示部10,用于在显示部10、可穿戴设备30以及行为数据分析机构40之间建立数据方面的连接的数据连接部20,用于采集操作者生理信息的可穿戴设备30,用于分析操作者生理信息的行为数据分析机构40,用于存储人才类型数据的人才数据库50。
数据连接部20一方面用于从操作者佩戴的可穿戴设备30收集生理信息,另一方面用于将生理信息与时间上关联的操作指令发送给行为数据分析机构40。
行为数据分析机构40能够基于数据连接部20传输的数据确定操作者的人才类型。
优选地,行为数据分析机构40是至少针对该操作者的行为动作以及其时间上关联的生理信息两者共同分析该操作者的行为动作的,“分析该操作者的行为动作”的步骤是借助于独立的图像采集机构来完成的。行为数据分析机构40可以集成于机床,也可以独立设置于其他位置。
优选地,显示部10可以包括音视频播放设备、关联于测试设备的用于播放正常教学内容和随机插入测试内容的测试服务器以及教学用操作设备(其上带有音视频播放设备或近旁安装有音视频播放设备)。
优选地,可穿戴设备30可以包括可穿戴手环、指定区域内的监控摄像头和关联于教学用操作设备的信息采集附件。
优选地,操作指令的主要内容为利用教学操作设备对操作者的操作技能进行训练,并且在这一过程中,利用教学操作设备附带的音视频播放设备或近旁安装的音视频播放设备插入干扰项目。
测试过程中,可穿戴设备30对操作者在测试过程中的生理信息进行收集,并将收集到的生理信息发送至行为数据分析机构40。在这一过程中,利用可穿戴设备30采集的生理数据,行为数据分析机构40对操作者原有的教学操作设备的操作进行打分,并且依据干扰项目完成过程中的操作者的手臂移动速度、心跳等指标进行检测,从而评价人员的多任务处理能力,上述检测均为现有技术中较为成熟的技术,因此在此不过多赘述。
根据一种优选的实施方式,行为数据分析机构40确定操作者的人才类型包括:
在第一操作时间内,获取操作者针对操作指令的第一生理信息,对生理信息进行分析以确定操作者的第一指标信息;
在第二操作时间内,获取操作者针对操作指令的第二生理信息,对生理信息进行分析以确定操作者的第二指标信息;
依据时间上关联的第一操作时间和第二操作时间各自对应的指标信息的预设权重对操作者的人才类型进行修正。
根据一种优选的实施方式,操作指令包括第一操作指令和第二操作指令,第一操作指令包括显示部10关联的教学操作设备所提供的内容、次序等参数各异的培训项目,第二操作指令包括培训项目以及与教学操作设备在内容方面无关联性的干扰项目。
优选地,行为数据分析机构40根据各个操作指令及相应操作者的针对各操作指令的对应行为来分析该操作者的行为动作。
根据一种优选的实施方式,操作能力极值测试模块5包括显示部10、可穿戴设备30和行为数据分析机构40,其中,显示部10被配置为向对应的操作者推送测试项目,可穿戴设备30被配置为监测操作者在测试项目中的生理信息并将生理信息发送至行为数据分析机构40,行为数据分析机构40基于生理信息以及数据库4存储的结构化数据分析操作者的人才类型。
在对操作者进行考评的过程中,初期学习过程中的分数往往不作为评价操作者技能的参数,但初期学习过程中,操作者的表现会一定程度上反映操作者的“天赋”,如沉着冷静、并行能力、手眼协调、反应速度如此等等。在本发明中,行为数据分析机构40对操作者的评价是针对整个培训阶段的长时间培训之后的综合评分,并且针对初期学习过程中的“天赋分”也进行了评价,以便于在培训分(第二指标信息)一致的情况下,针对不同的天赋分(第一指标信息)对同一操作熟练度的工作下的不同安全等级或者不同并行处理能力等级的进行指派。
优选地,在对操作者进行评价的过程中,除了对操作者的技能操作的熟练程度进行检测外(第一指标等级),还需要对操作者进行其他多个指标的检测(第二指标等级)。具体地,可穿戴设备30和行为数据分析机构40能够输出相关于操作的参数有反应速度、手眼协调、短时记忆、情绪稳定性、应急反应速度、注意广度、长期记忆等参数,为有效利用上述参数,在上述参数与操作之能力素质之间建立关联,需要对上述参数进行分类,如手眼协调、反应速度、应急反应速度、注意广度等参数以第一指标等级进行评价;情绪稳定性等参数以第二指标等级进行评价;短时记忆、长期记忆等参数以第二指标等级进行评价,从而根据不同的第一指标等级和第二指标等级对操作者的人才类型进行划分。
优选地,行为数据分析机构40分析来自操作者的可穿戴设备30、操作设备所采集的操作者的生理信息,生理信息包括可穿戴手环采集的包括心率、手臂移动速度、手臂移动响应时间以及操作设备采集的包括响应时间、操作流程的正确性等。
对操作者的“天赋”进行评价的过程中,操作者经过长期的训练,针对同一测试内容,不同操作者在并行能力、手眼协调、反应速度等方面的参数会趋于一致,因此无法有效评价操作者的天赋分。操作者的初期学习过程中的第一指标信息更具有参考意义,更能反映出操作者的沉着冷静、并行能力、手眼协调、反应速度等能力,因此本发明在对操作者学习以及测试过程中的参数都进行采集,并且调整测试的内容。如在测试操作者的并行能力时,调整插入的干扰项目的内容及顺序,使得测试过程中的人员的适应性降低,并且针对每一次测试中的数据生成对应的分值,依据测试次数的预设权重根据每一次测试的分数对操作者的并发能力等级进行权重修正,分值对应操作者的并发能力等级,权重修正可以采用操作者在第一操作时间内的初期、中期、后期的测试数据的权重依次减小的方式进行修正。
优选地,在执行并行能力等级的测试过程中,利用显示部发出的操作指令流对操作者进行测试,在操作者执行操作指令流的过程中,不仅有教学设备等原有操作指令,还有利用显示部10等设备插入的干扰项目(如移动操作设备上的工具等),并且显示部10能够在操作者执行操作指令的过程中,插入内容、次序等参数各异的包括干扰项目,并且基于操作者对教学设备等原有操作指令的操作情况的反馈,调整干扰项目以形成不同的操作指令流,从而针对操作者对不同操作指令流的干扰项目的处理个数以及处理速度等方面的表现对操作者的并发能力等级进行测试。
进一步地,可穿戴设备30、行为数据分析机构40以及人才数据库50所构成的考评系统对操作者的评价融合于操作者的整个培训过程中,操作者需要在培训过程中保持专注,(操作者需要随时关注培训人员的讲解,以避免被扣分),并且本发明的测评是自然而然的,隐藏的,评分标准透明,其内容以不同的操作指令流的形式存在,考评内容较为随机,多次测试的形式避免了得出代表“天赋”的初始分的过程中的随机干扰,不仅改进了技能培训时的效果,而且还能优化考评效果。
进一步地,在数据传输的过程中,可穿戴设备30、行为数据分析机构40以及人才数据库50之间的数据传输通过数据连接部20来实现,可穿戴设备30与人才数据库50之间只需要对相关于指标信息的部分关键性的数据进行传输,并不需要占据更多的传输带宽和内存,从而提高了人才数据库50的承载能力,即人才数据库50耦合的教学设备的数目增加,存储的操作者的数据数目增加。数据分析机构40能够借助于数据连接部20对可穿戴设备30的生理信息的数据进行维护,其在可穿戴设备30请求传输数据至人才数据库50的过程中进行,使得行为数据分析机构40评价操作者的过程中,对可穿戴设备30能够一并维护,优化了可穿戴设备30的数据存储,提高了可穿戴设备30、行为数据分析机构40以及人才数据库50的效率。
如图1所示的本发明公开的一种人才赋能管理方法,其包括以下步骤:
S1、向操作者推送多种类型的操作指令流;
S2、获取操作者执行操作指令流过程中的生理信息;
S3、基于不同操作时间获取的生理信息分析并确定操作者的指标信息;
S4、基于指标信息和人才数据库50存储的人才类型数据确定操作者的人才类型;
S5、基于行为数据分析机构40确定的人才类型输出操作者的匹配工作,其中,输出操作者的匹配工作是通过关联指标信息的特征数据与相应的工作的至少包括安全等级、操作速度等数据的方式实现的。
根据一种优选的实施方式,向操作者推送多种类型的操作指令流包括以下步骤:
向操作者推送第一操作指令;
基于操作者对第一操作指令的反馈,选择性地推送第二操作指令,其中,区别于第一操作指令的第二操作指令所包括的工作项包含多个干扰项目;
调整第二操作指令的干扰项目以形成不同类型的操作指令流。
根据一种优选的实施方式,基于不同操作时间获取的生理信息分析确定操作者的指标信息包括以下步骤:
获取在第一操作时间内,获取操作者针对操作指令的第一生理信息,对生理信息进行分析以确定操作者的第一指标信息;
在第二操作时间内,获取操作者针对操作指令的第二生理信息,对生理信息进行分析以确定操作者的第二指标信息。
根据一种优选的实施方式,获取操作者针对操作指令的第一生理信息包括以下步骤:
借助于可穿戴设备30对操作者的生理信息进行长期监测,以获取操作者的基准生理信息;
提取操作者执行操作指令时的相较于基准生理信息产生的生理信息变化;
将生理信息变化以及基准生理信息同步传输至数据连接部20并将其标记为第一生理信息。
根据一种优选的实施方式,确定操作者的第一指标信息包括以下步骤:
基于可穿戴设备30对操作者的执行操作指令的第一生理信息的至少一个变化数据进行提取;
将包含有至少一个变化数据的第一生理信息与人才数据库50中的指标信息样本数据进行特征对比,从而对操作者的关联于变化数据的指标信息所包括的第一指标等级和/或第二指标等级进行评价;
基于行为数据分析机构40评价的第一指标等级和/或第二指标等级确定操作者的第一指标信息。
根据一种优选的实施方式,基于指标信息和人才数据库50存储的人才类型数据确定操作者的人才类型包括以下步骤:
依据第一指标信息和第二指标信息各自对应的预设权重对操作者的指标信息进行权重修正;将经权重修正的操作者的指标信息与人才数据库50中的指标信息样本数据进行特征对比,并基于特征对比确定操作者的人才类型。
在全文中,“优选地”所引导的特征仅为一种可选方式,不应理解为必须设置,故此申请人保留随时放弃或删除相关优选特征之权利。
需要注意的是,上述具体实施例是示例性的,本领域技术人员可以在本发明公开内容的启发下想出各种解决方案,而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白,本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。
Claims (10)
1.一种人才赋能管理系统,尤其涉及一种培训用电子设备或培训用机械加工设备,其特征在于,包括:
显示部(10),用于向操作者提供培训用的操作指令;
数据连接部(20),一方面用于从操作者佩戴的可穿戴设备(30)收集生理信息,另一方面用于将所述生理信息与时间上关联的操作指令发送给行为数据分析机构(40);
所述行为数据分析机构(40)基于所述数据连接部(20)传输的数据确定操作者的人才类型,其中,所述操作者的人才类型是根据所述向操作者提供培训用的操作指令与响应于所述操作指令从所述可穿戴设备(30)收集的生理信息来确定的,其中,所述行为数据分析机构(40)通过对在并非相同时间段的操作指令流之内的所述操作指令以及响应于其的生理信息来执行分析,从而确定所述操作者的人才类型。
2.根据权利要求1所述的人才赋能管理系统,其特征在于,所述行为数据分析机构(40)确定操作者的人才类型包括:
在第一操作时间内,获取操作者针对操作指令的第一生理信息,对所述生理信息进行分析以确定所述操作者的第一指标信息;
在第二操作时间内,获取操作者针对操作指令的第二生理信息,对所述生理信息进行分析以确定操作者的第二指标信息;
依据时间上关联的所述第一操作时间和所述第二操作时间各自对应的指标信息的预设权重对所述操作者的人才类型进行修正。
3.根据权利要求1或2所述的人才赋能管理系统,其特征在于,所述操作指令包括第一操作指令和第二操作指令,其中,
所述第一操作指令包括显示部(10)关联的教学操作设备所提供的内容、次序等参数各异的培训项目,第二操作指令包括培训项目以及与教学操作设备在内容方面无关联性的干扰项目。
4.一种人才赋能管理方法,其特征在于,包括以下步骤:
向操作者推送多种类型的操作指令流;
获取操作者执行操作指令流过程中的生理信息;
基于不同操作时间获取的生理信息分析并确定操作者的指标信息;
基于所述指标信息和人才数据库(50)存储的人才类型数据确定操作者的人才类型。
5.根据权利要求4所述的人才赋能管理方法,其特征在于,向操作者推送多种类型的操作指令流包括以下步骤:
向操作者推送第一操作指令;
基于操作者对第一操作指令的反馈,选择性地推送第二操作指令,其中,区别于第一操作指令的第二操作指令所包括的工作项包含多个干扰项目;
调整第二操作指令的干扰项目以形成不同类型的操作指令流。
6.根据权利要求4所述的人才赋能管理方法,其特征在于,基于不同操作时间获取的生理信息分析确定操作者的指标信息包括以下步骤:
获取在第一操作时间内,获取操作者针对操作指令的第一生理信息,对所述第一生理信息进行分析以确定所述操作者的第一指标信息;
在第二操作时间内,获取操作者针对操作指令的第二生理信息,对所述第二生理信息进行分析以确定操作者的第二指标信息。
7.根据权利要求6所述的人才赋能管理方法,其特征在于,获取操作者针对操作指令的第一生理信息包括以下步骤:
借助于可穿戴设备(30)对操作者的生理信息进行长期监测,以获取操作者的基准生理信息;
提取操作者执行操作指令时的相较于基准生理信息产生的生理信息变化;
将所述生理信息变化以及所述基准生理信息同步传输至数据连接部(20)并将其标记为第一生理信息。
8.根据权利要求6所述的人才赋能管理方法,其特征在于,确定所述操作者的第一指标信息包括以下步骤:
基于可穿戴设备(30)对操作者的执行操作指令的第一生理信息的至少一个变化数据进行提取;
将包含有至少一个变化数据的第一生理信息与人才数据库(50)中的指标信息样本数据进行特征对比,从而对操作者的关联于所述变化数据的指标信息所包括的第一指标等级和/或第二指标等级进行评价;
基于行为数据分析机构(40)评价的所述第一指标等级和/或所述第二指标等级确定所述操作者的第一指标信息。
9.根据权利要求4所述的人才赋能管理方法,其特征在于,基于所述指标信息和人才数据库(50)存储的人才类型数据确定操作者的人才类型包括以下步骤:
依据第一指标信息和第二指标信息各自对应的预设权重对所述操作者的指标信息进行权重修正;
将经权重修正的所述操作者的指标信息与人才数据库(50)中的指标信息样本数据进行特征对比,并基于所述特征对比确定所述操作者的人才类型。
10.根据权利要求4所述的人才赋能管理方法,其特征在于,还包括以下步骤:
基于行为数据分析机构(40)确定的人才类型输出操作者的匹配工作,其中,输出操作者的匹配工作是通过关联指标信息的特征数据与相应的工作的至少包括安全等级、操作速度等数据的方式实现的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211117964.5A CN115471377B (zh) | 2022-09-14 | 2022-09-14 | 一种人才赋能管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211117964.5A CN115471377B (zh) | 2022-09-14 | 2022-09-14 | 一种人才赋能管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115471377A true CN115471377A (zh) | 2022-12-13 |
CN115471377B CN115471377B (zh) | 2024-02-13 |
Family
ID=84371215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211117964.5A Active CN115471377B (zh) | 2022-09-14 | 2022-09-14 | 一种人才赋能管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115471377B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021146368A1 (en) * | 2020-01-16 | 2021-07-22 | The University Of Toledo | Artificial intelligence-based platform to optimize skill training and performance |
US20210275094A1 (en) * | 2021-01-15 | 2021-09-09 | Accentus-Ludus, Llc | System, apparatus, and method of accelerated training for performance under stress |
WO2022171563A1 (fr) * | 2021-02-09 | 2022-08-18 | Thales | Dispositif et procede d'evaluation des competences |
-
2022
- 2022-09-14 CN CN202211117964.5A patent/CN115471377B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021146368A1 (en) * | 2020-01-16 | 2021-07-22 | The University Of Toledo | Artificial intelligence-based platform to optimize skill training and performance |
US20210275094A1 (en) * | 2021-01-15 | 2021-09-09 | Accentus-Ludus, Llc | System, apparatus, and method of accelerated training for performance under stress |
WO2022171563A1 (fr) * | 2021-02-09 | 2022-08-18 | Thales | Dispositif et procede d'evaluation des competences |
Also Published As
Publication number | Publication date |
---|---|
CN115471377B (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2007087565B1 (en) | Meta-data and metrics based learning | |
Kahng et al. | Defining and measuring behavior | |
Sälzer et al. | Students’ skipping behavior on truancy items and (school) subjects and its relation to test performance in PISA 2012 | |
Klette | The use of video capturing in international large-scale assessment studies: Methodological and theoretical considerations | |
Jazby | Conceptualising mathematics teacher noticing as a perception/action cycle | |
Dietze et al. | Datasets for learning analytics | |
Olugbara et al. | Student Support as a Panacea for Enhancing Student Success in an Open Distance Learning Environment. | |
CN115471377B (zh) | 一种人才赋能管理方法及系统 | |
CN111460245B (zh) | 多维度人群特征测定方法 | |
Kosko et al. | Evaluating Teachers' Decisions in Posing a Proof Problem. | |
CN115793847A (zh) | 一种用于监测学生线上上课状态的教学系统 | |
Behnagh et al. | An investigation of accuracy of metacognitive judgments during learning with an intelligent multi-agent hypermedia environment | |
Goh et al. | A review of the use of portable technologies as observational aids in the classroom | |
CN110765987B (zh) | 创新行为特征的量化方法、装置和电子设备 | |
Thi-Diem Nguyen | Using machine learning to predict the low grade risk for students based on log file in moodle learning management system | |
Böheim et al. | A longitudinal study of student hand raising: Stability and reciprocal dynamics with cognitive elaboration and academic self-concept. | |
Barthakur et al. | Challenges in assessments of soft skills: Towards unobtrusive approaches to measuring student success | |
Berger et al. | A laboratory study of student usage of worked-example videos to support problem solving | |
Lustigova et al. | Educational datamining in virtual learning environments | |
CN115392804B (zh) | 一种基于大数据的人才赋能方法及系统 | |
JP7368902B1 (ja) | 人材評価システム | |
US20170330131A1 (en) | Method and system for registering human cognitive activity | |
CN118246806A (zh) | 一种智能化职业教育教学反馈方法及系统 | |
CN118333654A (zh) | 一种销售逻辑的识别及测试方法、装置、介质及系统 | |
Attia | Learning analytics technology |
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 |