CN115564403A - 一种应用于医学继教的信息管理方法和系统 - Google Patents

一种应用于医学继教的信息管理方法和系统 Download PDF

Info

Publication number
CN115564403A
CN115564403A CN202211552595.2A CN202211552595A CN115564403A CN 115564403 A CN115564403 A CN 115564403A CN 202211552595 A CN202211552595 A CN 202211552595A CN 115564403 A CN115564403 A CN 115564403A
Authority
CN
China
Prior art keywords
knowledge
user
medical
determining
judgment
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
Application number
CN202211552595.2A
Other languages
English (en)
Inventor
刘增会
王海兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Huayi Network Technology Co ltd
Original Assignee
Beijing Huayi Network Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Huayi Network Technology Co ltd filed Critical Beijing Huayi Network Technology Co ltd
Priority to CN202211552595.2A priority Critical patent/CN115564403A/zh
Publication of CN115564403A publication Critical patent/CN115564403A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种应用于医学继教的信息管理方法和系统，其中，方法包括：当接收到用户的选课申请时，获取用户对应的医学知识图谱；基于医学知识图谱对用户的选课申请对应的课程进行合理性判断；当合理性判断通过时，通过用户的选课申请；其中，医学知识图谱是基于用户的学习经历数据和工作经历数据构建。本发明的应用于医学继教的信息管理方法，基于用户的学习经历数据和工作经历数据构建医学知识图谱，对用户信息进行管理，并在选课申请时，通过医学知识图谱进行合理性判断，实现辅助在职卫生人员的知识的有序提高。

Description

一种应用于医学继教的信息管理方法和系统
技术领域
本发明涉及信息管理技术领域，特别涉及一种应用于医学继教的信息管理方法和系统。
背景技术
医学继教，是指继续医学教育，即在完成基础医学教育和毕业后医学教育之后进行的在职进修教育。旨在使在职卫生人员不断学习同本专业有关的新知识、新技术,跟上医学科学的发展。
继续医学教育实行学分制。继续医学教育对象每年参加继续医学教育活动，所获得的学分不低于一定的学分。自学以及授课都是学分获取的主要途径；但现有的自学和授课都具有主观随机性，无法高效地做到达到医学继教真实目的，因此亟需一种管理方法对医学继教的信息进行管理统筹，进而实现辅助在职卫生人员的知识的有序提高。
发明内容
本发明目的之一在于提供了一种应用于医学继教的信息管理方法，基于用户的学习经历数据和工作经历数据构建医学知识图谱，对用户信息进行管理，并在选课申请时，通过医学知识图谱进行合理性判断，实现辅助在职卫生人员的知识的有序提高。
本发明实施例提供的一种应用于医学继教的信息管理方法，包括：
当接收到用户的选课申请时，获取用户对应的医学知识图谱；
基于医学知识图谱对用户的选课申请对应的课程进行合理性判断；
当合理性判断通过时，通过用户的选课申请；
其中，医学知识图谱是基于用户的学习经历数据和工作经历数据构建。
优选的，基于医学知识图谱对用户的选课申请对应的课程进行合理性判断，包括：
确定用户的选课申请对应的课程对应的知识编码集；
解析知识编码集，确定各个知识点对应的知识编码；
基于各个知识点对应的知识编码，查询医学知识图谱，确定表示用户对于各个知识编码对应的知识点的掌握情况的掌握度和表示课程中各个知识点与医学知识图谱的用户已掌握的各个知识点的关联情况的关联度；
基于掌握度和关联度，进行合理性判断。
优选的，基于掌握度和关联度，进行合理性判断，包括：
当掌握度的总和大于预设的掌握度阈值与知识点数量的乘积时，确定合理性判断不通过；
当掌握度的总和小于等于预设的掌握度阈值与知识点数量的乘积，但掌握度大于掌握度阈值的知识点的数量占比大于第一占比阈值时，确定合理性判断不通过；
提取各个已掌握的知识点对应的关联度中最大值为代表关联值；
当代表关联值的总和小于等于预设的关联度阈值与知识点数量的乘积时，确定合理性判断不通过；
当代表关联值总值大于预设的关联度阈值与知识点数量的乘积，当代表关联值小于等于关联度阈值的数量占比大于等于第二占比阈值时，确定合理性判断不通过。
优选的，医学知识图谱通过如下步骤构建：
获取用户的学习经历数据；
解析学习经历数据，确定多个用户学习的学习课程；
获取各个学习课程对应的知识树；
解析知识树，确定各个知识节点的掌握度的评价数据提取规则及评价模板；
基于评价数据提取规则，对学习经历数据进行提取，获取评价数据；
基于评价数据和评价模板，确定知识节点的掌握度；
整合各个学习课程对应的知识树中各个指示节点的掌握度，获取第一知识点掌握情况集合；
获取用户的工作经历数据；
基于预设的特征提取模板，对工作经历数据进行特征提取，并基于提取的特征值，构建工作经历特征集；
获取预设的经历评价库；
基于工作经历特征集和经历评价库，确定第二知识点掌握情况集合和可授课的知识点集合；
获取预设的知识图谱模板；
将第一知识点掌握情况集合、第二知识点掌握情况集合和可授课的知识点集合中的信息解析后填入知识图谱模板，形成医学知识图谱。
优选的，应用于医学继教的信息管理方法，还包括：
当接收到用户的开课申请时，获取用户对应的医学知识图谱；
基于医学知识图谱对用户的开课申请对应的课程进行资格判断；
当资格判断通过时，获取其他用户对于开课申请对应的课程的需求的统计情况；
基于统计情况，对开课申请对应课程进行需求判定；
当需求判定通过时，通过开课申请。
优选的，获取其他用户对于开课申请对应的课程的需求的统计情况，包括：
确定其他用户当前是否存在学分需求；
提取存在学分需求的其他用户作为待分析用户；
获取待分析用户的医学知识图谱；
基于待分析用户的医学知识图谱对待分析用户选择开课申请，进行合理性判断；
获取待分析用户的历史课程学习的历史学习时间；
将开课时间和历史学习时间，输入预设的神经网络模型，确定待分析用户的学习概率；
当学习概率大于预设的概率阈值且待分析用户对应的合理性判断通过时，确定待分析用户为需求用户；
统计需求用户的数量。
优选的，应用于医学继教的信息管理方法，还包括：
当资格判断未通过时，基于开课申请对应的课程的简要说明和用户的医学知识图谱，生成需求征集界面；
将需求征集界面发布；
接收其他用户的需求反馈；
统计需求反馈并根据统计结果，确定是否通过开课申请。
优选的，接收其他用户的需求反馈之前，需对其他用户的资格进行验证；验证步骤如下：
确定其他用户当前是否存在学分需求；
提取存在学分需求的其他用户作为待反馈用户；
获取待反馈用户的医学知识图谱；
基于待反馈用户的医学知识图谱对待反馈用户选择开课申请，进行合理性判断；
获取表示待反馈用户与用户的关联关系的关系度；
当关系度小于预设的关系度阈值且合理性判断通过时，接收待反馈的需求反馈。
本发明还提供一种应用于医学继教的信息管理系统，包括：
获取模块，用于当接收到用户的选课申请时，获取用户对应的医学知识图谱；
第一判断模块，用于基于医学知识图谱对用户的选课申请对应的课程进行合理性判断；
接受模块，用于当合理性判断通过时，通过用户的选课申请；
其中，医学知识图谱是基于用户的学习经历数据和工作经历数据构建。
优选的，第一判断模块基于医学知识图谱对用户的选课申请对应的课程进行合理性判断，执行如下操作：
确定用户的选课申请对应的课程对应的知识编码集；
解析知识编码集，确定各个知识点对应的知识编码；
基于各个知识点对应的知识编码，查询医学知识图谱，确定表示用户对于各个知识编码对应的知识点的掌握情况的掌握度和表示与医学知识图谱的各个知识点的关联情况的关联度；
基于掌握度和关联度，进行合理性判断。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种应用于医学继教的信息管理方法的示意图；
图2为本发明实施例中合理性判断的流程示意图；
图3为本发明实施例中一种应用于医学继教的信息管理系统的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提供了一种应用于医学继教的信息管理方法，如图1所示，包括：
步骤S1：当接收到用户的选课申请时，获取用户对应的医学知识图谱；
步骤S2：基于医学知识图谱对用户的选课申请对应的课程进行合理性判断；
步骤S3：当合理性判断通过时，通过用户的选课申请；
其中，医学知识图谱是基于用户的学习经历数据和工作经历数据构建。
上述技术方案的工作原理及有益效果为：
在用户进行选课时，通过用户对应的医学知识图谱进行选课的合理性进行验证，当验证通过时，用户可以选择选课申请对应的课程，否则就要重新进行选择，其中，合理性主要确定所选课程是否在用户的医学知识图谱范围内，通过是否在医学知识图谱范围内的确定，确定用户是否进行重复选择相同或类似的课程；还可以确定课程是否与用户的医学知识图谱的知识关联，即确定用户是否选择了在自己能力范围内的课程。本发明的应用于医学继教的信息管理方法，基于用户的学习经历数据和工作经历数据构建医学知识图谱，对用户信息进行管理，并在选课申请时，通过医学知识图谱进行合理性判断，实现辅助在职卫生人员的知识的有序提高。
在一个实施例中，如图2所示，步骤S2：基于医学知识图谱对用户的选课申请对应的课程进行合理性判断，包括：
步骤S21：确定用户的选课申请对应的课程对应的知识编码集；知识编码集为根据课程事先配置的，涵盖了课程内设计的知识点对应的唯一识别的知识编码；
步骤S22：解析知识编码集，确定各个知识点对应的知识编码；
步骤S23：基于各个知识点对应的知识编码，查询医学知识图谱，确定表示用户对于各个知识编码对应的知识点的掌握情况的掌握度和表示课程中各个知识点与医学知识图谱的用户已掌握的各个知识点的关联情况的关联度；医学知识图谱中具有表示用户对于掌握的知识点的掌握情况的掌握度以及各个知识点之间的关联情况的关联度；通过将掌握情况量化为掌握度以及将关联情况量化为关联度；便于实现合理性判断；其中，如何确定医学知识图谱中知识点是否为用户掌握，可以通过阈值判断法，即配置一判断阈值；当掌握度大于该判断阈值时，确定用户掌握该知识点；
步骤S24：基于掌握度和关联度，进行合理性判断。
其中，基于掌握度和关联度，进行合理性判断，包括：
当掌握度的总和大于预设的掌握度阈值与知识点数量的乘积时，确定合理性判断不通过；说明用户以及能够熟悉掌握了课程的知识点，因此选择熟悉的课程的情况是不合理的；
当掌握度的总和小于等于预设的掌握度阈值与知识点数量的乘积，但掌握度大于掌握度阈值的知识点的数量占比大于第一占比阈值（0.95）时，确定合理性判断不通过；通过对用户掌握的知识点的占比进行合理性判断，即当用户已经掌握了课程的绝大多数的知识点，当学习该课程时，效率并不高，所以也是不合理的情况；
提取各个已掌握的知识点对应的关联度中最大值为代表关联值；
当代表关联值的总和小于等于预设的关联度阈值与知识点数量的乘积时，确定合理性判断不通过；通过关联度的总和，从课程的整体与用户已掌握的知识点的关联上确定是否合理；
当代表关联值总值大于预设的关联度阈值与知识点数量的乘积，当代表关联值小于等于关联度阈值的数量占比大于等于第二占比阈值时，确定合理性判断不通过。从代表关联值的占比触发，进行课程与用户已掌握的知识点进行合理性判断；
上述技术方案的工作原理及有益效果为：
综合分析课程的知识点的用户的掌握情况以及与用户已掌握的知识点的关联情况，实现了课程的合理性判断；其中，关联性判断时，如果当知识点与用户已掌握的知识点相同时，其关联度为最大值；此时，当全部相同时，其会通过关联度的合理性判断，但是，其并不一定会通过掌握度方面的合理性判断，因此只有综合关联度以及掌握度，可以更全面对用于对于课程的选取的合理性进行分析。
在一个实施例中，医学知识图谱通过如下步骤构建：
获取用户的学习经历数据；学习经历包括：医学院学习的课程以及继续教育所学课程等；
解析学习经历数据，确定多个用户学习的学习课程；
获取各个学习课程对应的知识树；知识树与学习课程一一对应；
解析知识树，确定各个知识节点的掌握度的评价数据提取规则及评价模板；
基于评价数据提取规则，对学习经历数据进行提取，获取评价数据；
基于评价数据和评价模板，确定知识节点的掌握度；以用户在医学院的学习课程为例，评价数据包括：导师的评价、课程的测验分数等；知识点的掌握度可以是测验分数与第一权重的积、导师的评价的量化值与第二权重的积两者的和值。
整合各个学习课程对应的知识树中各个指示节点的掌握度，获取第一知识点掌握情况集合；
获取用户的工作经历数据；
基于预设的特征提取模板，对工作经历数据进行特征提取，并基于提取的特征值，构建工作经历特征集；
获取预设的经历评价库；
基于工作经历特征集和经历评价库，确定第二知识点掌握情况集合和可授课的知识点集合；
获取预设的知识图谱模板；
将第一知识点掌握情况集合、第二知识点掌握情况集合和可授课的知识点集合中的信息解析后填入知识图谱模板，形成医学知识图谱。
上述技术方案的工作原理及有益效果为：
综合分析用户的学习经历数据以及工作经历数据，实现准确的医学知识图谱的构建。其中，在对工作经历数据采用经历评价库以及工作经历特征集进行分析；工作经历特征集为根据特征提取模板对工作经历数据进行特征提取后的特征值构建，提取的特征值包括：工作科室对应的量化编码、工作年限、擅长领域对应的量化编码等；通过经历评价库可以分析出第二知识点掌握情况集合和可授课的知识点集合；其中，在经历评价库中第二知识点掌握情况集合、可授课的知识点集合与工作经历特征集对应关联。
在一个实施例中，应用于医学继教的信息管理方法，还包括：
当接收到用户的开课申请时，获取用户对应的医学知识图谱；
基于医学知识图谱对用户的开课申请对应的课程进行资格判断；
当资格判断通过时，获取其他用户对于开课申请对应的课程的需求的统计情况；资格判断主要是通过确定医学知识图谱中的知识点对应在用户对应的知识图谱中知识点是否都为可授课；当都为时或者占比大于阈值（0.9）时，资格判断通过；
基于统计情况，对开课申请对应课程进行需求判定；
当需求判定通过时，通过开课申请。例如：统计需求的用户的数量大于预设的需求阈值（例如：200）时，确定通过；
其中，获取其他用户对于开课申请对应的课程的需求的统计情况，包括：
确定其他用户当前是否存在学分需求；
提取存在学分需求的其他用户作为待分析用户；
获取待分析用户的医学知识图谱；
基于待分析用户的医学知识图谱对待分析用户选择开课申请，进行合理性判断；
获取待分析用户的历史课程学习的历史学习时间；
将开课时间和历史学习时间，输入预设的神经网络模型，确定待分析用户的学习概率；神经网络模型为事先根据大量数据经由专业人员构建；通过对开课时间与历史学习时间的重合情况进行分析，在开课时间，用户选取课程的概率；例如：当用户每年的学习时间都在7月份，而开课时间也是在7月份，则该用户的学习概率为100%；
当学习概率大于预设的概率阈值且待分析用户对应的合理性判断通过时，确定待分析用户为需求用户；
统计需求用户的数量。
上述技术方案的工作原理及有益效果为：
对于用户的开课申请，综合分析用户的能力（医学知识图谱）以及系统内其他用户的需求，保证开课的合理有效；其中，在对需求进行分析时，综合分析其他用户选取课程的合理性以及学习概率，提高需求统计的准确性。
在一个实施例中，应用于医学继教的信息管理方法，还包括：
当资格判断未通过时，基于开课申请对应的课程的简要说明和用户的医学知识图谱，生成需求征集界面；
将需求征集界面发布；
接收其他用户的需求反馈；
统计需求反馈并根据统计结果，确定是否通过开课申请。
其中，接收其他用户的需求反馈之前，需对其他用户的资格进行验证；验证步骤如下：
确定其他用户当前是否存在学分需求；学习课程后学员都能获取对应的学分；用户都有每年的学分限制；当用户已获得的学分超过学分限制时，确定该用户无学分需求；否则，则视为有学分需求；
提取存在学分需求的其他用户作为待反馈用户；
获取待反馈用户的医学知识图谱；
基于待反馈用户的医学知识图谱对待反馈用户选择开课申请，进行合理性判断；
获取表示待反馈用户与用户的关联关系的关系度；
当关系度小于预设的关系度阈值且合理性判断通过时，接收待反馈的需求反馈。
上述技术方案的工作原理及有益效果为：
资格判断是基于构建了医学知识图谱的前提下，当邀请的专家未上传工作经历、学习经历时，没有构建出医学知识图谱时，可以通过需求征集的方式进行需求征集，保证邀请的专家可以顺利开课，在需求征集时，需要对发出需求反馈的人员进行筛选，保证需求的真实有效地反馈；获取表示待反馈用户与用户的关联关系的关系度；关系度为待反馈用户与用户之间的人际关系的量化值；通过预设的量化模板对两者的关系进行量化；例如：专家同一科室同一医院的人员，量化出的关系度需要大于等于预设的关系度阈值，通过排除关系较近人，以提高需求反馈的真实性。
本发明还提供一种应用于医学继教的信息管理系统，如图3所示，包括：
获取模块1，用于当接收到用户的选课申请时，获取用户对应的医学知识图谱；
第一判断模块2，用于基于医学知识图谱对用户的选课申请对应的课程进行合理性判断；
接受模块3，用于当合理性判断通过时，通过用户的选课申请；
其中，医学知识图谱是基于用户的学习经历数据和工作经历数据构建。
在一个实施例中，第一判断模块2基于医学知识图谱对用户的选课申请对应的课程进行合理性判断，执行如下操作：
确定用户的选课申请对应的课程对应的知识编码集；
解析知识编码集，确定各个知识点对应的知识编码；
基于各个知识点对应的知识编码，查询医学知识图谱，确定表示用户对于各个知识编码对应的知识点的掌握情况的掌握度和表示课程中各个知识点与医学知识图谱的用户已掌握的各个知识点的关联情况的关联度；
基于掌握度和关联度，进行合理性判断。
在一个实施例中，第一判断模块2基于掌握度和关联度，进行合理性判断，包括：
当掌握度的总和大于预设的掌握度阈值与知识点数量的乘积时，确定合理性判断不通过；
当掌握度的总和小于等于预设的掌握度阈值与知识点数量的乘积，但掌握度大于掌握度阈值的知识点的数量占比大于第一占比阈值时，确定合理性判断不通过；
提取各个已掌握的知识点对应的关联度中最大值为代表关联值；
当代表关联值的总和小于等于预设的关联度阈值与知识点数量的乘积时，确定合理性判断不通过；
当代表关联值总值大于预设的关联度阈值与知识点数量的乘积，当代表关联值小于等于关联度阈值的数量占比大于等于第二占比阈值时，确定合理性判断不通过。
在一个实施例中，医学知识图谱通过如下步骤构建：
获取用户的学习经历数据；
解析学习经历数据，确定多个用户学习的学习课程；
获取各个学习课程对应的知识树；
解析知识树，确定各个知识节点的掌握度的评价数据提取规则及评价模板；
基于评价数据提取规则，对学习经历数据进行提取，获取评价数据；
基于评价数据和评价模板，确定知识节点的掌握度；
整合各个学习课程对应的知识树中各个指示节点的掌握度，获取第一知识点掌握情况集合；
获取用户的工作经历数据；
基于预设的特征提取模板，对工作经历数据进行特征提取，并基于提取的特征值，构建工作经历特征集；
获取预设的经历评价库；
基于工作经历特征集和经历评价库，确定第二知识点掌握情况集合和可授课的知识点集合；
获取预设的知识图谱模板；
将第一知识点掌握情况集合、第二知识点掌握情况集合和可授课的知识点集合中的信息解析后填入知识图谱模板，形成医学知识图谱。
在一个实施例中，应用于医学继教的信息管理系统，还包括：
获取模块，还用于当接收到用户的开课申请时，获取用户对应的医学知识图谱；
第二判断模块，用于基于医学知识图谱对用户的开课申请对应的课程进行资格判断；
统计模块，用于当资格判断通过时，获取其他用户对于开课申请对应的课程的需求的统计情况；
第三判断模块，用于基于统计情况，对开课申请对应课程进行需求判定；
接受模块，还用于当需求判定通过时，通过开课申请。
在一个实施例中，统计模块获取其他用户对于开课申请对应的课程的需求的统计情况，执行如下操作：
确定其他用户当前是否存在学分需求；
提取存在学分需求的其他用户作为待分析用户；
获取待分析用户的医学知识图谱；
基于待分析用户的医学知识图谱对待分析用户选择开课申请，进行合理性判断；
获取待分析用户的历史课程学习的历史学习时间；
将开课时间和历史学习时间，输入预设的神经网络模型，确定待分析用户的学习概率；
当学习概率大于预设的概率阈值且待分析用户对应的合理性判断通过时，确定待分析用户为需求用户；
统计需求用户的数量。
在一个实施例中，应用于医学继教的信息管理系统，还包括：
生成模块，用于当资格判断未通过时，基于开课申请对应的课程的简要说明和用户的医学知识图谱，生成需求征集界面；
发布模块，用于将需求征集界面发布；
接收模块，用于接收其他用户的需求反馈；
统计模块，还用于统计需求反馈并根据统计结果，确定是否通过开课申请。
在一个实施例中，接收模块接收其他用户的需求反馈之前，需对其他用户的资格进行验证；验证步骤如下：
确定其他用户当前是否存在学分需求；
提取存在学分需求的其他用户作为待反馈用户；
获取待反馈用户的医学知识图谱；
基于待反馈用户的医学知识图谱对待反馈用户选择开课申请，进行合理性判断；
获取表示待反馈用户与用户的关联关系的关系度；
当关系度小于预设的关系度阈值且合理性判断通过时，接收待反馈的需求反馈。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种应用于医学继教的信息管理方法，其特征在于，包括：
当接收到用户的选课申请时，获取用户对应的医学知识图谱；
基于所述医学知识图谱对所述用户的选课申请对应的课程进行合理性判断；
当合理性判断通过时，通过所述用户的选课申请；
其中，医学知识图谱是基于用户的学习经历数据和工作经历数据构建。
2.如权利要求1所述的应用于医学继教的信息管理方法，其特征在于，所述基于所述医学知识图谱对所述用户的选课申请对应的课程进行合理性判断，包括：
确定所述用户的选课申请对应的课程对应的知识编码集；
解析所述知识编码集，确定各个知识点对应的知识编码；
基于各个知识点对应的所述知识编码，查询所述医学知识图谱，确定表示用户对于各个所述知识编码对应的知识点的掌握情况的掌握度和表示课程中各个知识点与所述医学知识图谱的用户已掌握的各个知识点的关联情况的关联度；
基于所述掌握度和所述关联度，进行合理性判断。
3.如权利要求2所述的应用于医学继教的信息管理方法，其特征在于，基于所述掌握度和所述关联度，进行合理性判断，包括：
当所述掌握度的总和大于预设的掌握度阈值与知识点数量的乘积时，确定合理性判断不通过；
当所述掌握度的总和小于等于预设的掌握度阈值与知识点数量的乘积，但所述掌握度大于所述掌握度阈值的知识点的数量占比大于第一占比阈值时，确定合理性判断不通过；
提取各个已掌握的知识点对应的关联度中最大值为代表关联值；
当所述代表关联值的总和小于等于预设的关联度阈值与知识点数量的乘积时，确定合理性判断不通过；
当所述代表关联值总值大于预设的关联度阈值与知识点数量的乘积，当所述代表关联值小于等于所述关联度阈值的数量占比大于等于第二占比阈值时，确定合理性判断不通过。
4.如权利要求1所述的应用于医学继教的信息管理方法，其特征在于，所述医学知识图谱通过如下步骤构建：
获取用户的学习经历数据；
解析所述学习经历数据，确定多个用户学习的学习课程；
获取各个所述学习课程对应的知识树；
解析所述知识树，确定各个知识节点的掌握度的评价数据提取规则及评价模板；
基于所述评价数据提取规则，对所述学习经历数据进行提取，获取评价数据；
基于所述评价数据和所述评价模板，确定知识节点的掌握度；
整合各个所述学习课程对应的知识树中各个指示节点的掌握度，获取第一知识点掌握情况集合；
获取用户的工作经历数据；
基于预设的特征提取模板，对所述工作经历数据进行特征提取，并基于提取的特征值，构建工作经历特征集；
获取预设的经历评价库；
基于所述工作经历特征集和经历评价库，确定第二知识点掌握情况集合和可授课的知识点集合；
获取预设的知识图谱模板；
将所述第一知识点掌握情况集合、第二知识点掌握情况集合和可授课的知识点集合中的信息解析后填入所述知识图谱模板，形成所述医学知识图谱。
5.如权利要求1所述的应用于医学继教的信息管理方法，其特征在于，还包括：
当接收到用户的开课申请时，获取用户对应的医学知识图谱；
基于所述医学知识图谱对用户的开课申请对应的课程进行资格判断；
当资格判断通过时，获取其他用户对于开课申请对应的课程的需求的统计情况；
基于所述统计情况，对所述开课申请对应课程进行需求判定；
当需求判定通过时，通过所述开课申请。
6.如权利要求5所述的应用于医学继教的信息管理方法，其特征在于，所述获取其他用户对于开课申请对应的课程的需求的统计情况，包括：
确定其他用户当前是否存在学分需求；
提取存在学分需求的其他用户作为待分析用户；
获取待分析用户的医学知识图谱；
基于待分析用户的医学知识图谱对待分析用户选择开课申请，进行合理性判断；
获取待分析用户的历史课程学习的历史学习时间；
将开课时间和所述历史学习时间，输入预设的神经网络模型，确定所述待分析用户的学习概率；
当所述学习概率大于预设的概率阈值且待分析用户对应的合理性判断通过时，确定待分析用户为需求用户；
统计需求用户的数量。
7.如权利要求5所述的应用于医学继教的信息管理方法，其特征在于，还包括：
当资格判断未通过时，基于开课申请对应的课程的简要说明和用户的医学知识图谱，生成需求征集界面；
将所述需求征集界面发布；
接收其他用户的需求反馈；
统计所述需求反馈并根据统计结果，确定是否通过开课申请。
8.如权利要求7所述的应用于医学继教的信息管理方法，其特征在于，所述接收其他用户的需求反馈之前，需对其他用户的资格进行验证；验证步骤如下：
确定其他用户当前是否存在学分需求；
提取存在学分需求的其他用户作为待反馈用户；
获取待反馈用户的医学知识图谱；
基于待反馈用户的医学知识图谱对待反馈用户选择开课申请，进行合理性判断；
获取表示待反馈用户与所述用户的关联关系的关系度；
当关系度小于预设的关系度阈值且所述合理性判断通过时，接收待反馈的需求反馈。
9.一种应用于医学继教的信息管理系统，其特征在于，包括：
获取模块，用于当接收到用户的选课申请时，获取用户对应的医学知识图谱；
第一判断模块，用于基于所述医学知识图谱对所述用户的选课申请对应的课程进行合理性判断；
接受模块，用于当合理性判断通过时，通过所述用户的选课申请；
其中，医学知识图谱是基于用户的学习经历数据和工作经历数据构建。
10.如权利要求9所述的应用于医学继教的信息管理系统，其特征在于，所述第一判断模块基于所述医学知识图谱对所述用户的选课申请对应的课程进行合理性判断，执行如下操作：
确定所述用户的选课申请对应的课程对应的知识编码集；
解析所述知识编码集，确定各个知识点对应的知识编码；
基于各个知识点对应的所述知识编码，查询所述医学知识图谱，确定表示用户对于各个所述知识编码对应的知识点的掌握情况的掌握度和表示与所述医学知识图谱的各个知识点的关联情况的关联度；
基于所述掌握度和所述关联度，进行合理性判断。
CN202211552595.2A 2022-12-06 2022-12-06 一种应用于医学继教的信息管理方法和系统 Pending CN115564403A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211552595.2A CN115564403A (zh) 2022-12-06 2022-12-06 一种应用于医学继教的信息管理方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211552595.2A CN115564403A (zh) 2022-12-06 2022-12-06 一种应用于医学继教的信息管理方法和系统

Publications (1)

Publication Number Publication Date
CN115564403A true CN115564403A (zh) 2023-01-03

Family

ID=84770873

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211552595.2A Pending CN115564403A (zh) 2022-12-06 2022-12-06 一种应用于医学继教的信息管理方法和系统

Country Status (1)

Country Link
CN (1) CN115564403A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100129783A1 (en) * 2008-11-25 2010-05-27 Changnian Liang Self-Adaptive Study Evaluation
CN111368182A (zh) * 2020-02-17 2020-07-03 浙江创课网络科技有限公司 基于教育平台大数据分析的个性化自适应学习推荐方法
CN114202978A (zh) * 2021-12-15 2022-03-18 潘浩栋 一种基于大数据的智能培训方法及系统
CN114925284A (zh) * 2022-06-16 2022-08-19 江苏中科小达人智能科技有限公司 一种基于人工智能的资源搜索推送系统及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100129783A1 (en) * 2008-11-25 2010-05-27 Changnian Liang Self-Adaptive Study Evaluation
CN111368182A (zh) * 2020-02-17 2020-07-03 浙江创课网络科技有限公司 基于教育平台大数据分析的个性化自适应学习推荐方法
CN114202978A (zh) * 2021-12-15 2022-03-18 潘浩栋 一种基于大数据的智能培训方法及系统
CN114925284A (zh) * 2022-06-16 2022-08-19 江苏中科小达人智能科技有限公司 一种基于人工智能的资源搜索推送系统及方法

Similar Documents

Publication Publication Date Title
Kabra et al. Performance prediction of engineering students using decision trees
CN108520662B (zh) 一种基于知识点分析的教学反馈系统
Lombardi et al. The development of AudEx: An audit data assessment system
US20200372985A1 (en) Method and system for managing health care patient record data
CN106910016A (zh) 职业技能评估方法及系统
CN117291770A (zh) 教学效果的可视化用户数据评定方法及系统
CN113554316A (zh) 一种基于物联网的员工培训系统
CN117474353A (zh) 一种基于在线教育的决策自动生成方法和装置
CN104574234A (zh) 大学申请机会最优化教育咨询系统
CN115564403A (zh) 一种应用于医学继教的信息管理方法和系统
CN111611923A (zh) 一种应急预案演练评估方法及装置
Ye The decision tree classification and its application research in personnel management
CN110414769A (zh) 学生生涯测评系统
Al-Nadabi et al. Predict the selection of mathematics subject for 11 th grade students using Data Mining technique
CN112700356B (zh) 一种实时网络在线教育培训人员管理信息方法及系统
CN116227981A (zh) 一种智慧训练综合管理系统
CN114626654A (zh) 基于职业技能培训人员管理系统的人员培训预警分析方法
CN112766765A (zh) 基于区间中智理论的专业学习能力评价方法及系统
CN112101643A (zh) 一种基于在线教育的学生成绩预测方法及系统
Adam et al. Using Formative and Summative Assessments in Data Mining to Predict Students’ Final Grades
Hackman Seven maxims for institutional researchers: Applying cognitive theory and research
CN116050780B (zh) 一种基于教育平台的教育智能化管理方法及系统
WO2001088879A2 (en) Comprehensive learning assessment tool and method
Peters et al. A framework for ‘constructing’water quality monitoring programs
Ahmann Needs assessment for program planning in vocational education

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20230103