一种技术培训效果监控系统的制作方法

计算;推算;计数设备的制造及其应用技术1.本发明涉及软件开发技术领域，特别涉及一种技术培训效果监控系统。背景技术：2.技术培训活动较为普遍，活动后的效果反馈能够反向促进技术培训更加完善。目前，一般常用反馈表的方式对技术培训活动进行评估，一方面，针对学员的反馈信息，需要花费大量的人力进行数据统计，并且只能简单计算，并不利于进行丰富的排序与统计工作。另一方面，由于人的主观和随意性很大，学员不能做到评价的客观真实，培训主管也不能做到深入的挖掘数据，也不方便做事后的回溯，更不能提供对讲师和培训活动组织者的量化考核。如果使用人工计算方式做综合评判，操作负责、耗费时间且人为因素有很大干预，不能保证评价总分数的正确性。3.因此，如何提供一种能够对技术培训效果进行自动化监控的系统体系是本领域技术人员亟待解决的技术问题。技术实现要素：4.有鉴于此，本发明的目的在于提供一种技术培训效果监控系统，评价过程无需人工干涉，实现了技术培训活动效果的自动化评价且评价结果准确、客观、可信。其具体方案如下：5.输入接口，用于获取学员端根据预设评语集对技术培训评价指标进行相应评定后得到的评价数据；其中，所述评价指标为能够评定技术培训效果的指标，所述评价数据表征所述学员端对技术培训的效果反馈；6.评价模型，用于根据所述评价指标及其指标权重利用模糊综合评判法对所述评价数据进行处理，以得到所述学员端对技术培训的效果得分；7.显示模块，用于按照所述效果得分高低顺序对相应的技术培训进行排序后输出至所述学员端、讲师端及管理端的人工交互界面进行显示，以便对技术培训效果进行监控。8.可选的，所述评价数据为所述学员端根据预设评语集按照技术培训二级评价指标对技术培训进行相应评定后得到的数据；9.相应的，所述根据所述评价指标及其指标权重利用模糊综合评判法对所述评价数据进行处理，以得到所述学员端对技术培训的效果得分，包括：10.根据所述评价数据及所述学员端参与评价的学员总数确定出所述二级指标的模糊矩阵，并根据二级指标的模糊矩阵及与所述二级指标对应的二级指标权重确定出所述二级指标的第一综合评判结果；11.对所述二级指标的综合评判结果进行整合得到与所述二级评价指标对应的一级评价指标的模糊矩阵，并利用所述一级评价指标的模糊矩阵及与所述一级评价指标对应的一级指标权重确定出技术培训效果的综合评判结果；12.基于技术培训效果的综合评判结果确定出所述学员端对技术培训的所述效果得分；13.可选的，所述基于技术培训效果的综合评判结果确定出所述学员端对技术培训的所述效果得分，包括：14.对所述评语集中的评语因子进行数值量化并利用数值量化后的所述评语集将所述第二综合评判结果分值化，以得到所述学员端对技术培训的所述效果得分。15.可选的，所述第一评价指标包括在技术培训中与讲师授课行为相关的讲师指标和与培训活动相关的活动指标；其中，所述讲师指标包括讲师教学态度、教学过程、讲师技术能力、讲师授课能力和讲师教学方法，所述活动指标包括学员学习效果、培训活动安排、教学设备、培训管理。16.可选的，所述显示模块包括第一显示单元和第二显示单元，其中：17.所述第一显示单元，用于按照所述讲师指标的效果得分递减顺序对相应的技术培训进行排序后输出至所述学员端、所述讲师端及所述管理端的人工交互界面进行显示。18.所述第二显示单元，用于按照所述活动指标的效果得分递增顺序对相应的技术培训进行排序后输出至所述学员端、所述讲师端及所述管理端的人工交互界面进行显示。19.可选的，所述技术培训效果监控系统，还包括：20.第一配置器，所述管理端用于对通过专家评审法得到的所述一级评价指标和所述二级评价指标进行配置；21.第二配置器，所述管理端用于对通过专家打分法得到的所述一级指标权重和所述二级指标权重进行配置。22.可选的，所述技术培训效果监控系统，还包括验证模块，用于对所述评价指标和所述指标权重的数据格式的合理性进行检验，如果验证通过，则通过所述第一配置器和所述第二配置器对验证通过的所述评价指标和所述指标权重进行配置。23.可选的，所述技术培训效果监控系统，还包括控制模块，所述管理端用于在预设时间切断所述输入接口以阻止所述学员端与所述输入接口的数据交互。24.可选的，所述技术培训效果监控系统，还包括：25.可信度分析模块，用于对所述输入接口获取到的所述评价数据的有效性进行分析，以筛选出无效评价数据；26.过滤器，用于对所述无效评价数据进行过滤操作，以得到有效的所述评价数据。27.可选的，所述对所述输入接口获取到的所述评价数据的有效性进行分析，包括：28.判断所述学员端参与评价的学员数量是否超过预设阈值，如果是，则初步判定所述评价数据有效，并根据初步判定有效的所述评价数据中的关联指标间的评价差异确定所述评价数据是否有效。29.本技术中的技术培训效果监控系统包括输入接口、评价模型和显示模块。输入接口用于获取学员端根据预设评语集对技术培训评价指标进行相应评定后得到的评价数据；所述评价指标为能够评定技术培训效果的指标，所述评价数据表征所述学员端对技术培训的效果反馈；评价模型用于根据所述评价指标及其指标权重利用模糊综合评判法对所述评价数据进行处理，以得到所述学员端对技术培训的效果得分；显示模块用于按照得分高低顺序对所述效果得分进行排序后输出至所述学员端、讲师端及管理端的人工交互界面进行显示。本技术相对于对技术培训进行反馈表式的人工评估，只需学员输入评价数据后利用评价模型进行模糊综合评判对学员给出的评价结果进行综合评判，整个评价过程无需人工干涉，实现了技术培训活动效果的自动化评价且评价结果准确、客观、可信。附图说明30.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。31.图1为本技术提供的一种技术培训效果监控系统架构图；32.图2为本技术提供的一种学员端技术培训效果评估界面；33.图3为本技术提供的一种具体的评价指标维护界面；34.图4为本技术提供的另一种具体的评价指标维护界面；35.图5为本技术提供的一种专家权重统计结果；36.图6为本技术提供的一种讲师指标及其权重统计结果；37.图7为本技术提供的一种效果得分显示界面；38.图8为本技术提供的一种技术培训效果监控系统总用例图；39.图9为本技术提供的一种评价指标修改用例图；40.图10为本技术提供的一种评价指标权重修改用例图；41.图11为本技术提供的一种培训综合评价用例图；42.图12为本技术提供的一种查看效果得分用例图；43.图13为本技术提供的一种技术培训效果监控系统活动图；44.图14为本技术提供的一种技术培训效果监控系统实体间关系数据模型图；45.图15为本技术提供的一种技术培训效果监控系统数据表间关系数据模型图。具体实施方式46.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。47.现有对于技术培训活动依然缺乏系统与精确有效的评估，缺乏量化指标分析，非常需要使用评估工具来进行系统有效的评估与优劣排序。针对上述技术缺陷，本技术提供一种技术培训效果监控系统，相对于对技术培训进行反馈表式的人工评估，只需学员输入评价数据后利用评价模型进行模糊综合评判对学员给出的评价结果进行综合评判，整个评价过程无需人工干涉，实现了技术培训活动效果的自动化评价且评价结果准确、客观、可信。48.图1为本技术实施例提供的一种技术培训效果监控系统架构图。参见图1所示，该技术培训效果监控系统包括输入接口、评价模型和显示模块，其中：49.输入接口01用于获取学员端根据预设评语集对技术培训评价指标进行相应评定后得到的评价数据；其中，所述评价指标为能够评定技术培训效果的指标，所述评价数据表征所述学员端对技术培训的效果反馈。评价模型02用于根据所述评价指标及其指标权重利用模糊综合评判法对所述评价数据进行处理，以得到所述学员端对技术培训的效果得分。显示模块03，用于按照所述效果得分高低顺序对相应的技术培训进行排序后输出至所述学员端、讲师端及管理端的人工交互界面进行显示，以便对技术培训效果进行监控。50.本实施例中，所述评价指标为多级指标，所述第一评价指标包括在技术培训中与讲师授课行为相关的讲师指标和与培训活动相关的活动指标；其中，所述讲师指标包括讲师教学态度、教学过程、讲师技术能力、讲师授课能力和讲师教学方法，所述活动指标包括学员学习效果、培训活动安排、教学设备、培训管理。基于此，所述显示模块包括第一显示单元和第二显示单元，其中，所述第一显示单元，用于按照所述讲师指标的效果得分递减顺序对相应的技术培训进行排序后输出至所述学员端、所述讲师端及所述管理端的人工交互界面进行显示。所述第二显示单元，用于按照所述活动指标的效果得分递增顺序对相应的技术培训进行排序后输出至所述学员端、所述讲师端及所述管理端的人工交互界面进行显示。51.本实施例中，评价数据为所述学员端根据预设评语集对技术培训二级评价指标进行相应评定后得到的数据。所述学员端的评价界面如图2所示，技术培训效果评估是由学员对授课讲师和培训活动进行的全面系统的评价，学员的评估数据也是后面综合评判和综合分析、统计功能的基础数据。当培训活动开始后直至培训结束后一周，学员都可以登录到评估系统中，点击左侧导航区域的“学生评估”，右侧页面进入到“培训活动评价”界面，此时并没有详细的信息显示，需要学生输入培训活动名称栏目，点击查询按钮，此时界面显示培训活动的基本信息和培训活动评价指标，学员可以通过勾选选项对指标选择评价值，并可以将评语或补充意见写入下面的“培训活动意见”中，所有评价指标项选择完成后点击“保存”按钮，保存评价信息。如果学生输入的培训活动名称不正确，不能显示培训活动的信息，也不会显示评价指标，提示学生“未找到指定的培训活动名称，请确认输入正确或向讲师咨询”。当学生完成评价，点击保存按钮时，系统会检查学生录入的指标选项，如有未选的项目，则提示学生“有未完成的评价项，请完成”，如果选项都合法，点击保存，评价数据传送给后台，保存入studentevaluationtraining表中。52.本实施例中，所述技术培训效果监控系统还包括控制模块，所述管理端用于在预设时间切断所述输入接口以阻止所述学员端与所述输入接口的数据交互。当学员们完成了评价后，培训主管可以主动操作，来关闭培训活动的评价功能，不再允许学生对其进行评价。如果培训主管没有主动触发关闭培训活动的行为，系统会按照时间条件触发，即在培训结束后第8天凌晨0点，自动触发关闭培训活动的动作，自动将评价数据进行综合评判，并将计算后的一级评价指标项的评价数据，存入相应的数据表中。53.本实施例中，在获取到所述评价数据后，所述评价模型02首先根据所述评价数据及所述学员端参与评价的学员总数确定出所述二级指标的模糊矩阵，并根据所述二级指标的模糊矩阵及与所述二级指标对应的二级指标权重确定出所述二级指标的综合评判结果。然后对所述二级指标的综合评判结果进行整合得到与所述二级评价指标对应的一级评价指标的模糊矩阵，并利用所述一级评价指标的模糊矩阵及与所述一级评价指标对应的一级指标权重确定出技术培训效果的综合评判结果。最后基于技术培训效果的综合评判结果确定出所述学员端对技术培训的所述效果得分。构建技术培训效果评估的模糊综合评判数学模型需要确定评价因素集u、评语集v、模糊关系r。模糊综合评判适用于定性指标的定量评判，对于复杂系统的评判指标会非常多，需要用多层次模糊综合评判。对于指标权重的确定，一般采用专家打分法。通过模糊综合评判，将多学员的评价结果从定性到定量进行转换，使用专家估测法确定二级指标权重，由培训高管和专家确定第一级指标的权重。由传统评价结果确定评价集v＝{非常满意，满意，中等，不满意，非常不满意}，使用建立好的指标体系确定模糊综合评判的第一级因素集u＝{u1，u2，……un}，第二级因素集ui＝{u1(i)，u2(i),......,un(i)}的因素，先获得第二级因素的综合评判后，再对第一级因素集作综合评判。对综合评判结果进行归一化处理，归一化处理的结果再与v的数值(语言标尺值)的转置运算，得到一个数值，即评判最终结果。多个培训项目分别得到综合分数之后，培训高管可以对年度或季度的培训项目进行排序，选优。同时也可以作为对讲师或员工的绩效考核的重要依据。54.例如，在技术培训效果的评估过程中，评价模型是因素集u，即u＝(u1，u2，…，un)，其中n＝9，un是评价模型的一级指标，具体含义参照前文。其中，讲师教学态度指标下面细分了6个二级评价指标，即u1＝(备课充分、讲课内容熟练，早到晚走，注意仪表，作业选题恰当、批改认真，解答问题耐心热情，遵守和要求学员遵守课堂纪律)。教学过程评价指标下面细分了7个二级评价指标，即u2＝(概念术语解释清楚，技术理论与实际操作结合，内容丰富、新颖、课件美观，重点突出、学生易于理解，课程讲解有技术深度和实用性，讲解培训环境和实验用工具软件的使用，为基础差的学员补充基础知识)。讲师技术能力评价指标下面细分了3个二级评价指标，即u3＝(对技术知识理论理解深入准确，有丰富的专业技术实际经验、演示操作清晰熟练，技术知识面广泛、有全局或高层次视野)。讲师授课能力评价指标下面细分了5个二级评价指标，即u4＝(语言表达准确、逻辑性强、生动、音量适中、抑扬顿挫，引用恰当、举例精确，课堂互动、气氛活跃，课时的掌握、不拖堂、不提前、演示与讲解、理论与实操时间分配合理，技术讲解不枯燥、能联系实际)。讲师教学方法评价指标下面细分了3个二级评价指标，即u5＝(方法多样、有效，注意启发、关注学员的表现，重视学员的动手操作、思考与创新能力)。学员学习效果评价指标下面细分了3个二级评价指标，即u6＝(学员对知识的理解和掌握程度，学员解决技术问题的能力，学完课程总体收获)。培训活动安排评价指标下面细分了8个二级评价指标，即u7＝(提前通知年度或季度的培训计划和课程说明，培训课程开始前邮件或电话确认，科目安排是否适合实际工作，培训活动全程消息及时通知，教室地点交通是否便利，培训周期与时间合理有效，茶水供应是否足够，伙食是否丰富、卫生)。实验设备与软件评价指标下面细分了5个二级评价指标，即u8＝(教学设备是否齐全和良好，教室环境是否舒适整洁，实验机器是否配置优良，实验网络环境是否方便连接，实验软件是否齐全和易用)。培训管理评价指标下面细分了3个二级评价指标，即u9＝(考勤记录严格，教材发放及时，服务人员响应及时有效)。55.假设参与技术培训效果评估的学员有10人，10位学员分别对本次技术培训的授课讲师和活动的组织安排进行了评价，即给技术培训评价指标模型二级指标进行等级评定。对于讲师的教学态度这一一级评价项u1包括了备课充分、讲课内容熟练，早到晚走，注意仪表，作业选题恰当、批改认真，解答问题耐心热情，遵守和要求学员遵守课堂纪律等六项二级评价指标，“备课充分、讲课内容熟练”这一项有3人选择非常满意，5人选择满意，2人选择中等，没有人选择不满意和非常不满意，所以得出“备课充分、讲课内容熟练”这一二级指标项的评价因素集(3/10，5/10，2/10，0，0)即(0.3，0.5，0.2，0，0)，又如“早到晚走”这一二级评价指标，2人选择非常满意，7人选择满意，1人选择中等，无人选择不满意和非常不满意，所以得出“早到晚走”这个二级指标项的评价因素集(2/10，7/10，1/10，0，0)即(0.2，0.7，0.1，0，0)，同理统计出“注意仪表”项的评价因素集为(0.1，0.8，0.1，0，0)、“作业选题恰当、批改认真”项的评价因素集为(0，0.7，0.3，0，0)、“解答问题耐心热情”项的评价因素集为(0.2，0.6，0.2，0，0)、“遵守和要求学员遵守课堂纪律”项的评价因素集为(0，0.9，0.1，0，0)，此时可以得出“讲师的教学态度”的模糊矩阵为：[0056][0057]同理，通过对评价结果的统计分析，获得其他一级指标项u2至u9的模糊矩阵rn，即[0058][0059][0060][0061][0062][0063][0064][0065][0066]此时，模糊综合评判数学模型需要的三要素(因素集u、评语集v、模糊矩阵r)已经建立完成。由于技术培训效果评估指标模型是多级评价指标模型，所以需对第一级、第二级因素集分别作综合评判。通过对第n个一级因素的第二级因素集作综合评判获得第n个一级因素的综合评判n(0《n《＝9)。对一级因素为讲师教学态度的第二级因素集作综合评判a1为专家组给出的六个二级指标的权重值，分别是0.2、0.2、0.1、0.2、0.2、0.1，求得综合评判[0067][0068]同理，对一级因素为教学过程的第二级因素集作综合评判求得综合评判[0069][0070]对一级因素为讲师技术能力的第二级因素集作综合评判求得综合评判[0071][0072]对一级因素为讲师授课能力的第二级因素集作综合评判求得综合评判[0073][0074]对一级因素为讲师教学方法的第二级因素集作综合评判求得综合评判[0075][0076]对一级因素为学员学习效果的第二级因素集作综合评判求得综合评判[0077][0078][0079]对一级因素为培训活动安排的第二级因素集作综合评判求得综合评判[0080][0081]对一级因素为实验设备与软件的第二级因素集作综合评判对一级因素为实验设备与软件的第二级因素集作综合评判求得综合评判[0082][0083]对一级因素为培训管理的第二级因素集作综合评判求得综合评判[0084][0085]在得到全部第二级因素集的综合评判后，可得第一级因素集的模糊矩阵r，并对一级因素集做综合评判[0086][0087]综合评判已经是量化的结果，如果将多个技术培训效果评估结果进行排序比较数值的高低，还需要将上述的评价结果进而以总分值的形式表示。采用数学方法，将评语集v’进行数量化，使得v’＝(95,85,75,55,35),并将综合评判与量化评语集转置v’的转置相乘，即[0088][0089]该次技术培训效果评估的评价总分为86.2分，表示学员们对培训活动整理的组织是非常满意的，表明本次技术培训活动的整体情况是优秀的。本系统还可以对讲师评价进行综合评判，作为培训主管或高层管理者对讲师的工作量、绩效、学员评价的重要了解手段，并可作为奖励、加薪等职业生涯活动的考评的量化的参考依据，依上述对于讲师相关的评价因素集为：[0090]至即[0091]专家们对于讲师的评价指标的u1至u5给出了如下的权重(0.25，0.25，0.2，0.2，0.1)，则对一级因素为讲师评价指标的第二级因素集作综合评判讲师＝a讲师·r讲师，求得综合评判：[0092][0093]与评语集的转置相乘，最后计算成绩为：[0094][0095]该次技术培训的讲师的评价总分为85.1分，表示本次技术培训活动，学员们对讲师的综合评价是高于“比较满意”的。[0096]本实施例中，所述技术培训效果监控系统还包括第一配置器，所述管理端用于对通过专家评审法得到的所述一级评价指标和所述二级评价指标进行配置；第二配置器，所述管理端用于对通过专家打分法得到的所述一级指标权重和所述二级指标权重进行配置。在进行配置之前，还包括验证模块，用于对所述评价指标和所述指标权重的数据格式的合理性进行检验，如果验证通过，则通过所述第一配置器和所述第二配置器对验证通过的所述评价指标和所述指标权重进行配置。[0097]技术培训效果评估指标维护用于对技术培训效果评估指标模型进行修改，由于技术的更新很快，教学方法和授课方式也需要做一些细微调整，随着时间的推移和评估软件工具的实际运用，可能会发现需要增加一些新的指标或者某个、某些指标的权重需要变更，此时技术培训效果评估指标就需要进行一些调整，并且评估工具以后如果能够做到通用性更强、适用范围更广的时候，也需要对指标系统进行改进才能适应业务的发展，所以，技术培训效果评估工具提供了技术培训效果评估指标的增加、删除和修改功能。技术培训效果评估配置界面由培训主管有权限对评价指标进行维护操作，其他系统用户没有该权限，不能打开此页面。培训主管在登录系统后，点击“评价指标配置”菜单，可在内容页选择“培训活动指标模型和指标权重”或“讲师评价指标权重”，页面中部会显示出当前的指标和权重信息，点击上面的“配置”按钮，在新页面上可通过添加、删除等按钮来增加新的指标项或去除原有的指标项，如果要修改原有的指标项，在该页面上可以直接在文本框中进行修改。指标条目包括“评价指标等级”、“上级评价指标名称”、“评价指标名称”、“权重”等内容可以进行修改。当修改完成后，点击页面下方的“保存”按钮，进行信息保存，此时软件系统会检查字段的输入合法性，并计算相应权重值之和应该为“1”，有字段为空或权重值为非数值则提示“输入信息有错误，需要修改”，权重值之和不为“1”则提示“权重值未达到或超出合理范围”信息以提示操作人员注意，并输入合理的数据。检验输入信息合法后，信息保存入底层数据库相应表格中。技术培训效果评估指标维护功能实现如图3和图4所示。[0098]通过文件evaluationitemsconfig.jsp在前端界面动态显示评价指标模型及指标权重。在这个页面可以对讲师评价指标权重和培训活动评价指标及权重进行配置。当培训主管选择“培训活动评价指标模型及指标权重”时，系统会向后台传送“评价指标类型”为“1”的信号，表示当前用户选择了“培训活动评价指标模型及指标权重”进行配置，此时后台会从评价指标模型表中将所有的评价指标模型及指标权重都返回到前台，显示给用户查看。用户对当前的评价指标和权重进行修改后，前端先进行录入数据的合理检验，保证评价指标的归一化原则，通过校验之后，将修改后的评价指标及指标权重传到后台，存储到evaluationitemmode表中，完成这次配置操作。如果系统向后台传送“评价指标类型”为“2”的信号，表示当前用户选择了“讲师评价指标权重”进行配置，此时后台的evaluationitemmode表中获取item_id的开头字符为“i”的所有指标返回到前台，显示给用户查看。用户对当前的评价指标和权重进行修改后，前端先进行录入数据的合理检验，保证评价指标的归一化原则，通过校验之后，将修改后的评价指标及指标权重传到后台，存储到evaluationitemmode表中，完成这次配置操作。无论修改的是培训活动还是讲师的指标及权重，在保存新数据之前，都要将旧有数据存入到evaluationitemmodeback表中，再将新值存入evaluationitemmode表，完成一次完整的修改操作。[0099]关于所述一级评价指标和所述二级评价指标的确定过程，本实施例中的评价指标先以问卷形式发给专家，请每位专家对评价指标进行评价并且给予建议。然后收回调查问卷，并对15位专家的问卷调查结果进行分析，对专家指出缺少的评价指标部分进行新增，对重复的评价指标进行合并或者删除。经过修改后确定新的技术培训效果评估指标，再然后通过组织专家评审会的方式对新的评价指标模型进行分析、讨论并提出修改意见，再次修订，最终确定评估工具的指标评价项。[0100]关于所述一级指标权重和所述二级指标权重的确定过程，权重是评价指标在整体评价中相对重要的程度，所以权重的确定直接影响到综合评价结果是不是能准确反映技术培训的评估结果。确认权重的方法有很多种，包括统计方法、模糊协调决策法、模糊关系方程法、层次分析法，因为统计方法确定权重便于操作、应用广泛，所以技术培训评估工具选择统计方法作为确认权重的唯一方法。设有k名专家各自独立地给出因素ui(i＝1,2,…,n)的权重，专家提交评价因素ui的权重ai，如图5所示。由参与制订技术培训效果评估的评价指标的15位专家来确定评价指标的权重，这15位专家通过问卷调查方式给出各自心中理想的指标权重，在统计专家问卷调查结果后，召开圆桌会议，公布调查结果，对专家提出异议的部分，专家组通过会议进行了讨论，并最终解决异议，确定技术培训的评价指标的权重。对于讲师的评价指标，包含于整体培训效果评估指标中，但由于讲师的角色对于技术培训是非常重要的，培训主管和公司高管需要考察讲师的授课水平和学员对讲师的认可程度，以及年末的绩效考核，所以，对讲师也需要做综合评判，评价指标主要包括培训效果评估指标的一级指标全部九项中的前五项，相对应的二级指标相同，一级指标需要设置新的指标权重，如图6所示。[0101]本实施例还具有处理存疑的评价数据的功能。相应的，所述技术培训效果监控系统还包括可信度分析模块，用于对所述输入接口获取到的所述评价数据的有效性进行分析，以筛选出无效评价数据；过滤器，用于对所述无效评价数据进行过滤操作，以得到有效的所述评价数据。进一步的，可以判断所述学员端参与评价的学员数量是否超过预设阈值，如果是，则初步判定所述评价数据有效，并根据初步判定有效的所述评价数据中的关联指标间的评价差异确定所述评价数据是否有效。在系统的自动进行数据转化动作的过程中，系统会进行两个条件的判定，一个条件是评价数据的份数不能少于参加培训学员人数的60％，否则系统会提示“评价数据不满足份数比例，结果有偏差，不予评判”信息给培训主管，并发邮件给培训主管的邮箱。则培训主管要在业务层面去找原因和联系学员，督促其完成评价。初次检查时如果高于60％的评价数据或整改后评价数据高于60％后，可由培训主管执行综合评判的操作。另一个条件是关闭评价后，系统会对评价数据进行存疑检查。判定条件为评价项中的“讲师的教学过程”下属的“概念术语解释清楚”和“讲师技术能力”下属项的“对技术知识理论理解深入准确”，二者正常情况下应该一致，如果不一致，二者的值相差不能大于“2”，大于2则表明两个评价项是相反的，是不正常的，可视为该份评价数据不可靠，需要标记。在后面的统计功能模块中，如果评价数据中没有存疑数据，就只统计一次综合评判的分值，即为可信数据。如果评价数据中存在存疑评价数据，则系统既要统计不包括存疑数据的综合评判分值，也会统计包含存疑数据的综合评判分值，作为可信数据的参考。[0102]系统综合评判前，对所有学生的评价结果先进行统计，分析每个学生的评价数据是否合理，根据评价指标模型表中的“关联指标”字段，检查每个学生的评价数据中的a指标和关联的b指标二者的值是否差异过大，大于2则需要标记，在学生技术培训效果评估表中，标记“可信标记(flag)”字段为“0”，表示该份评价数据为存疑数据。根据这个字段，系统自动综合评判时，把计算两份分数，一份为只含可信数据的综合评判，一份为包含存疑数据的综合评判标记，数据存入表中，所有二级指标的综合评判都需要进行数量化处理，将综合评判得到的一维数组与评价指标评定等级的量化数值组成的数组相乘，得到一个数值，并将该数值保存到evaluationsynthesizetraining表的相对的一级指标的result中。存疑的评价结果不参与result的计算，它会参与一级指标的doubtful_result的计算中，计算过程与result的计算相同。在得到二级指标的综合评判结果，组成模糊矩阵，进行一级评价指标的综合评判，再将结果数量化后存入培训活动信息表的score字段中，到此整个评价活动就结束了。[0103]另外，还可以检查评价指标选项，不能为空值，如为空，系统提示学员该字段不能为空，保证关键字段必须输入选择项，另外如果有学员未进行评价，则在统计中去掉该学员的占比，不能按零值处理，否则会造成评价结果失真，当然对于一次培训活动，需要保证有效评价占全体学员的60％以上，如此，评价才有统计的必要，并能保证统计结果为真实情况的反映。在设计评价指标时，有一些关联项，彼此的值不能相差过大，否则可视该份评价数据为存疑数据。如评价项中的“讲师的教学过程”下属的“概念术语解释清楚”和“讲师技术能力”下属项的“对技术知识理论理解深入准确”，二者正常情况下应该一致，即使不同，可允许二者差值不大于“2(5个程度选项分别用数字1-5来指定)”，即学员对这两项的选择不能为对立选项。否则视该份评价数据为存疑数据。后面的模糊数据处理和统计分析会对当次培训活动进行包含存疑数据的计算并统计，也会进行去除存疑数据的计算并统计。最终会产生两个对该次培训活动的总体评价分数，供培训主管和高管客观看待有效评价分数和含存疑数据的评价分数，以及具体的评价细目情况。[0104]本实施例中，所述显示模块03对所述评语集中的评语因子进行数值量化并利用数值量化后的所述评语集将技术培训效果的综合评判结果分值化，以得到所述学员端对技术培训的所述效果得分。如图7所示，当培训主管或公司高管登录系统后，可在导航区域点击“培训效果评估”下面的“统计培训评估结果”项，右侧页面出现统计信息栏，显示的几个字段都可以作为分析、统计、查询的关键字。可按照培训活动名称查询、或者按照讲师姓名查询、或按指定的日期时间段查询。在排序类型栏里可以选择讲师或培训活动作为查询结果统计的筛选关键字，右边的排序方式可以选择升序或者降序方式，分别对应排序结果排名靠前的或靠后的综合得分信息，即优秀的培训活动或较差的培训活动。并可以点击统计结果中的培训活动或讲师姓名进入该培训活动或讲师的详细信息页面。统计类型为“培训活动”时，type变量值为“1”，此时前台将type变量、时间及其他筛选条件传送到后台，从培训信息表中查询符合条件的培训编号、培训名称、主管、讲师、课程、总分数等信息。根据查询出的培训编号，再从“综合评价表”查询出培训活动的讲师的分数，将查询的分数按指定的降序排列，并封装在二维数组，回传到前台进行显示。[0105]本系统采用了b/s结构，通过浏览器访问服务器上的应用，所以在系统的基础层使用了web服务器，由于评估业务的数据量不大，访问并发数量也非巨量，所以数据库应用也可以部署在同一台物理或虚拟服务器上，有条件的情况下建议使用两台物理机，即使是两个虚拟机也建议分布在不同的物理机上面。评估工具使用了jsp技术完成页面前端的开发，使用java技术完成服务器端的开发。数据库使用了mysql作为数据存储工具。培训活动相关信息和学员信息主要由培训主管进行建立，评价信息由学员通过软件输入，综合评判由软件自动完成，处理后的数据作为统计、分析、产生报表的数据依据，最终为培训主管、高管提供丰富的统计功能和为决策提供详细的信息支持。图8所示为本系统总用例图。[0106]其中，培训主管根据需要，通过软件实现修改指标和权重。随着技术的更新与快速发展，也由于时间的推移和评估软件工具的实际运用，可能会发现需要增加或去除一些新的指标或者某个、某些指标的权重需要变更，此时技术培训效果评估指标就需要进行一些调整，并且评估工具以后如果能够做到通用性更强、适用范围更广的时候，也需要对指标系统进行改进才能适应业务的发展。培训的评价指标修改用例描述如图9所示，修改评价指标权重用例描述如图10所示，培训综合评价用例描述如图11所示，[0107]本系统还包括下面几大功能：推荐后继课程，软件工具也会为参训学员推荐后继的进阶课程，在学员进行评价提交之后，系统自动弹出该信息界面；差评告警功能，当有学员评价数据出现一个或多个“非常不满意”时，触发系统的告警功能，自动给培训主管的邮箱发送警示信息。培训主管查明原因，进行后续的处理；培训高管关心的统计功能在此模块实现，如讲师的好评度和工作量统计功能，该类功能由培训高管在相应的界面来执行操作和查看统计结果。可以查看某位讲师的工作记录、被评价分数，也可查询所有讲师的综合评分和排序，便于统计绩效，还可以查询热门课程、组织成功的培训活动的排名等统计和分析信息。查看培训活动总分排行用例描述如图12所示。另外，本系统的活动图如图13所示，实体间的关系如图14概念数据模型所示，其逻辑数据模型设计明确了实体的主键、外键，并进行了范式化处理，设计出的逻辑数据模型符合第二范式，逻辑数据模型如图15所示：[0108]可见，本技术实施例中的技术培训效果监控系统包括输入接口、评价模型和显示模块。输入接口用于获取学员端根据预设评语集对技术培训评价指标进行相应评定后得到的评价数据；所述评价指标为能够评定技术培训效果的指标，所述评价数据表征所述学员端对技术培训的效果反馈；评价模型用于根据所述评价指标及其指标权重利用模糊综合评判法对所述评价数据进行处理，以得到所述学员端对技术培训的效果得分；显示模块用于按照所述效果得分高低顺序对相应的技术培训进行排序后输出至所述学员端、讲师端及管理端的人工交互界面进行显示。本技术实施例相对于对技术培训进行反馈表式的人工评估，只需学员输入评价数据后利用评价模型进行模糊综合评判后得到相应的效果得分，整个评价过程无需人工干涉，实现了技术培训活动效果的自动化评价且评价结果准确、客观、可信。[0109]本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。[0110]最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。[0111]以上对本发明所提供的技术培训效果监控系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!