一种基于自陈式测评的高中选科决策方法技术

本发明专利技术涉及教学与信息处理技术领域，尤指一种基于自陈式测评的高中选科决策方法，包括被测者进行自我测评、推导个人职业倾向、匹配大学专业分类、推导个人学科倾向、决策建议五个步骤，首先将自陈式测评中获得的兴趣偏好、性格特质结果进行个人职业倾向推导，然后再将个人职业倾向与大学专业分类进行匹配，从专业分类再推导出个人学科倾向，最终将个人学科倾向与自陈式测评中获得的学习情况的前三科作为一致性评判依据，并通过“五星制”展示出最终结果。与根据学习或兴趣来选科的方法相比，本发明专利技术在推导过程中产生与职业倾向、大学专业相关的信息，这些信息可以用于指导被测者进行职业生涯规划，从而更加明确自己选科的需求。

【技术实现步骤摘要】
一种基于自陈式测评的高中选科决策方法
本专利技术涉及教学与信息处理
，尤指一种基于自陈式测评的高中选科决策方法。
技术介绍
自2018年起，全新的高考改革在全国各地陆续实施，高中从以前的“文理分科”走向更为人性化的选科模式“六选三”，人性化的选择带来了更多的可能性，但是由于高考的选科决策的机会只有一次，因此决策时如果没有做好充足的自身了解，以及对高考各大学专业的选科需求了解的话，就可能没法把这个决策做好。而高中选科决策是一项非常复杂的工作，在我国目前尚未建立“六选三”选科的科学成熟方法，并且对于学生和家长来说，不是每个人都有过多的精力去专门关注这么深入的信息，高一应该如何合理选科决策，因此建立一个易于实施，且容易被学生家长直接理解的选科信息决策方法，可以有效地克服各种个人的主观问题来了解自身，同时还能快速传达整个大学专业对选科需求的情况给学生和家长，深化大众对选科的认知和认识，实现个人优势的最优化就成为了当前亟待解决的问题。自陈式测评是目前最为流行的人格测量技术，通常由一组精心设计的、结构式的、测量同一人格特质的题目所组成。题目分为两部分：一部分是题干，题干是对个人行为表现和心理感受的描述；另一部分是选项，选项则是对题干内容的回答与判定，有双选与多选之分。由于自陈式测评在人力资源领域已经有了较为成熟的使用，让人力资源得到合理的分配，而全新的高考选课制度中选科分配也有类似的情景，因此自陈式测评可让被测者通过诚实地答题得到各科目符合实际的推荐情况，使得被测者拿到一个符合自身内在兴趣能力倾向的合理结果。>
技术实现思路
为解决上述问题，本专利技术提供一种基于自陈式测评的高中选科决策方法，能快速准确、客观全面、动态地协助被测者进行高中选科决策，解决了现在尚未有一个高效且科学的方法可以进行选科决策的问题。为实现上述目的，本专利技术采用的技术方案是提供一种基于自陈式测评的高中选科决策方法，包括被测者进行自我测评、推导个人职业倾向、匹配大学专业分类、推导个人学科倾向、决策建议五个步骤，具体步骤如下：自我测评：被测者完成一份自陈式测评，根据测评结果获得被测者的兴趣偏好、性格特质和学习情况；推导个人职业倾向：对被测者获得的兴趣偏好和性格特质分别赋权，得到被测者的职业倾向得分；匹配大学专业分类：对大学专业分类进行职业倾向的相关性分析，得到大学专业分类关于职业倾向度的“专业-职业倾向权重”矩阵，将被测者的职业倾向得分与“专业-职业倾向权重”矩阵相乘得到各个专业的专业匹配度；推导个人学科倾向：首先，把各省份教育厅公开的“招生本科高校选考科目要求”数据进行转换，把原始数据中的选科要求数据变成六门科目的细分信息，得到某院校某专业的选科要求在该省份的科目重要性权重；然后，把被测者个人的专业匹配度与科目重要性进行哈达马乘积，并把选科需求信息中不同院校不同专业同一分类下的数据进行合并累加，得到专业倾向度；接着，取专业倾向度得分最高的前十个分类之和，作为主导科目倾向的专业分类，得到个人学科倾向度的原始值；最后，把个人学科倾向度中同一科目数据进行累加，并算出各科目之间的相对比例；将该比例与该省份的科目重要性权重相乘，得到最终的个人学科倾向标准化后的值；决策建议：依据最终获得的个人学科倾向标准化后的值和被测者的学习情况的前三科的一致性情况，根据不同的匹配情况划定星数，采用“五星制”的方式表述。本专利技术的有益效果在于：相比较传统地根据学习或兴趣或职业倾向等单一选项来选科的方法，本专利技术通过自陈式测评来获得被测者的兴趣偏好、性格特质和学习情况，通过将兴趣偏好和性格特质依次进行个人职业倾向推导、大学专业分类匹配、个人学科倾向推导等一系列推导作业，最终将个人学科倾向与被测者当前学习情况进行匹配来获取不同星数的选科方案，星数最多的则为优选方案。本专利技术能快速准确、客观全面地把握被测者的内在，同时使用客观的数据对其适合的学科进行选择，解决了当前高中选科决策高效方法的缺失的问题，从而提高了高中选科决策的科学性，为高中生提供了可靠有力的选科工具。附图说明图1是本专利技术的流程示意图。图2是本专利技术在S5中的“五星制”评判标准示意图。具体实施方式下面结合附图和实例对本专利技术作进一步详细说明。请参阅图1-2所示，本专利技术关于一种基于自陈式测评的高中选科决策方法，包括被测者进行自我测评、推导个人职业倾向、匹配大学专业分类、推导个人学科倾向、决策建议五个步骤。本专利技术是一个将原始的自陈式测评数据转变为选科决策结果的过程，以下将对每一个步骤进行详细的描述。S1、被测者进行自我测评：被测者完成一份自陈式测评的题目，里面的内容主要涉及到个人的兴趣偏好、性格特质以及当前学习情况。首先被测者进行自陈式测评，由于自陈式测评具有信息维度丰富、信息的真实性高和信息符合实际情况三大特点：自陈式测评从学生兴趣爱好和学生性格特质两个方向出发，爱好与性格基本把一个人的内在特质进行充分的描述，使得信息维度丰富；由于自陈式测评答题时间很短，减少人为干预的可能性，而且具有测谎维度，可以知道答题者的认真程度，只要不是有意不配合的人，都能得到较为真实的内在信息；选科最后是决定高考什么的过程，真实的学习情况影响学生的选择自由度，尽管内在特质可以更好地发掘一个人的潜能，但是可能有部分人在不合适的领域付出了很多的努力也渐渐得到了目的的效果，这些也是应该考虑的。因此，学生的实际情况信息包括当前各科目成绩以及各科目的排名信息。故被测者依据测评真实认真地答，为下一步推导个人职业倾向做好准备。在本实施例中，被测者的兴趣偏好和性格特质是通过职业测评系统获得，具体的职业测评系统采用的是人啊人的T12职业兴趣测评系统，T12职业兴趣测评系统在MBTI(MBTI职业性格测试是国际最为流行的职业人格评估工具，作为一种对个性的判断和分析，是一个理论模型，从纷繁复杂的个性特征中，归纳提炼出4个关键要素——动力、信息收集、决策方式、生活方式，进行分析判断，从而把不同个性的人区别开来)的基础上，从“测+评”两方面结合，根据多维度的测评综合给出人员的优势领域、T12职业方向与D48内在能力。通过T12职业兴趣测评系统测出m个兴趣偏好维度的得分H＝{h1,h2,h3...hi}(i∈N，且1≤i≤m)和n个性格特质维度的得分G＝{g1,g2,g3...gi}(i∈N，且1≤i≤n)；其中h代表每一项兴趣偏好维度，g代表每一项性格特质维度。而被测者当前的学习情况，主要采用填写真实成绩和排名的方式进行记录，得到物理、化学、生物、思想政治、历史、地理共6个科目的优势趋势Sk(k∈(1～6))，其中k代表每一科目学科。S1.5、在进行职业倾向推导之前，还需要用大数据对现有的兴趣偏好和性格特质的维度对职业倾向做相关性分析，得到转换赋权所需要的权重。S2、推导个人职业倾向：对被测者获得的兴趣偏好和性格特质分别赋权，得到被测者的职业倾向得分T。具体为：对于测评得到的兴趣偏好，性格特质信息进行差异本文档来自技高网...

【技术保护点】
1.一种基于自陈式测评的高中选科决策方法，其特征在于，包括如下步骤：/nS1、自我测评：被测者完成一份自陈式测评，根据测评结果获得被测者的兴趣偏好、性格特质和学习情况；/nS2、推导个人职业倾向：对S1中被测者获得的兴趣偏好和性格特质分别赋权，得到被测者的职业倾向得分T；/nS3、匹配大学专业分类：对大学专业分类进行职业倾向的相关性分析，得到大学专业分类关于职业倾向度的“专业-职业倾向权重”矩阵Mt，将S2中被测者的职业倾向得分T与“专业-职业倾向权重”矩阵Mt相乘得到各个专业的专业匹配度Match；/nS4、推导个人学科倾向，具体步骤如下：/na、用被测者所处省份的科目重要性权重对S3中获得的被测者个人的专业匹配度进行哈达马乘积赋权，并把选科需求信息中不同院校不同专业同一分类下的数据进行合并累加，得到专业倾向度；/nb、取专业倾向度得分最高的前十个分类之和，作为主导科目倾向的专业分类，得到个人学科倾向度的原始值向量；/nc、把个人学科倾向度中同一科目数据进行累加，并算出各科目之间的相对比例，将该比例与个人学科倾向度的原始值向量相乘，得到最终的个人学科倾向标准化后的值；/nS5、决策建议：依据S4中最终获得的个人学科倾向标准化后的值和S1中被测者的学习情况的前三科的一致性情况，根据不同的匹配情况划定星数，采用“五星制”的方式表述。/n...

【技术特征摘要】
1.一种基于自陈式测评的高中选科决策方法，其特征在于，包括如下步骤：
S1、自我测评：被测者完成一份自陈式测评，根据测评结果获得被测者的兴趣偏好、性格特质和学习情况；
S2、推导个人职业倾向：对S1中被测者获得的兴趣偏好和性格特质分别赋权，得到被测者的职业倾向得分T；
S3、匹配大学专业分类：对大学专业分类进行职业倾向的相关性分析，得到大学专业分类关于职业倾向度的“专业-职业倾向权重”矩阵Mt，将S2中被测者的职业倾向得分T与“专业-职业倾向权重”矩阵Mt相乘得到各个专业的专业匹配度Match；
S4、推导个人学科倾向，具体步骤如下：
a、用被测者所处省份的科目重要性权重对S3中获得的被测者个人的专业匹配度进行哈达马乘积赋权，并把选科需求信息中不同院校不同专业同一分类下的数据进行合并累加，得到专业倾向度；
b、取专业倾向度得分最高的前十个分类之和，作为主导科目倾向的专业分类，得到个人学科倾向度的原始值向量；
c、把个人学科倾向度中同一科目数据进行累加，并算出各科目之间的相对比例，将该比例与个人学科倾向度的原始值向量相乘，得到最终的个人学科倾向标准化后的值；
S5、决策建议：依据S4中最终获得的个人学科倾向标准化后的值和S1中被测者的学习情况的前三科的一致性情况，根据不同的匹配情况划定星数，采用“五星制”的方式表述。


2.根据权利要求1所述的一种基于自陈式测评的高中选科决策方法，其特征在于，在S1中，所述自陈式测评中关于个人的兴趣偏好、性格特质以及当前学习情况的具体内容如下：
a、兴趣偏好：通过职业测评系统测出m个兴趣偏好维度的得分H＝{h1,h2,h3...hi}(i∈N，且1≤i≤m)，其中h代表每一项兴趣偏好维度；
b、性格特质：通过职业测评系统测出n个性格特质维度的得分G＝{g1,g2,g3...gi}(i∈N，且1≤i≤n)，其中g代表每一项性格特质维度；
c、学习情况：采用填写真实成绩和排名的方式进行记录，得到物理、化学、生物、思想政治、历史、地理共6个科目的优势趋势Sk(k∈(1～6))，其中k代表每一科目学科。


3.根据权利要求2所述的一种基于自陈式测评的高中选科决策方法，其特征在于：在推导个人职业倾向之前，还需要用大数据对现有的兴趣偏好和性格特质的维度对职业倾向做相关性分析，得到转换赋权所需要的权重，具体对应关系如下表示：



其中T代表职业倾向得分；tai(i∈N，且0≤i≤12)和tbi(i...

【专利技术属性】
技术研发人员：关镇山，卢冠星，张建坤，彭政，李玮豪，
申请(专利权)人：广东人啊人网络技术开发有限公司，
类型：发明
国别省市：广东;44