核电站人因风险评估方法、装置、计算机设备及存储介质

摘要

本申请涉及一种核电站人因风险评估方法、装置、计算机设备和存储介质。所述方法包括：获取用户的人格特质的测量数据；将所述人格特质的测量数据输入人格特质的人因风险评估模型进行计算，得到所述用户关于人格特质的各个人因风险维度的评估数据，所述各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度；根据所述用户关于人格特质的各个人因风险维度的评估数据得到所述用户的人因风险的评估值；根据所述用户的人因风险的评估值确定所述用户所属的类型。采用本方法能够这样，在实际应用时，不需要额外的实验装置就能够完成人因风险评估，该评估方法简单易行，成本较低。

说明书

技术领域

本申请涉及核电站安全风险评估领域技术领域，特别是涉及一种核电站人因风险评估方法、装置、计算机设备和存储介质。

背景技术

核电站是一个对安全性要求极高的行业，安全是核电站生产建设的核心。其中，核电站调试工期紧张、大团队协作活动多及待验证设备多等因素会给核电站调试人员带来巨大的身心压力，故在高压下，人因风险的发生可能更多地受到人格特质和认知特性等的影响。

在相关技术中，通过整合穿戴式特征测量装置，结合物联网技术、大数据存储、分析及处理技术，收集工作人员个体状态、个体间相互作用及个体与物项间相互作用信息的大数据集合，从而监测员工的人因风险情况。

然而，在实际应用时，相关技术需要配置实验装置进行人因风险评估，操作复杂。

发明内容

基于此，有必要针对上述技术问题，提供一种能够核电站人因风险评估方法、装置、计算机设备和存储介质。

第一方面，本申请提供了一种核电站人因风险评估方法，该方法包括：

获取用户的人格特质的测量数据；将该人格特质的测量数据输入人格特质的人因风险评估模型进行计算，得到该用户关于人格特质的各个人因风险维度的评估数据，该各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度；根据该用户关于人格特质的各个人因风险维度的评估数据得到该用户的人因风险的评估值；根据该用户的人因风险的评估值确定该用户所属的类型。

在其中一个实施例中，该获取用户的人格特质的测量数据，还包括：

获取用户在人格特质测量工具所提供的问卷中输入的测量数据；其中，该人格特质测量工具所提供的问卷是根据人格特质的维度设置的选项所生成的问卷，该人格特质的维度为神经质、责任感、宜人性、开放性及外向性；该人因风险评估模型是根据人格特征的维度建立的。

在其中一个实施例中，该根据该各个人因风险维度的评估数据得到该用户的人因风险的评估值，包括：

将该质疑态度维度的评估数据、违规态度维度的评估数据和该人因失误维度的评估数据求和，再减去该安全态度维度的评估数据，以及减去该安全参与维度的评估数据，得到该用户的人因风险的评估值。

在其中一个实施例中，该方法还包括：

获取该用户的认知特性的测量数据；将该认知特性的测量数据输入认知特性的人因风险评估模型进行计算，得到该用户关于认知特性的各个人因风险维度的评估数据，该各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度；该根据该用户关于人格特质的各个人因风险维度的评估数据得到该用户的人因风险的评估值，包括：根据该用户关于人格特质的各个人因风险维度的评估数据和该用户关于认知特性的各个人因风险维度的评估数据，得到该用户的人因风险的评估值。

在其中一个实施例中，该获取该用户的认知特性的测量数据，还包括：

获取用户在认知特质测量工具所提供的问卷中输入的测量数据。

第二方面，本申请提供了一种核电站人因风险评估方法，该方法包括：

获取该用户的认知特性的测量数据；将该认知特性的测量数据输入认知特性的人因风险评估模型进行计算，得到该用户关于认知特性的各个人因风险维度的评估数据，该各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度；根据该用户关于认知特质的各个人因风险维度的评估数据得到该用户的人因风险的评估值；根据该用户的人因风险的评估值确定该用户所属的类型。

第三方面，本申请提供了一种核电站人因风险评估装置，该装置包括:

第一获取模块，用于获取用户的人格特质的测量数据；

第一计算模块，用于将该人格特质的测量数据输入人格特质的人因风险评估模型进行计算，得到所述用户关于人格特质的各个人因风险维度的评估数据，该各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度；

第一评估模块，用于根据该用户关于人格特质的各个人因风险维度的评估数据得到该用户的人因风险的评估值；

第一确定模块，用于根据该用户的人因风险的评估值确定该用户所属的类型。

在其中一个实施例中，该第一获取模块用于获取用户在人格特质测量工具所提供的问卷中输入的测量数据；其中，该人格特质测量工具所提供的问卷是根据人格特质的维度设置的选项所生成的问卷，该人格特质的维度为神经质、责任感、宜人性、开放性及外向性；该人因风险评估模型是根据人格特征的维度建立的。

在其中一个实施例中，该第一计算模块用于将该质疑态度维度的评估数据、违规态度维度的评估数据和该人因失误维度的评估数据求和，再减去该安全态度维度的评估数据，以及减去该安全参与维度的评估数据，得到该用户的人因风险的评估值。

在其中一个实施例中，该装置还包括：

第二获取模块，用于获取该用户的认知特性的测量数据；

第二计算模块，用于将该认知特性的测量数据输入认知特性的人因风险评估模型进行计算，得到该用户关于认知特性的各个人因风险维度的评估数据，该各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度；

所述第一评估模块还用于根据该用户关于人格特质的各个人因风险维度的评估数据和该用户关于认知特性的各个人因风险维度的评估数据，得到该用户的人因风险的评估值。

在其中一个实施例中，第二获取模块用于获取用户在认知特质测量工具所提供的问卷中输入的测量数据。

第四方面，本申请提供了一种核电站人因风险评估装置，该装置包括:

第二获取模块，用于获取所述用户的认知特性的测量数据；

第二计算模块，用于将所述认知特性的测量数据输入认知特性的人因风险评估模型进行计算，得到所述用户关于认知特性的各个人因风险维度的评估数据，所述各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度；

第二评估模块，用于根据所述用户关于认知特性的各个人因风险维度的评估数据得到所述用户的人因风险的评估值；

第二确定模块，用于根据所述用户的人因风险的评估值确定所述用户所属的类型。

第五方面，本申请提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行时实现如上述第一方面任一该的核电站人因风险评估方法，或者，该计算机程序被处理器执行时实现如上述第二方面任一该的核电站人因风险评估方法。

第六方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面任一该的核电站人因风险评估方法，或者，该计算机程序被处理器执行时实现如上述第二方面任一该的核电站人因风险评估方法。

上述核电站人因风险评估方法、装置、计算机设备和存储介质，通过获取用户的人格特质的测量数据；然后将该人格特质的测量数据输入人格特质的人因风险评估模型进行计算，得到该用户关于人格特质的各个人因风险维度的评估数据，该各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度；然后根据该用户关于人格特质的各个人因风险维度的评估数据得到该用户的人因风险的评估值；再根据该用户的人因风险的评估值确定该用户所属的类型。这样，在实际应用时，不需要额外的实验装置就能够完成人因风险评估，该评估方法简单易行，成本较低。

附图说明

图1为一个实施例中核电站人因风险评估方法的流程示意图；

图2为另一个实施例中核电站人因风险评估方法流程示意图；

图3为另一个实施例中核电站人因风险评估方法流程示意图；

图4为一个实施例中核电站人因风险评估装置的结构框图；

图5为另一个实施例中核电站人因风险评估装置的结构框图；

图6为另一个实施例中核电站人因风险评估装置的结构框图；

图7为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一个实施例中，如图1所示，提供了一种核电站人因风险评估方法，包括以下步骤：

步骤102，获取用户的人格特质的测量数据。

其中，人格特质是一种能使人的行为倾向表现处一种持久性、稳定性、一致性的心理结构，该人格特质是人格构成的基本因素。人格特质包括五个维度，即神经质、外向性、开放性、宜人性、责任感。

具体地，通过人格特质的测量工具获得用户的人格特质的测量数据。

请参考表1，其为人格特质的测量工具，该测量工具分为神经质、责任感、宜人性、开放性五个维度，针对每个维度给出对应的选项，具体选项可以参考各个行业领域应用人格特质文献资料，或查阅核电领域及其他具有类似危险度领域已经实施的选项，或根据与核电专家多次反复讨论和到核电基地多次实地调研制定得出，或咨询核电人因专家的专业意见，然后，通过上述方法得到预期信效度较高、符合核电工作场景及核电专家和权威人因专家多次商榷审核通过的选项，例如，在维度为神经质中，设置4个选项和相应的分值，分别为：我常担心有什么不好的事情发生；我常感到害怕；我常担忧一些无关紧要的事情；我常常感到内心不踏实。其中，每个选项根据5分制李克特量表进行测量，其中，5分制李克特量表中“非常不同意”为1分，“不同意”为2分，“中立”为3分，“同意”为4分，“非常同意”为5分。如下表1所示：

表1人格特质测量工具

注：*表示该题项计算得分时需先取反。

在确定人格特质的测量工具选项后，通过多名核电站工作人员进行填写测试，例如，选取177名核电站工作人员填写人格特质的测量工具，然后通过177份填写的数据进行标准因子载荷系数、克朗巴哈系数、组合信度的计算，当统计每个选项的标准因子载荷系数大于或等于0.5、各个维度的克朗巴哈系数都大于0.6及各个维度的组合信度都大于0.7时，该人格特质的测量工具才具有良好的信度和效度。此时，用户采用该测量工具能够得到的各个用户的测量数据。应当指出，当通过标准因子载荷系数、克朗巴哈系数、组合信度验证人格特质的测量工具有效后，该测量工具中的题项不可再进行增加或者删减，当增加或者删减题项时，该测量工具的信效度会受到影响。

在本申请的一个可选实施例中，用户填写人格特质的测量工具，然后获得用户的人格特质测量数据,该测量数据是用户通过填写测量工具后加总同一维度的分值,该测量数据为神经质维度的分值、责任感维度的分值、宜人性维度的分值、开放性维度的分值、外向性维度的分值。

步骤104，将该人格特质的测量数据输入人格特质的人因风险评估模型进行计算，得到该用户关于人格特质的各个人因风险维度的评估数据，该各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度。

其中，人格特质的人因风险评估模型是通过回归分析建模方法建立，该回归分析方程如下：

y

y

……

y

在上述多元线性回归分析方程中，其中x

此外，请参考表2，其为人因风险的测量工具。该测量工具分为违规态度、质疑态度、安全态度、安全参与、人因失误五个维度，针对每个维度给出对应的选项，具体选项可以参考各个行业领域应用人格特质文献资料，或查阅核电领域及其他具有类似危险度领域已经实施的选项，或根据与核电专家多次反复讨论和到核电基地多次实地调研制定得出，或咨询核电人因专家的专业意见，然后，通过上述方法得到预期信效度较高、符合核电工作场景及核电专家和权威人因专家多次商榷审核通过的选项，例如，在维度为违规态度中，设置4个选项和相应的分值，分别为：为了保证工作顺畅，许多操作规则不必遵守；可以省略某些操作步骤，因为这些操作规则太严格；操作规则往往过于复杂，难以在实践中完全遵守；当状况良好且周围没有人的情况下，不遵守某些操作规则是可以接受的。其中，每个选项根据5分制李克特量表进行测量，其中，5分制李克特量表中“非常不同意”为1分，“不同意”为2分，“中立”为3分，“同意”为4分，“非常同意”为5分。如下表2所示：

表2人因风险测量工具

在确定人因风险测量工具的选项后，通过多名核电站工作人员进行填写测试，例如，选取177名核电站工作人员填写人因风险测量工具，然后通过177份填写的数据进行标准因子载荷系数、克朗巴哈系数、组合信度的计算，当统计每个选项的标准因子载荷系数大于或等于0.5、各个维度的克朗巴哈系数都大于0.6及各个维度的组合信度都大于0.7时，该人因风险测量工具才具有良好的信度和效度。因此，通过人因风险测量工具获得177名工作人员的人因风险数据。应当指出，该人因风险的测量工具测量得到的各维度人因风险值是历史值，故不能对该用户未来的人因风险预测，也不能对核电站新员工(暂没相关工作经验)进行合理预估人因风险值，此外，该人因风险的测量工具中含有态度、风险等敏感词汇，用户在测试时可能会因测量工具的词汇产生抗拒，从而导致测量结果可信度降低，使得测量结果参考性不大。因此，本方案中人因风险的测量工具用于经验公式的拟合过程。此时，基于177名工作人员的人因风险数据和177名工作人员的人格特质测量数据，结合上述多元线性回归分析方程得到人格特质的经验公式，此时，根据177名核电站工作人员数据校验后得到基于人格特质的经验公式，如下所示：

质疑态度＝0.102×年龄-0.041×调试工作经验-0.078×神经质+0.352×责任感+0.199×宜人性-0.016×开放性+0.143×外向性+1.531

违规态度＝0.008×年龄+0.027×调试工作经验-0.105×神经质+0.159×责任感+0.091×宜人性-0.002×开放性-0.013×外向性+2.712

安全态度＝0.176×年龄-0.060×调试工作经验-0.045×神经质+0.524×责任感+0.250×宜人性-0.032×开放性+0.074×外向性+1.048

人因失误＝-0.161×年龄+0.122×调试工作经验+0.225×神经质-0.230×责任感-0.172×宜人性-0.055×开放性+0.002×外向性+2.756

安全参与＝0.116×年龄-0.027×调试工作经验-0.061×神经质+0.290×责任感+0.281×宜人性+0.068×开放性+0.182×外向性+0.931

其中，该拟合过程可以采用SPSS(Statistical Product and ServiceSolutions,统计产品与服务解决方案)软件进行，该SPSS软件用于数据管理、统计分析、图标分析等，其中在统计分析模块包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型等。因此，通过SPSS软件选择用户年龄、调试工作经验、人格特质的五个维度作为自变量，分别选择人因风险的五个维度作为预测的因变量进行拟合。然后，结合177名工作人员的人因风险数据和经验公式获得人格特质回归模型校验指标，具体请参考表3:

表3人格特质回归模型检验指标

上述R(Correlation coefficient)值为相关系数、R方(Coefficient ofDetermination)值为拟合优度、F值(Analysis of Variance)为方差分析、P值为判定假设检验结果参数，其中上述P值均小于0.05时说明建立的经验公式能有效测量人因风险维度。

在本申请的一个可选实施例中，将该人格特质的测量数据输入人格特质的人因风险评估模型进行计算，该人格特质的人因风险评估模型为人格特质的经验公式，从而得到该用户关于人格特质的各个人因风险维度的评估数据，该各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度。

步骤106，根据该用户关于人格特质的各个人因风险维度的评估数据得到所述用户的人因风险的评估值。

具体地，根据用户关于人格特质的质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度的评估数据，然后对各人因风险维度的评估数据进行加总，即可得到被评估人员的人因风险评估量化分值，其中安全态度和安全参与是与人因风险相反的测量维度，因此在公式中用减号。

步骤108，根据该用户的人因风险的评估值确定该用户所属的类型。

其中，该用户的人因风险的评估值越高代表该用户的人因风险也越高，则该用户所属的类型为高人因风险型。

在本申请的一个可选实施例中，计算机设备可以预先设置不同评估值范围对应不同的用户类型，将测量得到的用户的人因风险的评估值与预设不同的评估值范围进行比较，得到该用户所在的评估值范围，再根据该用户所在的评估值范围确定用户所属的类型。例如设置三个评估值阈值范围，评估值小于或等于第一评估值阈值，则确定用户类型为低人因风险型用户，评估值大于第一评估值阈值，且小于或等于第二评估值阈值，则确定用户类型为中人因风险型用户；评估值大于第三评估值阈值，则确定用户类型为高人因风险型用户。

在本申请的一个可选实施例中，根据人因风险的样本数据中确定往年评估数值最低的人员和往年评估数值最高的人员，该样本数据为人因风险的历史评估数值。以评估数值最低的人员和评估数据最高的人员进行测量工具的评估数据作为最低基准和最高基准。通过将用户的评估值与基准比较，确定用户所属的类型。例如，根据往年人因风险的样本数据查询评估数值最低的人员和往年评估数值最高的人员，往年评估数值最低的人员和往年评估数值最高的人员再通过人格特质的测量工具和经验公式得出的相应分值，然后往年评估数值最低的人员和往年评估数值最高的人员的分值分别作为基准值，以用来作为确定用户的所属类型。在获得用户的人因风险的评估值后，若该用户的评估值高于往年评估数值最高的人员的分值，则该用户为高人因风险型，若该用户的评估值低于往年评估数值最低的人员的分值，则该用户为低人因风险型。

上述核电站人因风险评估方法，获取用户的人格特质的测量数据；将该人格特质的测量数据输入人格特质的人因风险评估模型进行计算，得到该用户关于人格特质的各个人因风险维度的评估数据，该各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度；根据该用户关于人格特质的各个人因风险维度的评估数据得到该用户的人因风险的评估值；根据该用户的人因风险的评估值确定该用户所属的类型。这样，在实际应用时，不需要额外的实验装置就能够完成人因风险评估，该评估方法简单易行，成本较低。

在本申请的一个可选实施例中，获取用户在人格特质测量工具所提供的问卷中输入的测量数据；其中，该人格特质测量工具所提供的问卷是根据人格特质的维度设置的选项所生成的问卷，该人格特质的维度为神经质、责任感、宜人性、开放性及外向性；该人因风险评估模型是根据人格特征的维度建立的。该人格特质的测量工具中相关选项不涉及态度、风险等敏感概念，从而使得评估数据更具有真实性和参考性。

在本申请的一个可选实施例中，将该质疑态度维度的评估数据、违规态度维度的评估数据和该人因失误维度的评估数据求和，再减去该安全态度维度的评估数据，以及减去该安全参与维度的评估数据，得到该用户基于人格特质的人因风险的评估值。因此，通过人格特质的测量工具和人格特质的经验公式能够预测在一定年龄、具备相关工作经验的核电站人员的人因风险维度的评估数据，并且在新人招聘(暂未相关工作经验的用户)中也能够对新员工的人因风险进行预估，从而筛选出适合在核电站工作的人员。

在一个实施例中，如图2所示，提供了一种核电站人因风险评估方法，结合人格特质的测量数据和认知特性的测量数据进行计算得到用户的人因风险的评估值。具体包括以下步骤：

步骤202，获取用户的人格特质的测量数据和获取该用户的认知特性的测量数据。

其中，认知是信息加工的心理过程，包括感觉、知觉、记忆、思维、想像和语言等，认知特性包括五个维度，即感知易用性、感知有用性、主观规范、感知行为控制。

具体地，通过人格特质的测量工具获得用户的人格特质测量数据，通过认知特性的测量工具获得用户的认知特性测量数据。

请参考表4，其为认知特性的测量工具，该测量工具分为感知易用性、感知有用性、主观规范、感知行为控制四个维度，针对每个维度给出对应的选项，具体选项可以参考各个行业领域应用人格特质文献资料，或查阅核电领域及其他具有类似危险度领域已经实施的选项，或根据与核电专家多次反复讨论和到核电基地多次实地调研制定得出，或咨询核电人因专家的专业意见，然后，通过上述方法得到预期信效度较高、符合核电工作场景及核电专家和权威人因专家多次商榷审核通过的选项，例如，在维度为感知易用性中，设置3个选项和相应的分值，分别为：遵守作业程序及规章制度对我来说很容易；我很容易就能习惯遵守作业程序及规章制度；我认为作业程序及规章制度容易遵守。其中，每个选项根据5分制李克特量表进行测量，其中，5分制李克特量表中“非常不同意”为1分，“不同意”为2分，“中立”为3分，“同意”为4分，“非常同意”为5分。如下表4所示：

表4认知特性测量工具

在确定认知特性的测量工具后，通过多名核电站工作人员进行填写测试，例如，选取177名核电站工作人员填写认知特性的测量工具，然后通过177份填写的数据进行标准因子载荷系数、克朗巴哈系数、组合信度的计算，当统计每个选项的标准因子载荷系数大于或等于0.5、各个维度的克朗巴哈系数都大于0.6及各个维度的组合信度都大于0.7时，该认知特性的测量工具才具有良好的信度和效度。此时，用户采用该测量工具能够得到的各个用户的测量数据。应当指出，当通过标准因子载荷系数、克朗巴哈系数、组合信度验证人格特质的测量工具有效后，该测量工具中的题项不可再进行增加或者删减，当增加或者删减题项时，该测量工具的信效度会受到影响。

在本申请的一个可选实施例中，用户填写人格特质的测量工具和认知特性的测量工具，然后获得用户的人格特质测量数据和认知特性测量数据，该人格特质测量数据是用户通过填写测量工具后加总同一维度的分值,该测量数据为神经质维度的分值、责任感维度的分值、宜人性维度的分值、开放性维度的分值、外向性维度的分值，该认知特性的测量数据是用户通过填写测量工具后加总同一维度的分值，该测量数据为感知易用性维度的分值、感知有用性的分值、主观规范维度的分值、感知行为控制的分值。

步骤204，将该人格特质的测量数据输入人格特质的人因风险评估模型进行计算，得到该用户关于人格特质的各个人因风险维度的评估数据，该各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度。

步骤206，将该认知特性的测量数据输入认知特性的人因风险评估模型进行计算，得到该用户关于认知特性的各个人因风险维度的评估数据，该各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度。

其中，认知特性的人因风险评估模型是通过回归分析建模方法建立，该回归分析方程如下：

y

y

……

y

在上述多元线性回归分析方程中，其中x

然后根据表3的人因风险测量工具，令多名核电站工作人员进行填写测试，例如，选取177名核电站工作人员填写人因风险测量工具，然后获得177名工作人员的人因风险数据。此时，基于177名工作人员的人因风险数据和177名工作人员的认知特性测量数据，结合上述多元线性回归分析方程拟合得到认知特性的经验公式，此时，根据177名核电站工作人员数据校验后得到基于认知特性的经验公式，如下所示：

质疑态度＝0.056×年龄-0.052×调试工作经验+0.057×主观规范+0.295×感知行为控制+0.250×感知易用性+0.106×感知有用性+1.212

违规态度＝-0.009×年龄+0.023×调试工作经验-0.071×主观规范+0.154×感知行为控制-0.0673×感知易用性+0.185×感知有用性+2.546

安全态度＝0.104×年龄-0.076×调试工作经验-0.023×主观规范+0.533×感知行为控制+0.042×感知易用性+0.274×感知有用性+0.881

人因失误＝0.146×年龄-0.137×调试工作经验-0.077×主观规范+0.145×感知行为控制+0.260×感知易用性+0.055×感知有用性+2.493

安全参与＝0.05×年龄-0.070×调试工作经验-0.044×主观规范+0.390×感知行为控制+0.133×感知易用性+0.132×感知有用性+1.523

该拟合过程可以采用SPSS软件进行。然后，结合177名工作人员的人因风险数据和经验公式获得认知特性回归模型校验指标，具体请参考表5:

表5认知特性回归模型检验指标

上述R(Correlation coefficient)值为相关系数、R方(Coefficient ofDetermination)值为拟合优度、F值(Analysis of Variance)为方差分析、P值为判定假设检验结果参数，其中上述P值均小于0.05时说明建立的经验公式能有效测量人因风险维度。

在本申请的一个可选实施例中，将该认知特性的测量数据输入认知特性的人因风险评估模型进行计算，该认知特性的人因风险评估模型为认知特性的经验公式，从而得到该用户关于认知特性的各个人因风险维度的评估数据，该各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度。

步骤208，根据该用户关于人格特质的各个人因风险维度的评估数据和该用户关于认知特性的各个人因风险维度的评估数据，得到该用户的人因风险的评估值。

具体地，用户根据人格特质的测量工具得到关于人格特质的评估数据，并且根据认知特性的测量工具得到关于认知特性的评估数据，然后将基于人格特质的人因风险评估数据和基于认知特性的人因风险评估数据进行加总，从而得到综合性的人因风险的评估值。

上述核电站人因风险评估方法，获取该用户的认知特性的测量数据；将该认知特性的测量数据输入认知特性的人因风险评估模型进行计算，得到该用户关于认知特性的各个人因风险维度的评估数据，该各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度；该根据该用户关于人格特质的各个人因风险维度的评估数据得到该用户的人因风险的评估值，包括：根据该用户关于人格特质的各个人因风险维度的评估数据和该用户关于认知特性的各个人因风险维度的评估数据，得到该用户的人因风险的评估值。这样，在实际应用时，不需要额外的实验装置就能够完成人因风险评估，该评估方法简单易行，成本较低。

在一个实施例中，上述核电站人因风险评估方法，还包括：根据用户所属的类型调整用户进行核电设备作业的权限。例如，该用户负责核电站的敏感设备如负责蒸发器给水调节阀、主泵电源系统等辅助设备。当用户所属类型为高人因风险型，即预估该用户的人因风险评估值很高，则该用户的状态不适合继续负责蒸发器给水调节阀等敏感设备，然后调整该用户的权限并且用户需要及时调整状态。

在一个实施例中，上述核电站人因风险评估方法，还包括：根据用户所属的类型进行招聘新人。例如，在招聘暂未相关工作经验的用户时，根据该评估方法能够预估该用户的人因风险的评估值，若该用户的人因风险评估值高，则用户可能不适合该工作。

在本申请的一个可选实施例中，获取用户在认知特质测量工具所提供的问卷中输入的测量数据。

在一个实施例中，如图3所示，提供了一种核电站人因风险评估方法，包括以下步骤：

步骤302，获取该用户的认知特性的测量数据。

在本申请的一个可选实施例中，用户填写认知特性的测量工具，然后获得用户的认知特性测量数据。

步骤304，将该认知特性的测量数据输入认知特性的人因风险评估模型进行计算，得到该用户关于认知特性的各个人因风险维度的评估数据，该各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度。

在本申请的一个可选实施例中，将该认知特性的测量数据输入认知特性的人因风险评估模型进行计算，该认知特性的人因风险评估模型为认知特性的经验公式，从而得到该用户关于认知特性的各个人因风险维度的评估数据，该各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度。

步骤306，根据该用户关于认知特质的各个人因风险维度的评估数据得到该用户的人因风险的评估值。

具体地，根据用户关于认知特性的质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度的评估数据，然后对各人因风险维度的评估数据进行加总，即可得到被评估人员的人因风险评估量化分值，其中安全态度和安全参与是与人因风险相反的测量维度，因此在公式中用减号。

在本申请的一个可选实施例中，根据用户关于认知特性的质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度的评估数据，然后将将该质疑态度维度的评估数据、违规态度维度的评估数据和该人因失误维度的评估数据求和，再减去该安全态度维度的评估数据，以及减去该安全参与维度的评估数据，得到该用户基于认知特性的人因风险的评估值。

步骤308，根据该用户的人因风险的评估值确定该用户所属的类型。

其中，该用户的人因风险的评估值越高代表该用户的人因风险也越高，则该用户所属的类型为高人因风险型。

在本申请的一个可选实施例中，计算机设备可以预先设置不同评估值范围对应不同的用户类型，将测量得到的用户的人因风险的评估值与预设不同的评估值范围进行比较，得到该用户所在的评估值范围，再根据该用户所在的评估值范围确定用户所属的类型。例如设置三个评估值阈值范围，评估值小于或等于第一评估值阈值，则确定用户类型为低人因风险型用户，评估值大于第一评估值阈值，且小于或等于第二评估值阈值，则确定用户类型为中人因风险型用户；评估值大于第三评估值阈值，则确定用户类型为高人因风险型用户。

在本申请的一个可选实施例中，根据人因风险的样本数据中确定往年评估数值最低的人员和往年评估数值最高的人员，该样本数据为人因风险的历史评估数值。以评估数值最低的人员和评估数据最高的人员进行测量工具的评估数据作为最低基准和最高基准。通过将用户的评估值与基准比较，确定用户所属的类型。例如，根据往年人因风险的样本数据查询评估数值最低的人员和往年评估数值最高的人员，往年评估数值最低的人员和往年评估数值最高的人员再通过认知特性的测量工具和经验公式得出的相应分值，然后往年评估数值最低的人员和往年评估数值最高的人员的分值分别作为基准值，以用来作为确定用户的所属类型。在获得用户的人因风险的评估值后，若该用户的评估值高于往年评估数值最高的人员的分值，则该用户为高人因风险型，若该用户的评估值低于往年评估数值最低的人员的分值，则该用户为低人因风险型。

上述核电站人因风险评估方法，获取该用户的认知特性的测量数据；将该认知特性的测量数据输入认知特性的人因风险评估模型进行计算，得到该用户关于认知特性的各个人因风险维度的评估数据，该各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度；根据该用户关于认知特质的各个人因风险维度的评估数据得到该用户的人因风险的评估值；根据该用户的人因风险的评估值确定所述用户所属的类型。这样，在实际应用时，不需要额外的实验装置就能够完成人因风险评估，该评估方法简单易行，成本较低。

应该理解的是，虽然图1-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-3中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图4所示，提供了一种核电站人因风险评估装置，该装置400包括：第一获取模块402、第一计算模块404、第一评估模块406、第一确定模块408，其中：

第一获取模块402，用于获取用户的人格特质的测量数据。

第一计算模块404，用于将该人格特质的测量数据输入人格特质的人因风险评估模型进行计算，得到所述用户关于人格特质的各个人因风险维度的评估数据，所述各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度。

第一评估模块406，用于根据该用户关于人格特质的各个人因风险维度的评估数据得到所述用户的人因风险的评估值。

第一确定模块408，用于根据该用户的人因风险的评估值确定所述用户所属的类型。

在本申请的一个可选实施例中，该第一获取模块402，用于获取用户在人格特质测量工具所提供的问卷中输入的测量数据；其中，该人格特质测量工具所提供的问卷是根据人格特质的维度设置的选项所生成的问卷，该人格特质的维度为神经质、责任感、宜人性、开放性及外向性；该人因风险评估模型是根据人格特征的维度建立的。

在本申请的一个可选实施例中，该第一计算模块404，用于将该质疑态度维度的评估数据、违规态度维度的评估数据和该人因失误维度的评估数据求和，再减去该安全态度维度的评估数据，以及减去该安全参与维度的评估数据，得到该用户的人因风险的评估值。

在一个实施例中，如图5所示，提供了一种核电站人因风险评估装置，该装置400除了第一计算模块404，还包括第二计算模块410、其中：第一获取模块402，用于除了获取该用户的人格特质的测量数据，还获取该用户的认知特性的测量数据。

第二计算模块410，用于将该认知特性的测量数据输入认知特性的人因风险评估模型进行计算，得到该用户关于认知特性的各个人因风险维度的评估数据，该各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度。

第一评估模块406，还用于根据该用户关于人格特质的各个人因风险维度的评估数据和该用户关于认知特性的各个人因风险维度的评估数据，得到该用户的人因风险的评估值。在一个实施例中，第一获取模块402用于获取用户在认知特质测量工具所提供的问卷中输入的测量数据。

本申请实施例提供的核电站人因风险评估装置，可以实现上述方法实施例，其实现原理和技术效果类似，在此不再赘述。

关于核电站人因风险评估装置的具体限定可以参见上文中对于核电站人因风险评估方法的限定，在此不再赘述。上述核电站人因风险评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，如图6所示，提供了一种核电站人因风险评估装置，该装置600包括：第二获取模块602、第二计算模块604、第二评估模块606、第二确定模块608。

第二获取模块602，用于获取所述用户的认知特性的测量数据。

第二计算模块604，用于将所述认知特性的测量数据输入认知特性的人因风险评估模型进行计算，得到所述用户关于认知特性的各个人因风险维度的评估数据，所述各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度。

第二评估模块606，用于根据所述用户关于认知特性的各个人因风险维度的评估数据得到所述用户的人因风险的评估值。

第二确定模块608，用于根据所述用户的人因风险的评估值确定所述用户所属的类型。

在一个实施例中，第二获取模块602还用于获取用户在认知特性测量工具所提供的问卷中输入的测量数据。

本申请实施例提供的核电站人因风险评估装置，可以实现上述方法实施例，其实现原理和技术效果类似，在此不再赘述。

关于核电站人因风险评估装置的具体限定可以参见上文中对于核电站人因风险评估方法的限定，在此不再赘述。上述核电站人因风险评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储核电站人因风险评估数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种核电站人因风险评估方法。

本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取用户的人格特质的测量数据；将该人格特质的测量数据输入人格特质的人因风险评估模型进行计算，得到该用户关于人格特质的各个人因风险维度的评估数据，该各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度；根据该用户关于人格特质的各个人因风险维度的评估数据得到该用户的人因风险的评估值；根据该用户的人因风险的评估值确定该用户所属的类型。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

获取用户在人格特质测量工具所提供的问卷中输入的测量数据；其中，该人格特质测量工具所提供的问卷是根据人格特质的维度设置的选项所生成的问卷，该人格特质的维度为神经质、责任感、宜人性、开放性及外向性；该人因风险评估模型是根据人格特征的维度建立的。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

将该质疑态度维度的评估数据、违规态度维度的评估数据和该人因失误维度的评估数据求和，再减去该安全态度维度的评估数据，以及减去该安全参与维度的评估数据，得到该用户的人因风险的评估值。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

获取该用户的认知特性的测量数据；将该认知特性的测量数据输入认知特性的人因风险评估模型进行计算，得到该用户关于认知特性的各个人因风险维度的评估数据，该各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度；该根据该用户关于人格特质的各个人因风险维度的评估数据得到该用户的人因风险的评估值，包括：根据该用户关于人格特质的各个人因风险维度的评估数据和该用户关于认知特性的各个人因风险维度的评估数据，得到该用户的人因风险的评估值。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

获取用户在认知特质测量工具所提供的问卷中输入的测量数据。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取该用户的认知特性的测量数据；将该认知特性的测量数据输入认知特性的人因风险评估模型进行计算，得到该用户关于认知特性的各个人因风险维度的评估数据，该各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度；根据该用户关于认知特质的各个人因风险维度的评估数据得到该用户的人因风险的评估值；根据该用户的人因风险的评估值确定该用户所属的类型。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取用户的人格特质的测量数据；将该人格特质的测量数据输入人格特质的人因风险评估模型进行计算，得到该用户关于人格特质的各个人因风险维度的评估数据，该各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度；根据该用户关于人格特质的各个人因风险维度的评估数据得到该用户的人因风险的评估值；根据该用户的人因风险的评估值确定该用户所属的类型。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

获取用户在人格特质测量工具所提供的问卷中输入的测量数据；其中，该人格特质测量工具所提供的问卷是根据人格特质的维度设置的选项所生成的问卷，该人格特质的维度为神经质、责任感、宜人性、开放性及外向性；该人因风险评估模型是根据人格特征的维度建立的。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

将该质疑态度维度的评估数据、违规态度维度的评估数据和该人因失误维度的评估数据求和，再减去该安全态度维度的评估数据，以及减去该安全参与维度的评估数据，得到该用户的人因风险的评估值。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

获取该用户的认知特性的测量数据；将该认知特性的测量数据输入认知特性的人因风险评估模型进行计算，得到该用户关于认知特性的各个人因风险维度的评估数据，该各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度；该根据该用户关于人格特质的各个人因风险维度的评估数据得到该用户的人因风险的评估值，包括：根据该用户关于人格特质的各个人因风险维度的评估数据和该用户关于认知特性的各个人因风险维度的评估数据，得到该用户的人因风险的评估值。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

获取用户在认知特质测量工具所提供的问卷中输入的测量数据。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取该用户的认知特性的测量数据；将该认知特性的测量数据输入认知特性的人因风险评估模型进行计算，得到该用户关于认知特性的各个人因风险维度的评估数据，该各个人因风险维度包括质疑态度维度、违规态度维度、安全态度维度、人因失误维度及安全参与维度；根据该用户关于认知特质的各个人因风险维度的评估数据得到该用户的人因风险的评估值；根据该用户的人因风险的评估值确定该用户所属的类型。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。