本发明涉及计算机
技术领域：
，尤其涉及一种职业技能评估方法及系统。
背景技术：
：职业技能评估是各行各业管理所需的一项举措。例如：通过设立评估、认证体系，采取有效途径和方法，可以对建筑行业从业人员技能进行量化评定。以多维度、分层次的评测项为对象进行的一种价值判断，而准确的进行这种价值判断的关键则是科学、合理地设计一套综合素质评价指标体系。这套指标体系必须能够起到导向、检查、控制和激励的作用，又要简明扼要，便于操作，这是在建立评估、认证体系的过程中遵循的原则。技术实现要素：本发明目的在于公开一种职业技能评估方法及系统，以提高评估的可操作性及合理性。为实现上述目的，本发明公开一种职业技能评估方法，基于模糊算法进行职业技能评估，包括：确定因素论域和评价等级论域；通过层次分析法确定各因素的权重值；确定评价对象各因素对各等级模糊子集的隶属度，建立模糊评价矩阵；并将各因素的权重值与评价对象的模糊评价矩阵进行合成，使用加权平均求隶属等级的方法得到评价对象的模糊综合评价结果。为实现上述目的，本发明还公开一种职业技能评估系统，基于模糊算法进行职业技能评估，包括：第一模块，用于确定评价对象因素论域和评价等级论域；第二模块，用于通过层次分析法确定各因素的权重值；第三模块，用于确定评价对象各因素对各等级模糊子集的隶属度，建立模糊评价矩阵；并将各因素的权重值与评价对象的模糊评价矩阵进行合成，使用加权平均求隶属等级的方法得到评价对象的模糊综合评价结果。优选的，基于本发明的评估方法及系统，通过层次分析法确定各因素的权重值是还包括对所构造的判断矩阵进行一致性检验，若层次分析排序的结果不满足一致性，重新调整所述判断矩阵的元素取值，直至满足一致性。本发明具有以下有益效果：基于模糊算法进行职业技能评估，并采用层次分析法来确定各因素的权重值，使其更有合理性，更符合客观实际并易于定量表示，从而提高模糊综合评判结果的准确性。而且本发明在对模糊综合评价结果进行分析时，使用加权平均求隶属等级的方法得到评价对象的模糊综合评价结果，以避免现有的模糊综合评价中常取的取大取小算法会导致信息丢失很多且常常出现结果不易分辨(即模型失效)的情况。下面将参照附图，对本发明作进一步详细的说明。附图说明构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：图1是本发明实施例公开的职业技能评估方法流程图。具体实施方式以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。实施例1本实施例公开一种职业技能评估方法，基于模糊算法进行职业技能评估。如图1所示，本实施例的评估方法包括：步骤S1、确定因素论域和评价等级论域。例如：P个评价指标，u＝{u1,u2,……,up}。v＝{v1,v2,……,vp}，即等级集合，每一个等级可对应一个模糊子集。以建筑工地的钢筋工为例，可确定了工作经验、信誉评价、教育培训、工作效率、履约意识5个方面，作为本实施例模糊模型的一级评价指标；相对应的评价集中的等级可划分为：初级、中级、高级、技师及高级技师。步骤S2、通过层次分析法确定各因素的权重值。在该步骤中，较佳的，通过层次分析法(AnalyticHierarchyProcess，简称AHP)确定各因素的权重值时还包括对所构造的判断矩阵进行一致性检验，若层次分析排序的结果不满足一致性，重新调整所述判断矩阵的元素取值，直至满足一致性。其中，判断矩阵元素的值反映了人们对各元素相对重要性的认识，一般采用1—9及其倒数的标度方法，具体取值可有相关领域的专家进行赋值，每一位专家给出一个权重分配方案，最后再将所有专家给出的权重经过一致性检验、平均整合后，形成最终的权重分配方案。与上述因素论域中钢筋工的评价指标相对应中，相关各因素的权重值赋值如下：表1：一级评测项权重值工作经验0.31信誉评价0.21教育培训0.10工作效率0.31履约意识0.07步骤S3、确定评价对象各因素对各等级模糊子集的隶属度，建立模糊评价矩阵；并将各因素的权重值与评价对象的模糊评价矩阵进行合成。在构造了等级模糊子集后，要逐个对被评事物从每个因素ui(i＝1,2,……,p)上进行量化，即确定从单因素来看被评事物对等级模糊子集的隶属度(R|ui)，进而得到模糊关系矩阵R：矩阵R中第i行第j列元素rij，表示某个被评事物从因素ui来看对vj等级模糊子集的隶属度，P为因素数量，m为等级数量。其中，各元素的隶属度值可以通过统计专家组对各因素所对应等级的评价结果计算得出。一个被评事物在某个因素ui方面的表现，是通过模糊向量(R|ui)＝(ri1,ri2,……,rim)来刻画的，而在其他评价方法中多是由一个指标实际值来刻画的，因此，从这个角度讲模糊综合评价要求更多的信息。在模糊综合评价中，确定评价因素的权向量：A＝(a1,a2,……,ap)。权向量A中的元素ai本质上是因素ui对模糊子集{对被评事物重要的因素}的隶属度。本文使用层次分析法来确定评价指标间的相对重要性次序。从而确定权系数，并且在合成之前归一化。即利用合适的算子将A与各被评事物的R进行合成，得到各被评事物的模糊综合评价结果向量B。即：其中bj是由A与R的第j列运算得到的，它表示被评事物从整体上看对vj等级模糊子集的隶属程度。在该步骤中，使用加权平均求隶属等级的方法得到评价对象的模糊综合评价结果；以避免现有的模糊综合评价中常取的取大取小算法会导致信息丢失很多且常常出现结果不易分辨(即模型失效)的情况。在本实施例中，可以采用积分累加的方式，设定评定积分上限(例如100分)，根据技能等级由低到高划分为5个阶梯，并为每个阶梯设置进阶分值。当被评测人每积累到一定分值(达到进阶分值)时，系统自动为其抬升一个阶梯，并发放相应的职业技能水平评定证书。每个阶梯的进阶分值都不一致，随着阶梯的增高，分值逐步增高；从而增加进阶难度，使整个系统人员分布成金字塔形，与上述表1对应的级别评价表如下表2所示：表2：以5名不同年龄段、不同工作年限的钢筋工为例，评级结果如下表3：表3：进一步的，本实施例还可以进一步对上述的一级评测指标从多个维度划分；每个维度中又分成子评测指标，依次类推，如下表4所示：表4：一级评测指标二级评测指标工作经验参建项目考勤记录信誉评价项目奖罚个人信誉教育培训资质证书培训考试职业保险工作效率企业定额国家定额履约意识是否签订劳务合同是否有恶意讨薪综上，本实施例公开的职业技能评估方法，基于模糊算法进行职业技能评估，并采用层次分析法来确定各因素的权重值，使其更有合理性，更符合客观实际并易于定量表示，从而提高模糊综合评判结果的准确性。而且本发明在对模糊综合评价结果进行分析时，使用加权平均求隶属等级的方法得到评价对象的模糊综合评价结果，以避免现有的模糊综合评价中常取的取大取小算法会导致信息丢失很多且常常出现结果不易分辨(即模型失效)的情况。实施例2对上述方法实施例相对应的，本实施例公开一种职业技能评估系统，基于模糊算法进行职业技能评估，包括下述第一至第三模块。各模块的功能分述如下：第一模块，用于确定评价对象因素论域和评价等级论域。第二模块，用于通过层次分析法确定各因素的权重值；较佳的，通过层次分析法确定各因素的权重值时还包括对所构造的判断矩阵进行一致性检验，若层次分析排序的结果不满足一致性，重新调整所述判断矩阵的元素取值，直至满足一致性。第三模块，用于确定评价对象各因素对各等级模糊子集的隶属度，建立模糊评价矩阵；并将各因素的权重值与评价对象的模糊评价矩阵进行合成，使用加权平均求隶属等级的方法得到评价对象的模糊综合评价结果。同理，本实施例公开的职业技能评估系统，基于模糊算法进行职业技能评估，并采用层次分析法来确定各因素的权重值，使其更有合理性，更符合客观实际并易于定量表示，从而提高模糊综合评判结果的准确性。而且本发明在对模糊综合评价结果进行分析时，使用加权平均求隶属等级的方法得到评价对象的模糊综合评价结果，以避免现有的模糊综合评价中常取的取大取小算法会导致信息丢失很多且常常出现结果不易分辨(即模型失效)的情况。以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。当前第1页1 2 3