一种评估结果溯源分析方法、装置、设备和存储介质制造方法及图纸

本申请涉及一种评估结果溯源分析方法、装置、计算机设备和存储介质。所述方法包括：根据人员训练的多维度评估指标体系构建相应的网络模型，每个评估维度为一个总指标节点，每个所述总指标节点下包括多级子指标节点，所有总指标节点共享末级指标节点，预先通过训练样本数据对网络模型进行训练，得到训练好的网络模型，从而确定网络模型中每个子指标节点的权重信息。在进行人员训练评估结果溯源分析时，首先获取人员训练完成后的末级指标分数，根据末级指标分数和每个子指标节点的权重信息，得到每个子指标节点的分数；根据每个子指标节点的分数和每个子指标节点的权重信息，确定加权分值最低的节点为对末级指标分数影响最大的节点。点。点。

【技术实现步骤摘要】
一种评估结果溯源分析方法、装置、设备和存储介质


[0001]本申请涉及计算机
，特别是涉及一种评估结果溯源分析方法、装置、计算机设备和存储介质。

技术介绍

[0002]人员训练是提高人员素质能力的根本途径，无论是网络化训练、模式化训练还是实地化训练，训练效果的评估都十分重要。对于训练的评估，曾出现过千分制评估、检讨式评估等方法。训练效果评估是在明确训练任务的前提下，监测采集训练过程中的所有数据，分训练课目和阶段地对训练成绩进行评价，对训练质量进行评估，对训练效益进行分析，为训练问题复盘检讨和训练过程复盘讲评提供原始证据、指标结果和评价结论的支撑。训练效果评估对于提升人员训练质量和发挥训练效益具有十分重要的意义。但现有的人员训练结果评估方法大多是分训练课目和阶段地对训练成绩进行评价，效率较低。

技术实现思路

[0003]基于此，有必要针对上述技术问题，提供一种能够提高训练结果评估方法自动化程度和适应性的评估结果溯源分析方法、装置、计算机设备和存储介质。
[0004]一种评估结果溯源分析方法，所述方法包括：
[0005]根据人员训练的多维度评估指标体系构建相应的网络模型；所述网络模型以人员训练的每个评估维度为一个总指标节点，每个所述总指标节点下包括多级子指标节点，所有总指标节点共享末级指标节点；
[0006]获取训练样本数据，根据所述训练样本数据对所述网络模型进行训练，得到训练好的网络模型；所述训练样本数据包括每个子指标节点的分数；所述训练好的网络模型确定了每个子指标节点的权重信息；
[0007]获取人员训练完成后的末级指标分数，根据所述末级指标分数和所述每个子指标节点的权重信息，得到每个子指标节点的分数；
[0008]根据所述每个子指标节点的分数和所述每个子指标节点的权重信息，确定加权分值最低的节点为对末级指标分数影响最大的节点。
[0009]在其中一个实施例中，在获取人员训练完成后的末级指标分数之后，还包括：对所述末级指标分数进行标准化处理，使得所述末级指标分数在[0,1]之间。
[0010]在其中一个实施例中，在根据所述末级指标分数和所述每个子指标节点的权重信息，得到每个子指标节点的分数之后，还包括：标记分数在预设阈值之下的子指标节点为不合格节点。
[0011]在其中一个实施例中，还包括：获取人员训练完成后的末级指标分数，根据所述末级指标分数和所述每个子指标节点的权重信息，构建多元方程组；
[0012]通过求解所述多元方程组确定每个子指标节点的分数。
[0013]在其中一个实施例中，还包括：任一子指标节点的得分由其父指标节点加权求和
得到。
[0014]在其中一个实施例中，还包括：所述评估维度包括人员能力和训练阶段两个维度。
[0015]在其中一个实施例中，还包括：所述人员能力评估维度对应的总指标节点的子指标节点包括指挥能力子指标节点和执行能力子指标节点；
[0016]所述指挥能力子指标节点包括决策能力子指标节点和控制能力子指标节点；所述执行能力子指标节点包括意图理解子指标节点和执行效率子指标节点；
[0017]所述训练阶段评估维度对应的总指标节点的子指标节点包括准备阶段子指标节点和实施阶段子指标节点；
[0018]所述准备阶段子指标节点包括装备准备子指标节点和人员动员子指标节点；所述实施阶段子指标节点包括计划实施子指标节点和突发状况子指标节点；
[0019]所述末级指标节点包括损失率、行动速度、训练完成程度和突发状况处理程度。
[0020]一种评估结果溯源分析装置，所述装置包括：
[0021]网络模型构建模块，用于根据人员训练的多维度评估指标体系构建相应的网络模型；所述网络模型以人员训练的每个评估维度为一个总指标节点，每个所述总指标节点下包括多级子指标节点，所有总指标节点共享末级指标节点；
[0022]网络模型训练模块，用于获取训练样本数据，根据所述训练样本数据对所述网络模型进行训练，得到训练好的网络模型；所述训练样本数据包括每个子指标节点的分数；所述训练好的网络模型确定了每个子指标节点的权重信息；
[0023]子指标节点分数确定模块，用于获取人员训练完成后的末级指标分数，根据所述末级指标分数和所述每个子指标节点的权重信息，得到每个子指标节点的分数；
[0024]溯源分析模块，用于根据所述每个子指标节点的分数和所述每个子指标节点的权重信息，确定加权分值最低的节点为对末级指标分数影响最大的节点。
[0025]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，所述处理器执行所述计算机程序时实现以下步骤：
[0026]根据人员训练的多维度评估指标体系构建相应的网络模型；所述网络模型以人员训练的每个评估维度为一个总指标节点，每个所述总指标节点下包括多级子指标节点，所有总指标节点共享末级指标节点；
[0027]获取训练样本数据，根据所述训练样本数据对所述网络模型进行训练，得到训练好的网络模型；所述训练样本数据包括每个子指标节点的分数；所述训练好的网络模型确定了每个子指标节点的权重信息；
[0028]获取人员训练完成后的末级指标分数，根据所述末级指标分数和所述每个子指标节点的权重信息，得到每个子指标节点的分数；
[0029]根据所述每个子指标节点的分数和所述每个子指标节点的权重信息，确定加权分值最低的节点为对末级指标分数影响最大的节点。
[0030]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0031]根据人员训练的多维度评估指标体系构建相应的网络模型；所述网络模型以人员训练的每个评估维度为一个总指标节点，每个所述总指标节点下包括多级子指标节点，所有总指标节点共享末级指标节点；
[0032]获取训练样本数据，根据所述训练样本数据对所述网络模型进行训练，得到训练好的网络模型；所述训练样本数据包括每个子指标节点的分数；所述训练好的网络模型确定了每个子指标节点的权重信息；
[0033]获取人员训练完成后的末级指标分数，根据所述末级指标分数和所述每个子指标节点的权重信息，得到每个子指标节点的分数；
[0034]根据所述每个子指标节点的分数和所述每个子指标节点的权重信息，确定加权分值最低的节点为对末级指标分数影响最大的节点。
[0035]上述评估结果溯源分析方法、装置、计算机设备和存储介质，根据人员训练的多维度评估指标体系构建相应的网络模型，每个评估维度为一个总指标节点，每个所述总指标节点下包括多级子指标节点，所有总指标节点共享末级指标节点，预先通过训练样本数据对网络模型进行训练，得到训练好的网络模型，从而确定网络模型中每个子指标节点的权重信息。在进行人员训练评估结果溯源分析时，首先获取人员训练完成后的末级指标分数，根据末级指标分数和每个子指标节点的权重信息，得到每个子指标节点的分数；根据每个子指标节点的分数和每个子指标节点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种评估结果溯源分析方法，其特征在于，所述方法包括：根据人员训练的多维度评估指标体系构建相应的网络模型；所述网络模型以人员训练的每个评估维度为一个总指标节点，每个所述总指标节点下包括多级子指标节点，所有总指标节点共享末级指标节点；获取训练样本数据，根据所述训练样本数据对所述网络模型进行训练，得到训练好的网络模型；所述训练样本数据包括每个子指标节点的分数；所述训练好的网络模型确定了每个子指标节点的权重信息；获取人员训练完成后的末级指标分数，根据所述末级指标分数和所述每个子指标节点的权重信息，得到每个子指标节点的分数；根据所述每个子指标节点的分数和所述每个子指标节点的权重信息，确定加权分值最低的节点为对末级指标分数影响最大的节点。2.根据权利要求1所述的方法，其特征在于，在获取人员训练完成后的末级指标分数之后，还包括：对所述末级指标分数进行标准化处理，使得所述末级指标分数在[0,1]之间。3.根据权利要求2所述的方法，其特征在于，在根据所述末级指标分数和所述每个子指标节点的权重信息，得到每个子指标节点的分数之后，还包括：标记分数在预设阈值之下的子指标节点为不合格节点。4.根据权利要求1所述的方法，其特征在于，获取人员训练完成后的末级指标分数，根据所述末级指标分数和所述每个子指标节点的权重信息，得到每个子指标节点的分数，包括：获取人员训练完成后的末级指标分数，根据所述末级指标分数和所述每个子指标节点的权重信息，构建多元方程组；通过求解所述多元方程组确定每个子指标节点的分数。5.根据权利要求1所述的方法，其特征在于，任一子指标节点的得分由其父指标节点加权求和得到。6.根据权利要求1所述的方法，其特征在于，所述评估维度包括人员能力和训练阶段两个维度。7.根据权利要求6所述的方法，其特征在于，所述人员能力评估维度对应的...

【专利技术属性】
技术研发人员：郭强，李修和，冉金和，沈阳，张逸，桂树，赵顺恺，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：