本發(fā)明涉及計(jì)算機(jī)
技術(shù)領(lǐng)域：
，尤其涉及一種職業(yè)技能評(píng)估方法及系統(tǒng)。
背景技術(shù)：
：職業(yè)技能評(píng)估是各行各業(yè)管理所需的一項(xiàng)舉措。例如：通過設(shè)立評(píng)估、認(rèn)證體系，采取有效途徑和方法，可以對(duì)建筑行業(yè)從業(yè)人員技能進(jìn)行量化評(píng)定。以多維度、分層次的評(píng)測(cè)項(xiàng)為對(duì)象進(jìn)行的一種價(jià)值判斷，而準(zhǔn)確的進(jìn)行這種價(jià)值判斷的關(guān)鍵則是科學(xué)、合理地設(shè)計(jì)一套綜合素質(zhì)評(píng)價(jià)指標(biāo)體系。這套指標(biāo)體系必須能夠起到導(dǎo)向、檢查、控制和激勵(lì)的作用，又要簡(jiǎn)明扼要，便于操作，這是在建立評(píng)估、認(rèn)證體系的過程中遵循的原則。技術(shù)實(shí)現(xiàn)要素：本發(fā)明目的在于公開一種職業(yè)技能評(píng)估方法及系統(tǒng)，以提高評(píng)估的可操作性及合理性。為實(shí)現(xiàn)上述目的，本發(fā)明公開一種職業(yè)技能評(píng)估方法，基于模糊算法進(jìn)行職業(yè)技能評(píng)估，包括：確定因素論域和評(píng)價(jià)等級(jí)論域；通過層次分析法確定各因素的權(quán)重值；確定評(píng)價(jià)對(duì)象各因素對(duì)各等級(jí)模糊子集的隸屬度，建立模糊評(píng)價(jià)矩陣；并將各因素的權(quán)重值與評(píng)價(jià)對(duì)象的模糊評(píng)價(jià)矩陣進(jìn)行合成，使用加權(quán)平均求隸屬等級(jí)的方法得到評(píng)價(jià)對(duì)象的模糊綜合評(píng)價(jià)結(jié)果。為實(shí)現(xiàn)上述目的，本發(fā)明還公開一種職業(yè)技能評(píng)估系統(tǒng)，基于模糊算法進(jìn)行職業(yè)技能評(píng)估，包括：第一模塊，用于確定評(píng)價(jià)對(duì)象因素論域和評(píng)價(jià)等級(jí)論域；第二模塊，用于通過層次分析法確定各因素的權(quán)重值；第三模塊，用于確定評(píng)價(jià)對(duì)象各因素對(duì)各等級(jí)模糊子集的隸屬度，建立模糊評(píng)價(jià)矩陣；并將各因素的權(quán)重值與評(píng)價(jià)對(duì)象的模糊評(píng)價(jià)矩陣進(jìn)行合成，使用加權(quán)平均求隸屬等級(jí)的方法得到評(píng)價(jià)對(duì)象的模糊綜合評(píng)價(jià)結(jié)果。優(yōu)選的，基于本發(fā)明的評(píng)估方法及系統(tǒng)，通過層次分析法確定各因素的權(quán)重值是還包括對(duì)所構(gòu)造的判斷矩陣進(jìn)行一致性檢驗(yàn)，若層次分析排序的結(jié)果不滿足一致性，重新調(diào)整所述判斷矩陣的元素取值，直至滿足一致性。本發(fā)明具有以下有益效果：基于模糊算法進(jìn)行職業(yè)技能評(píng)估，并采用層次分析法來確定各因素的權(quán)重值，使其更有合理性，更符合客觀實(shí)際并易于定量表示，從而提高模糊綜合評(píng)判結(jié)果的準(zhǔn)確性。而且本發(fā)明在對(duì)模糊綜合評(píng)價(jià)結(jié)果進(jìn)行分析時(shí)，使用加權(quán)平均求隸屬等級(jí)的方法得到評(píng)價(jià)對(duì)象的模糊綜合評(píng)價(jià)結(jié)果，以避免現(xiàn)有的模糊綜合評(píng)價(jià)中常取的取大取小算法會(huì)導(dǎo)致信息丟失很多且常常出現(xiàn)結(jié)果不易分辨(即模型失效)的情況。下面將參照附圖，對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說明。附圖說明構(gòu)成本申請(qǐng)的一部分的附圖用來提供對(duì)本發(fā)明的進(jìn)一步理解，本發(fā)明的示意性實(shí)施例及其說明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中：圖1是本發(fā)明實(shí)施例公開的職業(yè)技能評(píng)估方法流程圖。具體實(shí)施方式以下結(jié)合附圖對(duì)本發(fā)明的實(shí)施例進(jìn)行詳細(xì)說明，但是本發(fā)明可以由權(quán)利要求限定和覆蓋的多種不同方式實(shí)施。實(shí)施例1本實(shí)施例公開一種職業(yè)技能評(píng)估方法，基于模糊算法進(jìn)行職業(yè)技能評(píng)估。如圖1所示，本實(shí)施例的評(píng)估方法包括：步驟S1、確定因素論域和評(píng)價(jià)等級(jí)論域。例如：P個(gè)評(píng)價(jià)指標(biāo)，u＝{u1,u2,……,up}。v＝{v1,v2,……,vp}，即等級(jí)集合，每一個(gè)等級(jí)可對(duì)應(yīng)一個(gè)模糊子集。以建筑工地的鋼筋工為例，可確定了工作經(jīng)驗(yàn)、信譽(yù)評(píng)價(jià)、教育培訓(xùn)、工作效率、履約意識(shí)5個(gè)方面，作為本實(shí)施例模糊模型的一級(jí)評(píng)價(jià)指標(biāo)；相對(duì)應(yīng)的評(píng)價(jià)集中的等級(jí)可劃分為：初級(jí)、中級(jí)、高級(jí)、技師及高級(jí)技師。步驟S2、通過層次分析法確定各因素的權(quán)重值。在該步驟中，較佳的，通過層次分析法(AnalyticHierarchyProcess，簡(jiǎn)稱AHP)確定各因素的權(quán)重值時(shí)還包括對(duì)所構(gòu)造的判斷矩陣進(jìn)行一致性檢驗(yàn)，若層次分析排序的結(jié)果不滿足一致性，重新調(diào)整所述判斷矩陣的元素取值，直至滿足一致性。其中，判斷矩陣元素的值反映了人們對(duì)各元素相對(duì)重要性的認(rèn)識(shí)，一般采用1—9及其倒數(shù)的標(biāo)度方法，具體取值可有相關(guān)領(lǐng)域的專家進(jìn)行賦值，每一位專家給出一個(gè)權(quán)重分配方案，最后再將所有專家給出的權(quán)重經(jīng)過一致性檢驗(yàn)、平均整合后，形成最終的權(quán)重分配方案。與上述因素論域中鋼筋工的評(píng)價(jià)指標(biāo)相對(duì)應(yīng)中，相關(guān)各因素的權(quán)重值賦值如下：表1：一級(jí)評(píng)測(cè)項(xiàng)權(quán)重值工作經(jīng)驗(yàn)0.31信譽(yù)評(píng)價(jià)0.21教育培訓(xùn)0.10工作效率0.31履約意識(shí)0.07步驟S3、確定評(píng)價(jià)對(duì)象各因素對(duì)各等級(jí)模糊子集的隸屬度，建立模糊評(píng)價(jià)矩陣；并將各因素的權(quán)重值與評(píng)價(jià)對(duì)象的模糊評(píng)價(jià)矩陣進(jìn)行合成。在構(gòu)造了等級(jí)模糊子集后，要逐個(gè)對(duì)被評(píng)事物從每個(gè)因素ui(i＝1,2,……,p)上進(jìn)行量化，即確定從單因素來看被評(píng)事物對(duì)等級(jí)模糊子集的隸屬度(R|ui)，進(jìn)而得到模糊關(guān)系矩陣R：矩陣R中第i行第j列元素rij，表示某個(gè)被評(píng)事物從因素ui來看對(duì)vj等級(jí)模糊子集的隸屬度，P為因素?cái)?shù)量，m為等級(jí)數(shù)量。其中，各元素的隸屬度值可以通過統(tǒng)計(jì)專家組對(duì)各因素所對(duì)應(yīng)等級(jí)的評(píng)價(jià)結(jié)果計(jì)算得出。一個(gè)被評(píng)事物在某個(gè)因素ui方面的表現(xiàn)，是通過模糊向量(R|ui)＝(ri1,ri2,……,rim)來刻畫的，而在其他評(píng)價(jià)方法中多是由一個(gè)指標(biāo)實(shí)際值來刻畫的，因此，從這個(gè)角度講模糊綜合評(píng)價(jià)要求更多的信息。在模糊綜合評(píng)價(jià)中，確定評(píng)價(jià)因素的權(quán)向量：A＝(a1,a2,……,ap)。權(quán)向量A中的元素ai本質(zhì)上是因素ui對(duì)模糊子集{對(duì)被評(píng)事物重要的因素}的隸屬度。本文使用層次分析法來確定評(píng)價(jià)指標(biāo)間的相對(duì)重要性次序。從而確定權(quán)系數(shù)，并且在合成之前歸一化。即利用合適的算子將A與各被評(píng)事物的R進(jìn)行合成，得到各被評(píng)事物的模糊綜合評(píng)價(jià)結(jié)果向量B。即：其中bj是由A與R的第j列運(yùn)算得到的，它表示被評(píng)事物從整體上看對(duì)vj等級(jí)模糊子集的隸屬程度。在該步驟中，使用加權(quán)平均求隸屬等級(jí)的方法得到評(píng)價(jià)對(duì)象的模糊綜合評(píng)價(jià)結(jié)果；以避免現(xiàn)有的模糊綜合評(píng)價(jià)中常取的取大取小算法會(huì)導(dǎo)致信息丟失很多且常常出現(xiàn)結(jié)果不易分辨(即模型失效)的情況。在本實(shí)施例中，可以采用積分累加的方式，設(shè)定評(píng)定積分上限(例如100分)，根據(jù)技能等級(jí)由低到高劃分為5個(gè)階梯，并為每個(gè)階梯設(shè)置進(jìn)階分值。當(dāng)被評(píng)測(cè)人每積累到一定分值(達(dá)到進(jìn)階分值)時(shí)，系統(tǒng)自動(dòng)為其抬升一個(gè)階梯，并發(fā)放相應(yīng)的職業(yè)技能水平評(píng)定證書。每個(gè)階梯的進(jìn)階分值都不一致，隨著階梯的增高，分值逐步增高；從而增加進(jìn)階難度，使整個(gè)系統(tǒng)人員分布成金字塔形，與上述表1對(duì)應(yīng)的級(jí)別評(píng)價(jià)表如下表2所示：表2：以5名不同年齡段、不同工作年限的鋼筋工為例，評(píng)級(jí)結(jié)果如下表3：表3：進(jìn)一步的，本實(shí)施例還可以進(jìn)一步對(duì)上述的一級(jí)評(píng)測(cè)指標(biāo)從多個(gè)維度劃分；每個(gè)維度中又分成子評(píng)測(cè)指標(biāo)，依次類推，如下表4所示：表4：一級(jí)評(píng)測(cè)指標(biāo)二級(jí)評(píng)測(cè)指標(biāo)工作經(jīng)驗(yàn)參建項(xiàng)目考勤記錄信譽(yù)評(píng)價(jià)項(xiàng)目獎(jiǎng)罰個(gè)人信譽(yù)教育培訓(xùn)資質(zhì)證書培訓(xùn)考試職業(yè)保險(xiǎn)工作效率企業(yè)定額國家定額履約意識(shí)是否簽訂勞務(wù)合同是否有惡意討薪綜上，本實(shí)施例公開的職業(yè)技能評(píng)估方法，基于模糊算法進(jìn)行職業(yè)技能評(píng)估，并采用層次分析法來確定各因素的權(quán)重值，使其更有合理性，更符合客觀實(shí)際并易于定量表示，從而提高模糊綜合評(píng)判結(jié)果的準(zhǔn)確性。而且本發(fā)明在對(duì)模糊綜合評(píng)價(jià)結(jié)果進(jìn)行分析時(shí)，使用加權(quán)平均求隸屬等級(jí)的方法得到評(píng)價(jià)對(duì)象的模糊綜合評(píng)價(jià)結(jié)果，以避免現(xiàn)有的模糊綜合評(píng)價(jià)中常取的取大取小算法會(huì)導(dǎo)致信息丟失很多且常常出現(xiàn)結(jié)果不易分辨(即模型失效)的情況。實(shí)施例2對(duì)上述方法實(shí)施例相對(duì)應(yīng)的，本實(shí)施例公開一種職業(yè)技能評(píng)估系統(tǒng)，基于模糊算法進(jìn)行職業(yè)技能評(píng)估，包括下述第一至第三模塊。各模塊的功能分述如下：第一模塊，用于確定評(píng)價(jià)對(duì)象因素論域和評(píng)價(jià)等級(jí)論域。第二模塊，用于通過層次分析法確定各因素的權(quán)重值；較佳的，通過層次分析法確定各因素的權(quán)重值時(shí)還包括對(duì)所構(gòu)造的判斷矩陣進(jìn)行一致性檢驗(yàn)，若層次分析排序的結(jié)果不滿足一致性，重新調(diào)整所述判斷矩陣的元素取值，直至滿足一致性。第三模塊，用于確定評(píng)價(jià)對(duì)象各因素對(duì)各等級(jí)模糊子集的隸屬度，建立模糊評(píng)價(jià)矩陣；并將各因素的權(quán)重值與評(píng)價(jià)對(duì)象的模糊評(píng)價(jià)矩陣進(jìn)行合成，使用加權(quán)平均求隸屬等級(jí)的方法得到評(píng)價(jià)對(duì)象的模糊綜合評(píng)價(jià)結(jié)果。同理，本實(shí)施例公開的職業(yè)技能評(píng)估系統(tǒng)，基于模糊算法進(jìn)行職業(yè)技能評(píng)估，并采用層次分析法來確定各因素的權(quán)重值，使其更有合理性，更符合客觀實(shí)際并易于定量表示，從而提高模糊綜合評(píng)判結(jié)果的準(zhǔn)確性。而且本發(fā)明在對(duì)模糊綜合評(píng)價(jià)結(jié)果進(jìn)行分析時(shí)，使用加權(quán)平均求隸屬等級(jí)的方法得到評(píng)價(jià)對(duì)象的模糊綜合評(píng)價(jià)結(jié)果，以避免現(xiàn)有的模糊綜合評(píng)價(jià)中常取的取大取小算法會(huì)導(dǎo)致信息丟失很多且常常出現(xiàn)結(jié)果不易分辨(即模型失效)的情況。以上所述僅為本發(fā)明的優(yōu)選實(shí)施例而已，并不用于限制本發(fā)明，對(duì)于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁1 2 3