一种基于行为的人才测评系统及方法技术方案

本发明专利技术公开一种基于行为的人才测评系统及方法，其包括为不同人才测评体系建立对应的人才测评数据模型；通过采集系统获取目标人才行为数据；对所述行为数据进行数据清洗与转换，得到特征数据集；将所述特征数据集载入到人才测评数据模型中，调用人才行为测评指标体系库，对人才行为数据的指标值进行测评计算并生成最终人才测评报告。本发明专利技术通过系统自动采集和人工采集的方式提取目标人才的行为特征数据，结合大数据分析和云计算技术，将人才测评数据模型与被测评者的行为数据进行计算匹配，为被测者提供详尽、个性化的人才测评结果。

【技术实现步骤摘要】
一种基于行为的人才测评系统及方法
本专利技术涉及大数据中的数据采集、数据挖掘技术及机器学习的方法，特别涉及一种基于行为的人才测评系统及方法。
技术介绍
在人才竞争日益激烈的市场经济环境中，帮助教育机构和用人单位达到科学有效地选才、用才、育才、留才而提供有价值的参考信息具有重要意义。传统的评测方式都是通过人工收集被评测对象的有限的指标数据进行考核评测，无法达到涵盖人才各个方面素质，也无法得到有针对性的准确数据。而得到涵盖人才各个方面素质且有针对性的准确数据是十分必要的，例如心理健康指标测评，当前学校教师及辅导员如果无法准确掌握某段时间学生的心理健康程度，就无法提前进行心理干预来疏导学生，就会导致学生因心理问题而做出错误的选择，例如教学管理过程，教师目前无法针对教学知识点涵盖范围及程度进行量化评测，导致无法针对各个知识点的教学时间及教学深度进行合理权重分配。因此建立一种基于行为的人才测评系统及方法，通过收集被测评对象的行为数据，利用大数据挖掘分析，人工智能技术结合人才测评数据模型比对分析海量样本数据计算出被评测者的各项能力的测评报告，建立人才测评系统及测评方法提高管理和培养人才的质量，尤为重要。
技术实现思路
本专利技术提供一种基于行为的人才测评系统及方法，通过系统自动采集和人工采集的方式，将目标人才日常行为中可提取的特征数据及分散于数据可采集系统中的人才特征指标进行提取，结合大数据分析和云计算技术，将预设人才测评模型与被测评者的行为数据进行计算匹配，为被测者提供详尽、个性化的人才测评结果。为达到上述目的，本专利技术采用的具体技术方案如下：一种基于行为的人才测评方法，该方法包括以下步骤：S1、为不同人才测评体系建立对应的人才测评数据模型，该步骤进一步包括：步骤1、对训练样本数据进行采集、处理，提取训练样本的特征数据；步骤2、对提取的特征数据进行再加工，增强特征数据的表示能力；步骤3、进行机器学习，使用有监督的机器学习方法拟合人才测评数据模型，并通过交叉验证拟合所述人才测评数据模型，最终通过多次迭代算法得出人才测评体系的最佳模型；S2、通过采集系统获取目标人才的行为数据，所述目标人才行为数据具有唯一标识，当通过所述采集系统检测到任一可采集的行为发生时，生成与该行为对应的行为数据的特征统计信息，所述行为数据的特征统计信息通过通信网络存入云端服务器；S3、基于大数据及人工智能技术将收集到云端服务器的目标人才行为数据的特征统计信息进行数据清洗与转换，得到目标人才行为数据的特征数据集，所述特征数据集存储到预设的数据存储模块；S4、将所述特征数据集载入到所述人才测评数据模型中，调用人才行为测评指标体系库，对人才行为数据的指标值进行测评计算并生成最终人才测评报告。本专利技术基于大数据分析和云计算技术，首先通过对训练样本数据的采集、处理、特征提取和机器学习，得到与各分类行为对应的人才测评体系的最佳数据模型，然后对目标人才的行为数据进行采集、处理和特征提取，得到目标人才行为数据的特征数据集，将所述特征数据集载入已建立的人才测评数据模型，结合人才行为测评指标体系库对目标人才的行为数据进行计算匹配，得到最终的人才测评报告。优选地，步骤S1中的人才测评体系包括但不限于：人才学习能力测评体系、人才学习效果测评体系、人才工作能力测评体系、职业规划测评体系、自我认知测评体系、心理健康测评体系、社交能力测评体系和教师授课测评体系。优选地，步骤S1中的训练样本数据包括但不限于：与高校校企合作、共建实验室和共建研究中心获取的目标人才行为数据；企业自办网校和线下培训机构获取的目标人才行为数据；与中小学联合办学教学跟踪获取的目标人才行为数据；购买合法的白色数据；目标人才手机APP数据；目标人才校园网数据；目标人才个人社交帐号数据；教学区域视频音频数据；公共活动区域航拍数据；可穿戴系统数据；GPS定位数据和GIS数据。所述合法的白色数据指的是通过正常合法的渠道获得的可用于研究和使用的用户行为数据。优选地，步骤S1中的机器学习采用记忆学习方法，其提供一批具有学习目标为标注的数据作为训练样本，机器学习通过分析这些数据的规律拟合出这些数据和学习目标间的函数，使得定义在训练集上的总体误差尽可能的小，从而利用学得的函数来预测未知数据。所述记忆学习方法(Memory-BasedLearning；MBL)将存储的训练样本数据作为获取的知识来使用,并通过相似性比较来完成分类任务,其基本框架是：在待处理数据的处理中，将计算待处理数据与所有存储训练样本数据之间的距离，找到与待处理数据距离最近的k个训练样本数据，通过对k个结果的判决，为待处理数据指定相应的类别，完成分类工作。优选地，步骤S2中的采集系统进一步包括机器自动采集系统和人工采集系统，所述机器自动采集系统包括但不限于：手机APP数据采集系统、校园网数据采集系统、个人社交账号数据采集系统、教学区域视频音频数据采集系统、公共活动区域航拍数据采集系统、可穿戴系统数据采集系统、GPS定位系统数据采集系统和GIS数据采集系统；所述人工采集系统包括但不限于：教务管理系统数据导入采集系统、学生管理系统数据导入采集系统、学生对教师的评价数据采集系统和教师对学生的评语数据采集系统。优选地，步骤S2中的目标人才行为数据的唯一标识包括下列一种或多种：目标人才编号、采集机器序列号、采集系统ID或采集系统IP。优选地，步骤S2中的行为数据的特征统计信息包括多个统计维度，每个统计维度根据需要进一步细分。进一步地，每一统计维度下面包括多个二级分类，所述二级分类下面还包括多个三级分类，根据统计需要，所述三级分类可进一步细分。优选地，步骤S3中的数据清洗和转换步骤进一步包括：合并数据集、纠正错误、删除重复项、统一规格、修正逻辑、转换构造、数据压缩、补足残缺/空值、丢弃数据/变量。通过数据清洗和转换步骤进一步得到目标人才行为数据的高阶特征表示。进一步地，所述数据清洗和转换步骤还包括：选择数据子集样本、汇总数据记录、导出数据属性、数据排序、数据的空白值和缺失值替换。优选地，步骤S4中的人才行为测评指标体系库包括但不限于：人才学习能力测评指标体系、人才学习效果测评指标体系、人才工作能力测评指标体系、职业规划测评指标体系、自我认知测评指标体系、心理健康测评指标体系、社交能力测评指标体系和教师授课测评指标体系。一种基于行为的人才测评系统，其包括通过通信网络相互通信的采集终端和云端服务器，所述采集终端内设有依次相连的数据采集模块、数据生成模块和数据传输模块，所述云端服务器内设有依次相连的数据存储模块、数据处理模块、数据计算模块和数据输出模块，所述数据采集模块，用于采集目标人才的行为数据，并将所述行为数据发送给所述数据生成模块；所述数据生成模块，用于生成与所述行为数据对应的特征统计信息，并将所述特征统计信息通过通信网络经由所述数据传输模块发送给所述数据处理模块；所述数据处理模块，用于将接收的行为数据的所述特征统计信息进行数据清洗与转换，得到所述行为数据的特征数据集，并将所述特征数据集存储在所述数据存储模块中；所述数据存储模块，用于存储人才行为测评指标体系库和目标人才行为数据的特征数据集，并将存储的所述人才行为测评指标体系库和目标人才行为数据的特征数据集发送给所述本文档来自技高网...

【技术保护点】
1.一种基于行为的人才测评方法，其特征在于，该方法包括以下步骤：S1、为不同人才测评体系建立对应的人才测评数据模型，该步骤进一步包括：步骤1、对训练样本数据进行采集、处理，提取训练样本的特征数据；步骤2、对提取的特征数据进行再加工，增强特征数据的表示能力；步骤3、进行机器学习，使用有监督的机器学习方法拟合人才测评数据模型，并通过交叉验证拟合所述人才测评数据模型，最终通过多次迭代算法得出人才测评体系的最佳模型；S2、通过采集系统获取目标人才的行为数据，所述目标人才行为数据具有唯一标识，当通过所述采集系统检测到任一可采集的行为发生时，生成与该行为对应的行为数据的特征统计信息，所述行为数据的特征统计信息通过通信网络存入云端服务器；S3、基于大数据及人工智能技术将收集到云端服务器的目标人才行为数据的特征统计信息进行数据清洗与转换，得到目标人才行为数据的特征数据集，所述特征数据集存储到预设的数据存储模块；S4、将所述特征数据集载入到所述人才测评数据模型中，调用人才行为测评指标体系库，对人才行为数据的指标值进行测评计算并生成最终人才测评报告。

【技术特征摘要】
1.一种基于行为的人才测评方法，其特征在于，该方法包括以下步骤：S1、为不同人才测评体系建立对应的人才测评数据模型，该步骤进一步包括：步骤1、对训练样本数据进行采集、处理，提取训练样本的特征数据；步骤2、对提取的特征数据进行再加工，增强特征数据的表示能力；步骤3、进行机器学习，使用有监督的机器学习方法拟合人才测评数据模型，并通过交叉验证拟合所述人才测评数据模型，最终通过多次迭代算法得出人才测评体系的最佳模型；S2、通过采集系统获取目标人才的行为数据，所述目标人才行为数据具有唯一标识，当通过所述采集系统检测到任一可采集的行为发生时，生成与该行为对应的行为数据的特征统计信息，所述行为数据的特征统计信息通过通信网络存入云端服务器；S3、基于大数据及人工智能技术将收集到云端服务器的目标人才行为数据的特征统计信息进行数据清洗与转换，得到目标人才行为数据的特征数据集，所述特征数据集存储到预设的数据存储模块；S4、将所述特征数据集载入到所述人才测评数据模型中，调用人才行为测评指标体系库，对人才行为数据的指标值进行测评计算并生成最终人才测评报告。2.如权利要求1所述的基于行为的人才测评方法，其特征在于，步骤S1中的人才测评体系包括但不限于：人才学习能力测评体系、人才学习效果测评体系、人才工作能力测评体系、职业规划测评体系、自我认知测评体系、心理健康测评体系、社交能力测评体系和教师授课测评体系。3.如权利要求1所述的基于行为的人才测评方法，其特征在于，步骤S1中的训练样本数据包括但不限于：与高校校企合作、共建实验室和共建研究中心获取的目标人才行为数据；企业自办网校和线下培训机构获取的目标人才行为数据；与中小学联合办学教学跟踪获取的目标人才行为数据；购买合法的白色数据；目标人才手机APP数据；目标人才校园网数据；目标人才个人社交帐号数据；教学区域视频音频数据；公共活动区域航拍数据；可穿戴系统数据；GPS定位数据和GIS数据。4.如权利要求1所述的基于行为的人才测评方法，其特征在于，步骤S1中的机器学习采用记忆学习方法，其提供一批具有学习目标为标注的数据作为训练样本，机器学习通过分析这些数据的规律拟合出这些数据和学习目标间的函数，使得定义在训练集上的总体误差尽可能的小，从而利用学得的函数来预测未知数据。5.如权利要求1所述的基于行为的人才测评方法，其特征在于，步骤S2中的采集系统进一步包括机器自动采集系统和人工采集系统，所述机器自动采集系统包括但不限于：手机APP数据采集系统、校...

【专利技术属性】
技术研发人员：李明山，
申请(专利权)人：武汉文都创新教育研究院有限合伙，
类型：发明
国别省市：湖北,42