(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210930390.7 (22)申请日 2022.08.03 (71)申请人 中国科学技术大学 地址 230026 安徽省合肥市包河区金寨路 96号 申请人 中国科学技术大学国际金融研究院 (72)发明人 卫雨婷　陈克红　 (74)专利代理 机构 北京科迪生专利代理有限责 任公司 1 1251 专利代理师 金怡 (51)Int.Cl. G06Q 50/20(2012.01) G06N 20/00(2019.01) (54)发明名称 一种职业培训效果的评估系统 (57)摘要 本发明涉及一种职 业培训效果的评估系统， 包括： 数据预处理模块： 用于对原始数据进行预 处理， 得到数据集D； 构建倾向得分函数模块： 构 建倾向得分函数π(x)＝P(δ＝1|X＝x)， 利用机 器学习方法得到其预测值 个体职业培训效 果评估模块： 构建个体职业培训效果函数τ(x) ＝E(Y(1) ‑Y(0)|X＝x)， 以加权的形式综合使用 多种个体层面上的职业培训效果的评估方法， 计 算τ(x)的预测值 群体职业培训效果评估 模块： 构建群体职业培训效果函数θ(u)＝E(Y (1)‑Y(0)|U＝u)， 基 于 得到θ(u)的预测值 本发明提供的系统通过计算合理权重将多 种职业培训效果的评估 方法有效地综合利用， 得 到更为精准的职业培训的评估结果。 权利要求书1页 说明书4页 附图2页 CN 115272021 A 2022.11.01 CN 115272021 A 1.一种职业培训效果的评估系统， 其特 征在于， 包括下述模块： 数据预处理模块： 用于对原始数据进行预处理， 得到数据集 其中Yi， Xi， δi分别表示变量Y， X， δ在第 i个人上的观测值， Y是观测到的结果变量， X是由选定的特征 构成的随机向量， δ是是否参加培训的指示变量， δ＝ 1表示参加培训， δ＝0表 示不参加培训， 记Y(1)是参加培训得到的结果， Y(0)是不参加培训得到的结果， 则当δ＝1有Y＝Y(1)， 当δ＝ 0有Y＝Y(0)； 构建倾向得分函数模块： 构建倾向得分函数π(x)＝P( δ＝1|X＝x)， 利用机器学习方法 得到倾向得分π(x)的预测值 其中， x是X的某一可能取值， π(x)则 表示被预测的人参加 培训的意愿大小； 个体职业培训效果评估模块： 构建个体职业培训效果函数τ(x)＝E(Y(1) ‑Y(0)|X＝x)， 以加权的形式综合使用多种个体层面上的职业培训效果的评估方法， 得到τ(x)的预测值 群体职业培训效果评估模块： 构建群体职业培训效果函数θ(u)＝E(Y(1) ‑Y(0)|U＝u)， 基于 得到θ(u)的预测值 其中， U是由群体特征构成的随机向量， u是U的某一可能 取值。 2.根据权利要求1所述的职业培训效果的评估系统， 其特征在于， 所述个体职业培训效 果评估模块， 具体包括： 步骤S1： 对数据集D中数据进行随机排列， 并将重新排列后的数据分成两个部分： 与 其中n1是小于n/2且离n/2最近的整数； 步骤S2： 使用J种个体层面上的职业培训效果的评估方法， 所述评估方法包括： 机器学 习方法、 基于线性模 型的参数方法、 无模 型假设的非参数方法； 基于数据集D1， 利用第j种方 法得到 τ(x)的预测 τj(x)； 步骤S3： 令 其中 是π(Xi)的预测值， π(Xi)指的是第i个人参加培训的意愿大小， Lj是第j种方法在数据 集D2上的平方损失， 计算第j种方法的权 重为 步骤S4： 重复M次步骤S1～S3， 计算得到ωj， m是在第m次重复得到 的第j种方法的权重； 令 步骤S5： 对于τ(x)的预测为 即为个体职业培训效果评估结 果。 3.根据权利要求2所述的职业培训效果的评估系统， 其特征在于， 所述群体职业培训效 果评估模块， 具体包括： 基于 计算得到 即为群体职业培 训效果评估结果， 其中 是τ(Xi)的预测值， τ(Xi)指的是职业培训对第i个人的效果， Ui表 示变量U在第i个人 上的观测值。权　利　要　求　书 1/1 页 2 CN 115272021 A 2一种职业培训效果 的评估系统 技术领域 [0001]本发明涉及经济领域， 具体涉及一种职业培训效果的评估系统。 背景技术 [0002]通过教育， 人们只能获得一些基本 的专业知识和层 次较低的技能。 这些知识和技 能并不能帮助员工很好地适应公司日益发展的需求。 此时， 公司就需要制 定各种各样的职 业培训计划， 对员工进行多次的有针对性的技能培训。 制 定合理有效的职业培训有诸多好 处： 它可以提高员工的工作能力， 使其能够更好的完成公司的工作； 它可以满足员工实现自 我价值的需要， 传播 企业价值观、 宗旨、 精神等； 它可以增加公司的智力资本， 提高公司新产 品的研究开 发能力， 帮助公司获得更多的竞争优势 等。 相反地， 不合理的职 业培训不仅会打 击员工工作的积极性， 也会浪费公司大量的人力物力， 提高公司的运营成本。 因此， 评估职 业培训效果的好坏就显得 尤为重要。 [0003]同样的职业培训对于不同的群体效果是不同的， 例如高学历的员工可能已经对职 业培训的内容有所了解， 因而职 业培训可能对他们能力的提升作用不大， 相反地， 低学历的 员工所掌握的专业知识技能较少， 职业培训可能会显著地提高他们的工作能力。 评估职业 培训对于不同群体的效果能够帮助公司制定更为合理有效的职 业培训计划， 也能够帮助公 司决定哪些群体应该参加培训哪些则不需要参加， 从而提高培训所带来的收益。 因此， 如何 准确地评估职业培训对于不同群 体或者个 体的效果对公司具有十分重要的意 义。 [0004]目前， 有各种各样的评估职业培训对于不 同群体或者个体的效果的方法， 例如有 基于模型假设的参数方法， 无模型假设的非参数方法以及基于随机森林的方法等。 这些方 法各有优劣， 让决策者难以取舍。 如何将这些方法通过合理的权重有效的结合起来， 从而给 出职业培训效果更为精准的评估成为 一个亟待解决的问题。 发明内容 [0005]为了解决上述 技术问题， 本发明提供一种职业培训效果的评估系统。 [0006]本发明技 术解决方案为： 一种职业培训效果的评估系统， 包括： [0007]数据预处理模块： 用于对原始 数据进行预处理， 得到数据集 其中 Yi， Xi， δi分别表示变量Y， X， δ在第i个人上的观测值， Y是观测到的结果变量， X是由选定的特 征构成的随机向量， δ是是否参加培训的指示变量， δ＝1表示参加 培训， δ＝0表示不参加培 训， 记Y(1)是参加培训得到的结果， Y(0)是不参加培训得到的结果， 则当δ＝1有Y＝Y(1)， 当 δ ＝0有Y＝Y(0)； [0008]构建倾向得分函数模块： 构建倾向得分函数π(x)＝P( δ＝1|X＝x)， 利用机器学习 方法得到倾向得分π(x)的预测值 其中， x是X的某一可能取值， 通常在实际问题中指的 是被预测的人的特 征的具体取值， π(x)则表示被预测的人参加培训的意愿大小； [0009]个体职业培训效果评估模块： 构建个体职业培训效果函数τ(x)＝E(Y(1) ‑Y(0)|X ＝x)， 以加权的形式综合使用多种个体层面上的职业培训效果的评估方法， 得到τ(x)的预说　明　书 1/4 页 3 CN 115272021 A 3