CN116361545A - 一种培训项目推荐方法、设备及介质 - Google Patents
一种培训项目推荐方法、设备及介质 Download PDFInfo
- Publication number
- CN116361545A CN116361545A CN202310186818.6A CN202310186818A CN116361545A CN 116361545 A CN116361545 A CN 116361545A CN 202310186818 A CN202310186818 A CN 202310186818A CN 116361545 A CN116361545 A CN 116361545A
- Authority
- CN
- China
- Prior art keywords
- organization
- task
- determining
- recommendation
- skills
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012549 training Methods 0.000 title abstract description 31
- 230000008520 organization Effects 0.000 claims abstract description 257
- 238000006243 chemical reaction Methods 0.000 claims abstract description 20
- 230000006399 behavior Effects 0.000 claims description 35
- 238000004891 communication Methods 0.000 claims description 16
- 238000012546 transfer Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 10
- 230000005494 condensation Effects 0.000 claims description 7
- 238000009833 condensation Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 4
- 230000007774 longterm Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000003339 best practice Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000010205 computational analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 235000011888 snacks Nutrition 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- 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
- 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)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种培训项目推荐方法、设备及介质，方法包括：获取工作组织的组织任务，将组织任务输入转化模块，通过转化模块确定组织知识、组织技能和组织结构，其中，工作组织包括多个员工；将组织结构输入推荐模块，以通过推荐模块根据预先设定的阶段推荐规则确定工作组织对应的推荐内容。本申请通过结合组织动态任务，而非传统上基于静态的、假设任务具有不变性的逻辑，进行动态化、自适应性地员工培训项目推荐，从而使得组织成员与员工能够动态地适应组织任务，提升组织培训、人才培训的灵活性与适应性。
Description
技术领域
本申请涉及管理数据处理领域，尤其涉及一种培训项目推荐方法、设备及介质。
背景技术
目前市面上具备人才培训辅助功能的人力资源信息***(Human ResourceInformation System，HRIS)，主要包括以下两大类：其一，服务于企业管理活动的综合性人力资源业务数据分析***，包括任务绩效、人力成本、定岗定编、培训、营销、生产以及盘点等功能和业务数据分析在内的综合性人力资源信息分析与汇总***；该HRIS技术方案中，尚未将培训项目的设置以及培训项目的模块设置，与组织任务结合起来，例如，假设目前某制造业企业正在进行企业数字化转型，但是数字化转型所需要员工具备的数字化运营能力等新技能、新能力尚未与企业人才培训结合起来，未体现在培训计划与内部课程体系中。其二，主要服务于企业培训与内部岗位教育的专门性人力资源业务支持***。该HRIS技术方案中，尚未体现动态化、自适应的属性，由于社会环境与市场环境瞬息万变，企业组织需要不断适应环境才能取得良好的绩效，企业组织的适应与变革主要体现在组织知识和组织技能能够应对组织任务，能够满足组织任务的需求，并且组织任务会在不同的发展阶段、不同的生命周期发生变化，那么，组织培训应当随时回应这种动态变化，为组织生成具有适应性的知识和技能提供保障。
发明内容
为了解决上述问题，本申请提出了一种培训项目推荐方法，包括：获取工作组织的组织任务，将所述组织任务输入转化模块，通过所述转化模块确定组织知识、组织技能和组织结构，其中，所述工作组织包括多个员工；将所述组织结构输入推荐模块，以通过所述推荐模块根据预先设定的阶段推荐规则确定所述工作组织对应的推荐内容。
在一个示例中，获取所述工作组织的组织任务之前，所述方法还包括：确定所述工作组织内的所述多个员工，并根据多个所述员工确定所述工作组织的多个节点；确定所述多个节点之间的边路，以根据所述节点和所述边路确定组织模型，从而根据所述组织模型获取所述组织任务。
在一个示例中，所述组织知识包括三个层次，所述组织知识的第一层次为门类、所述组织知识的第二层次为类、所述组织知识的第三层次为知识模块；所述组织技能包括三个层次，所述组织技能的第一层次为可变性、所述组织技能的第二层次包括易变性技能和长期性技能、所述组织技能的第三层次为具体技能；所述组织结构包括横轴和纵轴，所述横轴设置有任务阶段，所述任务阶段包括前期调研、启动项目、实施计划、中期评估、完成项目、反馈修正，所述纵轴为组织网络形态，所述组织网络形态包括中心度转移频次、凝聚子群数量、组织连通性。
在一个示例中，所述方法还包括：确定与所述节点连接的所述边路，根据所述边路的数量确定中心度，并根据所述中心度确定中心点；确定所述中心点变化次数，并根据所述变化次数确定所述中心度转移频次。
在一个示例中，所述方法还包括：确定所述边路的路径长度，将所述路径长度与预先设置的凝聚阈值进行比较；若所述路径长度小于或等于预先设置的凝聚阈值，则所述边路对应的所述节点记为凝聚子，并确定所述凝聚子群数量。
在一个示例中，所述方法还包括：确定所述工作组织的节点数量，根据所述节点数量确定连通阈值；确定所述工作组织的最长路径长度，并将所述最长路径长度与所述连通阈值进行比较；若所述最长路径长度等于所述连通阈值，则判定所述工作组织的所述组织连通性为良好。
在一个示例中，通过所述推荐模块根据预先设定的阶段推荐规则确定所述工作组织对应的推荐内容，具体包括：确定所述组织任务的组织行为和组织绩效，以计算所述组织绩效的条件概率和所述组织行为的条件概率；所述组织绩效的条件概率的计算公式为：
其中，T表示所述组织任务，OB表示所述组织行为，OP表示所述组织绩效，OSC表示所述组织结构，P(OP|T,OSC,OB)为所述组织绩效的条件概率，P(OP,,SC,B)为所述组织任务、所述组织结构、所述组织行为和所述组织绩效的联合分布概率，P(t,OSC,OB)为所述组织任务、所述组织结构、所述组织行为的联合分布概率。
在一个示例中，所述方法还包括：所述组织行为的条件概率的计算公式为：
其中，P(OB|T,SC,P)为所述组织行为的条件概率，P(OP,,SC,B)为所述组织任务、所述组织结构、所述组织行为和所述组织绩效的联合分布概率，P(T,OSC,OP)为所述组织任务、所述组织结构、所述组织绩效的联合分布概率。
另一方面，本申请还提出了一种培训项目推荐设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述一种培训项目推荐设备能够执行：获取工作组织的组织任务，将所述组织任务输入转化模块，通过所述转化模块确定组织知识、组织技能和组织结构，其中，所述工作组织包括多个员工；将所述组织结构输入推荐模块，以通过所述推荐模块根据预先设定的阶段推荐规则确定所述工作组织对应的推荐内容。
另一方面，本申请还提出了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：获取工作组织的组织任务，将所述组织任务输入转化模块，通过所述转化模块确定组织知识、组织技能和组织结构，其中，所述工作组织包括多个员工；将所述组织结构输入推荐模块，以通过所述推荐模块根据预先设定的阶段推荐规则确定所述工作组织对应的推荐内容。
本申请通过结合组织动态任务，而非传统上基于静态的、假设任务具有不变性的逻辑，进行动态化、自适应性地员工培训项目推荐，从而使得组织成员与员工能够动态地适应组织任务，提升组织培训、人才培训的灵活性与适应性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例中一种培训项目推荐方法的流程示意图；
图2为本申请实施例中一种培训项目推荐设备的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
如图1所示，为了解决上述问题，本申请实施例提供的一种培训项目推荐方法，应用在一项服务于组织员工培训的智能推荐***中，方法包括：
S101、获取工作组织的组织任务，将所述组织任务输入转化模块，通过所述转化模块确定组织知识、组织技能和组织结构，其中，所述工作组织包括多个员工。
***包括两个模块，第一个模块的功能是将组织任务与组织技能、组织知识和组织结构关联起来，当输入组织任务后，自动输出具有最高历史绩效的组织技能、组织知识和组织结构；进一步，将员工或者组织成员的角色、技能、知识与第一个模块的输入进行匹配分析，得出每个员工或组织成员在该组织任务下需要培训的总体目录。
在一个实施例中，当第一个模块输入组织任务时，经过智能知识图谱的推理，能够输出完成该类任务的“最佳实践”。定义，组织任务为T(Task)，完成该类任务T的“最佳实践”主要包括：组织知识(Organizational Knowledge，OK)，组织技能(OrganizationalSkills，OS)，组织结构(Organizational Structure，OSC)。用户在使用该知识图谱的时候，输入组织任务，知识图谱对组织任务进行分析并启动推理模块，输出组织知识、组织技能和组织结构三个部分的对应内容。
其中，组织知识OK部分进一步分为一个三层级的树形结构，第一层级命名为“门类”，第二层级命名为“类”，第三层级命名为“知识模块”，分别使用符号OKx，OKx-x和OKx-x-x描述。例如，在“门类”层次上的组织知识是“客户关系管理门类”、“公众形象管理门类”。“客户关系管理门类”之下的“类”层次上的组织知识是“客户沟通类”、“客户诉求收集类”。在“客户沟通类”之下的“知识模块”的组织知识是“积极倾听标准与流程”、“焦点小组访谈标准与流程”等。
组织技能OS部分进一步分为一个三层级的树形结构，第一层次命名为“可变性”，第二层级包括两个类型“易变性技能”和“长期性技能”，第三层次为具体技能，例如，在“易变性技能”层次之下的“潮流形势分析”、“流行服饰吸引力判断”；在“长期性技能”之下的“回归分析”，“积极倾听”，“政府端客户需求归纳”等。
组织结构OSC采用X-Y轴的方式描述，X轴，即横轴为“任务完成阶段”，阶段总共分为“前期调研”、“启动项目”、“实施计划”、“中期评估”、“完成项目”、“反馈修正”6个任务阶段，Y轴，即纵轴为“组织网络形态”，“组织网络形态”主要包括以下指标，“组织网络中心度转移频次”，“组织网络凝聚子群数量”，“组织连通性”。
在一个实施例中，在组织结构OSC部分，X轴为上一段所述的6个阶段，而Y轴的“组织网络形态”中包括了“组织网络中心转移频次”、“组织网络凝聚子群数量”和“组织连通性”三种量化指标。构建三种量化指标时，其计算方法与过程为，第一步“数据预处理”，第二步计算“中心度”，第三步计算“凝聚子群”，第四步计算“组织连通性”。对前期收集的数据需要进行预处理，具体的预处理过程为：***将前期数据输入至预先设置的区块链***中，并获取工作组织的组织信息，将组织信息中的每个员工信息分别分配至一个区块链节点，从而形成该***的节点。员工与员工之间互相发送一次工作通信，形成一次通信链，例如，发微信、飞书联系、钉钉联系，将每位员工的通信链连接情况发送至对应的区块链节点，以使该区块链节点根据该链接情况确定要连接的其他区块链节点。一个区块链节点与其他区块链节点连接一次则视为增加一条边，由此将工作组织形成一个节点和边路构成的图模型，即组织模型。
在一个实施例中，使用“中心度”计算分析方法，计算出网络在不同阶段的中心点，中心点发生转移，则“组织网络中心度转移频次”数量加一。
在上文所述的区块链***中，每一个区块链节点表示一个组织内的员工，每一次节点连接表示一个员工与另一个员工的一次通信，在不考虑通信的方向的情况下，获取一个区块链节点在预先设置的工作时间内拥有边的数量，从而确定该区块链节点的“度”，例如，张三在任务A期间分别与8个同事交流业务，那么在任务A期间，张三的度就是8。在本案中，通过区块链***采集某项任务期间的每个节点的“度”，并通过区块链服务器对其进行排序，确定“度”值最高的节点，并将数值最高的“度”值视为该***的“中心度”。度的数值最大的节点被定为中心点。在任务期间，中心点不变，则组织网络中心被认为未发现转移，中心点改变，则被认为组织网络中心转移。使用“中心度”来衡量组织网络的中心性，组织网络的中心性指的是在某一时间段内，组织完成某个任务时期，会有一个或者几个信息传递中枢，这些信息传递中枢将不同的跨职能团队和部门连接起来，通常所有的部门或者团队成员都会与组织网络中心成员进行通信，故使用“中心度”识别组织网络的中心成员。
在一个实施例中，使用“凝聚子群”计算分析方法，计算出网络中是否存在或者存在几个自组织形成的子群。
在上文所述的区块链***中，每个节点之间直接连接的边长度为1，例如，节点A到节点B的边长度为1，那么，节点A到节点B再到节点C的边长度为2。区块链服务器获取每个节点之间边的长度，若长度小于或等于3，则选取出该符合要求的所有节点为一个子群，此外区块链服务器检查在该子群中的节点是否为全部的网络节点，若不是，则将该子群作为完成特定任务期间的“凝聚子群”。其中，每个***的“凝聚子群可以为一个或多个。”使用“凝聚子群”来判断组织网络中是否需要自适应、自组织的小团队，来在特定任务执行期间高度相互配合、协作来完成特定任务。
在一个实施例中，使用组织网络形态，即节点与边的链接关系，计算出“组织连通性”特征。在上文所述的区块链***中，确定组织网络内的所有节点数量，例如，一共有N个节点。那么，最长路径的连通分支其长度应当为(N-1)。区块链服务器对所有节点的边长度进行采集，并判断网络内是否存在长度为(N-1)的路径，若存在，则表示该***的“组织连通性”良好，即组织连通性高，若不存在，则表示该***的“组织连通性”不佳，即组织连通性低。使用“组织连通性”主要判断的是组织网络是否通常，信息是否能够有效在组织内传播。
在一个实施例中，当用户输入组织任务为“零食包装的微小改进”时，智能***自动输出三个部分，第一个部分是组织知识OK，OK1-包装美术，OK2-外观美术，OK3-材料知识，OK4-消费者行为学；第二个部分是组织技能OS，OS1-美术设计，OS2-市场调查，OS3-数据分析；第三个部分是组织结构OSC，阶段1：中心度转移频次3，凝聚子群数量2，连通性高，阶段2：中心度转移频次1，凝聚子群数量1，连通性高，阶段3：中心度转移频次4，凝聚子群数量1，连通性高，阶段4：中心度转移频次2，凝聚子群数量3，连通性低，阶段5：中心度转移频次3，凝聚子群数量2，连通性高，阶段6：中心度转移频次0，凝聚子群数量2，连通性高。
当用户继续输入目前工作组织/部门中的员工信息后，***对比目前员工所具备的知识、技能，与先前所生成的部分进行比较，用户两次输入所需要的信息后，会得到两个输出结果，由用户自己查看两个输出结果是否相同，并比较两个输出结果中存在差异的部分。得到的差距部分即为需要进行培训的组织知识和组织技能部分。其中的组织结构部分，在该第一模块中暂时不使用，在第二模块中进一步使用。
S102、将所述组织结构输入推荐模块，以通过所述推荐模块根据预先设定的阶段推荐规则确定所述工作组织对应的推荐内容。
***的第二个模块的功能是进行动态自适应调整，将组织任务拆分为几个阶段，分阶段进行动态培训项目推荐，确保培训后即可用于完成任务，确保培训的及时性。
在一个实施例中，第二模块根据组织任务的推进阶段，即，上述模块一种所述的将组织任务的生命周期分为6阶段，在每个阶段由于所需要的组织结构是存在一定差异的，故除了先前所述进行知识和技能的培训项目推荐之外，还要进一步结合组织结构属性，向员工和组织成员推荐组织行为模式、交互行为模式、汇报行为模式、沟通行为模式的培训方案，由此将组织协作绩效最大化。
具体推荐方法为：
首先，总的推荐阶段，分为上述6个阶段，总计形成6个推荐步骤。
其次，在每一个推荐阶段，具体的推荐内容关系为：
当“中心度转移频次”大于等于2时，推荐指导内容为“团队领导多次转移，注意随时调整汇报对象”。
当“中心度转移频次”小于2时，推荐指导内容为“团队领导固定，可定期向固定对象汇报”。
当“凝聚子群数量”大于等于2时，推荐指导内容为“小团队内部协作为主，跨小团队协作为辅”。
当“凝聚子群数量”小于2时，推荐指导内容为“大团队协作为主”。
当“连通性”为“高”时，推荐指导内容为“需要经常进行跨部门沟通”。
当“连通性”为“低”时，推荐指导内容为“不需要经常进行跨部门沟通”。
在一个实施例中，在上述的6个阶段中的每一个推荐阶段，使用预先设置的一个推荐算法来得到推荐的内容。针对先前的6个推荐阶段的每一个阶段中，应当做出哪些组织行为，即OB，以及应当采用怎样的组织绩效评价行为，即OP，推荐算法根据输入的任务T和组织结构OSC，或仅输入T，来计算得到每一个阶段的组织行为OB或组织绩效OP。推荐算法使用的计算模型为一个贝叶斯模型，贝叶斯模型的训练数据来自于前期收集的128776万条企业运营信息数据，数据的结构为{T，OSC，OB，OP}，其中OB为组织行为(OrganizationalBehavior)，OP为组织绩效(Organizational Performance)，贝叶斯计算模型的计算规则为：
即在任务(T)时期，使用特定的组织结构(OSC)同时做出某种组织行为(OB)的条件下，得到一定的组织绩效(OP)的条件概率，为上述四项因素联合分布概率除以任务、组织结构和组织行为联合分布概率的结果。由此，在选取在固定任务(T)和组织结构(OSC)的条件下，组织绩效(OP)最大化时，也可以计算出对应的组织行为(OB)，那么由此计算出对应的组织行为(OB)模式就是所推荐内容。之后，若贝叶斯模型的训练数据继续增加，则上述计算规则不变，但是内容可能会发生变化。该叶斯计算模型主要针对的是两种推荐场景：第一种是用户在完成一个确定的任务时，在组织结构确定、组织行为确定的条件下，如何设置绩效评价。此时贝叶斯模型直接推荐所有案例中涉及到的绩效评价标准，用户在粗糙推荐的结果中选择自己需要的指标。第二种是针对上级部门交办的业务任务是确定的，即固定任务T，同时，完成这个任务的团队是确定的，即组织结构OSC，但是目前不知道该怎么做工作，即如何设置组织行为OB才能更好地完成任务，实现绩效OP最大化，所以就要在任务确定、组织结构确定的条件下，从先前的训练数据中检索绩效最大化所对应的组织行为，就是所推荐的组织行为。由此就完成了对用户的决策建议的推荐。
在一个实施例中，当组织任务完成一个阶段，进入下一阶段后，***自动向组织成员推荐组织行为模式的指导内容，例如，“在本阶段，你可能遇到团队领导多次转移的现象，要注意随时调整汇报对象”，同时，在任务协作方面，“小团队内部协作为主，跨小团队协作为辅”，“需要经常进行跨部门沟通”。
如图2所示，本申请实施例还提供了一种培训项目推荐设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述一种培训项目推荐设备能够执行：
获取工作组织的组织任务，将所述组织任务输入转化模块，通过所述转化模块确定组织知识、组织技能和组织结构，其中，所述工作组织包括多个员工；
将所述组织结构输入推荐模块，以通过所述推荐模块根据预先设定的阶段推荐规则确定所述工作组织对应的推荐内容。
本申请实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
获取工作组织的组织任务，将所述组织任务输入转化模块，通过所述转化模块确定组织知识、组织技能和组织结构，其中，所述工作组织包括多个员工；
将所述组织结构输入推荐模块，以通过所述推荐模块根据预先设定的阶段推荐规则确定所述工作组织对应的推荐内容。
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备和介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请实施例提供的设备和介质与方法是一一对应的，因此，设备和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备和介质的有益技术效果。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种培训项目推荐方法，其特征在于，包括：
获取工作组织的组织任务，将所述组织任务输入转化模块，通过所述转化模块确定组织知识、组织技能和组织结构，其中，所述工作组织包括多个员工；
将所述组织结构输入推荐模块，以通过所述推荐模块根据预先设定的阶段推荐规则确定所述工作组织对应的推荐内容。
2.根据权利要求1所述的方法，其特征在于，获取所述工作组织的组织任务之前，所述方法还包括：
确定所述工作组织内的所述多个员工，并根据多个所述员工确定所述工作组织的多个节点；
确定所述多个节点之间的边路，以根据所述节点和所述边路确定组织模型，从而根据所述组织模型获取所述组织任务。
3.根据权利要求2所述的方法，其特征在于，所述组织知识包括三个层次，所述组织知识的第一层次为门类、所述组织知识的第二层次为类、所述组织知识的第三层次为知识模块；
所述组织技能包括三个层次，所述组织技能的第一层次为可变性、所述组织技能的第二层次包括易变性技能和长期性技能、所述组织技能的第三层次为具体技能；
所述组织结构包括横轴和纵轴，所述横轴设置有任务阶段，所述任务阶段包括前期调研、启动项目、实施计划、中期评估、完成项目、反馈修正，所述纵轴为组织网络形态，所述组织网络形态包括中心度转移频次、凝聚子群数量、组织连通性。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
确定与所述节点连接的所述边路，根据所述边路的数量确定中心度，并根据所述中心度确定中心点；
确定所述中心点变化次数，并根据所述变化次数确定所述中心度转移频次。
5.根据权利要求3所述的方法，其特征在于，所述方法还包括：
确定所述边路的路径长度，将所述路径长度与预先设置的凝聚阈值进行比较；
若所述路径长度小于或等于预先设置的凝聚阈值，则所述边路对应的所述节点记为凝聚子，并确定所述凝聚子群数量。
6.根据权利要求3所述的方法，其特征在于，所述方法还包括：
确定所述工作组织的节点数量，根据所述节点数量确定连通阈值；
确定所述工作组织的最长路径长度，并将所述最长路径长度与所述连通阈值进行比较；
若所述最长路径长度等于所述连通阈值，则判定所述工作组织的所述组织连通性为良好。
7.根据权利要求3所述的方法，其特征在于，通过所述推荐模块根据预先设定的阶段推荐规则确定所述工作组织对应的推荐内容，具体包括：
确定所述组织任务的组织行为和组织绩效，以计算所述组织绩效的条件概率和所述组织行为的条件概率；
所述组织绩效的条件概率的计算公式为：
其中，T表示所述组织任务，OB表示所述组织行为，OP表示所述组织绩效，OSC表示所述组织结构，P(OP|T，OSC，OB)为所述组织绩效的条件概率，P(OP，T，OSC，OB)为所述组织任务、所述组织结构、所述组织行为和所述组织绩效的联合分布概率，P(T，OSC，OB)为所述组织任务、所述组织结构、所述组织行为的联合分布概率。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
所述组织行为的条件概率的计算公式为：
其中，P(OB|T，OSC，OP)为所述组织行为的条件概率，P(OP，T，OSC，OB)为所述组织任务、所述组织结构、所述组织行为和所述组织绩效的联合分布概率，P(T，OSC，OP)为所述组织任务、所述组织结构、所述组织绩效的联合分布概率。
9.一种培训项目推荐设备，其特征在于，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述一种培训项目推荐设备能够执行：
获取工作组织的组织任务，将所述组织任务输入转化模块，通过所述转化模块确定组织知识、组织技能和组织结构，其中，所述工作组织包括多个员工；
将所述组织结构输入推荐模块，以通过所述推荐模块根据预先设定的阶段推荐规则确定所述工作组织对应的推荐内容。
10.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：
获取工作组织的组织任务，将所述组织任务输入转化模块，通过所述转化模块确定组织知识、组织技能和组织结构，其中，所述工作组织包括多个员工；
将所述组织结构输入推荐模块，以通过所述推荐模块根据预先设定的阶段推荐规则确定所述工作组织对应的推荐内容。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310186818.6A CN116361545B (zh) | 2023-02-28 | 2023-02-28 | 一种培训项目推荐方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310186818.6A CN116361545B (zh) | 2023-02-28 | 2023-02-28 | 一种培训项目推荐方法、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116361545A true CN116361545A (zh) | 2023-06-30 |
| CN116361545B CN116361545B (zh) | 2024-07-19 |
Family
ID=86940628
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310186818.6A Active CN116361545B (zh) | 2023-02-28 | 2023-02-28 | 一种培训项目推荐方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116361545B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050222893A1 (en) * | 2004-04-05 | 2005-10-06 | Kasra Kasravi | System and method for increasing organizational adaptability |
| US20070203711A1 (en) * | 2002-03-29 | 2007-08-30 | Nation Mark S | Personalized learning recommendations |
| CN109727169A (zh) * | 2018-12-06 | 2019-05-07 | 国家电网有限公司 | 基于工作岗位的员工培训内容推送及接收方法和*** |
| CN112380359A (zh) * | 2021-01-18 | 2021-02-19 | 平安科技（深圳）有限公司 | 基于知识图谱的培训资源分配方法、装置、设备及介质 |
| CN114399398A (zh) * | 2022-01-06 | 2022-04-26 | 北京明略软件***有限公司 | 会话的推荐方法和装置、存储介质、电子装置 |
| CN114942944A (zh) * | 2022-04-29 | 2022-08-26 | 阿里巴巴（中国）有限公司 | 培训内容生成与数据处理方法、装置、设备及存储介质 |
| CN115577983A (zh) * | 2022-11-24 | 2023-01-06 | 神华上航疏浚有限责任公司 | 基于区块链的企业任务匹配方法、服务器及存储介质 |
-
2023
- 2023-02-28 CN CN202310186818.6A patent/CN116361545B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070203711A1 (en) * | 2002-03-29 | 2007-08-30 | Nation Mark S | Personalized learning recommendations |
| US20050222893A1 (en) * | 2004-04-05 | 2005-10-06 | Kasra Kasravi | System and method for increasing organizational adaptability |
| CN109727169A (zh) * | 2018-12-06 | 2019-05-07 | 国家电网有限公司 | 基于工作岗位的员工培训内容推送及接收方法和*** |
| CN112380359A (zh) * | 2021-01-18 | 2021-02-19 | 平安科技（深圳）有限公司 | 基于知识图谱的培训资源分配方法、装置、设备及介质 |
| CN114399398A (zh) * | 2022-01-06 | 2022-04-26 | 北京明略软件***有限公司 | 会话的推荐方法和装置、存储介质、电子装置 |
| CN114942944A (zh) * | 2022-04-29 | 2022-08-26 | 阿里巴巴（中国）有限公司 | 培训内容生成与数据处理方法、装置、设备及存储介质 |
| CN115577983A (zh) * | 2022-11-24 | 2023-01-06 | 神华上航疏浚有限责任公司 | 基于区块链的企业任务匹配方法、服务器及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| ZHIHONG RUAN ET AL: "Research of Personalized Learning Resources Recommendation Based on Learner\'s FDI", 《2008 INTERNATIONAL WORKSHOP ON EDUCATION TECHNOLOGY AND TRAINING & 2008 INTERNATIONAL WORKSHOP ON GEOSCIENCE AND REMOTE SENSING》, 10 June 2009 (2009-06-10), pages 84 - 87 * |
| 吴昊: "面向课程推荐的知识图谱增强推荐模型研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, vol. 2021, no. 08, 15 August 2021 (2021-08-15), pages 138 - 734 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116361545B (zh) | 2024-07-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10699238B2 (en) | Cross-domain multi-attribute hashed and weighted dynamic process prioritization | |
| Moreira et al. | Simple heuristics for the assembly line worker assignment and balancing problem | |
| Liu et al. | Keywords‐Driven and Popularity‐Aware Paper Recommendation Based on Undirected Paper Citation Graph | |
| US9613164B2 (en) | System and method for data management in large data networks | |
| Kuncheva | A theoretical study on six classifier fusion strategies | |
| US7991841B2 (en) | Trust-based recommendation systems | |
| Oukil et al. | Ranking dispatching rules in multi-objective dynamic flow shop scheduling: a multi-faceted perspective | |
| JP6928677B2 (ja) | オンライン分析処理を行うためのデータ処理方法及び装置 | |
| CN110119399B (zh) | 基于机器学习的业务流程优化方法 | |
| JP2018515844A (ja) | データ処理方法及びシステム | |
| Samvedi et al. | A study on the interactions between supply chain risk management criteria using fuzzy DEMATEL method | |
| Shi et al. | A new hybrid optimization algorithm | |
| Nivitha et al. | C-drm: Coalesced p-topsis entropy technique addressing uncertainty in cloud service selection | |
| CN116361545B (zh) | 一种培训项目推荐方法、设备及介质 | |
| Allali et al. | Internal link prediction: A new approach for predicting links in bipartite graphs | |
| Akbarian | Ranking All DEA‐Efficient DMUs Based on Cross Efficiency and Analytic Hierarchy Process Methods | |
| CN109190807B (zh) | 一种面向目标群体的代价最小化传播优化方法 | |
| Nath et al. | Resolving scalability issue to ontology instance matching in semantic web | |
| Fethallah et al. | QoS-aware service selection based on swarm particle optimization | |
| Mishra et al. | Worker selection in crowd-sourced platforms using non-dominated sorting | |
| CN111367980B (zh) | 一种根据电商指标管理上游任务的方法和*** | |
| CN111562990A (zh) | 一种基于消息的轻量级无服务器计算方法 | |
| Angelina et al. | A Machine Learning Model for Customer Churn Prediction using CatBoost Classifier | |
| Bellandi et al. | Design principles for competence-based recommender systems | |
| KR102359661B1 (ko) | 데이터 관리 방법 |
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 | ||
| GR01 | Patent grant |