专利名称：实体内部或实体之间关系校准评估的方法和系统的制作方法
技术领域：
本发明涉及能够建立实体内部或实体之间关系校准的诊断系统。
背景技术：
为了分析和改进企业的业绩，企业管理使用多种财务和非财务手段。进一步来说，企业管理者不断寻找新的方法来衡量企业健康，以带来增加的业绩。
研究表明具有强烈的目的和价值的企业在财务方面的股票市场上显著的胜出。业绩数据显示这些企业胜出它们的竞争者1。也有证据表明这些企业的行为对社会的贡献更大2。
耗散结构的理论提供为什么这些企业运行的特别好的原因的理解。耗散系统是通过单个粒子(particle)的行为引起了大规模的效应。漩涡(whirlpool)就是耗散结构的例子。当粒子校准的时候，流过系统的能量流是最有效的。
在物理系统中，是相邻粒子的相互作用创造了系统内广泛校准的可能性。在人类层面上，可以讨论的是行为是媒介，通过它雇员表达指引他们行为的意图，目的和价值。意图的表达和他们的行为相一致，而不是不一致的。一个简单的例子是当两个人在通过马路时移动而避免相撞，发生的校准的过程。一个人稍微移动来给出其转向一边的意图，如果另一个人意识到这一点，他/她将相应做出反应。
人们可能共享相同的目的但仍然不能在一起有效地工作，这是由于相冲突的价值-关于他们完成他们目的的方法有不同的见解。如果企业中的绝大多数或者所有雇员由同样的价值积极的指引，为同一个目的工作，可以说企业文化是被校准的。正是这个校准使它们成为目的和价值驱动的企业。企业有效地作为耗散结构运营，通过雇员行为关于共同目的和价值设定的校准产生大规模效应来增加能量流(在这种情况下指企业的财务业绩)。
上面理论的含义是目的和价值导向的企业和其他企业的业绩的不同，至少部分地是由于当雇员被不同的价值指引时相互作用而产生的能量消耗。在非目的和价值导向的企业中，有更多这种相互作用的情况，导致到更大量的能量消耗。
很清楚对管理者来说能够正确评估他们的企业文化的力量很重要，以一种方式允许他们观察不同时间的变化以至于能够评估用于加强企业文化的不同管理主动性和过程的效果。
既然是单个雇员的行为和他们之间的相互作用创造和支撑着企业文化，我们可以期望通过对于企业中雇员的调查可以获得精确的和正确的数据以便于发现指引他们行为的目的和价值。
直接从雇员收集数据当前最好的方法都在不同的方面受到限制。这些限制中的一部分，例如对于逸事和非代表性证据的过度依赖，不加选择的问题，由于机密性的原因导致的偏差数据，以及不能正确的追踪根据时间发生的变化，可以通过仔细设计问卷调查来避免。然而，有一些严重的限制在当前公布的从雇员获得数据的方法中十分普遍。这就是他们不能提供企业文化内校准的强度的真正正确的测量。
这种限制有两个原因。第一个是，如果提供给雇员用来从中进行选择的价值列表，其必须是可选择的。在最坏的情况下，其可能导致问题仅仅提及企业的核心价值，询问雇员他们是否同意或是不同意。即使提供了更宽的选择，不在列表中的价值也被归类为单一的“其他”范畴内。这提供了文化的曲解的图像，过分强调了命名的价值的重要性。
第二个为什么当前的方法不能提供文化校准的正确测量的原因是下面的他们基于的观点没有充分强调雇员之间的相互作用。如果70％的雇员声明他们被核心价值指引，这将被认为是70％的同意率。然而，当从发生相互作用的观点来考虑文化，仅仅有70％×70％＝49％的相互作用分享企业文化。如果雇员中30％的少数具有同样的非核心价值，另一个最大30％×30％＝9％的相互作用可以被校准。计算的标准方法因此对文化中校准的强度的过高估计大约为12％到21％。
当企业具有超过一个的核心价值，将引起更多的问题。如果这些价值中的一个在文化中比其他更为普遍，目前这种只进行单一评估的方法(例如对每个价值获取分数的平均值)再次对整个文化的校准提供了不正确的方法。
如果企业认真对待它的目的和价值，并且认识到文化的校准和企业业绩之间的关联，它将不会满足于一个不正确的和可能偏差的企业文化测量。本发明的一个目的是提供一种方法，通过应用问卷和分析从问卷调查获得的结果，企业管理者可以正确评估在其企业中目的和价值的存在和强度，作为健康运营和将来的潜在业绩的指示器。
进一步来说，当企业(和其他组织)处于一种形式的耗散结构，它必须被识别成为企业中每个个人在物理上和心理上都是耗散结构的。个人确信他或她自己和生活的不同方面被校准了，如同企业确信它的雇员被校准了一样具有同样的益处。因此，本发明的另一个目的是对于个人提供一种手段来评估和增强他们生活的不同方面中他们的信仰和行为被校准到核心目的和价值的程度。
如上描述的可以为内部的关系，但是也可以是外部的。假定甚至是最为短暂的关系-两个人通过马路-导致了(无可否认的段时间的)耗散结构的产生，外部关系具有和内部关系一样的成功的条件；也就是两个实体的目的和价值(不管是明示的还是暗示的)足够相似以至于允许有效的相互作用发生。
本发明的进一步结果通过自创生过程(反馈环路)保持企业文化。本发明的方法如下描述的用于强调这些自创生的过程，以及因此帮助组织保存企业文化的强度。
这一方法可以用于评估实体当前状态的目的来显示实体是如何校准到目的和核心价值，和/或为了建立两个实体之间校准的程度对比两个实体的目的。校准的强度是期望的关系成功的指示器。这个方法也可以用于对一个实体其他的感知和它自己本身的感知的校准提供反馈。
本发明的优点包括它允许管理技术和企业或组织的文化状态有效的相关联；其增强了那些匹配实体和映射关系的工作(例如招聘中介和网站)；以及通过提高问卷调查的自创生过程到有意识的程度，问卷调查本身的特性有助于单个实体，增强实体的能力来将它们校准到它们的目的和价值上。通过标准化这些通过其应用这些使用的过程，因此建立关系的标准流通，本发明提供使用和应用的增长的网络，其可以用于进一步加强它提供给其用户的益处。
没有做出任何参考文献构成相关现有技术的允许。参考文献的讨论声明他们作者的断言，并且申请人保留置疑引用文件的正确性和相关性的权利。因此期望提供一种诊断系统，具有如下功能 -通过在实体自我感知或文化内以及在两个或更多实体的自我感知和/或文化之间对校准的程度进行量化，在实体之内或实体之间建立关系的标准流通； -通过总体上评估和加强企业和其他组织的文化的状态和/或特别地，企业和其他组织的雇员具有相同目的和价值的程度，来提供工具帮助企业和其他组织来提高他们的财务和非财务业绩； -通过校准他们的个人内部和与人之间的关系，提供工具来帮助个人增强他们的成功； -提供如上描述的工具，由此允许基于被匹配实体的目的和价值提供正确关系匹配业务，由此有助于不同类型的有效关系的创建和发展，以及 -提供如上描述的工具，通过电子或计算机程序的使用，使得可以以不能通过纸的调查方法的即时的方式应用工具。
本发明的进一步的目的在于针对上面讨论的问题，或至少给公众提供一个有用的可选方案。
应该理解到词语“包括”可以在不同的权限认为是排除在外的或包括在内的含义。在本说明书中，除非另行指出，词语“包括”应该具有包括在内的含义，即，它将用于不仅仅意味着它直接引用的列出的部分，也包括其他没有明确的部分和要素。也可以在关于方法或过程的一个或多个步骤中使用词语“包括的”和“包括”时应用这样的基本原理。
发明内容
根据本发明的一个方面，提供了实体自身感知或文化的状态评估的方法(此后称为身份分级)，所述的方法包括如下步骤 -通过问卷调查从实体以回答的形式收集数据，该问卷调查包括实体的自我感知和文化的预定方面的问题，所述的方面包括至少一个与所述的实体相关的价值、目的、和/或包含的焦点，其中所述的问题要求实体选择、区分优先次序、和/或发送一个或多个所述方面， -产生随后的问卷调查，该问卷调查包括在那些最多选择的，最高优先级的，和/或原来的问卷调查常发送的方面的问题，以及以进一步回答的方式收集问题，以及 -以预定发生的次数重复上面的步骤。
预定发生的次数优选为足够数目的例子以确保收集的数据的有效性。
优选的，所述的方法进一步包括步骤 -执行计算来相对于预定范围的值，将为实体的身份分级而收集的数据量化成一个百分比计量。
根据一个实施例，所述收集的回答被赋予了预定的增量范围内等效的数值。
优选的，所述的问卷调查可以被电子管理(如通过互联网或局域网)，手动操作，甚至口头地操作，在每个例子中所述收集的回答由计算机/处理器和电子存储装置来存储和操作，例如个人电脑、网络服务器、便携式电脑、PDA等等。
优选的，所述方面进一步包括以下步骤 -将最少被选的、最低优先级或者最不经常发送的方面从集成在随后生成的问卷调查的问题中移除。
如在此使用，术语实体包括个人、组织、企业雇员等等。
在此使用的价值、目的、和/或包含的焦点的实体自我感知或文化的方面分别定义为包括，但不限于 -价值自我价值；正直；尊敬；个人，家庭和工作标准；道德规范；性格；判断力；原则；评价等等 -目的意图；目的；驱动力；方向；信念；雄心；抱负；愿望；期望；原则；任务；焦点；功能；目标，目的等等，以及 -包含的焦点实体关注的范围或成功的更多测量，包括自我保存；自我形象；组内关系；组外关系，以及和更广阔环境的关系。
传统的以调查为基础的技术不能有效的或足够的收集用于正确确定实体自我感知和文化的所述的预定方面所需要的数据，因为传统的调查依赖于目的和价值的静态的/固定的列表。使用这样的固定的列表，列出目的或价值的无限制的范围是不实际的，而仅仅显示限定的范围具有潜在的偏差。
为了正确的测量实体的身份级别，每个目的或价值应该被列作选项的次数与它在实体中的优势成正比。此外，这样的技术也帮助更强地意识到哪个目的和价值在实体内更普遍，这个增加的意识潜在地鼓励对这些目的和价值的进一步校准。
上面描述的对出现在连续的问卷调查的实体的目的和价值进行分级的方法的应用克服了上述的缺点。
可以把目的、价值的随机顺序的列表给进行问卷调查的回答实体，从中选择。
选出的目的和价值和存储作为数据库的目的和价值的主列表相比较，并且与选定的目的和价值相关的独特数字代码存储为问题的回答。虽然代码本身是独特的，但是被认为是相同的或等效的目的或价值可以被存储为同义词。例如，“顾客焦点”和“消费者焦点”可以分享同样的代码。
如果回答者实体希望选择未列出的目的或价值，其可以由实体发送到“其他”一栏中。任何发送的目的或价值被加到已有的列表用于下次问卷调查。如果没有已经列出了和指定了独特的数字代码，发送的目的或价值也被加到主列表中。
在完成了每个问卷调查后，对每个目的或价值计算整个的投票数目除以出现的数目。具有最高的计算分数的目的或价值出现在下一次问卷调查的列表中。如果两个目的或价值具有相等的高分，保留最多出现的那一个。
因此，根据本发明的进一步的方面， -由实体选定的目的或价值和目的和价值的存储的主列表进行比较。
-如果实体希望选择没有列出的目的或价值，它可以被实体发送作为实体收集的回答的部分，然后所述发送目的或价值被加到所述随后生成的问卷调查的目的或价值的可选列表中。
-所述发送的目的或价值和目的或价值的主列表相比较，如果没有出现在主列表中，则加入到主列表。
-在每个问卷调查完成后，个人的目的或价值的多个选择除以目的或价值的可选择的出现的次数，其中具有最高计算结果的目的或价值被列为随后生成的问卷调查的可选的目的或价值。
-如果两个目的或价值具有相等的计算结果，保留最多出现的目的或价值。
根据本发明的进一步的方面，提供了一种在此充分描述的所述的评估方法中获取的有效性测试结果的方法，所述的有效性测试方法包括如下步骤 -通过问卷调查从实体以进一步回答的形式收集数据，该问卷调查包括源于所述的上面描述的关于实体的自我感知和文化的预定方面评估的方法的问题，所述的方面包括至少一个与所述的实体相关的价值、目的、和/或包含的焦点，其中所述的问题要求实体选择、区分优先次序、和/或发送一个或多个所述方面， -从预定的增量的范围对进一步的回答指定等效数值；以及 -对获得的回答的等效数值执行有效性计算来确定是否评估实体的身份分级的相同方面的两个不同问题之间的平均回答处在预定限制之外。
根据本发明的另一个的方面，提供了一种在上面全面描述的评估方法，其中所述的方法进一步包括自动创建报告的步骤，该报告在预定的时间周期内向实体提供它的身份分级的任何变换的细节。因此，实体可以在它的自我感知和文化中意识到变换，或缺乏变换，因此如果需要可以进行补偿措施。
根据本发明的另一个方面，本发明使得所述评估方法的管理者提供一个企业，该企业通过企业从它的文化中获得的财务益处的量化来使用该方法，通过将方法的计算结果和连接业绩优点至文化强度的数据库相关联的额外步骤，因此提供要被正确计算的企业文化的估计产量的范围；额外的允许诊断的供应作为企业管理技术将是关于强化企业文化状态以及由此改善它的业绩前景是最有益的。
根据本发明的另一个方面，提供了一种方法，通过评估两个实体被校准身份分级的方面的程度，在两个实体之间确定相互校准的方法(以下称为校准分级)，所述的校准分级方法包括以下步骤 -对于从方法中收集的数据执行计算，以及由此产生反映两个实体自我感知/文化的适应程度的分数。
-向一个或两个实体提供所述的分数。
根据本发明的另一个方面，校准分级方法进一步包括使为了更精确的计算哪个回答者和实体的身份分级校准的程度，用从一个实体身份分级的问题的内容获得的问题来管理进一步的问卷调查(以下称为文化适应)。
根据本发明的另一个方面，提供了一种方法，用于确定在实体的自我理解和来自一个或更多其他回答实体的反馈之间的校准(以下称为反馈分级)，所述的方法包括如下步骤 -管理问卷调查来从所述的其他实体获得回答来提供该实体的反馈，所述的问卷调查包括实体的自我感知或文化的预定方面的问题，所述的方面包括和所述实体相关的至少一个价值、目的、和/或包含的焦点，其中，所述的问题要求所述的其他回答的实体来选择、区分优先次序和/或发送一个或更多所述方面， -从预定增量的范围为进一步的回答指定数值的等效，以及 -比较所有的反馈回答，以及计算在回答实体对实体方面的理解和实体自己自我理解之间的适应程度。
优选的，所述的方法进一步包括步骤 -根据所述其他实体和该实体之间的关系的性质对所述的反馈回答分类。
根据本发明的另一个方面，本发明提供了产生公众可用的完整性分级的方法，计算从所述的反馈分级方法获得的回答反馈来确定实体对于其他回答实体的行为匹配实体的自我理解的程度，所述的方面包括如下步骤 -根据所述回答实体的完整性分级，将实体的反馈回答排序； -在上面的四分之一使用完整性分级对所述的从回答实体获得的排序的反馈回答执行计算，来确定由回答实体对实体的理解和实体的自我理解之间的相似程度； -以及将计算结果公布成为实体的完整性分级。
优选的，后端计算通过以基本语言写成的计算机程序来实现，使得允许问卷调查和结果可以容易地转换到任何平台，包括使得问卷调查和/或结果通过互联网对于任何标准平台是可用的。当前可用的计算方法使得这样的计算机程序能够对有关的计算提供接近实时的运算，因而使得如上面描述的进化的算法(通过这个方法根据原来最经常被选择的目的和价值，从一个调查到另一个调查目的和价值的列表被更新。)可以从一个问卷调查应用到下一个问卷调查，其不可能使用非程序的方法实现本发明。
可以看到本发明基于企业身份分级对于个人、组织和企业提供了以下强有力的工具。现有技术身份分级趋向于基于心理的和行为的特性(例如Myers-Brigg测量)。相反的，本发明的身份分级至少基于三个关键方面的一个(虽然优选的是更多或全部三个)实体目的，价值和包含的焦点。如上描述，实体包含的焦点根据实体成功的五个测量的一个或更多的程度来进行测量，成功的五个测量为自我理解、自我形象、组内关系、组外关系以及和更广阔环境的关系。例如，对建立它们信誉很关注的组织对于它们的自我形象十分关注，而关注致力于和满足社会需要的组织对于它们更广阔的环境很关注。发明者的研究(以及其他的研究例如在Build to Last1、Beyond Build to Last2和Corporate Culture and Performance3)表明目的、价值和包含的焦点是在预测组织成功的关键因素。
和现有技术相反(包括其他的目的和价值为基础的方法)，本发明的身份分级是独特的，在描述的预测一个组和个人的成功时是更精确的，因为一个将实体功能作为一个整个系统来识别的方法。因此，测量实体的目的、价值和包含的焦点的强度的标准是实体的部分之间目的、价值和包含的焦点的校准程度(例如，在组织内的雇员之间的校准或个人生活的不同方面例如职业，学习和人际关系的校准)。
更特别地，发明者确定校准的程度和形式f(x)～x-α的幂律曲线图下面的面积是成反比的，其中f(x)是实体的身份概况分级的一个方面，包括价值和/或目的，‘x’是共享该方面的实体的数目，以及α是校准的常数系数，其随着增加的校准而增加。因此更陡峭的曲线图限定了减少的面积表明更大的校准，例如，当组织变得更强的校准在共享的价值上，公式的指数增加，曲线图变得更陡峭(如下面的图表1和图表2所示)，因为具有少许核心价值，互相之间每个价值仅仅指引一些人。
价值的数目价值的数目
共享价值的人的数目 共享价值的人的数目 图表1具有小的α的形式图表2具有大的α的形式 f(x)～x-α的幂律曲线图 f(x)～x-α的幂律曲线图 Clarson和Doyle4的研究表明随着复杂的系统变得更优化，产生的幂律关系引起公式具有增加的校准系数α，这和发现加强实体校准在它的目的、价值和包含的焦点可以改进它的有效性和成功具有直接相似的形式。
因此，根据本发明的进一步的方面，本发明提供了计算在不同实体和实体的自我感知或文化的方面之间计算校准程度的方法，所述的方面包括价值和/或目的，所述的方法包括由形式f(x)～x-α的幂律曲线图划分的面积的计算步骤，其中f(x)是实体的自我感知或文化的一个方面，包括价值和/或目的，‘x’是共享该方面的实体的数目，以及α是常数，其中所述的校准和计算的面积成反比。
因此，根据本发明的进一步的方面，本发明提供了计算在不同实体和实体的自我感知或文化的方面之间计算校准程度的方法，所述的方面包括价值和/或目的，所述的方法包括由形式f(x)～x-α的幂律曲线图划分的面积的计算步骤，其中f(x)是实体的自我感知或文化的一个方面，包括价值和/或目的，‘x’是共享该方面的实体的数目，以及α是常数，其中所述的校准和计算的面积成反比。
在和现有技术相区别的发明中，发现幂律曲线图的应用性增加了，因为实体行为的有效性并不依赖于它的共享相同目的、价值和/或包含的焦点的组成部分的百分比(机械模型将暗示这样)，而依赖于它的组成部分相互作用的百分比，这些部分共享相同目的、价值和/或包含的焦点(基于相互作用的模型)。换句话说，共享的目的、价值和/或包含的焦点增加了校准，减少了实体间的个人冲突，并且改进了交流，由此增强了这个系统的强度和有效性。
计算实体的目的、价值和/或包含的焦点的强度的现有的方法没有考虑到这一点。假设一个例子，企业的被调查雇员的60％声明他们由给定的目的或价值指引，在现有技术中这将直接被解释成为对于给定的价值/目的示出了60％的同意率。相反的，从发生相互作用的角度考虑这个问题，可以看到仅仅相互作用的60％×60％＝36％处于共享同样的给定价值或目的的实体中。如果雇员的40％的少数都共享不同的价值/目的，相互作用的另一个40％×40％＝16％的最大值可以是可校准的目的/价值。因此，现有技术中的估算方法对组织内的校准强度过高估计了8-24％。
本发明因此利用在在多个物理系统中明显的幂律曲线图下面的区域和用于评估实体之间校准的相互作用为基础的模型的测量之间的相似的链接。通过计算有效的相互作用的比例，使用的算法来估计曲线图下面的面积。根据相互作用为基础的模型来计算实体的目的、价值和/或包含的焦点的强度在已知的方法中并不是显而易见的，进一步将本发明和现有技术区别开来。
对于属于组织的实体的每个相关的价值或目的计算源自有效的相互作用的组织实体内的个人实体的校准的程度。
假设对于组织实体的关键价值的评估，每个由个人实体选出的价值由评估中的由个人实体选出的价值的全部数目进行加权。因此，选择四个价值的人将他的投票分成四份，每个价值是投票的四分之一。
对于每个值‘x’，px是选择该价值的人的百分比，p2x是该价值接受到的加权的投票的百分比。
因此计算所有价值的和，与px和p2x的乘积，例如 ∑x p2x·px 如果个人实体在一个领域由价值x指引，他们生活的其他领域的px也由价值x指引，那么他们的行为被他们生活的p2x校准。因此，所有价值的整个分数是∑xp2，x·px。
因此，实体在它的价值的校准强度是∑x p2，x·px。
等效的计算应用于实体的目的的情况，例如，对于每个目的y，py是选择该目的的人的百分比，p2y是该目的接受到的加权的投票的百分比。因此，实体在它的目的的校准强度是∑y p2，y·py。
个人实体和整个系统运行一样，并且当他们被校准到他们的价值、目的、包含的焦点的时候运行的最好。然而，个人实体也相互作用形成新的系统，在系统中每个实体是一个组成部分，例如，两个人一起开始关系，或两个公司变成合作伙伴等等。
因为任何两个实体之间创建的关系是他自己为一个整个的系统，我们可以得出结论这个系统的成功-这个关系的成功-主要的依赖于两个或更多相关的个人实体相互之间校准的程度。两个实体可以具有不同的个人的目的，但是依然共享他们的关系的目的。因此，重要的是目的和价值所关心的是两个实体之间校对的相似性-每个实体校准到它各自的目的和价值的程度。对于实体的包含的焦点，两个实体的焦点之间的相似性可以根据上面提到的相互作用为基础的模型来更直接的测量。
目前没有基于实体的身份分级的两个实体之间计算相似性的标准化的方法，而目前存在的非标准化方法基于上面讨论的原因对于实体的目的、价值和/或包含的焦点的校准强度的正确测量具有不稳定的问题。根据整个系统的原则，本发明能够在实体间正确的匹配，以及运行多个近似实时的匹配计算。这提供了明确的商业优点，特别是对例如招聘的人力资源问题。潜在的应聘者可以在他们涉及没有结果的申请之前对于是否他们可能适应不同公司的文化进行评估，同样的，公司可以从招聘具有共同目的和价值的人员来减少招聘成本和改善保持率而获益。
根据本发明的进一步的方面，本发明包括一个系统，该系统包括处理器，数据存储装置，用户界面和显示器，所述的处理器能够运行以任何一个所述的方法编程的软件，并且执行任何要求的相关计算，所述的数据存储装置能够存储收集的和由所述的方法计算得到的数据，所述的用户界面能够接收来自实体的回答输入。
对于本领域的技术人员来说是显而易见的，这样系统的实现可以有很多形式而不偏离本发明的范围，可以使用多个可应用的现存技术，同样的本发明并不限于任何一个特定形式。
本发明的更完整理解以及本发明的进一步的特征和优点可以通过以下的详细描述和附图变得很明显，其仅仅以例子的方式给出。
讨论 在企业的情况下，因为强的目的和价值驱动的文化的存在和S&P500强的财务业绩相关联，量化和追踪企业文化的强度的能力可以给企业提供强化竞争位置的优势。在此描述的身份分级的计算具有产生和如上描述的以相互作用为基础的文化业绩的模型相一致的结果，因此相较于原来的方法，可以提供企业文化的这些方面更精确的定量测量。这一增加的正确性允许给企业提出特别的建议，增加它们实现测量的可能性实际上增强了它们的文化，因此提高了它们的业绩。例如，具有强的价值但是弱的目的的企业和具有强的目的但是弱的价值的企业将希望实现不同的测量。
此外，本发明提供了一种方法，通过在使用该方法的过程中检查企业分级的不同来对企业在不同时间使用的测量对企业文化的影响进行量化。更广泛的，通过调查结果和已知业绩优势的关联，企业可能从它的文化中获得价值的估算。
身份分级的另一个用法是企业在加强它的将其完整性和外界的股东和公众沟通的能力中导致其具有竞争优势。同时具有高的完整性分级和高的身份分级可以通过合乎道理的消费者从这家企业而不是其他企业购买商品和服务来受益。身份分级的标准化的性质对于公众作出竞争性的决定给出了清楚的基础。具有高的完整性分级和高的身份分级也表示关于第三方提供财务和保险业务，个人和组织具有非常小的风险。因此，银行、保险、投资和其他公司可能喜爱显示了这些特征的个人和组织。
此外，本发明的校准分级和文化适应根据人员和企业文化相校准的程度，给企业提供了正确寻找潜在的雇员的方法。通过在申请之前将和企业文化不相校准的申请者筛除来减少企业的人力资源的消耗，因此导致处理更少的申请，减少的变成校准的申请人的雇员的比率更容易发现该组织是一个适于工作的地方。已经和企业文化校准的应聘人员帮助企业维护它的身份分级，推断出维护它的业绩水平。需要注意的是这个方法应该避免申请者为了留下好的印象选择答案的危险，因为他们的回答和没有发表的但是重要的价值和价值分类来比较，因此他们不能仅仅回答公司想要听到的答案。
此外，关系匹配方面也提供了评估企业和供应商或合作伙伴发展关系的益处的可能性，通过评估两个企业的目的和价值相校准的程度，因此确定潜在关系的期望的有效性。
本发明的反馈方面为企业提供了方法来评估在和外部的股东交流它的目的和价值的成功。
在其他组织的情况下，本发明提供了相当的益处。
在个人实体的情况下，本发明允许个人发展更清晰更强的自我意识，因此符合他的或她的自我目的和价值更有效的生活。关系匹配方面增强了个人发现有价值的工作的能力，并且总的具有成功的和满意的关系。发明的反馈方面关于他或她认识他或她的意图的程度对个人提供了有用的信息。低的反馈分级和高的身份分级意味着个人没有完全符号他或她的自我理解生活。
值的称赞的是所有提到的报告可以以不同形式提供，电子的或其他的，以不同的交付方式，在线的和离线的。
进一步值的称赞的是确定问题内容的算法的电子使用允许可用于选择的目的和价值的列表在问卷调查第二次完成时被修改。这使得目的和价值的列表能够反映组织和企业的当前偏好，因此克服了使用问卷调查作为评估组织文化的方法的一个困难；例如，对于很快的适应公司的目的和价值的正在进行的发展的不稳定性。对于发展问题过程的电子交付的算法的使用对问卷调查快速远程的创建新的版本成为可能。这在大公司的情况下特别重要，在大公司可能每天有几百个雇员完成问卷调查。
相同的，上面讨论的目的和/或价值列在连续的问卷调查中的发展的方法对于组织或企业实体声称的目的和/或价值列表(如果有的化)没有任何偏见，因此鼓励真实的选择而不是根据“老板想让我选择的”来进行选择。通过外面的机构管理匿名的实现问卷调查进一步帮助解决这一问题。
值的进一步称赞的是这一算法特别地，以及问卷调查过程通常地作为自创生过程，通过提供一个方法，应用该方法雇员意识到目前在他的企业文化中流行的价值来加强雇员在共享价值上的校准。相似的，个人使用该发明将倾向于具有工具的自创生性质强调的他或她的自我意识。如在背景技术中提到的，通过这样的过程系统维持它们自已，因此本发明的应用通过这些自创生过程期望对企业文化或个人的自我意识具有积极的影响。传统的问卷调查，因为它们缺少发展要素和反映文化的当前状态的结果页，而不能充分的提供自创生过程至本发明所能做到的程度。
本发明的进一步的方面结合下面的说明变得明显，其仅以例子的形式给出并参考以下附图 图1示出了根据本发明一个实施例的流程图，该实施例应用作为公司的问卷调查的管理相关的企业工具； 图2示出了根据本发明进一步的实施例的算法流程图，该实施例应用于对目的和价值问题创建问题，以及 图3示出了根据本发明进一步的实施例的序列的流程图，该实施例应用于将它的功能作为筛选工具相关的企业工具。
具体实施例方式 根据本发明被应用的目的，本发明可以以几种形式被应用。包括 A.身份分级 B.校准分级 C.反馈分级和完整性分级 D.文化适应和企业检查 通过下面的例子表达这些工具的描述 1.问题的内容和回答的编码 2.数据的计算 3.对比 4.例子 5.注意 应当注意到本发明可以以几种方式应用。在有效实施例中，本发明的应用计算共享的价值和目的的强度的交互方法，以及为了更新目的和价值的列表涉及算法过程的问题序列。在此描述两个实现本发明的优选的实施例。
实现本发明的第一方式 1.问题的内容和回答的编码 身份分级、校准分级、反馈分级、完整性分级 这些工具的问题序列可以显示如下。回答以显示的数字的测量进行编码。
问题1 问题1在下面三种形式之间进行循环，使得如果问卷调查n包含1a，问卷调查n+1包含1b，在循环回1a之前问卷调查n+2包含1c，等等 问题1 或者1a 你多么经常的感觉到能够“成为自己”插入？ 或1b 你同意或不同意下面的说法到什么程度？插入
或1c 你同意或不同意下面的说法到什么程度？插入
问题2 两部分问题，2a和2b 问题2a 表1 2b 表2 对于这个问题，给出回答者最多12个可能的回答从中进行选择，对于第一个问卷调查从目的的主列表中随机的选取。对于后面的问卷调查，显示最常选择的目的。目的将以随机的顺序显示。回答者可以只从列表中选择一个目的。
选择的目的和存储在数据库中的目的的主列表进行比较，和那个目的相关的独特的数字代码被存储作为该问题的回答。(这个代码总的来说是独特的；然而，被认为一样的目的可以作为同义词存储。例如，“满足我们的顾客”和“使我们的顾客高兴”可以共享同样的代码。规律的在主列表中筛选同义词。) 如果回答者实体感觉选项中没有他相信的目的相匹配，他可以通过在“其他”的方框中输入目的来发送未列表的目的。然后在“其他”中输入的目的被加入到列表中用于下一个回答者。如果它没有出现在主列表，它被加到主列表中，并指定独特的数字代码。
当一个目的被输入到“其他”的方框中并被加入到列表中，必须从列表中移除另一个目的以使得在列表中保留固定数目的目的。因此对于每个目的可以计算投票的数目除以出现的数目，在每个情况下产生了一个0到1之间的数字。将具有最低分数的目的移除。如果两个目的具有相等的低的分数，最常出现的被移除。
问题3 问题3在下面两种版本之间进行循环，使得如果问卷调查n包含3a，问卷调查n+1包含3b 或者3a 你同意或不同意下面的说法到什么程度 或者3b 问题4 问题4在下面两种版本之间进行循环，使得如果问卷调查n包含4a，问卷调查n+1包含4b 4a 4b 价值‘X1’是从原来的雇员进行调查最常投票的列表中的五个价值中随机选取的。
问题5a 表1 列出的20个价值如下描述。
表2 给出了最多20个可能的答案的列表供回答者从中选择。这些答案以随机的顺序显示。回答者可以选择最多6个价值。
这些价值和存储作为数据库的价值的主列表进行比较，和这些价值相关的独特的数字代码被存储作为该问题的回答。(这个代码总的来说是独特的；然而，被认为一样的价值可以作为同义词存储。例如，“顾客焦点”和“消费者焦点”可以共享同样的代码。规律的在主列表中筛选同义词。) 如果回答者实体感觉选项中没有他认为重要的某些价值，他或她可以在“其他”的方框中输入这些价值。然后被输入的这个或这些价值被加入到列表中用于下一个回答者。如果它们没有出现在主列表，它们被加到主列表中，并指定独特的数字代码。
在每个问卷调查完成之后，对每个价值计算投票的数目除以出现的数目，在每个情况下产生了一个0到1之间的数字。具有最高分数的20个价值出现在下一次问卷调查的列表中。如果两个价值具有相等的高的分数，最常出现的被保留。
问题5b-仅针对反馈 就文化适应B部分来说，这个问题重复四次。
允许的回答(四个价值以随机顺序列出) -获胜的态度(中心) -创新的激情(非中心) -给予报酬的工作(非中心) -个人发展(非中心) 问题6 价值X2从上次调查时接受到的投票最高百分比的主列表中的5个价值中随机的选取出来的。
问题7 X3通过下面的列表循环，使得如果问卷调查n包含X3(1)，问卷调查n+1将包含X3(2)，问卷调查n+2将包含X3(3)，等等 对于商业 服务于它的所有者/股东的需要＝X3(1) 建立和增强它的信誉＝X3(2) 服务于它的雇员的需要＝X3(3) 服务于它的顾客的需要＝X3(4) 通过它的产品和服务创建一个更好的世界＝X3(5) 对于非商业 满足它的财务的需要＝X3(1) 建立和增强它的信誉＝X3(2) 服务于它的成员和/或雇员的需要＝X3(3) 服务于它的‘顾客’的需要＝X3(4) 通过它的活动创建一个更好的世界＝X3(5) 问题8(仅针对雇员) X4通过下面的列表循环，使得如果问卷调查n包含X4(1)，问卷调查n+1将包含X4(2)，等等 你的财务奖励计划＝X4(1) 你的组织的信誉＝X4(2) 你的工作同事的成功＝X4(3) 超过了顾客的预期＝X4(4) 你的工作对社会的贡献＝X4(5) 问题9-仅针对个人。对于标准和反馈回答所有的，对于增强的进行循环。
X5通过下面的列表循环，使得如果问卷调查n包含X4(1)，问卷调查n+1将包含X4(2)，等等 财务成功＝X5(1) 身份和信誉＝X5(2) 在你周围人的成功＝X5(3) 服务于他人＝X5(4) 对社会做出贡献＝X5(5) 问题10 问题11 文化适应和企业检查 文化适应的问题如下 部分A A1.你的财务奖励计划对你成就的感觉重要到什么程度？ A2.你的公司的信誉对你成就的感觉重要到什么程度？ A3.你的工作同事的成功对你成就的感觉重要到什么程度？ A4.超过顾客的预期对你成就的感觉重要到什么程度？ A5.你的工作对社会做出的贡献对你成就的感觉重要到什么程度？ 部分B 在部分B有四个问题，都具有下面的形式 下面价值的哪一个在你的工作中指引你最多？ 在每个问题中列出了四个价值来自组B1中的一个，以及来自组B2中的三个。组B1是在公司的身份分级的四个最常选的价值。组B2是十二个随机价值。
部分C 在部分C中有四个问题，有具有下面的形式 下面价值的哪一个在你的工作中指引你最多？ 在每个问题中列出了三个价值来自组C1中的一个，以及来自组C2中的两个。组C1是在公司的身份分级的第五到第八个最常选的价值。组C2是八个随机价值。
2.关于数据的计算 在括号中的数字指的是在下表中全部细节中列出的计算 所有的概况计算 匹配计算 反馈计算 文化适应/企业检查计算 计算的描述 (1)目的校准 目的校准分级从问题2a计算 对于每个目的p1，p2，p3计算投票的百分比 现在，pi×pi是交互作用的数目，其中两个雇员共享目的pi 因此，□i(pi×pi)是校准的交互作用的整个百分比。
□i(pi×pi)是目的校准分级。
(2)价值校准 价值校准分级从问题5a计算 1.对于问题5的每个回答由此人选择的价值的整个数目加权。
(有效地将一个选择四个价值的人的投票分成四份，每个价值具有投票的四分之一。) 2.对于每个价值‘x’，计算x被选择的面积的百分比px。也计算p2，x，其为接受到的加权的投票价值‘x’的百分比。
3.然后计算∑xp2，xpx。如果这个人在一个区域由价值x指引，他的生活的其他区域的px也由价值x指引。那么他的行为校准到他的生活的px上。因此，所有价值的整个分数是∑xp2，xpx。∑xp2，xpx是价值分级。
(3)自我感知分级商业和非商业 自我感知分级从问题7计算 对于每个选项X4(1)到X4(5)，计算该选项的百分比分数。
自我感知分级是X4(1)到X4(5)的百分比分数的平均值。
(3b)自我感知焦点 自我感知焦点对应于问题7中具有最高百分比分数的分类。
这个数据用于身份报告，而不用于身份分级计算。
(4)自我感知分级个人 自我感知分级从问题7计算 对于每个选项X4(1)到X4(5)，计算该选项的百分比分数。
自我感知分级是X4(1)到X4(5)的百分比分数的平均值。
(4b)自我感知焦点 自我感知焦点对应于问题9中具有最高百分比分数的分类。
这个数据报告给用户作为身份报告的一部分，而不用于身份分级计算。
(5)价值校准股东概况 对于每个价值‘x’，计算px，股东选择该价值的次数的平均百分比(对 于标准个人概况用户，每个价值在一次调查中如果没有被选，分数为0％，如果被选择一次，分数为100％)。
例如 Adam有强化概况，在40次调查中选择价值“忠诚”30次＝75％ Ben有标准概况并且选择价值“忠诚”＝100％ Carol具有强化概况，在4次调查中选择价值“忠诚”2次＝50％ 忠诚的总计＝225％/3个实体＝75％ ∑xp，xpx是股东概况的价值校准分级。
(6)自我感知分级股东概况 自我感知分级从个人股东的自我感知分级计算 对于每个分类，个人的平均回答(存储用于他们的身份分级)被均分。
整体的自我感知分级是每个分类的分数的平均值。
(6b)自我感知焦点 自我感知焦点对应于具有最高百分比分数的分类。
这个数据用于身份报告，而不用于身份分级计算。
(7)目的承诺 目的承诺分级由问题3计算 它是问题3a和3b回答的平均值，以百分比表达。
(8)目的承诺股东概况 目的承诺从个人股东的目的承诺计算。
其为这些分数的平均值。
(9)价值承诺 价值承诺分级从问题6计算 它是问题6回答的平均值，以百分比表达。
(10)价值承诺股东概况 价值承诺被计算为个人股东的价值承诺的平均值。
(11)自我感知承诺商业和非商业 自我感知分级从问题8计算 对于每个选项X4(1)到X4(5)，计算该选项的百分比分数。
自我感知分级是X4(1)到X4(5)的百分比分数的平均值。
(12)整体完整性检查 整体完整性检查从问题1计算。
问题1的结果转换成百分比，G。
如果(G-承诺分级＜-10％)，没有通过完整性检查 如果(G-承诺分级＞＝-10％)，通过完整性检查 这个数据用于身份报告，而不用于身份分级计算。
(13)目的完整性检查 目的整体完整性检查从问题3和问题4a计算。
问题4a的结果转换成百分比，P。
如果(P-承诺分级＜-20％)，没有通过完整性检查 如果(P-承诺分级＞＝-20％)，通过完整性检查 这个数据用于身份报告，而不用于身份分级计算 (14)价值完整性检查 价值整体完整性检查从问题6和问题4a计算。
问题4a的结果转换成百分比，V。
如果(V-承诺分级＜-20％)，没有通过完整性检查 如果(V-承诺分级＞＝-20％)，通过完整性检查 这个数据用于身份报告，而不用于身份分级计算 (15)目的完整性 目的完整性分级从问题3计算 它是问题3的反馈回答的平均值，以百分比表达。
(16)价值完整性 价值完整性分级从问题5b计算 每个列出的价值具有和它相关的价值分数，对应于它用于实体X的身份分级被选择的次数的百分比。
单个反馈调查的价值完整性分数等于四个被选择的价值的分数的和除以该实体四个最常被选择的“中心”或“核心”价值的分数的和。
整体价值完整性分数是对于所有被选择的反馈的个人价值完整性分数的平均值。
(16b)特定价值完整性 对于每个中心价值，它的特定价值完整性分数被计算为对该价值投票的数目除与反馈调查的次数。
这个数据用于反馈校准报告，而不用于反馈校准/完整性分级计算。
(16c)价值承诺反馈 价值承诺分级从问题6计算 它是对问题6反馈回答的平均值，以百分比表达。
这个数据用于反馈校准报告，而不用于反馈校准/完整性分级计算。
(17)自我感知完整性 从X的身份分级，我们知道pXi，pXii，pXiii，pXiv和pXv，关于不同的自我级别i-v的声明的焦点。问题7中用于商业和非商业组织，问题9中用于个人用户。
问题7或9的反馈调查的结果转换成百分比用于自我的每个级别。将它们称为pYi，pYii，pYiii，pYiv，pYv。
那么特定反馈的自我感知完整性分级是 100％-((|pYi-pXi|+|pYii-pXii|+|pYiii-pXiii|+|pYiv-pXiv|+|pYv-pXv|)/5) 在所有反馈中这些分级的平均值是整体自我感知完整性分级。
(17b)自我完整性的特定级别 对于自我的每个级别i，它的自我完整性的特定级别分数计算为所有反馈调查的平均值|pYi-pXi|。
这个数据用于反馈校准报告，而不用于反馈校准/完整性分级计算。
(17c)自我感知承诺反馈 对于自我的每个级别i，计算所有反馈回答的平均百分比分数。自我感知承诺分级是自我的所有级别i的百分比的平均值。
这个数据用于反馈校准报告，而不用于反馈校准/完整性分级计算。
(17d)自我承诺的特定级别 对于自我的每个级别i，它的自我承诺的特定级别分数计算为所有反馈的平均值|pYi-pXi|。
这个数据用于反馈校准报告，而不用于反馈校准/完整性分级计算 (18)差错检查 对问题1的回答转换成为百分比和平均值；称这个分数为‘E’。
差错检查＝反馈校准/完整性分级-E 这提供了基本完整性检查，来检查反馈校准/完整性分级是现实的。
(19)目的承诺适应 对于实体A和B，目的承诺适应从目的承诺分级来计算，例如，PC(A)和PC(B)。
目的承诺适应＝100％-|PC(A)-PC(B)| (20)价值承诺适应 对于实体A和B，价值承诺适应从价值承诺分级来计算，例如，VC(A)和VC(B)。
价值承诺适应＝100％-|VC(A)-VC(B)| (21)价值分类适应 对于实体A和B，价值分类适应从价值分类模式来计算如下 对于实体A，每个价值被选择的次数的百分比在每个分类中累加(有效的，有关系的，有灵感的)。例如40％的控制+50％的质量＝90％有效的，30％的爱+90％的理解＝120％有关系的，60％的激情+30％的学习＝90％有灵感的。
这些整个除以它们的和来获得百分比分数，例如90％/(90％+120％+90％)＝30％有效的，相似的，40％有关系的和30％有灵感的。
对于实体A对于类别有效的，有关系的，有灵感的百分比分数分别是O(A)，R(A)和I(A)。这些分数代表A的价值分类模式。
对实体B做出了同样的计算。
因而价值分类适应为 价值分类适应＝100％-((|O(A)-O(B)|+|R(A)-R(B)|+|I(A)-I(B)|)/3) (21b)特定价值适应 比较A和B的中心价值。其中A和B都选择同样的价值，都选择它超过50％的次数，这在校准报告中报道了。
(22)自我感知焦点适应 对于自我的每个级别i到v(股东组)实体A和实体B都具有自我感知(股东焦点)承诺分级，对实体A来说称为pAi，pAii，pAiii，pAiv，pAv，对实体B来说，称为pBi，pBii，pBiii，pBiv，pBv。
那么自我感知焦点适应是 100％-((|pAi-pBi|+|pAii-pBii|+|pAiii-pBiii|+|pAiv-pBiv|+|pAv-pBv|)/5) (22b)自我适应的特定级别 对于自我的特定级别i，它的自我适应的特定级别是100％-|pAi-pBi|。
自我适应的特定级别用于校准报告，而不用于校准计算。
(22c)自我的关键感知适应 对于实体A，我们选定它的自我感知焦点。称这个自我的级别焦点是Ai，相似的我们选定Bii，实体B的焦点。然后我们使用自我感知承诺分级来计算自我感知焦点适应，如下 自我感知焦点适应＝100％-(|pAi-pBi|+|pAii-pBii|)/2) 自我感知的焦点适应用于校准报告，而不用于校准计算 (23)价值分类模式 价值分类模式从问题5a计算如下 每个价值被选择的次数的百分比在每个分类中累加(有效的的，有关系的，有灵感的)。例如40％的控制+50％的质量＝90％有效的，30％的爱+90％的理解＝120％有关系的，60％的激情+30％的学习＝90％有灵感的。
这些整个除以它们的和来获得百分比分数，例如90％/(90％+120％+90％)＝30％有效的，相似的，40％有关系的和30％有灵感的。
对于实体A对于类别有效的，有关系的，有灵感的百分比分数分别是O(A)，R(A)和I(A)。这些分数代表A的价值分类模式。
(24)价值分类模式股东概况 价值分类模式从个人的价值分类模式中计算。每个分类分数是该分类个人分数的平均值。
(25)自我感知结果 实体对部分A的回答的分数和公司自己的自我感知分级分数相比较。pAi是对于分类i的调查的实体分数，pBi是公司自己的分数。那么自我感知结果是 100％-((|pAi-pBi|+|pAii-pBii|+|pAiii-pBiii|+|pAiv-pBiv|+|pAv-pBv|)/5) 对于文化适应/企业检查的目的，使用下面的阈值 90％以上＝非常高 80％到90％＝高 70％到80％＝中等 60％到70％＝低 60％以下＝非常低 (26)价值结果 在部分B和C列在每个问题中的价值有和它们相关的分数.价值的分数是它在实体的身份分级中收到百分比。实体在完成调查时选择的价值的分数被累加并除以最大可能分数(如果在每个问题中最高评分的价值被选择)来产生百分比，即为价值结果。
80％以上＝非常高 60％到80％＝高 40％到60％＝中等 20％到40％＝低 20％以下＝非常低 (27)整体结果 价值分级模式从自我感知结果和价值结果来计算。整体结果的范围如上所示从非常高到非常低，并且四舍五入的为两个级别的平均。例如，自我意识的个人评分为高而价值的评分为低，对于整体结果评分为中等；自我意识的个人评分为非常高而价值的评分为低，对于整体结果评分为中等。
公司可以根据它的需要选择通过/失败设定，例如，有一些空缺的公司可能设定为高，而处于紧张的工作市场的公司可能设定为中等。
(28)生活区域/公司部门分级 对于个人增强的概况或商业或非商业组织的不同部门的每个生活区域可以有它们计算的自己的身份分级。分类和计算和整体身份分类是相同的，但是仅仅使用那个区域/部门的数据。
主身份分级结果也可以被计算作为来自子概况计算的复合(代替来自原始数据) 将调查结合起来，在问题2、5和6中的单个价值和目的的分数结合起来。例如，如果5个南岛职员选择A，2个北岛职员选择A，那么只进行一次价值校准A＝7而不是分开的调查产生的价值校准分数的组合。
其他的计算确实简单的组合(例如，把它们相加并且除以2-虽然因为回答是数目可能不同)实际的计算可以是 分数[组X+组Y]＝(分数[组A]×调查的数目[组A])+(分数[组B]×调查的数目[组B])/(调查的数目[组A]+调查的数目[组B])) 计算的注释 整体股东校准分级使用所有接收到的反馈进行计算。每接收到5个或更多的反馈产生分级。
如果用户定义这些给出的反馈落入到了那个分类，反馈可以被细分到特定的组。例如，每接收到5个或更多‘朋友’/‘顾客’的反馈，产生‘朋友’/‘顾客’的反馈分级。
用于计算身份分级的反馈是那些回答者自己的完整性分级处于整个系统的完整性分级上面四分之一，例如所有人/组织使用该系统。
直到对于个人来说至少五个合格的回答，对于公司来说至少10个或者是雇员人数的10％(由导入调查的电子邮件的数目测量)，才计算完整性分级。对于个人完整性分级反馈的最大数目＝20。
股东校准分级和完整性分级的计算是相似的，如下面描述的那样。股东校准报告对于商业、非商业和个人用户的表达是不同的。
3.对比 计算价值分级的独特方法(所以核心价值的数目不重要)允许实体之间这个分级和其他分级的比较。这使得可以执行‘匹配’计算。
对比的另一个重要形式可以是对于问题中的实体的分级的历史对比。这将允许例如企业的管理者将他们的文化强化动机和在它们的身份分级中的变换相互关联。
4.例子 下面的例子用于商业组织。
下面的例子显示了对于企业来说目的分级的计算在实际中是怎么工作的。
例子1 最常选的目的‘服务客户’，在这个十分简单的例子中接受到了2个投票，获得了8个加权的投票。因为加权的投票总数是16，目的分级是8/16，或50％。
下面的例子显示了对于企业来说价值分级的计算在实际中是怎么工作的。
例子2(a)一个核心价值 在这个例子中，200个雇员投票，每个雇员对一个价值投票。质量是公司的核心价值。
在目前的计算的标准方法对于公司的校准给出了80％的结果，但是我们的更精确的以交互作用为基础的用于评估文化的模型只给出了低于65％的结果。
例子2(b)一些核心价值 在这个例子中，200个雇员投票，质量、顾客服务、完整性和创新性是公司的核心价值。那些投票给质量的人也投票给顾客服务、完整性和创新性。其他人都只投票给一个价值。计算显示虽然现在有四个核心价值而不是一个，但是整体分数保持不变。这个一致性是因为投票的加权，如上面描述的那样。这是本工具比原来的对组织文化收集数据的方法的另一个优点。
例子2(c)改进-变得更加校准 在这个例子中，质量的核心价值变成公司文化的更强的部分，并且更多的人现在用质量在工作中指引他们。这导致比1(a)中更高的价值分级。
例子3完美 在这个例子中，公司的每个人具有同样的价值，真理和质量。
例子4混乱 在这个例子中，每个人由不同的价值指引，所有价值是独特的。
当每个人投票给独特的价值，获得理论上最低可能的分数。在这种情况下， 因为雇员的数目是100/px，该计算变成 A＝(100/px)(px)(100-px)＝10000-100px 因此，价值分级＝(10000-A)/10000＝px/100＝px％ 例如，如果每个雇员都由独特的价值指引，具有10000的公司可以得到最少0.01％的分数。这个0.01％的基线是雇员的有限数目的结果，因为具有无限数目雇员的公司可以得到最少0％的分数。除了对于十分小的公司(雇员少于100人)，错误是无关紧要的。在这些情况下，可以通过改变价值分级计算为以下形式来补偿，价值分级＝(10000-A)/(10000-px)。
例子5(a)雇用校准的雇员 在这个例子中，在例子2(c)中描述的公司雇用20个新雇员(增加它的职工总数的10％)，并且为了确信他们由质量的价值进行引导而对他们进行筛选。所有的雇员完成问卷调查，公司的结果显示如下 校准雇员的雇员对于价值分级具有小的积极影响(因此，对于身份分级也一样) 例子5(b)雇用非校准的雇员 在这种情况下，公司增加了20个雇员(10％的雇员总数)，但是没有对新的雇员进行筛选，导致了在文化中操作的价值的多样性的增加，随后导致在价值分级中的减少。
应用本发明的第二方式 根据本发明被应用的目的，本发明可以以几种形式被应用。包括 A.身份分级 B.匹配分级(原来的校准分级) C.反馈分级 D.文化适应和企业检查 通过下面的例子表达这些工具的描述 1.问题的内容和回答的编码 2.数据的计算 3.对比 4.例子 5.注释 1.问题的内容和回答的编码 身份分级、匹配分级(校准分级)、反馈分级 这些工具的问题序列可以显示如下。回答以显示的数字的测量进行编码。
问题1a 表1 表2 对于这个问题，给出回答者最多12个可能的回答从中进行选择，对于第一个问卷调查从目的的主列表中随机的选取。对于后面的问卷调查，显示最常选择的目的。目的将以随机的顺序显示。回答者可以只从列表中选择一个目的。
该目的和存储在数据库中的目的的主列表进行比较，和那个目的相关的独特的数字代码被存储作为该问题的回答。(这个代码总的来说是独特的；然而，被认为一样的目的可以作为同义词存储。例如，“满足我们的顾客”和“使我们的顾客高兴”可以共享同样的代码。规律的在主列表中筛选同义词。) 如果回答者实体感觉选项中没有他相信的目的相匹配，他或她可以将该目的输入至“其他”的方框中。然后在“其他”中输入的目的被加入到列表中用于下一个回答者。如果它没有出现在主列表，它被加到主列表中，并指定独特的数字代码。
当一个目的被输入到“其他”的方框中并被加入到列表中，必须从列表中移除另一个目的以使得在列表中保留固定数目的目的。因此对于每个目的可以计算投票的数目除以出现的数目，在每个情况下产生了一个0到1之间的数字。将具有最低分数的目的移除。如果两个目的具有相等的低的分数，最常出现的被移除。
问题1b-仅针对个人基本问卷调查(PC) 目的一致性是这个问题的答案，“你的目的在你生活的所有领域指引你到什么程度？”转换成百分比。
问题2a 表1 表2 给出了最多20个可能的答案的列表供回答者从中选择。这些答案以随机的顺序显示。回答者可以选择最多6个价值。
这些价值和存储作为数据库的价值的主列表进行比较，和这些价值相关的独特的数字代码被存储作为该问题的回答。(这个代码总的来说是独特的；然而，被认为一样的价值可以作为同义词存储。例如，“顾客焦点”和“消费者焦点”可以共享同样的代码。规律的在主列表中筛选同义词。) 如果回答者实体感觉选项中没有他认为重要的某些价值，他或她可以在“其他”的方框中输入这些价值。然后被输入的这个或这些价值被加入到列表中用于下一个回答者。如果它们没有出现在主列表，它们被加到主列表中，并指定独特的数字代码。
在每个问卷调查完成之后，对每个价值计算投票的数目除以出现的数目，在每个情况下产生了一个0到1之间的数字。具有最高分数的20个价值出现在下一次问卷调查的列表中。如果两个价值具有相等的高的分数，最常出现的被保留。
问题2b-仅针对反馈 这个问题重复四次。
对于每个问题，四个价值以随机顺序列出。在每种情况下，这些价值中的一个就是组织的身份调查中具有最高分数的四个价值中的一个。
问题2c仅针对个人基础 价值一致性是这个问题的答案，“你感觉你选择的价值在你生活的所有领域指引你到什么程度？”转换成百分比。
问题3a-仅针对组和组织 X3通过下面的列表循环，使得如果问卷调查n包含X3(1)，问卷调查n+1将包含X3(2) 对于商业 -服务于它的所有者/股东的需要＝X3(1) -建立和增强它的信誉＝X3(2) -服务于它的雇员的需要＝X3(3) -服务于它的顾客的需要＝X3(4) -通过它的产品和服务创建一个更好的世界＝X3(5) 对于非商业 -满足它的财务的需要＝X3(1) -建立和增强它的信誉＝X3(2) -服务于它的成员和/或雇员的需要＝X3(3) -服务于它的‘顾客’的需要＝X3(4) -通过它的活动创建一个更好的世界＝X3(5) 问题3b-仅针对个人调查 强化调查的生活区域循环 X4通过下面的列表循环，使得如果问卷调查n包含X4(1)，问卷调查n+1将包含X4(2) -快乐的 -赢得他人的尊重 -创建强的个人关系 -提高他人的幸福感 -对社会做出贡献 问题4 问题5 问题6a-系统优化问题-个人基础 回答编码如下(指示处分数相反) 问题7-增化的个人调查-焦点优化问题 这些基于以下插入 -快乐的 -赢得他人的尊重 -创建强的个人关系 -提高他人的幸福感 -对社会做出贡献 回答编码如下(在指示的地方分数是相反的) 这些基于以下插入 -快乐的 -赢得他人的尊重 -创建强的个人关系 -提高他人的幸福感 -对社会做出贡献 回答编码如下(在指示的地方分数是相反的) 一点也不＝1 轻微的程度＝2 一些程度＝3 大的程度＝4 十分大的程度＝5 问题8-增强的个人调查-生活区域问题-系统优化 这些基于以下插入 -在我工作中的成功 -改善我的财务 -培养的我亲密关系 -玩的开心 -学习 -照顾自己 这些基于以下插入 -在我工作中的成功 -改善我的财务 -加深的我亲密关系 -玩的更开心 -从学习中获得更大的满足 -更好的照顾自己 回答编码如下(在指示的地方分数是相反的) 问题9-焦点优化问题-组和组织 X3通过下面的列表循环 对于商业 -为我们所有者创造价值＝X3(1) -增强我们的信誉＝X3(2) -帮助同事＝X3(3) -服务于顾客的需要＝X3(4) -工作来创建一个更好的世界＝X3(5) 对于非商业 -保持组织是可生存的＝X3(1) -增强我们的信誉＝X3(2) -帮助同事＝X3(3) -服务于顾客的需要＝X3(4) -工作来创建一个更好的世界 ＝X3(5) 回答编码如下(在指示的地方分数是相反的) 这些基于以下插入 X3通过下面的列表循环 对于商业 -为我们所有者创造价值 ＝X3(1) -增强我们的信誉＝X3(2) -帮助同事 ＝X3(3) -服务于顾客的需要 ＝X3(4) -工作来创建一个更好的世界 ＝X3(5) 对于非商业 -保持组织是可生存的＝X3(1) -增强我们的信誉＝X3(2) -帮助同事 ＝X3(3) -服务于顾客的需要 ＝X3(4) -工作来创建一个更好的世界 ＝X3(5) 回答编码如下(在指示的地方分数是相反的) 问题10-系统优化问题-组和组织 回答编码如下(在指示的地方分数是相反的) 文化适应和企业检查 文化适应和企业检查的问题如下 部分A A1.你的财务奖励计划对于你成就的感觉重要到什么程度？ A2.你的公司的信誉对于你成就的感觉重要到什么程度？ A3.你的工作同事的成功对于你成就的感觉重要到什么程度？ A4.超出客户期望对于你成就的感觉重要到什么程度？ A5.你的工作对社会的贡献对于你成就的感觉重要到什么程度？ 每个问题由回答者回答，并且给出了如下的数字分级 部分B 在部分B有四个问题，都具有下面的形式 下面价值的哪一个在你的工作中指引你最多？ 在每个问题中列出了四个价值来自组B1中的一个，以及来自组B2中的三个。组B1是在公司的身份分级的四个最常选的价值。组B2是十二个随机价值。
部分C 在部分C中有四个问题，有具有下面的形式 下面价值的哪一个在你的工作中指引你最多？ 在每个问题中列出了三个价值来自组C1中的一个，以及来自组C2中的两个。组C1是在公司的身份分级的第五到第八个最常选的价值。组C2是八个随机价值。
2.关于数据的计算 部分1定义和计算类型 部分2身份分级和匹配分级细目分类 部分3完全计算 部分4问题循环 部分1定义和计算类型 IR＝身份分级＝C和O的简单平均 C＝一致性＝SC和FC的简单平均 O＝优化＝SO和FO的简单平均(对于基本个人仅仅是SO) SC＝系统一致性＝PC和VC的简单平均 FC＝焦点一致性＝FC(1)，FC(2)，FC(3)，FC(4)，FC(5)的简单平均 SO＝系统优化＝E(S)，F(S)，M(S)的简单平均 FO＝焦点优化＝FO(1)，FO(2)，FO(3)，FO(4)，FO(5)的简单平均 PC＝目的一致性＝校准类型计算 VC＝价值一致性＝校准类型计算 FC(1)，...＝焦点一致性(对于每个焦点区域)＝FD(1)和F1(1)的简单平均(对于基本个人，仅为F1(1)) FO(1)＝焦点优化(对于每个焦点区域)＝E(F1)，F(F1)，M(F1)的简单平均 FD(1)＝焦点偏差＝校准类型计算 F1(1)＝焦点重要性＝问题FH(1)的简单平均 ES＝系统授权＝问题ES的简单平均(结果成比例的) FS＝系统自由＝问题FS的简单平均(结果成比例的) MS＝系统维护＝问题MS的简单平均(结果成比例的) EF(1)＝焦点授权＝问题EF(1)简单平均(结果成比例的) FF(1)＝焦点自由＝问题FF(1)简单平均(结果成比例的) MF(1)＝焦点维持＝问题MF(1)简单平均(结果成比例的) ESL(1)＝在生活区域1的系统授权(用于个人用户) FSL(1)＝在生活区域1的系统授权(用于个人用户) MSL(1)＝在生活区域1的系统授权(用于个人用户) M＝匹配结果＝FM和SM的简单平均 FM＝焦点匹配＝差额基础的计算 SM＝系统匹配＝SOM和SCM的简单平均 FA(1)，...＝焦点区域分数(对于每个焦点区域)＝FC(1)和FO(1)的简单平均 SCM＝系统一致性匹配＝差额基础的计算 SOM＝系统优化匹配＝差额基础的计算 部分2身份分级和匹配分级细目分类
这是计算身份识别的方式。然而，根据选择了什么层次，数据可以以多种方式表达。唯一的不显示在结果中的数据是单一优化问题的结果，以及FC。
表示的最低级别＝PC，VC，FC(1)到FC(5)，ESL(1)到ESL(5)，FSL(1)到FSL(5)，MSL(1)到MSL(5)，EF(1)到EF(5)，FF(1)到FF(5)
部分3完全计算 缩放比例算法 这应用于下面示出的简单回答问题。这被设计来增加合理可获结果的范围。
该算法如下 选定问的简单的平局百分比分数(原始分数)。将其如下的转换为最终分数 0-40％每1％的原始分数获得0.5％的最终分数 40-100％每1％的原始分数获得1.33％的最终分数 例子 原始分数 计算最终分数 0％0％ 10％ 10％×0.5 5％ 20％ 20％×0.5 10％ 30％ 30％×0.5 15％ 40％ 40％×0.5 20％ 50％ 40％×0.5+10％×4/3 33.3％ 60％ 40％×0.5+20％×4/3 46.7％ 62.5％ 40％×0.5+22.5％×4/3 50％ 70％ 40％×0.5+30％×4/3 60％ 80％40％×0.5+40％×4/373.3％ 90％40％×0.5+50％×4/386.7％ 100％ 40％×0.5+60％×4/3100％ 该算法由如下影响，40-100％范围内的改变比0-40％范围内的改变更敏感。
身份分级计算 身份分级是一致性和优化的平均值 一致性是系统一致性和焦点一致性的平均值 优化是系统优化和焦点优化的平均值 系统一致性是目的一致性和价值一致性的平均值 目的一致性 个人基础 目的一致性是问题1b的回答，转换成百分比。
个人增强的和组织 目的一致性＝∑i(pi×pi)，其中pi是对于在问题1a中的每个目的的投票的百分比。
价值一致性 个人基础调查 价值一致性是问题2c的回答，转换成百分比。
增强的个人和组织 ·每个对问题2a的回答由在调查中个人选出的价值的全部数目进行加权。(选择四个价值的人有效地将他的投票分成四份，每个价值是投票的四分之一。) ·对于每个值‘x’，px被计算为x被选择的区域的百分比，p2x是该价值接受到的加权的投票的百分比。
·然后计算∑x p2x·px。如果个人在一个区域由价值x指引，他生活的其他领域的px也由价值x指引，那么他的行为被他生活的p2x校准。因此，所有价值的整个分数是∑x p2，x·px。
价值一致性＝∑x p2，x·px。
焦点一致性 焦点一致性是焦点区域一致性分数的平均。
焦点区域一致性是焦点区域偏差和焦点区域重要性的平均，出了个人基础调查，其中仅计算焦点区域重要性。
焦点区域偏差 每个焦点区域偏差计算如下 对问题3的每个回答从0＝从不到3＝总是进行编码。计算对每个回答投票的百分比。例如 分数(S) 回答(R) 0 ＝ 10％ 1 ＝ 20％ 2 ＝ 20％ 3 ＝ 40％ 4 ＝ 10％ 转换成百分比， 分数(S) 回答(R) 0％ ＝ 10％ 0 25％ ＝ 20％ 1 50％ ＝ 20％ 2 75％ ＝ 40％ 3 100％ ＝ 10％ 4 然后计算两个回答者之间的相互作用中的平均差额 焦点区域偏差＝100％-((((RO×R1)×(S1-SO))+((RO×R2)×(S2-SO))+((RO×R3)×(S3-SO))+((RO×R4)×(S4-SO))+((R1×R2)×(S2-S1))+((R1XR3)×(S3-S1))+((R1×R4)×(S4-S1))+((R2×R3)×(S3-S2))+((R2×R4)×(S4-S2))+((R3×R4)×(S4-S3)))/20％) 在这个例子中，焦点区域偏差＝100％-((((10％×20％)×(25％-0％))+((10％×20％)×(50％-0％))+((10％×40％)×(75％-0％))+((10％×10％)×(100％-0％))+((20％×20％)×(50％-25％))+((20％×40％)×(75％-25％))+((20％×10％)×(100％-25％))+((20％×40％)×(75％-50％))+((20％×10％)×(100％-50％))+ ((40％×10％)×(100％-75％)))/20％) ＝100％-((2％×25％+2％×50％+4％×75％+1％×100％+4％×25％+8％×50％+2％×75％+8％×25％+2％×50％+4％×25％)/20％)＝100％-((0.5％+1％+3％+1％+1％+4％+1.5％+2％+1％+1％)/20％) ＝100％-(16％/20％) ＝100％-80％ ＝20％ 焦点区域重要性是对于该焦点区域的问题3的平均回答，转换成百分比。
系统优化 系统优化从对问题6(针对个人基础调查)、问题8(针对个人增强的用户)或问题10(针对组和组织)的回答的平均值计算。对于每个子问题，在选定整个平均值之前，应用比例缩放算法。
系统优化问题可以被细分为授权、维持和自由类别。子问题的系统授权、系统维持和系统自由分数在这些类别中。
特定优化问题结果 问题10的每个子问题的平均值可用作为百分比。这允许数据集成到本发明的其他方面，例如增强在公司的文化中干预的能力。
价值分类分数 这些计算如下 每个价值在问题2a中被选择的次数的百分比在每个类别中累加(有效的，相关的，有灵感的)。
例如40％的控制+50％的质量＝90％有效的 30％的爱+90％的理解＝120％有关系的 60％的激情+3 0％的学习＝90％有灵感的 这些整个除以它们的和来获得百分比分数，例如 90％/(90％+120％+90％)＝30％有效的，相似的，40％有关系的和30％有灵感的。这些是价值分类分数，VCS(O)、VCS(R)和VCS(I)。
焦点优化是焦点区域优化的分数的百分比。
焦点区域优化 每个焦点区域优化从对针对该焦点区域的问题7(针对个人用户)或问题9(针对组织)的回答的平均值进行计算，转换成百分比。对于每个子问题，在选定整个平均值之前，应用比例缩放算法。
焦点优化问题可以被细分为授权、维持和自由类别。焦点授权、焦点维持和焦点自由分数是在这些类别中的子问题的平均分数。
焦点区域分数 焦点区域分数这个区域的焦点区域一致性和焦点区域优化的平均值。
生活区域一致性 生活区域一致性是基于仅关于生活区域的问题计算的生活区域焦点和时候区域系统一致性的平均值。
生活区域优化 生活区域优化是基于仅关于生活区域的问题计算的系统优化分数。
生活区域授权 生活区域授权是基于仅关于生活区域的问题计算的授权分数。
生活区域自由 生活区域授权是基于仅关于生活区域的问题计算的自由分数。
生活区域维护 生活区域授权是基于仅关于生活区域的问题计算的维护分数。
生活区域目的一致性 生活区域授权是基于仅关于生活区域的问题计算的目的一致性分数。
生活区域价值一致性 生活区域授权是基于仅关于生活区域的问题计算的价值一致性分数。
生活区域系统一致性 生活区域授权是该生活区域的生活区域目的一致性和生活区域价值一致性的平均值。
生活区域系统 生活区域系统是该生活区域的生活区域系统一致性和生活区域优化的平均值。
生活区域焦点 生活区域焦点是基于仅关于生活区域的问题的焦点一致性分数。
生活区域分数 生活区域分数是该生活区域的生活区域一致性和生活区域优化的平均值。
匹配计算(校准分级) 从每个部分的身份分级计算需要的数据 目的一致性 价值一致性 每个焦点区域的焦点区域一致性(FC1，FC2，FC3，FC4，FC5) 目的优化 价值优化 系统优化 每个焦点区域的焦点区域优化(FO1，FO2，FO3，FO4，FO5) 整体的匹配分数是系统匹配和焦点匹配的平均值。
系统匹配是系统一致性匹配和系统优化匹配的平均值。
系统一致性匹配是目的一致性匹配和价值一致性匹配的平均值。
目的一致性匹配100％-|PC(X)-PC(Y)| 价值一致性匹配100％-|VC(X)-VC(Y)| 系统优化匹配100％-(|SO(X)-SO(Y)|) 焦点匹配 焦点匹配是焦点模式匹配和焦点强度匹配的平均值。
焦点模式匹配 焦点模式匹配(未缩放比例的)＝100％-(|(FA1(X)-FA2(X))-(FA1(Y)-FA2(Y))|+|(FA1(X)-FA3(X))-(FA1(Y)-FA3(Y))|+|(FA1(X)-FA4(X))-(FA1(Y)-FA4(Y))|+|(FA1(X)-FA5(X))-(FA1(Y)-FA5(Y))|+|(FA2(X)-FA3(X))-(FA2(Y)-FA3(Y))|+|(FA2(X)-FA4(X))-(FA2(Y)-FA4(Y))|+|(FA2(X)-FA5(X))-(FA2(Y)-FA5(Y))|+|(FA3(X)-FA4(X))-(FA3(Y)-FA4(Y))|+|(FA3(X)-FA5(X))-(FA3(Y)-FA5(Y))|+|(FA4(X)-FA5(X))-(FA4(Y)-FA5(Y))|)/1 2 其中FA是焦点区域分数(该焦点区域的焦点一致性和焦点优化的平均值)。然后应用缩放比例算法。
焦点强度匹配 焦点强度匹配(未缩放比例的)＝100％-((|(FA1(X)-FA1(Y)|+|(FA2(X)-FA2(Y)|+|(FA3(X)-FA3(Y)|+|(FA4(X)-FA4(Y)|+|(FA5(X)-FA5(Y)|)/5) 然后应用缩放比例算法。
焦点一致性匹配 100％-((|(FC1(X)-FC1(Y)|+|(FC2(X)-FC2(Y)|+|(FC3(X)-FC3(Y)|+|(FC4(X)-FC4(Y)|+|(FCS(X)-FC5(Y)|)/5) 焦点优化匹配 100％-((|(FO1(X)-FO1(Y)|+|(FO2(X)-FO2(Y)|+|(FO3(X)-FO3(Y)|+|(FO4(X)-FO4(Y)|+|(FO5(X)-FO5(Y)|)/5) 区域1的焦点区域匹配是100％-|FA1(X)-FA1(Y)|，对于区域2到5也是相似的。
区域1的焦点区域一致性匹配是100％-|FC1(X)-FC1(Y)|，对于区域2到5也是相似的。
区域1的焦点区域优化匹配是100％-|FO1(X)-FO1(Y)|，对于区域2到5也是相似的。
反馈计算 反馈计算在下面的区域提供反馈 针对个人用户 系统一致性 系统一致性被计算为对问题2b的平均值回答，应用缩放比例算法。
焦点一致性 焦点一致性是5个问题3分数的平均值。
焦点区域一致性 焦点区域一致性对于每个焦点区域′X′计算为对于该区域的问题3的平均值回答，应用缩放比例算法。
焦点优化 焦点优化是授权、维护和自由的平均值。
授权 授权是对于问题7的授权问题的平均值回答，应用缩放比例算法。
自由 自由是对于问题7的自由问题的平均值回答，应用缩放比例算法。
维护 维护是对于问题7的维护问题的平均值回答，应用缩放比例算法。
焦点区域优化 对于特定区域的焦点区域优化是该区域的焦点区域授权、焦点区域维护和焦点区域自由的平均值。
针对组和组织 系统一致性 系统一致性是目的一致性和价值一致性的平均值。
目的一致性 目的一致性被计算为对问题1的平均值回答，应用缩放比例算法。
价值一致性 价值一致性从问题2b计算如下 列出的每个价值具有和其相关的价值分数，对应于在组织的身份调查中它被选择次数的百分比。
单个反馈调查的价值一致性分数＝被选择的两个价值的分数除以两个中心价值的分数的总和。
整体价值一致性分数是对于所有反馈调查的价值一致性分数的平均值。
特定价值一致性 对于每个中心价值，它的特定价值一致性分数被计算为对于问题2b中的价值的投票数目除以该中心价值出现的反馈调查的数目。
焦点一致性 焦点一致性是从问题3获得的5个焦点区域一致性分数的平均值。
焦点区域一致性 焦点区域一致性对于每个焦点区域′X′计算为对于该区域的问题3的平均值回答，应用缩放比例算法。
焦点优化 焦点优化是授权、维护和自由的平均值。
授权 授权是对于问题9的平均值回答，应用缩放比例算法。
自由 自由是对于问题9的平均值回答，应用缩放比例算法。
维护 维护是对于问题9的平均值回答，应用缩放比例算法。
焦点区域优化 对于特定区域的焦点区域优化是该区域的焦点区域授权、焦点区域维护和焦点区域自由的平均值。
部分4身份调查的问题循环 针对个人用户，它们是 1x问题1a 1x问题2a 30x问题3b(5个焦点区域，6个生活区域) 15x问题7子问题分类(3类，5个焦点区域) 18x问题8子问题分类(3类问题(授权、自由、维护)，6个生活区域) 每个个人识别调查包含10个问题 1x问题1a 1x问题2a 3x问题3b 2x问题7 3x问题8 这些问题循环如下 对于问题3b *焦点区域-循环从焦点区域1开始 *生活区域-循环从生活区域1开始 对于问题7 *问题类型-循环通过E，F，M *焦点区域-循环从焦点区域1开始 对于问题8 *问题类型(授权、自由或维护)-如下循环 E，F，M，E，F，M，F，M，E，F，M，E，M，E，F，M，E，F 这使得我们在每个调查中具有每个类型中的一个，在每个生活区域问了每个类型的问题。
*生活区域问题和焦点一致性问题一样，但是从区域4开始。
从区域4开始意味着在第一个调查用户被问关于每个生活区域的问题(3×FC，3×SO)，允许我们开始报道来自第一次调查的每个生活区域的生活区域分数。
对于组织，它们是 1x问题1a 1x问题2a 1x问题3a 2x问题10 1x问题1a 1x问题1b 5x问题3a(5个焦点区域) 3x问题9子问题分类(3个问题类型) 15x问题10子问题分类(3类问题，5个焦点区域) 每个调查具有9个问题 1 PC 1 VC 1 FC 3 SO 3 FO 这些问题循环如下 对于问题3 *焦点区域-循环从FA1开始 对于问题9 *问题类型-循环通过E，F，M *焦点区域-循环从FA1开始 对于问题10 *问题类型-循环通过E，F，M 文化适应/企业检查计算 自我感知结果 实体对部分A的回答的分数和公司自己的自我感知分级分数相比较。pAi是对于分类i的调查的实体分数，pBi是公司自己的分数。那么自我感知结果是 100％-((|pAi-pBi|+|pAii-pBii|+|pAiii-pBiii|+|pAiv-pBiv|+|pAv-pBv|)/5) 对于文化适应/企业检查的目的，使用下面的阈值 90％以上＝非常高 80％到90％＝高 70％到80％＝中等 60％到70％＝低 60％以下＝非常低 价值结果 在部分B和C列在每个问题中的价值有和它们相关的分数.价值的分数是它在实体的身份分级中收到百分比。实体在完成调查时选择的价值的分数被累加并除以最大可能分数(如果在每个问题中最高评分的价值被选择)来产生百分比，即为价值结果。
80％以上＝非常高 60％到80％＝高 40％到60％＝中等 20％到40％＝低 20％以下＝非常低 整体结果 价值分级模式从自我感知结果和价值结果来计算。整体结果的范围如上所示从非常高到非常低，并且四舍五入的为两个级别的平均。例如，自我意识的个人评分为高而价值的评分为低，对于整体结果评分为中等；自我意识的个人评分为非常高而价值的评分为低，对于整体结果评分为中等； 公司可以根据它的需要选择通过/失败设定，例如，有一些空缺的公司可能设定为高，而处于紧张的工作市场的公司可能设定为中等。
3.对比 计算价值分级的独特方法(所以核心价值的数目不重要)允许实体之间这个分级和其他分级的比较。这使得可以执行‘匹配’计算。
对比的另一个重要形式可以是对于问题中的实体的分级的历史对比。这将允许例如企业的管理者将他们的文化强化动机和在它们的身份分级中的变换相互关联。
4.例子 下面的例子用于商业组织。
下面的例子显示了对于企业来说目的分级的计算在实际中是怎么工作的。
例子1 最常选的目的‘服务客户’，在这个十分简单的例子中接受到了2个投票，获得了8个加权的投票。因为加权的投票总数是16，目的一致性分级是8/16，或50％。
下面的例子显示了对于企业来说价值一致性分级的计算在实际中是怎么工作的。
例子2(a)一个核心价值 在这个例子中，200个雇员投票，每个雇员对一个价值投票。质量是公司的核心价值。
在目前的计算的标准方法对于公司的校准给出了80％的结果，但是我们的更精确的以交互作用为基础的用于评估文化的模型只给出了低于65％的结果。
例子2(b)一些核心价值 在这个例子中，200个雇员投票，质量、顾客服务、完整性和创新性是公司的核心价值。那些投票给质量的人也投票给顾客服务、完整性和创新性。其他人都只投票给一个价值。计算显示虽然现在有四个核心价值而不是一个，但是整体分数保持不变。这个一致性是因为投票的加权，如上面描述的那样。这是本工具比原来的对组织文化收集数据的方法的另一个优点。
例子2(c)改进-变得更加校准 在这个例子中，质量的核心价值变成公司文化的更强的部分，并且更多的人现在用质量在工作中指引他们。这导致比1(a)中更高的价值一致性分级。
例子3完美 在这个例子中，公司的每个人具有同样的价值，真理和质量。
例子4混乱 在这个例子中，每个人由不同的价值指引，所有价值是独特的。
当每个人投票给独特的价值，获得理论上最低可能的分数。在这种情况下，因为雇员的数目是100/px，该计算变成 A＝(100/px)(px)(100-px)＝10000-100px 因此，价值分级＝(10000-A)/10000＝px/100＝px％ 例如，如果每个雇员都由独特的价值指引，具有10000的公司可以得到最少0.01％的分数。这个0.01％的基线是雇员的有限数目的结果，因为具有无限数目雇员的公司可以得到最少0％的分数。除了对于十分小的公司(雇员少于100人)，错误是无关紧要的。在这些情况下，可以通过改变价值分级计算为以下形式来补偿，价值一致性分级＝(10000-A)/(10000-px)。
例子5(a)雇用校准的雇员 在这个例子中，在例子2(c)中描述的公司雇用20个新雇员(增加它的职工总数的10％)，并且为了确信他们由质量的价值进行引导而对他们进行筛选。所有的雇员完成问卷调查，公司的结果显示如下 校准雇员的雇员对于价值一致性分级具有小的积极影响(因此，对于身份分级也一样) 例子5(b)雇用非校准的雇员 在这种情况下，公司增加了20个雇员(10％的雇员总数)，但是没有对新的雇员进行筛选，导致了在文化中操作的价值的多样性的增加，随后导致价值一致性分级的减少。
图1-3示出了本发明的实施例的实例流程图。
更特别地，图1示出了本发明的应用，其应用作为与公司的问卷调查的管理相关的企业工具。
图2示出了为了生成连续的问卷调查的目的和价值的问题所应用的算法的流程图。
图3示出了本发明的应用，其应用作为和企业的功能相关的做为筛选工具的企业工具。
如上讨论，本发明的不同方法可以通过例如互联网、内部网等等的电子通信手段和网络实现在不同的物理系统上。图4示出了在计算机系统(1)上实现上述方法一个可能的系统的原理框图。
如前定义，词语“实体”包括存在作为特定和离散单元的任何个人、家庭、组织、俱乐部、社会、公司、合作伙伴、宗教等等。然而，虽然为了清晰和方便的原因，在以下的例子中使用词语个人或用户(恰当的时候)，这并不限制本发明仅用于个人和用户。
计算机系统(1)包括互联网服务器(2)形式的主机，该主机包括可和网络(特别是互联网(4))连接的处理器；通过网络(10)可访问的数据库(5)，可以通过所述的网络和多个数据输入装置访问，该数据输入装置由用户计算机表示。
本领域的技术人员应该意识到，本发明不仅仅限于使用互联网，和主机/网络服务器的连接可以由专属网(8)提供，例如通过例如文本信息电话来访问。
5.注释 如上描述的本发明具有通过给实体提供关于实体的文化或自我感知的当前状态的正确的即时的信息来增强实体的财务和非财务业绩的潜力；确立特定技术的所述信息和适合特定情况的过程的关系，在该特定情况下实体发现关于它的文化或自我感知的自己；以及确信新的关系可以和实体的文化或自我感知适应的很好，而不是和其相冲突。
进一步来说，数据收集的方法对于实体的文化或自我感知具有内在的积极自创生影响，通过由问卷调查过程生成的问题和反馈环进化的性质，以及实体文化或自我感知在这种方式的支持可以期望对于组织或企业是有益的。
总的来说，可以看到在帮助实体成功地和有益地理解和增强它的文化或自我感知中本发明具有显著的优点。
因为没有其他的诊断方法是公开可用的通过将和实体的业绩前景相关的实体的文化或自我感知方面进行量化来帮助实体增强它们的业绩，本发明给公众提供了一个有用的选择。
本发明的方面仅通过例子的方式描述，应该理解到可以对本发明进行改进和附加而不偏离本发明的范围。
参考文献James C.Collins and Jerry I.Porras，Built to Last.HarperCollins 1994。Samuel B.Graves and Sandra Waddock，′Beyond Built to Last′An evaluation of Stakeholder Relationships in′Built toLast′Companies，Business and Society Review，2000，105(4)393-418John P.Kotter & James L.Heskett，Corporate Culture andPerformance，Free Press(1992)J.M.Carlson and John Doyle，′Complexity and Robustness′，Proc.Natl.Acad.Sci.USA(v.99，Suppl 12538-2545)
权利要求
1.一种方法，用于评估实体的自我感知或文化(此后称为身份分级)的状态，其特征在于，所述的方法包括以下步骤
-通过问卷调查从实体以回答的形式收集数据，该问卷调查包括实体的自我感知和文化的预定方面的问题，所述的方面包括至少一个与所述的实体相关的价值、目的、和/或包含的焦点，其中所述的问题要求实体选择、区分优先次序、和/或发送一个或多个所述方面，
-产生随后的问卷调查，该问卷调查包括最多选择的、最高优先级的和/或原来的问卷调查常发送的方面的问题，其通过进一步回答的方式收集问题，以及
-以预定发生的次数重复上面的步骤。
2.如权利要求1所述的方法，进一步包括以下步骤
-执行计算，相对于预定范围的值，将为实体的身份分级而收集的数据量化成一个百分比计量。
3.如权利要求1或2所述的方法，其中
所述收集的回答赋予了预定的增量的范围内的等效数值。
4.如权利要求1到3中任意一项所述的方法，其中所述的方法进一步包括以下步骤
-将最少被选的、最低优先级或者最不经常发送的方面从包括在随后生成的问卷调查的问题中移除。
5.如权利要求1到4中任意一项所述的方法，其中问卷调查显示了由实体可选的目的或价值随机产生的列表。
6.如权利要求5所述的方法，其中由实体选择的目的或价值与存储的目的和价值主列表进行比较。
7.如权利要求6所述的方法，其中如果实体希望选择未列出的目的或价值，它可以被实体发送作为实体收集的回答的一部分，然后所述的发送的目的或价值被加到所述的随后生成的问卷调查中的目的或价值的可选的列表中。
8.如权利要求7所述的方法，其中所述发送的目的或价值与目的或价值的主列表相比较，如果没有出现在主列表中，则加入到主列表中。
9.如权利要求8所述的方法，其中在每个问卷调查完成后，个人的目的或价值的多个选择除以目的或价值的可选择的出现的次数，其中具有最高计算结果的目的或价值被列为随后生成的问卷调查中的可选的目的或价值。
10.如权利要求9所述的方法，其中如果两个目的或价值具有相等的计算结果，保留最多出现的目的或价值。
11.如权利要求1到10中任意一项所述的方法，其中所述的方法进一步包括自动创建报告的步骤，该报告在预定的时间周期内向实体提供它的身份分级的任何变换的细节。
12.一种方法，对从如权利要求1到11中任意一项所述的评估方法中获取的结果进行有效性测试，所述的有效性测试方法包括如下步骤
-通过问卷调查以进一步回答的形式从实体收集数据，该问卷调查包括源于关于实体的自我感知和文化的预定方面的所述的评估方法的问题，所述的方面包括至少一个与所述的实体相关的价值、目的、和/或包含的焦点，其中所述的问题要求实体选择、区分优先次序、和/或发送一个或多个所述方面，
-从预定的增量的范围中对进一步的回答指定等效数值；以及
-对获得的回答的等效数值执行有效性计算来确定是否评估实体的身份分级的相同方面的两个不同问题之间的平均回答处在预定限制之外。
13.一种方法，通过评估由权利要求1到11中任意一项的评估方法产生的所述实体身份分级的方面被校准的程度，在两个或更多实体之间确定相互校准关系(以下称为校准分级)，所述的校准分级方法包括以下步骤
-对于从方法中收集的数据执行计算，以及由此产生反映两个实体自我感知/文化的适应程度的分数；
-向一个或两个实体提供所述的分数。
14.如权利要求13所述的方法，进一步包括为了更精确地计算回答者和实体的身份分级校准的程度，使用从一个实体身份分级的问题的内容获得的问题来管理进一步的问卷调查，(以下称为文化适应)。
15.一种方法，用于确定在实体的自我理解和来自一个或更多其他回答实体的反馈之间的校准关系(以下称为反馈分级)，所述的方法包括如下步骤
-管理问卷调查来从所述的其他实体获得回答从而提供该实体的反馈，所述的问卷调查包括实体的自我感知或文化的预定方面的问题，所述的方面包括和所述实体相关的至少一个价值、目的、和/或包含的焦点，其中，所述的问题要求所述的其他回答的实体来选择、区分优先次序和/或发送一个或更多所述方面，
-从预定范围的增量为进一步的回答指定等效数值，以及
-比较所有的反馈回答，以及计算在回答实体对实体方面的理解和实体自己的自我理解之间的适应程度。
16.如权利要求15所述的方法，进一步包括如下步骤
-根据所述其他实体和该实体之间的关系的性质对所述的反馈回答分类。
17.一种方法，从所述的权利要求15到16的任意一项所述的反馈分级方法获得的回答反馈来计算产生公众可用的完整性分级，从而确定实体对于其他回答实体的行为和实体的自我理解相匹配的程度，所述的方法包括如下步骤
-根据所述回答实体的完整性分级，将实体的反馈回答排序；
-对于从前四分之一反馈分级的回答实体获得的所述排序的反馈回答进行计算，来确定由回答实体对实体的理解和实体的自我理解之间的相似程度；
-以及将计算结果公布成为实体的完整性分级。
18.一种方法，用于计算不同的实体和实体的自我感知或文化的方面之间的校准程度，所述的方面包括价值和/或目的，所述的方法包括计算由形式f(x)～x-α的幂律曲线图包围的面积的步骤，其中f(x)是实体的自我感知或文化的方面，包括价值和/或目的，x是共享该方面的实体的数目，以及α是常数，其中所述的校准和计算的面积成反比。
19.一种方法，用于评估个人实体和组织实体的价值校准的程度，其中每个由个人实体选中的价值由评估中的那个个人实体选择的价值的总数加权，所述的方法包括以下步骤
-计算∑x p2，x·px，
其中对于每个值‘x’，px是选择该价值的个人实体的百分比，p2x是该价值接收到的加权的投票的百分比。
20.一种方法，用于评估个人实体和组织实体的目的校准的程度，其中每个由个人实体选中的目的由评估中的那个个人实体选择的目的的总数加权，所述的方法包括以下步骤
-计算∑y p2，y·py。
其中对于每个目的y，py是选择该目的的个人实体的百分比，p2y是该目的接收到的加权的投票的百分比
21.一个计算机实现的系统，用于执行权利要求1到20的任意一项所述的方法，所述的系统包括处理器，数据存储装置，用户界面和显示器，所述的处理器能够运行以任何一个所述的方法编程的软件，并且执行任何要求的相关计算，所述的数据存储装置能够存储收集的数据和由所述的方法计算得到的数据，所述的用户界面能够接收来自实体的回答输入。
全文摘要
实体内部或实体之间关系校准评估的方法和系统，该方法用于评估实体的自我感知或文化(此后称为身份分级)的状态，包括步骤通过问卷调查从实体以回答的形式收集数据，该问卷调查包括实体的自我感知和文化的预定方面的问题，该些方面包括至少一个与实体相关的价值、目的、和/或包含的焦点，其中该些问题要求实体选择、区分优先次序、和/或发送一个或多个方面，产生随后的问卷调查，该问卷调查包括最多选择的、最高优先级的和/或原来的问卷调查常发送的方面的问题，通过进一步回答的方式收集问题，并以预定发生的次数重复上面的步骤。
文档编号G06Q90/00GK101180648SQ200680018006
公开日2008年5月14日 申请日期2006年9月18日 优先权日2005年9月16日
发明者布兰顿·肯顿-多 申请人:沃特克斯技术服务有限公司