[发明专利]一种基于自陈式测评的高中选科决策方法有效

专利信息
申请号: 202010202913.7 申请日: 2020-03-20
公开(公告)号: CN111428992B 公开(公告)日: 2023-05-12
发明(设计)人: 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
主分类号: G06Q10/0639 分类号: G06Q10/0639;G06F18/241;G06Q50/20
代理公司: 东莞恒成知识产权代理事务所(普通合伙) 44412 代理人: 邓燕
地址: 523000 广东省东莞市南城街道*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 测评 中选 决策 方法
【权利要求书】:

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;

其中,在进行推导个人学科倾向之前,还需要先对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Sw,

Swn={Sw物理,Sw化学,Sw生物,Sw历史,Sw政治,Sw地理}

其中n,n∈N,代表每一条选科需求;及

其中,对各省份教育厅公开的“普通高校本科专业选考科目要求”数据进行转换的具体步骤包括:

a、梳理科目逻辑关系:将选科要求信息拆分为7个字段,依次为物理、化学、生物、思想政治、历史、地理进行科目逻辑关系梳理,即逻辑为“或”和“并”两种关系中的一种;

b、标记逻辑关系:在选科要求出现“不提科目要求”、“不限选考科目”的情况下,给所有科目标记1,科目逻辑关系标记为“并”;在选科要求凡是出现“必选”、“均需”、“均须”字样的情况下,仅对选科要求中提到的科目标记为1,科目逻辑关系标记为“并”;在选科要求出现“其中”字样的情况下,对选科要求中提到的科目标记为1,科目逻辑关系标记为“或”;其中科目标记1表示此门科目可以被选;

c、逻辑关系转换为权重:对标记好逻辑关系的数据进行统计,得到权重,根据不同省份不同的选科政策要求进行转换,最后删掉逻辑关系信息,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Sw。

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。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东人啊人网络技术开发有限公司,未经广东人啊人网络技术开发有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010202913.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top