基于互联网平台的企业岗位职业技能培训系统的制作方法

本申请涉及一种基于互联网平台的企业岗位职业技能培训系统。

背景技术：

随着企业普遍开启数字化转型，技术人才紧缺的现状不断加剧。更多的企业开始调整人才战略，通过强化培训体系，帮助员工重塑技能结构，以平衡企业的人才需求。以往传统线下的职业培训体系，不但效率低下，并且无法有效跟踪学员的学习状态。因此基于互联网平台的企业岗位职业技能培训系统的需求越来越迫切。

但是现在尚没有一种既能有效实现培训同时又能为学员智能配置课程并对学习过程和结果进行在线监管的线上系统。

技术实现要素：

为了解决现有技术的不足之处，本申请公开了一种基于互联网平台的企业岗位职业技能培训系统，包括：学员用户终端，用于供学员用户使用以为学员用户提供学习课程所需的多媒体数据和交互界面；企业管理用户终端，用于供企业管理员使用以企业管理用户提供管理学员用户的成绩和课程数据；系统服务器，用于存储、处理和传输所述学员用户终端和教员用户终端中数据；其中，所述系统服务器与所述学员用户终端和企业管理用户终端构成数据连接以使所述学员用户终端和企业管理用户终端获取或上传培训或/和所需的数据。

进一步地，所述系统服务器包括：登录模块，用于处理学员用户或教员用户的登录信息；测评模块，用于根据所述学员用户终端录入的数据对学员用户的职业竞争力数据进行评测；所述登录信息包括用户名、账号id、账号密码或生物识别数据中的一种或几种；所述职业竞争力数据至少包括职业技能评分数据。

进一步地，所述基于互联网平台的企业岗位职业技能培训系统还包括：教员用户终端，用于供教员用户使用以为教员用户提供教授课程所需的多媒体数据和交互界面；所述系统服务器还包括：

培训模块，用于存储或生成课程数据并进行自动化的课程数据输出；所述培训模块包括：标准课程培训单元，至少用于输出标准课程数据至所述学员用户终端；个性化课程培训单元，至少用于输出个性化课程数据至所述学员用户终端并使所述学员终端设备和所述教员终端设备交互所述个性化课程数据；其中，所述标准课程数据由所述教员用户终端上传或由所述培训模块自主生成的标准化的课程数据；所述个性化课程数据由于所述学员用户终端与所述教员用户终端在授课时临时交互生成的随机化的课程数据。

进一步地，所述系统服务器还包括：考核模块，用于存储或生成试题数据并进行自动检验和自动生成成绩；所述试题数据包括：标准化试题，由所述教员用户终端上传或由所述培训模块生成或存储的标准化的试题数据；个性化试题，由于所述学员用户终端与所述教员用户终端在授课时临时交互生成的随机化的试题数据。

进一步地，所述系统服务器还包括：统计模块，用于根据所述登录模块、培训模块和考核模块的数据生成关于学员用户和教员用户的统计数据；其中，所述统计数据至少包括学习时长数据、授课时长数据、考试成绩数据、课程评价数据。

进一步地，所述系统服务器还包括：管理模块，用于根据所述统计模块的数据对学员的培训成果进行评价和预测。

进一步地，所述管理模块至少具有一个人工神经网络单元。

进一步地，所述人工神经网络单元至少构建有一个培训评估神经网络模型，所述培训评估神经网络模型的输入数据为学员用户的课程学习数据和学习时长数据，所述培训评估神经网络模型的输出数据为学员用户的未来考核成绩数据。

进一步地，所述人工神经网络单元至少构建有一个培训课程设计神经网络模型，所述培训课程设计神经网络模型输入数据为学员用户的考核成绩数据、课程学习数据和学习时长数据；所述培训课程设计神经网络模型输出数据为学员用户未来的学习科目建议数据。

进一步地，所述人工神经网络单元至少构建有一个培训师资配置神经网络模型，所述培训师资配置神经网络模型输入数据为学员的考核成绩数据、课程学习数据、学习时长数据和课程师资配置数据；所述培训师资配置神经网络模型输出数据为学员用户未来的课程师资配置数据。

本申请的有益之处在于：提供了一种既能有效保证学习时间同时又能智能实现成绩评估以及智能建议的基于互联网平台的企业岗位职业技能培训系统。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请一种实施例的基于互联网平台的企业岗位职业技能培训系统的架构示意框图；

图2是根据本申请一种实施例的基于互联网平台的企业岗位职业技能培训系统中学员用户终端的界面示意图；

图3是根据本申请一种实施例的基于互联网平台的企业岗位职业技能培训系统中系统服务器的模块组成示意图；

图4是根据本申请一种实施例的基于互联网平台的企业岗位职业技能培训系统中管理模块的架构示意框图；

图5是根据本申请一种实施例的基于互联网平台的企业岗位职业技能培训系统中管理模块工作流程示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

如图1所示，本申请的基于互联网平台的企业岗位职业技能培训系统100包括三个主要部分：

第一部分为学员用户终端和企业管理用户终端，学员用户终端和企业管理用户终端可以包括移动终端101和固定终端102，作为具体方案，移动终端101可以为智能手机等移动终端设备，固定终端102可以为pc台式机等设备。

其中，学员用户终端和企业管理用户终端区别在于：学员用户终端主要用于供学员学习和考试使用，而企业管理用户终端主要用于学员学习和考试数据查询、学员管理、课程考试等数据的上传等工作。

第二部分为系统服务器，作为优选，系统服务器可以包括一个实体服务器103，当然也可以采用云服务器的实现方式。

第三部分为教员用户终端，类似的，教员用户终端可以包括移动终端104和固定终端105，作为具体方案，移动终端104可以为智能手机等移动终端设备，固定终端105可以为pc台式机等设备。

作为进一步的方案，本申请的基于互联网平台的企业岗位职业技能培训系统还包括：系统后台终端和讲师课程结算终端(图中未示出)，系统后台终端(相当于整个saas系统后台的终端)是用来供系统管理员进行使用以提供对系统服务器操作和管理的终端，系统后台终端的用户相当于超级管理员，其能够对系统中数据进行统计、分类等操作。

讲师课程结算终端用于与多个学员用户终端和教员用户终端构成数据交互已结算系统服务费。

作为具体方案，参照图1至图3所示，基于互联网平台的企业岗位职业技能培训系统，包括：学员用户终端、教员用户终端和系统服务器。

其中，学员用户终端用于供学员用户使用以为学员用户提供学习课程所需的多媒体数据和交互界面；教员用户终端用于供教员用户使用以为教员用户提供教授课程所需的多媒体数据和交互界面；系统服务器用于存储、处理和传输所述学员用户终端和教员用户终端中数据；其中，所述系统服务器与所述学员用户终端和教员用户终端构成数据连接以使使所述学员用户终端和教员用户终端获取或上传培训所需的数据。

以学员用户终端和教员终端设备为智能手机为例，通过安装对应app可以使它们具有前端部署面向用户的应用程序，该应用程序调用智能手机的触摸屏、麦克风、摄像头等硬件进行数据的前端采集或输出。

如图2所示，用户可以通过终端显示的界面选择课程进行学习或者选择试题进行检测。学员用户终端和教员终端设备的数据支持由系统服务器承担，前端app只需处理前端数据并与系统服务器进行交互即可。至于大批量数据以及人工神经网络模型的训练则有系统服务器集中进行。

作为具体方案，如图3和图4所示，作为本申请技术方案集中改进的部分，本申请的系统服务器包括：登录模块、培训模块、考核模块、统计模块和管理模块。

其中，登录模块用于处理学员用户或教员用户的登录信息；登录信息包括用户名、账号id、账号密码或生物识别数据中的一种或几种。

具体而言，登录模块用于实现用户的登录信息管理以及账户登录认证等功能，需要说明是的是，本系统中的每个用户均具有唯一的id，所有用户对应的数据，根据这个id进行聚合和关联。

作为具体方案，登录模块进行登录管理时，可以进行采用人脸识别，当然为了提高系统效率，登录模块在管理学员用户利用学员用户终端进行登录时并不进行人脸识别，而在进行考试时则进行人脸识别以防止非学员本人的作弊行为，作为更具体的方案，在学员用户终端为pc台式机时，登录模块实时获取pc台式机的操作数据以实现防止学员切屏等作弊操作，而在学员用户终端为智能手机时，则登录模块可以控制学员用户终端在后排采集人脸图像以防止作弊行为。

作为进一步优选方案，登录模块可以实现用户登陆管理，具体而言，登录模块使一个学员用户同时仅能使用一个学员用户终端进行学习和考试。作为具体方案，学员用户在一个学员用户终端登录时，学员用户终端将自身的id数据和学员用户的数据(包括用户名和密码等)同步发送给登录模块，登录模块根据已经存储的学员用户的登录历史数据判断该学员用户是否重复登录，如果是，则向当前正在登录的学员用户终端发送确认信息，问询当前学员用户是否登出之前已经登录的学员用户终端，如果用户选择是，则学员用户终端采用后台采集人脸图像或主动要求用户进行附加秘钥验证的方式验证学员身份，然后使之前的学员用户终端离线，并删除该项历史登录数据，将当前登录数据最为最新的登录数据。

作为扩展方案，登录模块通过终端的摄像头和处理器采获取学员的图像和进行基于图像识别学员用户的学习状态；其中，学习状态包括听讲和离开，处理器在学习状态为听讲状态时记录学习时长。本实施例中，听讲状态的判定包括学员观看视频课件和记笔记；离开状况的判定包括教员未在设备前方或者面部没有正对显示屏以及双眼焦点偏移至屏幕以外。

作为具体方案，系统服务器可以将学员的学习状态、学习时长等能反应学员学习质量的数据进行统计和管理，从而能人为的监管学员用户的学习过程和学习结果，同时也可以根据实际培训情况对课程做出调整。

培训模块用于存储或生成课程数据并进行自动化的课程数据输出。具体而言，培训模块包括：标准课程培训单元和个性化课程培训单元。

标准课程培训单元至少用于输出标准课程数据至学员用户终端；个性化课程培训单元至少用于输出个性化课程数据至学员用户终端并使学员终端设备和教员终端设备交互个性化课程数据。

其中，标准课程数据由教员用户终端上传或由培训模块自主生成的标准化的课程数据；个性化课程数据由于学员用户终端与教员用户终端在授课时临时交互生成的随机化的课程数据。

更具体而言，培训模块用于实现对培训数据的管理。标准课程培训单元管理那些已经上传并且并排成既定课程的课程数据。个性化课程培训单元用于管理那些在直播授课的主课程以及课后互动的对应数据。个性化课程数据还可以包括用户学员上传的课程笔记以及教员用户在录制课程或直播课程中插入板书数据、文献结算以及录制花絮等。

培训模块在进行数据管理时，会记录课程数据与用户id之间对应关系，或者捆绑用户id。

考核模块用于存储或生成试题数据并进行自动检验和自动生成成绩，具体而言，试题数据包括：标准化试题和个性化试题。

其中，标准化试题由教员用户终端上传或由培训模块生成或存储的标准化的试题数据；个性化试题由于学员用户终端与教员用户终端在授课时临时交互生成的随机化的试题数据。

作为具体方案，企业管理员如果通过企业管理用户终端以企业为单位采购对应课程，这些课程的数据中是包含已经设定好的试题数据。企业管理员可以通过配置本企业的学员以及对应的课程即可以为学员配置对应对的试题数据。另外，企业管理员也可以通过企业管理用户终端自行上传课程以及试题数据，或者企业管理员也可以通过企业管理用户终端单独设置课程或单独设置试题数据，以实现自助组织线上考试的功能。

作为一种优选方案，当学员用户完成既定课程数据后，考核模块根据培训模块的数据对应推送相应的标准化的试题数据。

作为进一步优选方案，个性化试题可以由教员用户根据学员用户学习情况进行上传或触发。作为扩展方案，由系统服务器中的管理模块的人工神经网络生成个性化试题数据并生成推送时机。

统计模块用于根据登录模块、培训模块和考核模块的数据生成关于学员用户和教员用户的统计数据。其中，统计数据至少包括学习时长数据、授课时长数据、考试成绩数据、课程评价数据。

具体而言，统计模块负责统计和汇总所有相关数据，统计模块可以被构建为一个数据中台系统或者一个一般数据库。数据存储的方式可以用户的id作为主键进行存储。

作为本申请的核心部分，管理模块用于根据统计模块的数据对学员的培训成果进行评价和预测。本申请的管理模块采用人工神经网络构建模型的方式，智能的对整个培训进程中数据进行整理和分析从而从整体上为学员用户和教员用户提供智能建议和推送，使他们更有效进行学习、考核和授课。

作为具体方案，管理模块至少具有一个人工神经网络单元。

作为第一方面人工智能利用，人工神经网络单元至少构建有一个培训评估神经网络模型，培训评估神经网络模型的输入数据为学员用户的课程学习数据和学习时长数据，培训评估神经网络模型的输出数据为学员用户的未来考核成绩数据。

该评估培训评估神经网络模型由用户以往的课程学习数据和学习时长数据以及对应考核成绩数据作为输入数据进行训练，直至收敛。收敛后的培训评估神经网络模型可以通过输入用户对应的课程学习数据和学习时长数据对学员用户的未来考核成绩进行预测。

作为第二方面人工智能利用，人工神经网络单元至少构建有一个培训课程设计神经网络模型，培训课程设计神经网络模型输入数据为学员用户的考核成绩数据、课程学习数据和学习时长数据；培训课程设计神经网络模型输出数据为学员用户未来的学习科目建议数据。

类似地，培训课程设计神经网络模型可以针对学员用户之前的学习情况作出应该加强学习客户以及可能的建议。作为训练集的建议部分数据可以为人工给定的课程建议，另一部分为实际用户在某一阶段后选择的后继课程的数据。

作为第三方面人工智能利用，人工神经网络单元至少构建有一个培训师资配置神经网络模型，培训师资配置神经网络模型输入数据为学员的考核成绩数据、课程学习数据、学习时长数据和课程师资配置数据；培训师资配置神经网络模型输出数据为学员用户未来的课程师资配置数据。培训师资配置神经网络模型的作用在于根据输入数据智能推荐不同教员用户的课程。鉴于学员用户不同接收能力以及教员用户的授课风格，如果不能匹配则也无法获得较好的培训效果。课程师资配置数据包含课程名称和教员用户id数据。

如图4所示，作为更具体的方案，对于某一学员用户，管理模块采集相应的数据输入至培训评估神经网络模型，如果评估得出的未来考核成绩数据和置信度均满足预设值，则发送指令至考核模块触发考核流程；如果不能满足，则采集相应的数据输入至培训课程设计神经网络模型，如果培训课程设计神经网络模型输出的学习科目建议数据与该学员用户之前学习科目重合百分比低于预设值，则将不重合的学习科目推送给该学员用户，如果超过预设值，则管理模块采集对应数据输送至培训师资配置神经网络模型，如果培训师资配置神经网络模型输出的课程师资配置数据中教员用户重合度低于预设值，则推荐更换不重合的教员用户的课程建议，如果高于预设值则转入详情分析神经网络模型。

作为优选方案，详情分析神经网络模型的输入数据为课程学习数据、学习时长数据以及学习时录制学员用户的表情数据(仅保留微表情变化的图像帧)和对应这些表情数据的内容数据，这里内容数据为课程中讲课内容文字字段；详情分析神经网络模型的输出数据为这些课程对应考点的试题预测得分。

在训练详情分析神经网络模型的训练集为进行过考核用户的相关历史数据。采用这样的方案，可以帮助学员用户有效的分析自身学习的不足之处，改进学习方式，提高考核通过率。

作为更具体的方案，详情分析神经网络模型的输入数据数据中课程学习数据包括：课程名称和对应的课程编号，学习时长数据包含学员学习这些课程所消耗的时间长度，更优选可以包含具体学习的时间节点以及学习时间段，比如晚间8点至9点，还可以包括学习中暂停的时间数据。

表情数据的采集先有学员用户终端按照一定的帧率进行预先采集，比如每秒24帧的方式采集，然后由学员用户终端的处理器和程序优先对每帧图像中表情差异进行判断，当表情差异大于预设条件时，则将差异帧图像上传至系统服务器作为表情数据，作为另一种技术路径，可以将每帧数据上传至系统服务器，由系统服务器中内置已经构建好的表情识别人工神经网络模型对用户表情进行判断，作为优选，将表情分类为：专注、疑惑、分神、愉悦和其他表情几种，将代表这几种表情的代码作为表情数据输入到详情分析神经网络模型中，作为优选，这代码均附带对应的时间轴数据，即使其具有时间属性。同样将课程中内容的文字字段对应到时间轴数据输入到详情分析神经网络模型中；在通过时间轴，将课程中的考点关键词与之前的表情数据和内容数据进行匹配，然后，可以预先设置也可以根据字段智能匹配将考点关键词和试题进行匹配，根据匹配情况预测学员用户的针对某一套考试试卷(包含多个试题)预测得分。

当然，训练详情分析神经网络模型的可以为已知的学员学习和考试中提取的已经真实存在的历史数据。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。