一种智能职业生涯规划与个人成长战略制定系统及方法

摘要

本发明提供了一种智能职业生涯规划与个人成长战略制定系统及方法。包括：第一存储器，其存储有标准模型数据库；信息获取模块，用于获取用户信息；第二存储器，用于将用户信息分类存储形成个人数据库；处理模块，生成用户的价值观匹配率，生成用户胜任力模型，生成所述用户每个职业的胜任力匹配率和胜任力溢出率，得出用户匹配职业；根据用户匹配职业生成个人成长战略报告；用户终端，接收职业生涯规划报告和个人成长战略报告。该智能职业生涯规划与个人成长战略制定系统改善了现有技术中线下职业规划师人工为用户评测与规划职业发展方向时，价格昂贵、效率低下、无法快速普及且容易受规划师主观因素与自身专业水平影响，具有一定规划偏差的问题。

说明书

技术领域

本发明涉及教育科技技术领域，尤其是涉及一种智能职业生涯规划与个人成长战略制定系统及方法。

背景技术

根据数据统计，超过70％的人后悔在年轻时选错了职业，超过70％的大学生后悔盲目选择了专业；此外，我国新生代青少年职业倾向超70％偏向于文娱行业，而中国未来五年在通讯、电子、互联网、能源等高科技行业人才缺口超4000万，人才资源严重不匹配。因此，对于我国的青年与少年，系统的职业规划、正确的职业认知、科学的发展路径将是十分必要的。然而，目前国内大部分的职业规划仅通过线下职业规划师人工进行评测与规划时，价格昂贵、效率低下，无法快速普及，并且此类职业规划容易受规划师主观因素与自身专业水平影响，造成一定的规划偏差。

发明内容

本发明的目的在于提供一种智能职业生涯规划与个人成长战略制定系统及方法，该智能职业生涯规划与个人成长战略制定系统能够解决现有技术中线下职业规划师人工为用户评测与规划职业发展方向，价格昂贵、效率低下、无法快速普及且容易受规划师主观因素与自身专业水平影响，具有一定规划偏差的问题。

为了实现上述目的，本发明提供如下技术方案：

一种智能职业生涯规划与个人成长战略制定系统，包括：

第一存储器，其存储有标准模型数据库；

信息获取模块，其与所述标准模型数据库电性相连，用于获取用户信息，所述个人信息包括用户价值观信息、用户兴趣职业信息、用户性格信息、用户天赋信息和用户圈子信息；

第二存储器，其与所述信息获取模块电性相连，用于将所述用户信息分类为用户的价值观模型、性格模型、天赋模型、圈子模型和性格模型，并存储形成个人数据库；

处理模块，其与所述第一存储器和所述第二存储器电性相连，用于将所述个人数据库中的用户价值观信息与所述标准模型数据库相匹配，生成所述用户的价值观匹配率，将所述用户性格信息和所述用户天赋信息与所述标准模型数据库相匹配生成用户胜任力模型；

将所述用户胜任力模型与所述第一存储器中的标准职业胜任力模型库相比对，生成所述用户每个职业的胜任力匹配率和胜任力溢出率，通过胜任力匹配率和胜任力溢出率进行职业排名，根据所述职业排名、用户价值观匹配率、用户兴趣职业信息和用户圈子信息得出用户匹配职业；

所述处理模块根据所述用户匹配职业生成个人成长战略报告；

用户终端，其与所述处理模块电性相连，用于接收所述职业生涯规划报告和所述个人成长战略报告。

在上述技术方案的基础上，本发明还可以做如下改进：

进一步地，所述标准模型数据库包括职业价值观模型库、胜任力-性格天赋模型库、职业胜任力模型库、职业信息库和职业-大学专业-学科库；

所述职业价值观模型库包括每个职业满足的价值观；所述胜任力-性格天赋模型库包括每个胜任力匹配的性格、天赋及其概率统计模型；所述职业信息库包括每个职业的简介、代表人物、工作内容、工作时长、工作压力、发展情况和薪资情况；所述职业-大学专业-学科库包括每个职业匹配的大学专业、院校和基础学科。

进一步地，所述智能职业生涯规划与个人成长战略制定系统还包括模型优化模块，其与所述信息获取模块和所述处理模块电性相连，所述信息获取模块用于输入测试人员的测试信息，通过动态最小离散回归算法根据所述测试信息对所述标准职业胜任力模型库进行校准。

进一步地，所述处理模块通过标准职业胜任力模型库比照用户胜任力模型，生成第一象限视窗；

所述用户圈子信息还包括360评价信息，所述处理模块得到用户胜任力模型后，比照用户圈子信息中的360评价信息，生成第二象限视窗。

一种智能职业规划方法，所述方法具体包括：

S101，将标准模型数据库存储至标准模型数据库；

S102，通过信息获取模块获取用户信息；

S103，将用户信息存储至个人数据库；

S104，将个人数据库中的用户价值观信息与所述标准模型数据库相匹配，生成所述用户的价值观匹配率，将所述用户性格信息和所述用户天赋信息与所述标准模型数据库相匹配生成用户胜任力模型；

S105，将用户胜任力模型与所述标准职业胜任力模型库相比对，生成所述用户每个职业的胜任力匹配率和胜任力溢出率，通过胜任力匹配率和胜任力溢出率进行职业排名，根据所述职业排名、用户价值观匹配率、用户兴趣职业信息和用户圈子信息得出用户匹配职业；

S106，通过处理模块根据用户匹配职业生成用户的成长规划；

S107，通过用户终端接收所述职业生涯规划报告和所述个人成长战略报告。

进一步地，所述方法还包括S108，通过信息获取模块输入测试人员的测试信息；

S109，通过模型优化模块对根据所述测试人员的测试信息对标准职业胜任力模型库进行校准。

进一步地，所述S106具体包括S1061，得到用户匹配职业后，通过标准职业胜任力模型库比照用户胜任力模型，生成第一象限视窗。

进一步地，所述S106具体包括S1062，得到用户胜任力模型后，比照用户圈子信息中的360评价信息，生成第二象限视窗。

进一步地，所述S106还包括S1063，得到匹配职业后，提取所述职业-大学专业-学科库中的数据，生成与用户匹配职业相适配的大学专业信息、大学信息和大学学科信息。

进一步地，所述S106还包括S1064，得到匹配职业后，提取所述职业信息库中的该职业的全方位信息，通过用户终端接收该职业的全方位信息。

本发明具有如下优点：

本发明的目的在于通过在线的形式提供一种智能职业生涯规划与个人成长战略制定系统，该系统能够通过在线的形式对所有用户群体提供职业生涯规划与个人成长战略制定服务，并且帮助青少年形成正确的职业认知，解决了人工职业规划难以快速普及且容易受人为主观因素影响的问题，从而能够更加系统化、科学化、客观化的为用户进行职业生涯规划与个人成长战略制定；解决了现有技术中线下职业规划师人工为用户评测与规划职业发展方向，价格昂贵、效率低下、无法快速普及且容易受规划师主观因素与自身专业水平影响，具有一定规划偏差的问题。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中智能职业生涯规划与个人成长战略制定系统的原理图；

图2为本发明实施例中智能职业规划方法的流程图；

图3为本发明实施例中智能职业规划方法的流程图；

图4为本发明实施例中生成用户的成长规划的流程图；

图5为本发明实施例中第一视窗的示意图；

图6为本发明实施例中第二视窗的示意图。

附图标记说明：

第一存储器10，标准数据库101，信息获取模块20，第二存储器30，个人数据库301，处理模块40，用户终端50，模型优化模块60，第一象限视窗70，第二象限视窗80。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

如图1所示，一种智能职业生涯规划与个人成长战略制定系统，包括：

第一存储器，其存储有标准模型数据库；

信息获取模块，其与所述标准模型数据库电性相连，用于获取用户信息，所述个人信息包括用户价值观信息、用户兴趣职业信息、用户性格信息、用户天赋信息和用户圈子信息；

第二存储器，其与所述信息获取模块电性相连，用于将所述用户信息分类为用户的价值观模型、性格模型、天赋模型、圈子模型60和性格模型，并存储形成个人数据库；

处理模块，其与所述第一存储器和所述第二存储器电性相连，用于将所述个人数据库中的用户价值观信息与所述标准模型数据库相匹配，生成用户的价值观匹配率，将所述用户性格信息和所述用户天赋信息与所述标准模型数据库相匹配生成用户胜任力模型；

将所述用户胜任力模型与所述第一存储器中的标准职业胜任力模型库相比对，生成所述用户每个职业的胜任力匹配率和胜任力溢出率，通过胜任力匹配率和胜任力溢出率进行职业排名，根据所述职业排名、用户价值观匹配率、用户兴趣职业信息和用户圈子信息得出用户匹配职业；

所述处理模块根据所述用户匹配职业生成个人成长战略报告；

用户终端，其与所述处理模块电性相连，用于接收所述职业生涯规划报告和所述个人成长战略报告。

个人价值观与工作观、个人兴趣、个人性格、个人天赋和个人生活圈子是影响人生最重要的5大因素；运用大数据、访谈、调研等综合形式建立多种标准的标准模型数据库，包括每种职业的价值观与工作观信息data_JV、胜任力信息data_JA、职业信息库data_JI、最优发展路径库data_JD等全方位数据库，并同步建立大学专业、职业、基础学科相互匹配数据库data_JMS；

通过多种在线交互形式，抓取用户的个人价值观、个人兴趣、个人性格、个人天赋、个人生活圈子等信息，建立用户的个人数据库；

系统通过用户的个人数据库匹配生成用户的个人胜任力信息；

系统通过用户的个人价值观与工作观、个人兴趣、个人胜任力模型、个人生活圈子等信息，与上述标准模型数据库匹配，为用户匹配最合适的职业；

系统根据用户的个人胜任力模型与标准模型数据库的差距，为用户推荐最佳的个人提升方法与策略；

规划结果包含用户个人价值观与工作观、个人兴趣、个人性格、个人天赋、个人胜任力模型、个人生活圈子、职业匹配结果、职业达成路径等内容，将通过在线版报告或纸质版报告呈现给用户；

当产生大量用户数据后，根据用户数据，采用大数据计算逻辑对逻辑算法进行不断完善校准。不仅能帮助用户推荐最理想的职业，同时为用户匹配达成理想职业最合适的个人提升方法与策略。

在上述技术方案的基础上，本发明还可以做如下改进：

进一步地，所述标准模型数据库包括职业价值观模型库、胜任力-性格天赋模型库、职业胜任力模型库、职业信息库和职业-大学专业-学科库；

所述职业价值观模型库包括每个职业满足的价值观；所述胜任力-性格天赋模型库包括每个胜任力匹配的性格、天赋及其概率统计模型；所述职业信息库包括每个职业的简介、代表人物、工作内容、工作时长、工作压力、发展情况和薪资情况；所述职业-大学专业-学科库包括每个职业匹配的大学专业、院校和基础学科。

进一步地，所述智能职业生涯规划与个人成长战略制定系统还包括模型优化模块，其与所述信息获取模块和所述处理模块电性相连，所述信息获取模块用于输入测试人员的测试信息，通过动态最小离散回归算法根据所述测试信息对所述标准职业胜任力模型库进行校准。

如图2所示，一种智能职业规划方法，所述方法具体包括：

S101，标准模型数据库存储至标准模型数据库；

本步骤中，将标准模型数据库存储至标准模型数据库；

S102，获取用户信息；

本步骤中，通过信息获取模块获取用户信息；

S103，用户信息存储至个人数据库；

本步骤中，将用户信息存储至个人数据库；

S104，生成用户胜任力模型；

本步骤中，将个人数据库中的用户价值观信息与所述标准模型数据库相匹配，生成用户的价值观匹配率，将所述用户性格信息和所述用户天赋信息与所述标准模型数据库相匹配生成用户胜任力模型；

S105，得出用户匹配职业；

本步骤中，将用户胜任力模型与所述标准职业胜任力模型库相比对，生成每个职业的胜任力匹配率和胜任力溢出率，通过胜任力匹配率和胜任力溢出率进行职业排名，根据所述职业排名、用户价值观匹配率、用户兴趣职业信息和用户圈子信息得出用户匹配职业；

S106，生成用户的成长规划；

本步骤中，通过处理模块根据用户匹配职业生成用户的成长规划；

S107，用户终端接收报告；

本步骤中，通过用户终端接收所述职业生涯规划报告和所述个人成长战略报告。

如图3所示，所述方法还包括S108，输入测试人员的测试信息；

本步骤中，通过信息获取模块输入测试人员的测试信息；

S109，校准标准职业胜任力模型；

本步骤中，通过模型优化模块对根据所述测试人员的测试信息对标准职业胜任力模型库进行校准。

如图4所示，所述S106具体包括S1061，生成第一象限视窗；

本步骤中，得到用户匹配职业后，通过标准职业胜任力模型库比照用户胜任力模型，生成第一象限视窗。

进一步地，所述S106具体包括S1062，生成第二象限视窗；

本步骤中，得到用户胜任力模型后，比照用户圈子信息中的360评价信息，生成第二象限视窗。

进一步地，所述S106还包括S1063，生成与用户匹配职业相适配的信息；

本步骤中，得到匹配职业后，提取所述职业-大学专业-学科库中的数据，生成与用户匹配职业相适配的大学专业信息、大学信息和大学学科信息。

进一步地，所述S106还包括S1064，用户终端接收全方位信息；

本步骤中，得到匹配职业后，提取所述职业信息库中的该职业的全方位信息，通过用户终端接收该职业的全方位信息。

用户可通过生命之轮和工作观金字塔输入自己的个人价值观与工作观：

a.生命之轮，建立用户的理想生活模型，包括：家庭模块VF(原生家庭VF1、子女VF2、伴侣VF3)、社会模块VS(人脉VS1、友情VS2、奉献VS3)、VJ事业模块(VJ1金钱、VJ2权力、VJ3名誉)、VP个人模块(VP1个人娱乐、VP2个人健康、VP3个人成长)。通过在线交互，给用户24个小时，让用户在每个模块选择分配的时间，以此来组成他最理想的生活；

VF(VF1+VF2+VF3)+VS(VS1+VS2+VS3)+VJ(VJ1+VJ2+VJ3)+VP(VP1+VP2+VP3)＝24h

b.工作观金字塔，用金字塔排序的形式与用户在线交互，建立用户的工作观模型，包括：VC1物质财富、VC2权力、VC3地位、VC4知名度、VC5商业价值、VC6审美、VC7道德标准、VC8安全稳定、VC9工作环境、VC10竞争氛围、VC11工作家庭平衡、VC12压力小、VC13挑战性、VC14独立自主、VC15有趣多变、VC16创造性、VC17利他奉献、VC18个人成长。通过在线交互，让用户在以上价值观中进行排序，其中赋值VC(1～3位)＝1,记录用户工作追求价值观模型，并设置增益VJ1→VC1，VJ2→VC2，VJ3→VC3、VC4,VF→VC11，VS3→VC17，VP3→VC18，增益规则为在用户选择完成VC(1～3位)后，VJ1、VJ2、VJ3、VS3、VP3中若排名前三，则扩容其增益项进入VC(1～3位)中，同步赋值VC(1～n位)＝1，n≤6。

兴趣数据为：梦想岗位(超过100种，定义为J1～n，n≥100)，如J2主编、J10产品经理、J13平面设计师、J43软件工程师、J61律师、J69内科医生等，每个岗位的组成部分包括工作场景、代表人物、岗位简介等。通过在线交互，让用户选择最期望的岗位，赋值岗位期望值I_J(1～3位，用户最偏好的3个岗位)＝2，I_J(4～10位，用户喜欢的前10个但非前3的岗位)＝1，I_J(10位之后，用户未选择喜欢的岗位)＝0。

职业与大学专业的匹配数据库data_JMS：通过大数据抓取行业招聘信息、国家发布的大学专业指导信息，建立专业与职业的匹配数据库，大学专业数据库与教育部发布的专业数据库保持统一代码，例如：020101-经济学专业、071101-心理学专业、080208-汽车服务工程专业；职业匹配模型，例如，P2导演匹配130101、130301、130302、130303、130304、130305、130306、130307、130308、130310、130311T。

天赋数据，包括：

a.智商天赋：TIQ1＝观察力，TIQ2＝理解力，TIQ3＝推理力，TIQ4＝计算力，TIQ5＝语言力，TIQ6＝记忆力，TIQ7＝创造力，TIQ8＝空间力，TIQ9审美力，TIQ10＝反应力。

b.情商天赋：TEQ1＝感知力，TEQ2＝共情力，TEQ3＝感染力，TEQ4＝亲和力，TEQ5＝激发力。

c.逆商天赋：TAQ1＝承受力，TAQ2＝自控力，TAQ3＝调节力，TAQ4＝自驱力，TAQ5＝专注力。

d.身体天赋：TBQ1＝形象，TBQ2＝体能，TBQ3＝视力，TBQ4＝手眼协调，TBQ5＝意志力，TBQ6＝心理健康。

e.思维方式：TMT1＝前瞻思维-TMT2＝直觉思维，TMT3＝系统思维-TMT4＝发散思维，TMT5＝直线思维-TMT6＝曲线思维，TMT7＝抽象思维-TMT8＝形象思维。

通过在线交互，判断用户的天赋指数，赋值不同的用户天赋指数TIQ、TEQ、TAQ、TBQ、TMT＝H，H∈(0，1，2)，因此不同的天赋组合：SUM(用户性格组合)＝3

性格数据，包括：

C1追求变化-C2追求稳定、C3追求极致-C4追求和谐、C5外显-C6内敛、C7主动-C8被动、C9敢为-C10谨慎、C11支配-C12服从、C13主见-C14共识、C15创新-C16传统、C17竞争-C18不争、C19担责-C20轻松、C21执着-C22灵活、C23自力-C24借力、C25单干-C26合作、C27批判-C28宽容、C29理性-C30感性、C31独处-C32合群、CP33开放(对事)-CP34保守(对事)、CP35开放(对人)-CP36保守(对人)、CP37自信-CP38自卑、CP39得-CP40舍、CP41怀疑-CP42信任、CP43悲观-CP44乐观。通过多种在线交互形式，判断用户的性格指数。

并赋值不同用户的Cn/CPn＝K，K∈(0，1，3)，因此不同的性格组合：SUM(用户性格组合)＝3

生活圈子数据：

定义为(E-LO爱过的人，E-RO走过的路，E-BO读过的书)×(PA父母系，FA大家庭系，SC校园系，CM企业系，SO社会系)，共15个圈层区域：

a.E-LO-PA区域，E-LO-PA1＝父母期望与资源，E-LO-PA2＝父母学历，E-LO-PA3＝父母对用户的性格与天赋判断赋值，通过f(E-LO-PA3)映射→f(自我判断)进行360度分析-360ia，f(360ia)＝50％×f(E-LO-PA3)。E-LO-PA4＝父母职业，E-LO-PA5＝父母价值观，E-LO-PA6＝原生家庭收入，E-LO-PA7＝原生家庭阶层，E-LO-PA8＝亲子关系。

b.E-LO-FA区域，E-LO-FA1＝重要亲属资源与期望，E-LO-FA2＝重要亲属对用户的性格、天赋判断赋值，通过f(E-LO-FA2)映射→f(自我判断)进行360度分析-360ib，f(360ib)＝25％×f(E-LO-FA2)，E-LO-FA3＝重要亲属对用户的综合评价；

c.E-LO-FA区域，E-LO-FA3＝伴侣资源，E-LO-FA4＝伴侣价值观，E-LO-FA5＝伴侣对用户的性格、天赋判断赋值，通过f(E-LO-FA5)映射→f(自我判断)进行360度分析-360ic，f(360ic)＝25％×f(E-LO-FA5)，E-LO-FA6＝伴侣性格，E-LO-FA7＝伴侣职业，E-LO-FA8＝与伴侣的关系；

d.E-LO-SC区域，E-LO-SC1＝老师对用户的性格、天赋判断赋值，通过f(E-LO-SC1)映射→f(自我判断)进行360度分析-360id，f(360id)＝25％×f(E-LO-SC1)，E-LO-SC3＝老师的性格，E-LO-SC4＝老师对用户的综合评价，E-LO-SC5＝老师的价值观，E-LO-SC6＝老师所执教的学科；

e.E-LO-SC区域，E-LO-SC2＝同学对用户的性格、天赋判断赋值，通过f(E-LO-SC2)映射→f(自我判断)进行360度分析-360ie，f(360ie)＝25％×f(E-LO-SC2)，E-LO-SC7＝同学对用户的标签，E-LO-SC8＝同学的性格，E-LO-SC9＝同学对用户的综合评价，E-LO-SC10＝同学的价值观，E-LO-SC11＝同学和用户之间的关系。

f.E-LO-CM区域，E-LO-CM1＝上司对用户的性格、天赋判断赋值，通过f(E-LO-CM1)映射→f(自我判断)进行360分析-360if，f(360if)＝50％×f(E-LO-CM1)，E-LO-CM3＝上司的价值观，E-LO-CM4＝上司的管理风格，E-LO-CM5＝上司对我的综合评价，E-LO-CM6＝上司的资源，E-LO-CM7＝上司的性格。

g.E-LO-CM区域，E-LO-CM2＝同事和下级对用户的性格、天赋判断赋值，通过f(E-LO-CM2)映射→f(自我判断)进行360分析-360ig，f(360ig)＝50％×f(E-LO-CM2)，E-LO-CM7＝同事与用户间的关系，E-LO-CM8＝同事的性格，E-LO-CM9＝同事的价值观，E-LO-CM10＝同事对用户的综合评价，E-LO-CM11＝同事对用户的标签。

h.E-LO-SO区域,E-LO-SO1＝偶像职业，E-LO-SO2＝偶像价值观，E-LO-SO3＝敬佩点，E-LO-SO4＝偶像性格，E-LO-SO5＝用户对偶像的标签，E-LO-SO6＝朋友对用户的性格、天赋判断赋值，E-LO-SO7＝朋友的性格，E-LO-SO8＝朋友与用户的共同爱好，E-LO-SO9＝朋友对我的标签，E-LO-SO10＝朋友的价值观，E-LO-SO11＝朋友的学历，E-LO-SO12＝朋友的社会阶层。

i.E-RO-PA区域，E-RO-PA1＝家庭变故。

j.E-RO-FA区域，E-RO-FA1＝遗传病史。

k.E-RO-SC区域，E-RO-SC1＝学校获得的成就与挫折，E-RO-SC2＝学习倦怠度，E-RO-SC3＝学校级别。

l.E-RO-CM区域，E-RO-CM1＝职业经历，E-RO-CM2＝工作满意度，E-RO-CM3＝工作倦怠度，E-RO-CM4＝在公司的成就与挫折，E-RO-CM5＝公司级别。

m.E-RO-SO区域，E-RO-SO1＝城市级别，E-RO-SO2＝经济阶层，E-RO-SO3＝在社会上的挫折与成就，E-RO-SO4＝社会重大事件。

n.E-BO-PA区域，E-BO-PA1＝家庭熏陶及启蒙教育状况。

o.E-BO-FA区域，E-BO-FA1＝重要亲属教育影响。

p.E-BO-SC区域，E-BO-SC1＝学科情况，E-BO-SC2＝大学专业。

q.E-BO-CM区域，E-BO-CM1＝职业技能。

r.E-BO-SO区域，E-BO-SO1＝读过的书，E-BO-SO2＝个人认知等级，E-BO-SO3＝信息获取渠道，E-BO-SO4＝时间碎片。

我们根据性格标准模型的C/CP值与天赋标准模型的TIQ值、TEQ值、TAQ值、TBQ值、TMT值，建立17类胜任力模型标准值A(standard)n，下文用A_standard_n代替包括：

定义：

α＝A_standard_n强关联项，表现为：C/CPn、TIQ、TEQ、TAQ、TMT＝K或H＝2；

β＝A_standard_n弱关联项，表现为：C/CPn、TIQ、TEQ、TAQ、TMT＝K或H＝1；

γ＝A_standard_n负关联项，表现为：如果用户的C/CPn、TIQ、TEQ、TAQ、TMT＝K或H＝2，则令于用户的A_standard_n＝A_standard_n-1；

δ＝A_standard_n无关联项，无关联项不进入运算，表现为：C/CPn、TIQ、TEQ、TAQ、TMT＝K或H＝0。

胜任力公式：

a.计划力As1＝fC/CP(αC2+γC9+βC10+αC11+αC19+αC29)×fT(αTIQ2+βTIQ3+αTIQ4+αTIQ7+αTMT1+αTMT3)

b.组织力As2＝fC/CP(βC11+αC19+γC23+αC24+αC29+αC30+αCP10)×fT(αTIQ2+βTIQ3+αTIQ4+αTEQ1+αTEQ2+βTEQ5+αTMT1+αTMT3)

c.决策力As3＝fC/CP(βC9+γC10+αC11+αC13+αC19+αC27+αC29)×fT(αTIQ2+αTIQ3+TIQ10+βTAQ1+αTAQ2+αTMT3)

d.执行力As4＝fC/CP(αC3+βC12+αC17+βC19+γC20)×fT(αTIQ2+αTAQ5+βTAQ1+αTAQ2+αTAQ3+αTBQ5)

f.行动力As5＝fC/CP(αC3+αC7+γC8+αC9+αC17+αC19+αC21+αCP7)×fT(αTAQ5+αTAQ1+βTAQ2+αTAQ3+βTAQ4+αTBQ5)

g.思考力As6＝fC/CP(αC3+αC10+αC13+αC15+γC16+αC27+βC29+αCP30)×fT(αTIQ1+βTIQ2+βTIQ3+βTIQ4+αTIQ6+αTIQ7+αTIQ8+αTIQ10+αTEQ1+αTEQ2+βTAQ5,αTAQ2+αTMT1+αTMT3+αTMT4+αTMT6+αTMT7+αTMT8)

h.学习力As7＝fC/CP(βC3+αC13+γC16+αC17+αC19+αC21+αC29+αCP1+γCP2+αCP7)×fT(αTIQ1+βTIQ2+αTIQ3+βTIQ6+βTAQ5+βTAQ2+βTAQ4+βTBQ5+αTMT3+αTMT4)

i.内省力As8＝fC/CP(αC3+αC13+γC20+αC27+αC29+βC31)×fT(αTIQ2+βTIQ3+βTAQ5+αTAQ2+βTAQ4+αTMT1+αTMT3+αTMT4)

g.监察力As9＝fC/CP(αC10+αC16+αC19+γC20+βC27+γC28+βC29+αCP9+γCP10)×fT(βTIQ1+αTIQ2+αTIQ3+αTIQ6+αTAQ5+αTAQ2+αTMT1)

k.抗压力As10＝fC/CP(βC19+αC21+αC29+αCP5+γCP6+γCP11+αCP12)×fT(βTAQ1+βTAQ2+βTAQ3+βTAQ4+βTer5)

l.应变力As11＝fC/CP(αC1+αC9+αC15+γC16+αC19+βC22+αC29)×fT(αTIQ2+αTIQ3+αTIQ7+βTIQ10+βTAQ1+βTAQ2)

m.适应力As12＝fC/CP(αC7+αC19+αC20α+C22+αC28+αCP1+γCP2+αCP3+γCP4+αCP8+αCP12)×fT(βTAQ1+αTAQ2+βTAQ3+αTAQ4+αTBQ5)

n.道德力As13＝fC/CP(γC1+αC2+βC16+αC19+βC30+γCP7)×fT(αTEQ1+αTEQ2+βTAQ2)

o.创新力As14＝fC/CP(αC1+γC2+αC3+αC13+βC15+γC16+αC29+αC30+αCP1+γCP2)×fT(βTIQ7+βTIQ8+βTIQ9+αTAQ5+αTMT4)

p.社交力As15＝fC/CP(αC5+γC6+αC7+αC14+αC22+αC30+γC31+βC32+αCP3+γCP4+αCP5+γCP6)×fT(αTIQ5+βTEQ1+βTEQ2+βTEQ4+αTAQ1+αTAQ2+αTAQ3+αTMT6)

q.表达力As16＝fC/CP(αC5+αC11+αC22+αC29+βC30+αCP5+γCP6)×fT(αTIQ2+αTIQ3+βTIQ5+αTIQ10+βTEQ1+βTEQ2+βTEQ3+βTEQ5+αTAQ1+αTAQ2+αTMT6)

r.合作力As17＝fC/CP(γC11+αC14+αC24+γC25+βC26+αC28+αC30+γC31+αC32+αCP10)×fT(αTEQ1+αTEQ2+αTEQ4+αTAQ1+αTAQ2+αTAQ3)。

通过在线交互后，抓取用户的性格模型变量C/CPn与天赋模型变量TIQ、TEQ、TAQ、TMT，同样根据上述公式，形成用户的17类胜任力指数A(User)n，下文简称A_user_n。

上述模型中，fC/CP函数与fT函数，均采用概率推演模型，根据调研与大数据，性格模型中单一变量C/CPn与天赋模型中单一变量TIQ、TEQ、TAQ、TBQ在人群中呈金字塔概率分布，P(K或H＝2)≈20％，P(K或H＝1)≈30％，P(K或H＝0)≈50％；天赋模型变量TMT成均匀概率分布，P(K或H＝1或2)≈50％，P(K或H＝0)≈50％；而性格模型总体变量fC/CP与天赋模型总体变量fT在人群中呈正态分布概率，P(总体高分)≈20％，P(总体中等)≈50％，P(总体低分)≈30％，因此我们对fC/CP函数与fT函数规则定义为：

与每项胜任力的standard_fC/CP、fT标准值相比，

若User_fC/CP、fT用户值概率∈头部20％的standard_fC/CP、fT标准值，则赋值用户的User_fC/CP、fT＝2；

若User_fC/CP、fT用户值概率∈头部20％～中部70％的standard_fC/CP、fT标准值，则赋值用户的User_fC/CP、fT＝1；

若User_fC/CP、fT用户值概率∈尾部30％的standard_fC/CP、fT标准值，则赋值用户的User_fC/CP、fT＝0；

例如：

计划力标准值As1＝fC/CP(αC2+γC9+βC10+αC11+αC19+αC29)×fT(αTIQ2+βTIQ3+αTIQ4+αTIQ7+αTMT1+αTMT3)，

计划力用户值Au1＝fC/CP(1+1+2+0+0+0)×fT(0+2+2+1+1+1)＝1×2＝2

通过大数据与模型计算，上述步骤中胜任力A_standard_n概率呈金字塔型分布，P(第一层级-顶尖)≈5％，P(第二层级-卓越)≈20％，P(第三层级-良好)≈25％，P(第四层级-普通)≈50％；我们定义A_standard_n分为四个等级，并赋值A_standard_n顶尖＝4，A_standard_n卓越＝2，A_standard_n良好＝1，A_standard_n普通＝0。

我们运用大数据、访谈、调研等综合形式，按照胜任力模型与身体天赋模型等建立了超过100种职业的标准胜任力数据库data_JA。

例如：

J10产品经理标准值：J10_As1＝2，J10_As2＝4，J10_As3＝4，J10_As4＝2，J10_As5＝2，J10_As6＝4，J10_As7＝4，J10_As8＝1，J10_As9＝2，J10_As10＝2，J10_As11＝2，J10_As12＝2，J10_As13＝1，J10_As14＝4，J10_As15＝2，J10_As16＝2，J10_As17＝4；TBQ1＝0，TBQ2＝0，TBQ3＝0，TBQ1＝0。

J62飞行员标准值：J62_As1＝0，J62_As2＝0，J62_As3＝4，J62_As4＝2，J62_As5＝2，J62_As6＝2，J62_As7＝2，J62_As8＝0，J62_As9＝2，J62_As10＝2，J62_As11＝2，J62_As12＝1，J62_As13＝1，J62_As14＝0，J62_As15＝0，J62_As16＝0，J62_As17＝2；TBQ1＝0，TBQ2＝0，TBQ3＝2，TBQ1＝1。

将以用户的胜任力指数为参考，判定每个职业中，用户的胜任力指标匹配率MatchRatio(AMR值)与溢出率Spillover Ratio(ASR值)：

①对于各项胜任力匹配率AMR-An，先判断用户的每一项胜任力是否超出了标准值，若超出了标准值，则匹配率等于最大值100％。逻辑为If A_user_n÷Jx_A_standard_n＞1，那么令A_user_n÷Jx_A_standard_n＝1，否则A_user_n÷Jx_A_standard_n＝A_user_n÷Jx_A_standard_n；

②总体胜任力匹配率AMR为17项胜任力匹配率的均值，逻辑为

③对于各项胜任力的溢出率ASR_An，先判断用户的每项胜任力是否溢出了，若存在溢出的情况再进行溢出率计算，未溢出的胜任力的ASR_An＝0，默认为溢出率为0。逻辑为if A_user_n＞Jx_A_standard_n，then A_user_n-Jx_A_standard_n＝A_user_n-Jx_A_standard_n，else A_user_n-Jx_A_standard_n＝0，

④总体胜任力溢出率ASR为17项胜任力溢出率的均值，

⑤存在TBQ的职业匹配率AMR，按上述公式加入相应的TBQ进行计算，TBQ仅对AMR产生影响，不对ASR产生影响。

AMR值为第一判断顺序，ASR值为第二判断顺序，赋值A_J(1～3位)＝2，A_J(4～10位，用户比较适合的职业)＝1，A_J(10位之后)＝0。若第三位或第十位存在并列，则选取值观匹配率VMR较高者。

例如：

J10产品经理标准值：J10_As1＝2，J10_As2＝4，J10_As3＝4，J10_As4＝2，J10_As5＝2，J10_As6＝4，J10_As7＝4，J10_As8＝1，J10_As9＝2，J10_As10＝2，J10_As11＝2，J10_As12＝2，J10_As13＝1，J10_As14＝4，J10_As15＝2，J10_As16＝2，J10_As17＝4；

用户结果：Au1＝1，Au2＝2，Au3＝4，Au4＝4，Au5＝4，Au6＝2，Au7＝2，Au8＝1，Au9＝1，Au10＝1，Au11＝2，Au12＝2，Au13＝4，Au14＝2，Au15＝1，Au16＝1，Au17＝2；

AMR(J1)＝70.59％，

ASR(J1)＝29.41％；

用户职业匹配排序规则：

按照兴趣与胜任力排名规则进行排序确定用户最匹配的职业，逻辑为：

if I_Jn+A_Jn＝4，then Jn为最匹配职业，向用户优先推荐，若分数相同，按照胜任力排名决定最后排序，若胜任力排名相同，按照兴趣及价值观匹配顺序进行排序；

and if I_Jn+A_Jn＝3，then Jn为匹配职业，向用户推荐，若分数相同，按照胜任力排名决定最后排序，若胜任力排名相同，按照兴趣及价值观匹配顺序进行排序；

and if I_Jn+A_Jn＝2，then Jn为不匹配的职业，不推荐，引导用户选择按照胜任力选择专业后，再按照A_J排名进行职业推荐；

and if I_Jn+A_Jn＝1，then Jn为很不匹配的职业，不推荐，引导用户选择按照胜任力选择专业后，再按照A_J排名进行职业推荐；

and if I_Jn+A_Jn＝0，then Jn为极度不匹配的职业，不推荐，引导用户选择按照胜任力选择专业后，再按照A_J排名进行职业推荐；

以此获取用户最佳匹配的职业J(MATCH)；

将以用户的价值观指数为参考，判定每个职业中，用户的价值观指标匹配率MatchRatio(VMR值)，其中data_JV为调研、大数据所获取的每个职业工作观标准值，VCuser为所抓取的用户值。

①先判断用户选择的价值观是否与该职业的标准价值观匹配上了，若匹配上了，在进行后续计算，若未匹配上，则该项VMR_VCn＝0，逻辑为if VCuser_n＝Jx_Vcstandard_n且VCuser_n＞0，then赋值VCuser_n/Jx_VCstandard_n＝1，

②总体价值观匹配率VMR为用户与该职业标准价值观匹配上的数量与该职业标准价值观总量的比值，逻辑为

例如：

J20战略规划师工作观标准值：J20_VCstandard_1＝1，J20_VCstandard_2＝0，J20_VCstandard_3＝1，J20_VCstandard_4＝1，J20_VCstandard_5＝1，J20_VCstandard_6＝0，J20_VCstandard_7＝0，J20_VCstandard_8＝0，J20_VCstandard_9＝1，J20_VCstandard_10＝0，J20_VCstandard_11＝1，J20_VCstandard_12＝0，J20_VCstandard_13＝1，J20_VCstandard_14＝0，J20_VCstandard_15＝1，J20_VCstandard_16＝1，J20_VCstandard_17＝0，J20_VCstandard_18＝1；

用户结果：VCuser_1＝1，VCuser_2＝0，VCuser_3＝0，VCuser_4＝0，VCuser_5＝0，VCuser_6＝0，VCuser_7＝0，VCuser_8＝0，VCuser_9＝0，VCuser_10＝0，VCuser_11＝1，VCuser_12＝0，VCuser_13＝0，VCuser_14＝0，VCuser_15＝0，VCuser_16＝0，VCuser_17＝1，VCuser_18＝0；

VMR(J20)＝12.5％；

在用户生活圈子中，我们将与用户的重要交集者进行在线交互，以获取完整的用户360°评价，定义为360指数360i，

f(360i)＝f(360ia+360ib+360ic+360id+360ie+360if+360ig)，若出现用户跳过360评价环节，则此模块不进入运算，若部分重要交集者未完成交互，则完成者按照等比例膨胀至100％进行运算，若360i权重相加＞100％，则同比例缩减至100％执行运算。

在用户生活圈子中，已抓取父母期望/资源E-LO-PA1数据，若J(MATCH)含有此职业，则增加特殊标注。

在用户生活圈子中，已抓取擅长学科情况E-BO-SC1数据，E-BO-SC1数据将关联教育部最新数据，以便给予部分用户优化的高考选科策略。例如：用户J(MATCH)包含J29化学家，则建议大学专业为化学专业、应用化学专业等，高考科目必选化学。

在用户生活圈子中，已抓取读过的书E-BO-SO1数据，匹配data_JB数据库，例如E-BO-SO1＝《相对论》，将对用户选择相关职业时(如物理学家、机械工程师等职业)产生正向增益，书籍选择的TOP3统一计入用户个人兴趣模型(I_J＝2的总数≤13)。

(1)每个职业建立职业数据库与职业发展路径：

a.职业信息库data_JI：通过大数据抓取、调研等途径，建立每个职业视频介绍、职业说明、该职业的一天、平均薪酬、5年内薪酬变化、工作时长、满意度、工作压力、全国分布情况、该职业的需求企业、该职业的顶级大咖等全方位数据库，以便用户在选定J(MATCH)之后对目标职业有全方位的深入了解。

b.职业发展路径data_JD：通过大数据抓取、调研等途径，生成每个职业的最优发展路径，包括大学的选择、专业的选择、需要获取的证书、需要积累的专业知识、需要的实习经验或海外经历等，帮助用户在选定J(MATCH)之后，明确自己未来的职业发展策略。

(2)每类胜任力建立提升策略：

如图5所示，所述处理模块通过标准职业胜任力模型库比照用户胜任力模型，生成第一象限视窗；

如图6所示，所述用户圈子信息还包括360评价信息，所述处理模块得到用户胜任力模型后，比照用户圈子信息中的360评价信息，生成第二象限视窗。

用户在选定J(MATCH)之后，我们将抓取用户的A_user_n与标准值A_standard_n进行对比，并形成用户胜任力象限视窗，横轴为A_user_n，纵轴为A_standard_n，第1象限为A_standard_n高与A_user_n高区域，命名胜任区；第2象限为A_standard_n高与A_user_n低区域，命名发展区；第3象限为A_standard_n低与A_user_n低区域，命名忽略区；第4象限为A_standard_n低与A_user_n高区域，命名溢出区；针对第2象限发展区的胜任力群，优先推荐用户关于该能力群的提升策略与精选知识。

同时，从360i结果中抓取A_360_n数据，形成用户的胜任力360象限视窗，横轴为A_user_n，纵轴为A_360_n，第1象限为A_360_n高与A_user_n高区域，命名优势共识区；第2象限为A_360_n高与A_user_n低区域，命名潜力区；第3象限为A_360_n低与A_user_n低区域，命名劣势共识区；第4象限为A_360_n低与A_user_n高区域，命名盲区；针对第2/3/4象限潜力区的胜任力，分别推荐用户关于该能力群的提升策略与精选知识。

(1)当该行业中的专家或精英人才完成测评后，抓取其数据，采用动态最小离散回归算法，对data_JA数据库进行校准：

①定义某个职业的某项能力原始能力标准值为Jx_An_original；

定义当前使用的某个职业的某项能力原始能力值为Jx_An_now，标准差为Jx_σAn_now；

某个职业前100个行业专家与精英人才样本量总体(1～100个)的某项能力均值为Jx_An_100，标准差为Jx_σAn_100；

某个职业第n×100样本量总体(1～k×100个)的某项能力均值为Jx_An_k100，标准差为Jx_σAn_k100；

第一次动态调整：若Jx_An_100-Jx_An_original＞0.7，则该项能力值在Jx_An_original基础上加到下一档，若Jx_An_100-Jx_An_original＜-0.7，则该项能力值在A1基础上减到上一档；

②后续动态调整：

先判断数据组n是否比当前使用的数据离散程度更小，逻辑为if Jx_σAn_k100＜Jx_σAn_now，若成立，则判断若Jx_An_k100-Jx_An_now＞0.7，则该项能力值在A1基础上加到下一档，若Jx_An_k100-Jx_An_now＜-0.7，则该项能力值在A1基础上减到上一档；

若Jx_σAn_k100≤Jx_σAn_now，则不进行调整。

进一步地，所述S106还包括，S1062，生成个人发展战略；

本步骤中，根据所述职业发展数据、所述个人发展数据、所述价值观匹配率、所述期望岗位和所述岗位胜任值得到职业匹配结果，所述分析单元根据所述职业匹配结果得出用户的职业发展路径、选科建议和提升建议，所述处理器将所述职业发展路径、所述选科建议和所述提升建议生成个人发展战略。

一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行所述指令时实现权利要求3～9任一项所述方法的步骤。

该智能职业生涯规划与个人成长战略制定系统使用过程如下：

使用时，将标准模型数据库存储至标准模型数据库；通过信息获取模块获取用户信息；将用户信息存储至个人数据库；将个人数据库中的用户价值观信息与所述标准模型数据库相匹配，生成用户的价值观匹配率，将所述用户性格信息和所述用户天赋信息与所述标准模型数据库相匹配生成用户胜任力模型；将用户胜任力模型与所述标准职业胜任力模型库相比对，生成每个职业的胜任力匹配率和胜任力溢出率，通过胜任力匹配率和胜任力溢出率进行职业排名，根据所述职业排名、用户价值观匹配率、用户兴趣职业信息和用户圈子信息得出用户匹配职业；通过处理模块根据用户匹配职业生成用户的成长规划；通过用户终端接收所述职业生涯规划报告和所述个人成长战略报告。

在本发明的描述中，需要理解的是，术语"中心"、"纵向"、"横向"、"长度"、"宽度"、"厚度"、"上"、"下"、"前"、"后"、"左"、"右"、"竖直"、"水平"、"顶"、"底"、"内"、"外"、"顺时针"、"逆时针"等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语"第一"、"第二"仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有"第一"、"第二"的特征可以明示或者隐含地包括或者更多个所述特征。在本发明的描述中，"多个"的含义是两个或两个以上，除非另有明确具体的限定。此外，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。