CN117196902A - 培训要素分析方法、装置、设备、存储介质和程序产品 - Google Patents
培训要素分析方法、装置、设备、存储介质和程序产品 Download PDFInfo
- Publication number
- CN117196902A CN117196902A CN202311037844.9A CN202311037844A CN117196902A CN 117196902 A CN117196902 A CN 117196902A CN 202311037844 A CN202311037844 A CN 202311037844A CN 117196902 A CN117196902 A CN 117196902A
- Authority
- CN
- China
- Prior art keywords
- training
- effectiveness
- value
- data
- user
- 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
- 238000012549 training Methods 0.000 title claims abstract description 646
- 238000004458 analytical method Methods 0.000 title claims abstract description 112
- 238000013139 quantization Methods 0.000 claims abstract description 88
- 238000011002 quantification Methods 0.000 claims abstract description 49
- 235000013399 edible fruits Nutrition 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000004590 computer program Methods 0.000 claims description 38
- 238000013507 mapping Methods 0.000 claims description 20
- 238000013500 data storage Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000012423 maintenance Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请涉及一种培训要素分析方法、装置、设备、存储介质和程序产品。该方法包括:响应于目标培训课程中多个培训要素的分析请求,获取每个用户参与目标培训课程的培训反馈数据和培训结果实操数据;根据各培训反馈数据和各培训结果实操数据,确定各培训要素的有效性量化值;根据各有效性量化值,对各培训要素进行分析,得到各培训要素的分析结果。上述方法,通过根据各培训反馈数据和各培训结果实操数据,确定出各培训要素的有效性量化值,之后根据各有效性量化值对各培训要素进行分析,即通过每个用户参与目标培训课程的培训反馈数据和培训结果实操数据,客观的对各培训要素进行分析,提高了培训要素分析的准确性。
Description
技术领域
本申请涉及培训管理技术领域,特别是涉及一种培训要素分析方法、装置、设备、存储介质和程序产品。
背景技术
规范的培训活动在开展培训前都有一套有关课程实施的标准,即各培训课程的课程培训大纲,是对培训方式、培训学时和培训类别等多种培训要素的规划策略。
相关技术中,在对课程培训大纲中的培训要素初步确定后,通常会通过对各培训要素进行分析,评估课程培训大纲设置的合理性和有效性,以在评估通过的情况下再实施培训。
然而,相关技术中存在课程培训大纲的培训要素分析不够准确的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种培训要素分析方法、装置、设备、存储介质和程序产品,能够通过每个用户参与目标培训课程的培训反馈数据和培训结果实操数据,确定各培训要素的有效性量化值,进而根据各有效性量化值,客观的对各培训要素进行分析,提高了培训要素分析的准确性。
第一方面,本申请实施例提供了一种培训要素分析方法。该方法包括:
响应于目标培训课程中多个培训要素的分析请求,获取每个用户参与目标培训课程的培训反馈数据和培训结果实操数据;
根据各培训反馈数据和各培训结果实操数据,确定各培训要素的有效性量化值;
根据各有效性量化值,对各培训要素进行分析,得到各培训要素的分析结果。
在其中一个实施例中,获取每个用户参与目标培训课程的培训反馈数据和培训结果实操数据,包括:
获取目标培训课程的培训课程标识;
根据培训课程标识,从培训数据存储库中获取各用户参与目标培训课程的培训反馈数据和培训结果实操数据。
在其中一个实施例中,根据各培训反馈数据和各培训结果实操数据,确定各培训要素的有效性量化值,包括:
根据各培训反馈数据,获取各用户对各培训要素的培训反馈量化值,以及根据各培训结果实操数据,获取各用户对各培训要素的培训实操量化值;
根据各培训反馈量化值和各培训实操量化值,确定各培训要素的有效性量化值。
在其中一个实施例中,根据各培训反馈量化值和各培训实操量化值,确定各培训要素的有效性量化值,包括:
获取各用户的等级权值;
根据各培训反馈量化值和各用户的等级权值,确定各培训要素的培训反馈有效性量化值;
根据各培训实操量化值和各用户的等级权值,确定各培训要素的培训实操有效性量化值;
根据各培训反馈有效性量化值和各培训实操有效性量化值,确定各有效性量化值。
在其中一个实施例中,获取各用户的等级权值,包括:
获取各用户的用户等级,以及不同用户等级与等级权值之间的映射关系;
根据各用户等级,以及不同用户等级与等级权值之间的映射关系,确定各用户的等级权值。
在其中一个实施例中,根据各有效性量化值,对各培训要素进行分析,得到各培训要素的分析结果,包括:
对于任一培训要素,将培训要素的有效性量化值与培训要素的预设阈值进行比较;
若有效性量化值小于预设阈值,则确定培训要素的分析结果为培训要素设置合理;
若有效性量化值大于或等于预设阈值,则确定培训要素的分析结果为培训要素设置不合理。
第二方面,本申请实施例还提供了一种培训要素分析装置。该装置包括:
数据获取模块,用于响应于目标培训课程中多个培训要素的分析请求,获取每个用户参与目标培训课程的培训反馈数据和培训结果实操数据;
分值确定模块,用于根据各培训反馈数据和各培训结果实操数据,确定各培训要素的有效性量化值;
要素分析模块,用于根据各有效性量化值,对各培训要素进行分析,得到各培训要素的分析结果。
第三方面,本申请实施例还提供了一种计算机设备。计算机设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述第一方面中任一实施例中的步骤。
第四方面,本申请实施例还提供了一种计算机可读存储介质。计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述第一方面中任一实施例中的步骤。
第五方面,本申请实施例还提供了一种计算机程序产品。计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述第一方面中任一实施例中的步骤。
上述培训要素分析方法、装置、设备、存储介质和程序产品,通过响应于目标培训课程中多个培训要素的分析请求,获取每个用户参与目标培训课程的培训反馈数据和培训结果实操数据,进而根据各培训反馈数据和各培训结果实操数据,确定各培训要素的有效性量化值,最后根据各有效性量化值,对各培训要素进行分析,得到各培训要素的分析结果。上述方法,通过根据各培训反馈数据和各培训结果实操数据,确定出各培训要素的有效性量化值,之后根据各有效性量化值对各培训要素进行分析,即通过每个用户参与目标培训课程的培训反馈数据和培训结果实操数据,客观的对各培训要素进行分析,提高了培训要素分析的准确性。
附图说明
图1为一个实施例中培训要素分析方法的应用环境图;
图2为一个实施例中培训要素分析方法的流程示意图;
图3为一个实施例中对各培训要素进行持续分析的过程的示意图;
图4为一个实施例中培训要素的初始分析与持续分析之间的关系的示意图;
图5为一个实施例中获取培训反馈数据和培训结果实操数据的流程示意图;
图6为一个实施例中确定有效性量化值的流程示意图;
图7为另一个实施例中确定有效性量化值的流程示意图;
图8为一个实施例中确定各用户的等级权值的流程示意图;
图9为另一个实施例中培训要素分析方法的流程示意图;
图10为一个实施例中培训要素分析装置的结构示意图;
图11为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的培训要素分析方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。可选的,终端102中可集成可视化界面,用于对各培训要素的分析结果进行展示。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种培训要素分析方法,以该方法应用于图1中的服务器104为例进行说明,包括以下步骤:
S201,响应于目标培训课程中多个培训要素的分析请求,获取每个用户参与目标培训课程的培训反馈数据和培训结果实操数据。
在本申请实施例中,目标培训课程即为需要进行培训要素分析的培训课程。培训反馈数据即为用户培训完后对目标培训课程的反馈数据,可以包括每一用户对目标培训课程中每个培训要素的评分值;培训结果实操数据即为用户在培训结束后,工作预设时间段内对培训结果的反馈数据,可以包括每一用户在工作一段时间后,对目标培训课程中每个培训要素的评分值。
分析请求即为在具有对目标培训课程中多个培训要素进行分析的需求时,向服务器发送的请求。在一可实现方式中,用户所持终端中可集成服务器提供的培训要素分析工具,进而可通过培训要素分析工具,向服务器发送目标培训课程中多个培训要素的分析请求。可选的,培训要素分析工具可以以网页、小程序、应用程序等形式呈现。
可选的,在每个用户培训完目标培训课程之后,向各用户下发问卷调查或采用询问方式,以获取培训反馈数据,并在培训结束预设时间段后再次向各用户下发问卷调查或直接询问用户,以获取培训结果实操数据,最后将各用户参与目标培训课程的培训反馈数据和培训结果实操数据存储于数据库中,在需要使用相关数据时,直接从数据库中进行获取。
S202,根据各培训反馈数据和各培训结果实操数据,确定各培训要素的有效性量化值。
在本申请实施例中,有效性量化值可以理解为各培训要素的有效性评分值。
一种可实现方式为可以将各培训反馈数据和各培训结果实操数据输入至预先训练好的模型中,由模型输出各培训要素的有效性量化值。
另一种可实现方式为可以基于预先设定的分析逻辑,对各培训反馈数据和各培训结果实操数据进行分析,以获取各培训要素的有效性量化值。
S203,根据各有效性量化值,对各培训要素进行分析,得到各培训要素的分析结果。
可选的,对各培训要素均预先设定有不同的阈值,可以将各有效性量化值与预设阈值进行比较的方式,确定各培训要素的分析结果。
在一可实现方式中,对于任一培训要素,将该培训要素的有效性量化值与该培训要素的预设阈值进行比较;若有效性量化值小于预设阈值,则确定该培训要素的分析结果为该培训要素设置合理;若有效性量化值大于或等于该预设阈值,则确定该培训要素的分析结果为该培训要素设置不合理。
进一步的,若某一培训要素的分析结果为培训要素设置不合理,则需要对该培训要素进行进一步分析,以确定不合理的原因,并根据不合理原因,纠正目标培训课程中该培训要素的设置,之后再采用纠正过的目标培训课程实施培训,在培训结束之后继续采用上述方式,重新采集培训反馈数据和培训结果实操数据,确定各培训要素的有效性量化值,并设置新的阈值,以持续对目标课程中的各培训要素进行分析;按照上述步骤,持续对目标培训课程的各培训要素进行动态调整,以适应不同阶段不同培训课程设置要求。如图3所示,为对目标课程中的各培训要素进行持续分析的过程;①为收集用户参与目标培训课程的培训反馈数据和培训结果实操数据;②为采用培训反馈数据、培训结果实操数据以及预设阈值对各培训要素进行分析;③为根据分析结果调查培训要素设置不合理的原因;④为根据不合理原因,纠正目标培训课程中培训要素的设置;可以看出,在经过④过程之后继续收集数据,并循环整个过程,即对目标培训课程中各培训要素的分析是持续进行的,各培训要素是处于动态修订状态的。
需要说明的是,如图4所示,为培训要素的初始分析与持续分析之间的关系,因本申请为根据培训后的数据对培训要素进行分析,则本申请实施例的方案为图4中的培训实施之后的持续分析。
本申请实施例提供的培训要素分析方法中,通过响应于目标培训课程中多个培训要素的分析请求,获取每个用户参与目标培训课程的培训反馈数据和培训结果实操数据,进而根据各培训反馈数据和各培训结果实操数据,确定各培训要素的有效性量化值,最后根据各有效性量化值,对各培训要素进行分析,得到各培训要素的分析结果。上述方法,通过根据各培训反馈数据和各培训结果实操数据,确定出各培训要素的有效性量化值,之后根据各有效性量化值对各培训要素进行分析,即通过每个用户参与目标培训课程的培训反馈数据和培训结果实操数据,客观的对各培训要素进行分析,提高了培训要素分析的准确性。
每一用户参与的培训课程有多个,在获取目标培训课程的相关数据时需要根据目标培训课程的特定标识进行索引。基于此,在一个实施例中,提供一种获取培训反馈数据和培训结果实操数据的可选方式。如图5所示,可以包括如下步骤:
S301,获取目标培训课程的培训课程标识。
S302,根据培训课程标识,从培训数据存储库中获取各用户参与目标培训课程的培训反馈数据和培训结果实操数据。
可选的,不同培训课程设置有不同的培训课程标识,通常将各培训课程与对应的培训课程标识关联存储于配置表中;可以先根据目标培训课程在配置表中索引到目标培训课程对应的培训课程标识,进而根据培训课程标识在培训数据存储库中进行索引,以获取各用户参与目标培训课程的培训反馈数据和培训结果实操数据。
本申请实施例中,通过引入培训课程标识获取每个用户参与目标培训课程的培训反馈数据和培训结果实操数据,为后续确定各培训要素的有效性量化值提供了数据支撑。
因培训反馈数据和培训结果实操数据中不止包括客观评分数据,还可能包括有主观反馈数据,而有效性量化值需要根据客观评分数据来确定。基于此,在一个实施例中,提供一种确定有效性量化值的可选方式。如图6所示,可以包括如下步骤:
S401,根据各培训反馈数据,获取各用户对各培训要素的培训反馈量化值,以及根据各培训结果实操数据,获取各用户对各培训要素的培训实操量化值。
S402,根据各培训反馈量化值和各培训实操量化值,确定各培训要素的有效性量化值。
在本申请实施例中,培训反馈量化值即为培训反馈数据中与各培训要素相关的客观评分数据;培训实操量化值即为培训结果实操数据中与各培训要素相关的客观评分数据。
可选的,可以先根据各培训反馈数据获取各用户对各培训要素的客观评分数据,即培训反馈量化值,以及根据各培训结果实操数据获取各用户对各培训要素的客观评分数据,即培训实操量化值,进而可以将各培训反馈量化值和各培训实操量化值输入至预先训练好的模型中,由模型输出各培训要素的有效性量化值。
本申请实施例中,通过引入培训反馈量化值和培训实操量化值,为快速确定各培训要素的有效性量化值提供了一种可选方式。
参与目标培训课程的用户通常会有不同的角色区分,不同角色的用户对数据的贡献程度不同。基于此,在一个实施例中,提供另一种确定有效性量化值的可选方式。如图7所示,可以包括如下步骤:
S501,获取各用户的等级权值。
S502,根据各培训反馈量化值和各用户的等级权值,确定各培训要素的培训反馈有效性量化值。
S503,根据各培训实操量化值和各用户的等级权值,确定各培训要素的培训实操有效性量化值。
S504,根据各培训反馈有效性量化值和各培训实操有效性量化值,确定各有效性量化值。
可选的,对于任一培训要素,将各用户对该培训要素的培训反馈量化值与各用户的等级权值相乘,确定出该培训要素的培训反馈有效性量化值,之后将各用户对该培训要素的培训实操量化值与各用户的等级权值相乘,确定出该培训要素的培训实操有效性量化值,最后将该培训要素的培训反馈有效性量化值与该培训要素的培训实操有效性量化值之和,确定为该培训要素的有效性量化值。
本申请实施例中,通过引入用户的等级权值,提供了另一种确定各培训要素的有效性量化值的可选方式。
不同用户等级对应不同的等级权值,即用户等级与用户等级权值之间存在一定的映射关系,可以根据映射关系确定各用户的等级权值。基于此,在一个实施例中,提供一种确定各用户的等级权值的可选方式。如图8所示,可以包括如下步骤:
S601,获取各用户的用户等级,以及不同用户等级与等级权值之间的映射关系。
S602,根据各用户等级,以及不同用户等级与等级权值之间的映射关系,确定各用户的等级权值。
在本申请实施例中,不同用户等级与等级权值之间的映射关系可以如表1所示。
表1
编号 | 用户等级 | 等级权值 |
1 | 维修员 | 1 |
2 | 维修技师、工程师 | 2 |
3 | 维修领班、主任工程师 | 4 |
4 | 主管工程师 | 6 |
5 | 三级管理者、课程授课教员 | 8 |
6 | 二级管理者 | 10 |
7 | 飞机维修工程部管理者 | 15 |
可选的,可以先获取各用户的用户等级,进而根据各用户的用户等级与表1中的映射关系对应,以获取各用户的等级权值。
本申请实施例中,提供了一种确定各用户的等级权值的可选方式。
另外,在一个实施例中,本申请实施例还提供一个培训要素分析方法的可选实例。结合图9所示,包括:
S701,响应于目标培训课程中多个培训要素的分析请求,获取目标培训课程的培训课程标识。
S702,根据培训课程标识,从培训数据存储库中获取各用户参与目标培训课程的培训反馈数据和培训结果实操数据。
S703,根据各培训反馈数据,获取各用户对各培训要素的培训反馈量化值,以及根据各培训结果实操数据,获取各用户对各培训要素的培训实操量化值。
S704,获取各用户的用户等级,以及不同用户等级与等级权值之间的映射关系。
S705,根据各用户等级,以及不同用户等级与等级权值之间的映射关系,确定各用户的等级权值。
S706,根据各培训反馈量化值和各用户的等级权值,确定各培训要素的培训反馈有效性量化值。
S707,根据各培训实操量化值和各用户的等级权值,确定各培训要素的培训实操有效性量化值。
S708,根据各培训反馈有效性量化值和各培训实操有效性量化值,确定各有效性量化值。
S709,根据各有效性量化值,对各培训要素进行分析,得到各培训要素的分析结果。
可选的,对于任一培训要素,将培训要素的有效性量化值与培训要素的预设阈值进行比较;若有效性量化值小于预设阈值,则确定培训要素的分析结果为培训要素设置合理;若有效性量化值大于或等于预设阈值,则确定培训要素的分析结果为培训要素设置不合理。
上述S701-S709的过程可以参见上述方法实施例的描述,其实现原理和技术效果类似,在此不再赘述。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的培训要素分析方法的培训要素分析装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个培训要素分析装置实施例中的具体限定可以参见上文中对于培训要素分析方法的限定,在此不再赘述。
在一个实施例中,如图10所示,提供了一种培训要素分析装置1,包括:数据获取模块10、分值确定模块20和要素分析模块30,其中:
数据获取模块10,用于响应于目标培训课程中多个培训要素的分析请求,获取每个用户参与目标培训课程的培训反馈数据和培训结果实操数据;
分值确定模块20,用于根据各培训反馈数据和各培训结果实操数据,确定各培训要素的有效性量化值;
要素分析模块30,用于根据各有效性量化值,对各培训要素进行分析,得到各培训要素的分析结果。
在其中一个实施例中,上述数据获取模块10可以用于:
获取目标培训课程的培训课程标识;根据培训课程标识,从培训数据存储库中获取各用户参与目标培训课程的培训反馈数据和培训结果实操数据。
在其中一个实施例中,上述分值确定模块20可以用于:
根据各培训反馈数据,获取各用户对各培训要素的培训反馈量化值,以及根据各培训结果实操数据,获取各用户对各培训要素的培训实操量化值;根据各培训反馈量化值和各培训实操量化值,确定各培训要素的有效性量化值。
在其中一个实施例中,上述分值确定模块20还用于:
获取各用户的等级权值;根据各培训反馈量化值和各用户的等级权值,确定各培训要素的培训反馈有效性量化值;根据各培训实操量化值和各用户的等级权值,确定各培训要素的培训实操有效性量化值;根据各培训反馈有效性量化值和各培训实操有效性量化值,确定各有效性量化值。
在其中一个实施例中,上述分值确定模块20还用于:
获取各用户的用户等级,以及不同用户等级与等级权值之间的映射关系;根据各用户等级,以及不同用户等级与等级权值之间的映射关系,确定各用户的等级权值。
在其中一个实施例中,上述要素分析模块30可以用于:
对于任一培训要素,将培训要素的有效性量化值与培训要素的预设阈值进行比较;若有效性量化值小于预设阈值,则确定培训要素的分析结果为培训要素设置合理;若有效性量化值大于或等于预设阈值,则确定培训要素的分析结果为培训要素设置不合理。
上述培训要素分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储培训要素分析数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种培训要素分析方法。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
响应于目标培训课程中多个培训要素的分析请求,获取每个用户参与目标培训课程的培训反馈数据和培训结果实操数据;
根据各培训反馈数据和各培训结果实操数据,确定各培训要素的有效性量化值;
根据各有效性量化值,对各培训要素进行分析,得到各培训要素的分析结果。
在其中一个实施例中,处理器执行计算机程序中获取每个用户参与目标培训课程的培训反馈数据和培训结果实操数据的逻辑时,可以实现以下步骤:
获取目标培训课程的培训课程标识;根据培训课程标识,从培训数据存储库中获取各用户参与目标培训课程的培训反馈数据和培训结果实操数据。
在其中一个实施例中,处理器执行计算机程序中根据各培训反馈数据和各培训结果实操数据,确定各培训要素的有效性量化值的逻辑时,可以实现以下步骤:
根据各培训反馈数据,获取各用户对各培训要素的培训反馈量化值,以及根据各培训结果实操数据,获取各用户对各培训要素的培训实操量化值;根据各培训反馈量化值和各培训实操量化值,确定各培训要素的有效性量化值。
在其中一个实施例中,处理器执行计算机程序中根据各培训反馈量化值和各培训实操量化值,确定各培训要素的有效性量化值的逻辑时,可以实现以下步骤:
获取各用户的等级权值;根据各培训反馈量化值和各用户的等级权值,确定各培训要素的培训反馈有效性量化值;根据各培训实操量化值和各用户的等级权值,确定各培训要素的培训实操有效性量化值;根据各培训反馈有效性量化值和各培训实操有效性量化值,确定各有效性量化值。
在其中一个实施例中,处理器执行计算机程序中获取各用户的等级权值的逻辑时,可以实现以下步骤:
获取各用户的用户等级,以及不同用户等级与等级权值之间的映射关系;根据各用户等级,以及不同用户等级与等级权值之间的映射关系,确定各用户的等级权值。
在其中一个实施例中,处理器执行计算机程序中根据各有效性量化值,对各培训要素进行分析,得到各培训要素的分析结果的逻辑时,可以实现以下步骤:
对于任一培训要素,将培训要素的有效性量化值与培训要素的预设阈值进行比较;若有效性量化值小于预设阈值,则确定培训要素的分析结果为培训要素设置合理;若有效性量化值大于或等于预设阈值,则确定培训要素的分析结果为培训要素设置不合理。
上述提供的计算机设备,其在实现各实施例中的原理和过程可参见前述实施例中培训要素分析方法实施例中的说明,此处不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
响应于目标培训课程中多个培训要素的分析请求,获取每个用户参与目标培训课程的培训反馈数据和培训结果实操数据;
根据各培训反馈数据和各培训结果实操数据,确定各培训要素的有效性量化值;
根据各有效性量化值,对各培训要素进行分析,得到各培训要素的分析结果。
在其中一个实施例中,计算机程序中获取每个用户参与目标培训课程的培训反馈数据和培训结果实操数据的逻辑被处理器执行时,可以实现以下步骤:
获取目标培训课程的培训课程标识;根据培训课程标识,从培训数据存储库中获取各用户参与目标培训课程的培训反馈数据和培训结果实操数据。
在其中一个实施例中,计算机程序中根据各培训反馈数据和各培训结果实操数据,确定各培训要素的有效性量化值的逻辑被处理器执行时,可以实现以下步骤:
根据各培训反馈数据,获取各用户对各培训要素的培训反馈量化值,以及根据各培训结果实操数据,获取各用户对各培训要素的培训实操量化值;根据各培训反馈量化值和各培训实操量化值,确定各培训要素的有效性量化值。
在其中一个实施例中,计算机程序中根据各培训反馈量化值和各培训实操量化值,确定各培训要素的有效性量化值的逻辑被处理器执行时,可以实现以下步骤:
获取各用户的等级权值;根据各培训反馈量化值和各用户的等级权值,确定各培训要素的培训反馈有效性量化值;根据各培训实操量化值和各用户的等级权值,确定各培训要素的培训实操有效性量化值;根据各培训反馈有效性量化值和各培训实操有效性量化值,确定各有效性量化值。
在其中一个实施例中,计算机程序中获取各用户的等级权值的逻辑被处理器执行时,可以实现以下步骤:
获取各用户的用户等级,以及不同用户等级与等级权值之间的映射关系;根据各用户等级,以及不同用户等级与等级权值之间的映射关系,确定各用户的等级权值。
在其中一个实施例中,计算机程序中根据各有效性量化值,对各培训要素进行分析,得到各培训要素的分析结果的逻辑被处理器执行时,可以实现以下步骤:
对于任一培训要素,将培训要素的有效性量化值与培训要素的预设阈值进行比较;若有效性量化值小于预设阈值,则确定培训要素的分析结果为培训要素设置合理;若有效性量化值大于或等于预设阈值,则确定培训要素的分析结果为培训要素设置不合理。
上述提供的计算机可读存储介质,其在实现各实施例中的原理和过程可参见前述实施例中培训要素分析方法实施例中的说明,此处不再赘述。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
响应于目标培训课程中多个培训要素的分析请求,获取每个用户参与目标培训课程的培训反馈数据和培训结果实操数据;
根据各培训反馈数据和各培训结果实操数据,确定各培训要素的有效性量化值;
根据各有效性量化值,对各培训要素进行分析,得到各培训要素的分析结果。
在其中一个实施例中,计算机程序中获取每个用户参与目标培训课程的培训反馈数据和培训结果实操数据的逻辑被处理器执行时,可以实现以下步骤:
获取目标培训课程的培训课程标识;根据培训课程标识,从培训数据存储库中获取各用户参与目标培训课程的培训反馈数据和培训结果实操数据。
在其中一个实施例中,计算机程序中根据各培训反馈数据和各培训结果实操数据,确定各培训要素的有效性量化值的逻辑被处理器执行时,可以实现以下步骤:
根据各培训反馈数据,获取各用户对各培训要素的培训反馈量化值,以及根据各培训结果实操数据,获取各用户对各培训要素的培训实操量化值;根据各培训反馈量化值和各培训实操量化值,确定各培训要素的有效性量化值。
在其中一个实施例中,计算机程序中根据各培训反馈量化值和各培训实操量化值,确定各培训要素的有效性量化值的逻辑被处理器执行时,可以实现以下步骤:
获取各用户的等级权值;根据各培训反馈量化值和各用户的等级权值,确定各培训要素的培训反馈有效性量化值;根据各培训实操量化值和各用户的等级权值,确定各培训要素的培训实操有效性量化值;根据各培训反馈有效性量化值和各培训实操有效性量化值,确定各有效性量化值。
在其中一个实施例中,计算机程序中获取各用户的等级权值的逻辑被处理器执行时,可以实现以下步骤:
获取各用户的用户等级,以及不同用户等级与等级权值之间的映射关系;根据各用户等级,以及不同用户等级与等级权值之间的映射关系,确定各用户的等级权值。
在其中一个实施例中,计算机程序中根据各有效性量化值,对各培训要素进行分析,得到各培训要素的分析结果的逻辑被处理器执行时,可以实现以下步骤:
对于任一培训要素,将培训要素的有效性量化值与培训要素的预设阈值进行比较;若有效性量化值小于预设阈值,则确定培训要素的分析结果为培训要素设置合理;若有效性量化值大于或等于预设阈值,则确定培训要素的分析结果为培训要素设置不合理。
上述提供的计算机程序产品,其在实现各实施例中的原理和过程可参见前述实施例中培训要素分析方法实施例中的说明,此处不再赘述。
需要说明的是,本申请所涉及的数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种培训要素分析方法,其特征在于,所述方法包括:
响应于目标培训课程中多个培训要素的分析请求,获取每个用户参与所述目标培训课程的培训反馈数据和培训结果实操数据;
根据各所述培训反馈数据和各所述培训结果实操数据,确定各所述培训要素的有效性量化值;
根据各所述有效性量化值,对各所述培训要素进行分析,得到各所述培训要素的分析结果。
2.根据权利要求1所述的方法,其特征在于,所述获取每个用户参与所述目标培训课程的培训反馈数据和培训结果实操数据,包括:
获取所述目标培训课程的培训课程标识;
根据所述培训课程标识,从培训数据存储库中获取各所述用户参与所述目标培训课程的培训反馈数据和培训结果实操数据。
3.根据权利要求1或2所述的方法,其特征在于,所述根据各所述培训反馈数据和各所述培训结果实操数据,确定各所述培训要素的有效性量化值,包括:
根据各所述培训反馈数据,获取各所述用户对各所述培训要素的培训反馈量化值,以及根据各所述培训结果实操数据,获取各所述用户对各所述培训要素的培训实操量化值;
根据各所述培训反馈量化值和各所述培训实操量化值,确定各所述培训要素的有效性量化值。
4.根据权利要求3所述的方法,其特征在于,所述根据各所述培训反馈量化值和各所述培训实操量化值,确定各所述培训要素的有效性量化值,包括:
获取各所述用户的等级权值;
根据各所述培训反馈量化值和各所述用户的等级权值,确定各所述培训要素的培训反馈有效性量化值;
根据各所述培训实操量化值和各所述用户的等级权值,确定各所述培训要素的培训实操有效性量化值;
根据各所述培训反馈有效性量化值和各所述培训实操有效性量化值,确定各所述有效性量化值。
5.根据权利要求4所述的方法,其特征在于,所述获取各所述用户的等级权值,包括:
获取各所述用户的用户等级,以及不同用户等级与等级权值之间的映射关系;
根据各所述用户等级,以及不同用户等级与等级权值之间的映射关系,确定各所述用户的等级权值。
6.根据权利要求1或2所述的方法,其特征在于,所述根据各所述有效性量化值,对各所述培训要素进行分析,得到各所述培训要素的分析结果,包括:
对于任一培训要素,将所述培训要素的有效性量化值与所述培训要素的预设阈值进行比较;
若所述有效性量化值小于所述预设阈值,则确定所述培训要素的分析结果为所述培训要素设置合理;
若所述有效性量化值大于或等于所述预设阈值,则确定所述培训要素的分析结果为所述培训要素设置不合理。
7.一种培训要素分析装置,其特征在于,所述装置包括:
数据获取模块,用于响应于目标培训课程中多个培训要素的分析请求,获取每个用户参与所述目标培训课程的培训反馈数据和培训结果实操数据;
分值确定模块,用于根据各所述培训反馈数据和各所述培训结果实操数据,确定各所述培训要素的有效性量化值;
要素分析模块,用于根据各所述有效性量化值,对各所述培训要素进行分析,得到各所述培训要素的分析结果。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311037844.9A CN117196902A (zh) | 2023-08-17 | 2023-08-17 | 培训要素分析方法、装置、设备、存储介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311037844.9A CN117196902A (zh) | 2023-08-17 | 2023-08-17 | 培训要素分析方法、装置、设备、存储介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117196902A true CN117196902A (zh) | 2023-12-08 |
Family
ID=88984116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311037844.9A Pending CN117196902A (zh) | 2023-08-17 | 2023-08-17 | 培训要素分析方法、装置、设备、存储介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117196902A (zh) |
-
2023
- 2023-08-17 CN CN202311037844.9A patent/CN117196902A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108833458B (zh) | 一种应用推荐方法、装置、介质及设备 | |
Dias et al. | Reducing the Size of Concept Lattices: The JBOS Approach. | |
TWI444844B (zh) | 模擬參數校正技術 | |
CN111340246A (zh) | 用于企业智能决策分析的处理方法、装置和计算机设备 | |
CN112990478B (zh) | 联邦学习数据处理系统 | |
EP4080429A1 (en) | Technology readiness level determination method and system based on science and technology big data | |
WO2020190176A1 (ru) | Рекомендательная система подбора персонала с использованием машинного обучения и с понижением размерности многомерных данных и способ подбора персонала с использованием машинного обучения и с понижением размерности многомерных данных | |
CN113469570A (zh) | 信息质量评价模型构建方法、装置、设备及存储介质 | |
CN116227240A (zh) | 基于综合应力加速试验的产品寿命评价方法、装置及设备 | |
CN109509549B (zh) | 诊疗服务提供方评价方法、装置、计算机设备和存储介质 | |
Toukoushian et al. | Alternatives for measuring the unexplained wage gap | |
CN107203916B (zh) | 一种用户信用模型建立方法及装置 | |
CN117196902A (zh) | 培训要素分析方法、装置、设备、存储介质和程序产品 | |
Gündüz et al. | A poisson model for user accesses to web pages | |
CN113779116B (zh) | 对象排序方法、相关设备及介质 | |
CN113902457B (zh) | 房源信息可靠性的评估方法、装置、电子设备及存储介质 | |
CN115204501A (zh) | 企业评估方法、装置、计算机设备和存储介质 | |
CN112396430B (zh) | 用于企业评价的处理方法及系统 | |
WO2022217712A1 (zh) | 数据挖掘方法、装置、计算机设备及存储介质 | |
CN110580265B (zh) | Etl任务的处理方法、装置、设备及存储介质 | |
CN112488528A (zh) | 数据集的处理方法、装置、设备和存储介质 | |
CN114445044A (zh) | 结合rpa和ai的法院执行查控案件处理方法及装置 | |
CN112163740B (zh) | 基于区块链的维保人员评估结果获取方法和装置 | |
CN118295884A (zh) | 指标分析方法、装置、设备、存储介质和程序产品 | |
CN110097250B (zh) | 产品风险预测方法、装置、计算机设备和存储介质 |
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 |