基于管理者操作行为的管理分析方法、装置及电子设备

摘要

本发明涉及智能决策技术，揭露了一种基于管理者操作行为的管理分析方法，包括：获取管理员在培训管理看板上的操作行为及所述管理员管理下的学期的平均结训分数，得到管理行为样本，获取多个管理员的管理行为样本，得到样本集合；利用所述样本集合训练得到行为‑结果分析模型；将培训管理看板中的可操作节点集合、合理操作时间及预设的期望结训分数导入所述行为‑结果分析模型中，得到在所述期望结训分数时各个可操作节点的执行顺序。本发明还提出一种基于管理者操作行为的管理分析装置、电子设备以及存储介质。本发明可以制定更加高效的网课管理机制来提高企业人员的培训效率。

说明书

技术领域

本发明涉及智能决策技术领域，尤其涉及一种基于管理者操作行为的管理分析方法、装置、电子设备及计算机可读存储介质。

背景技术

随着网络培训的兴起，越来越多的企业选择通过网课培训企业人员，但由于网课的松散性，使得企业人员的结业水平参差不齐，效果不一，因此，需要网课班主任(管理员)作为人员培训的监督者，但是，目前，网课管理员的监控手段只是通过培训管理看板，查看参与培训人数、出席数量、作业完成情况等，对于一个新构建的培训管理看板无法短时间内形成行之有效的操作流程，无法快速有效提高人员的培训效率，因此如何快速获得一个培训管理看板的最优操作流程，对于制定更加行之有效的培训管理看板结构、提高企业人员的培训效率都具有重大意义。

发明内容

本发明提供一种基于管理者操作行为的管理分析方法、装置及计算机可读存储介质，其主要目的在于制定更加高效的网课管理机制来提高企业人员的培训效率。

为实现上述目的，本发明提供的一种基于管理者操作行为的管理分析方法，包括：

获取预构建的培训管理看板，并利用预设埋点，获取管理员在所述培训管理看板上的操作行为，得到管理员行为集合；

根据预设的评分标准，获取所述管理员管理下的各个学员的结训分数，并根据各个所述结训分数，得到平均结训分数；

将所述管理员行为集合及所述平均结训分数做为所述管理员的管理行为样本，并获取多个管理员对于同一课程多个批次学员的管理行为样本，得到样本集合；

利用所述样本集合对预构建的初始化逻辑回归模型进行训练，得到训练完成的行为-结果分析模型；

获取所述培训管理看板中的可操作节点集合、各个操作节点的合理操作时间及预设的期望结训分数，并将所述可操作节点集合、所述合理操作时间及所述期望结训分数导入所述行为-结果分析模型中，得到在所述期望结训分数时各个可操作节点的执行顺序。

可选的，所述将所述可操作节点集合、所述合理操作时间及所述期望结训分数导入所述行为-结果分析模型中，得到在所述期望结训分数时各个可操作节点的执行顺序，包括：

将所述可操作节点集合及所述期望结训分数导入所述行为-结果分析模型中，得到所述可操作节点集合中各个操作节点的行为序列集合；

利用所述合理操作时间对所述行为序列集合进行筛选，得到在所述期望结训分数时各个可操作节点的执行顺序。

可选的，所述利用预设埋点，获取管理员在所述培训管理看板上的操作行为，得到管理员行为集合，包括：

利用预设埋点，监控所述培训管理看板与预构建的后台服务之间的统一资源定位符；

根据所述统一资源定位符，记录所述管理员的操作路径，并记录所述操作路径中各个操作节点的操作时间；

将所述操作路径及所述操作路径中各个操作节点的操作时间进行组合，得到所述管理员的管理员行为集合。

可选的，所述根据预设的评分标准，获取所述管理员管理下的各个学员的结训分数，包括：

根据预设的评分标准，获取所述管理员管理下的各个学员的参训完成度、作业任务完成度、课堂互动参与度及结训考试分数；

根据预设的权重系数对所述参训完成度、所述作业任务完成度、所述课堂互动参与度及所述结训考试分数进行加权计算，得到所述管理员管理下的各个学员的结训分数。

可选的，所述利用所述样本集合对预构建的初始化逻辑回归模型进行训练，得到训练完成的行为-结果分析模型，包括：

利用量化模型对所述样本集合进行量化，得到量化样本集合；

依次从所述量化样本集合中提取一个量化行为样本，并将所述量化行为样本中的管理员行为集合导入所述初始化逻辑回归模型中，得到预测结果；

对比所述预测结果与所述量化行为样本对应的真实平均结训分数，得到误差方差；

最小化所述误差方差，得到最小误差方差时的函数参数，并利用所述函数参数反向更新所述初始化逻辑回归模型的模型参数，得到更新模型；

判断所述误差方差的收敛性；

当所述误差方差未收敛时，执行上述依次从所述量化样本集合中提取一个量化行为样本的步骤，对所述更新模型进行迭代优化；

当所述方差误差收敛时，将最后更新的更新模型进行输出，得到行为-结果分析模型。

可选的，所述将所述管理员行为集合及所述平均结训分数做为所述管理员的管理行为样本，包括：

将所述管理员行为集合作为键，将所述平均结训分数做为值，利用所述键与所述值构建键值对，得到管理行为样本。

可选的，所述得到在所述期望结训分数时各个可操作节点的执行顺序之后，所述方法还包括：

根据所述各个可操作节点的执行顺序，配置得到管理流程；

获取在所述管理流程管理下的企业人员的培训结果；

计算所述培训结果及所述期望结训分数的相对误差；

根据所述相对误差对所述行为-结果分析模型进行更新。

为了解决上述问题，本发明还提供一种基于管理者操作行为的管理分析装置，所述装置包括：

数据提取模块，用于获取预构建的培训管理看板，并利用预设埋点，获取管理员在所述培训管理看板上的操作行为，得到管理员行为集合，及根据预设的评分标准，获取所述管理员管理下的各个学员的结训分数，并根据各个所述结训分数，得到平均结训分数；

样本构建模块，用于将所述管理员行为集合及所述平均结训分数做为所述管理员的管理行为样本，并获取多个管理员对于同一课程多个批次学员的管理行为样本，得到样本集合；

模型训练模块，用于利用所述样本集合对预构建的初始化逻辑回归模型进行训练，得到训练完成的行为-结果分析模型；

管理行为规范模块，用于获取所述培训管理看板中的可操作节点集合、各个操作节点的合理操作时间及预设的期望结训分数，并将所述可操作节点集合、所述合理操作时间及所述期望结训分数导入所述行为-结果分析模型中，得到在所述期望结训分数时各个可操作节点的执行顺序。

为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于管理者操作行为的管理分析方法。

为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于管理者操作行为的管理分析方法。

本申请实施例获取管理员在培训管理看板上的管理员行为集合与所述管理员管理下的学员的平均结训分数，构建管理行为样本，有利于使得管理员行为与学员平均结训结果产生关联，然后获取多个管理员对于同一课程多个批次学员的管理行为样本，得到样本集合，并且利用所述样本集合训练行为-结果分析模型，其中，所述行为-结果分析模型为逻辑回归模型，能够通过机器学习的方法识别管理员的各个管理行为与学员最终结训水平的关系进行分析，从而准确、高效地预测出各种管理行为下学员的结训水平，进而能够通过所述可操作节点集合、所述合理操作时间及所述期望结训分数，反推出优化的可操作节点的执行顺序。因此，本发明实施例所述的基于管理者操作行为的管理分析方法、装置、设备及存储介质，能够制定更加高效的网课管理机制来提高企业人员的培训效率。

附图说明

图1为本发明一实施例提供的基于管理者操作行为的管理分析方法的流程示意图；

图2为本发明一实施例提供的基于管理者操作行为的管理分析方法中一个步骤的详细流程示意图；

图3为本发明一实施例提供的基于管理者操作行为的管理分析方法中一个步骤的详细流程示意图；

图4为本发明一实施例提供的基于管理者操作行为的管理分析方法中一个步骤的详细流程示意图；

图5为本发明一实施例提供的基于管理者操作行为的管理分析方法中一个步骤的详细流程示意图；

图6为本发明一实施例提供的基于管理者操作行为的管理分析方法中一个步骤的详细流程示意图；

图7为本发明一实施例提供的基于管理者操作行为的管理分析装置的功能模块图；

图8为本发明一实施例提供的实现所述基于管理者操作行为的管理分析方法的电子设备的结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本申请实施例提供一种基于管理者操作行为的管理分析方法。本申请实施例中，所述基于管理者操作行为的管理分析方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于管理者操作行为的管理分析方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。

参照图1所示，为本发明一实施例提供的基于管理者操作行为的管理分析方法的流程示意图。在本实施例中，所述基于管理者操作行为的管理分析方法包括步骤S1—S5：

S1、获取预构建的培训管理看板，并利用预设埋点，获取管理员在所述培训管理看板上的操作行为，得到管理员行为集合。

本发明实施例中，所述培训管理看板为一个预构建的管理员前端界面，使得管理员或班主任可以对学员作业完成情况、学习进度、直播时网课参训人数等等数据进行实时把控。

所述埋点是指，网站分析的一种常用的数据采集方法，具有良好的私有化部署的数据采集方式。本发明实施例中，通过浏览器中的开发者工具部署一个埋点，监控管理员在所述培训管理看板上的操作行为。

详细的，参考图2所示，本发明实施例中，所述利用预设埋点，获取管理员在所述培训管理看板上的操作行为，得到管理员行为集合，包括步骤S11—S13：

S11、利用预设埋点，监控所述培训管理看板与预构建的后台服务之间的统一资源定位符；

S12、根据所述统一资源定位符，记录所述管理员的操作路径，并记录所述操作路径中各个操作节点的操作时间；

S13、将所述操作路径及所述操作路径中各个操作节点的操作时间进行组合，得到所述管理员的管理员行为集合。

所述统一资源定位符(Uniform Resource Locator，简称URL)为客户端发出的请求所述培训管理看板调取后台的数据内容的请求链接，其中，所述URL包括协议模式、请求地址、参数值、标签等等，此外，通过查询所述URL能够获取数据请求双方(培训管理看板、培训管理看板的后台服务)的身份信息。

本发明实施例根据所述统一资源定位符中的目标字段，如管理员登录指令，可以开始记录所述管理员的操作路径及所述操作路径中各个操作节点的操作时间，直至检测到管理员退出浏览的指令，最终得到管理员行为集合，其中，所述管理员行为集合包括查看看板的频率/时长、点击查看看板中各数据指标详情的频率/时长，操作看板之后的下一项操作行为所操作的功能，查看各项指标的操作顺序等。

S2、根据预设的评分标准，获取所述管理员管理下的各个学员的结训分数，并根据各个所述结训分数，得到平均结训分数。

本发明实施例中，所述评分标准是企业根据历史培训经验、培训效果指定的学员打分标准，其中包括课程完成度、课程参与度等多个方面。

详细的，参考图3所示，本发明实施例中，所述根据预设的评分标准，获取所述管理员管理下的各个学员的结训分数，包括步骤S21—S22：

S21、根据预设的评分标准，获取所述管理员管理下的各个学员的参训完成度、作业任务完成度、课堂互动参与度及结训考试分数；

S22、根据预设的权重系数对所述参训完成度、所述作业任务完成度、所述课堂互动参与度及所述结训考试分数进行加权计算，得到所述管理员管理下的各个学员的结训分数。

具体的，本发明实施例获取获取所述管理员管理下的各个学员的参训完成度、作业任务完成度、课堂互动参与度及结训考试分数，再根据预设的权重系数对所述参训完成度等分数进行配置，得到各个配置得分，最后将所述各个配置得分进行相加，得到一个学员的结训分数。

进一步的，本发明实施例将一届内的各个学员的结训分数进行平均，得到平均结训分数。

S3、将所述管理员行为集合及所述平均结训分数做为所述管理员的管理行为样本，并获取多个管理员对于同一课程多个批次学员的管理行为样本，得到样本集合。

详细的，本发明实施例中，所述将所述管理员行为集合及所述平均结训分数做为所述管理员的管理行为样本，包括：将所述管理员行为集合作为键，将所述平均结训分数做为值，利用所述键与所述值构建键值对，得到管理行为样本。

本发明实施例需要利用所述管理行为样本来训练模型，且考虑到不同课程的管理方法有所差异，因此获取同一门课程的、多个管理员的、历届的培训过程中的管理行为样本，最终得到样本集合。

S4、利用所述样本集合对预构建的初始化逻辑回归模型进行训练，得到训练完成的行为-结果分析模型。

本发明实施例中，所述初始化逻辑回归模型是基于神经网络的回归分类方法，包含Sigmoid回归函数g(z)为：

其中，所述z为初始激活函数用于分析样本集合中各个管理员行为与最终学员结业的平均结业分数的关系。

z＝θ

其中，所述θ

详细的，参考图4所示，本发明实施例中，所述利用所述样本集合对预构建的初始化逻辑回归模型进行训练，得到训练完成的行为-结果分析模型，包括步骤S41—S46：

S41、利用量化模型对所述样本集合进行量化，得到量化样本集合；

S42、依次从所述量化样本集合中提取一个量化行为样本，并将所述量化行为样本中的管理员行为集合导入所述初始化逻辑回归模型中，得到预测结果；

S43、对比所述预测结果与所述量化行为样本对应的真实平均结训分数，得到误差方差；

S44、最小化所述误差方差，得到最小误差方差时的函数参数，并利用所述函数参数反向更新所述初始化逻辑回归模型的模型参数，得到更新模型；

S45、判断所述误差方差的收敛性；

当所述误差方差未收敛时，执行上述依次从所述量化样本集合中提取一个量化行为样本的步骤，对所述更新模型进行迭代优化；

当所述方差误差收敛时，S46、将最后更新的更新模型进行输出，得到行为-结果分析模型。

本发明实施例利用初始激活函数z对一个量化行为样本中的管理员行为集合进行分析，得到一个预测结果，再通过交叉熵算法，将所述预测结果与所述量化行为样本对应的真实平均结训分数进行对比，得到误差方差。然后本发明实施例根据梯度下降方法，对所述误差方差进行最小化操作，得到误差方差最小时的函数z的函数参数，从而利用所述函数参数更新所述初始化逻辑回归模型的模型参数，得到更新模型，至此，一个量化行为样本的训练过程完成，再返回上述S42的步骤进行下一个量化行为样本的训练，其中，本发明实施例中，需要对所述误差方差进行记录，观察所述误差方差的变化波动，判断训练过程是否将要完成。本发明实施例中，当所述误差方差的变化幅度较小时(即收敛)，表明所述更新模型的模型参数逐渐稳定，得到行为-结果分析模型，反之，还需继续进行训练。

S5、获取所述培训管理看板中的可操作节点集合、各个操作节点的合理操作时间及预设的期望结训分数，并将所述可操作节点集合、所述合理操作时间及所述期望结训分数导入所述行为-结果分析模型中，得到在所述期望结训分数时各个可操作节点的执行顺序。

本发明实施例中，由于所述培训管理看板的设计初衷，各个操作节点都是存在有益效果的，因此，本发明实施例需要将所述培训管理看板中的可操作节点全部提取，得到可操作节点集合。

详细的，参考图5所示，本发明实施例中，所述将所述可操作节点集合、所述合理操作时间及所述期望结训分数导入所述行为-结果分析模型中，得到在所述期望结训分数时各个可操作节点的执行顺序，包括步骤S51—S52：

S51、将所述可操作节点集合及所述期望结训分数导入所述行为-结果分析模型中，得到所述可操作节点集合中各个操作节点的行为序列集合；

S52、利用所述合理操作时间对所述行为序列集合进行筛选，得到在所述期望结训分数时各个可操作节点的执行顺序。

具体的，本发明实施例中，由于每届学员结训时的平均结训分数与培训课程管理员的投入相关。为减轻管理员投入，可以将所述期望结训分数定为80％或其他数值。

本发明实施例中，通过各个操作节点的行为信息才能预测出一个结训分数，但若识别一个结训分数则会出现无数个操作行为的排列组合，因此，本本发明实施例需要对各个操作节点的使用时间限制在合理区间内，对所述无数个操作行为的排列组合进行限定，得到在所述期望结训分数时各个可操作节点的执行顺序。其中，所述在所述期望结训分数时各个可操作节点的执行顺序也可能存在多种分配可能，可以根据管理员的使用效率进行进一步筛选，得到最优的操作节点执行顺序，为管理员进行管理指导。

此外，参考图6所示，本发明另一实施例中，所述得到在所述期望结训分数时各个可操作节点的执行顺序之后，所述方法还包括步骤S501—S504：

S501、根据所述各个可操作节点的执行顺序，配置得到管理流程；

S502、获取在所述管理流程管理下的企业人员的培训结果；

S503、计算所述培训结果及所述期望结训分数的相对误差；

S504、根据所述相对误差对所述行为-结果分析模型进行更新。

其中，所述相对误差δ为：

δ＝△/Lx100％

式中，所述△是所述培训结果及所述期望结训分数的真实差值；所述L为真值，代表所述期望结训分数。

本发明另一实施例可以通过对已生成的所述执行顺序对新学期学员进行培训管理，得到新的培训结果，查看培训结果是否变化是否明显，当所述相对误差δ小于预设的更新阈值时，表明模型效果较佳，所述相对误差δ大于或等于所述更新阈值时，表明模型需要更新。其中，所述行为-结果分析模型与所述培训管理看板的设计相关，当所述培训管理看板的结构发生变化时，可以重新进行训练，得到对应的分析模型。

本申请实施例获取管理员在培训管理看板上的管理员行为集合与所述管理员管理下的学员的平均结训分数，构建管理行为样本，有利于使得管理员行为与学员平均结训结果产生关联，然后获取多个管理员对于同一课程多个批次学员的管理行为样本，得到样本集合，并且利用所述样本集合训练行为-结果分析模型，其中，所述行为-结果分析模型为逻辑回归模型，能够通过机器学习的方法识别管理员的各个管理行为与学员最终结训水平的关系进行分析，从而准确、高效地预测出各种管理行为下学员的结训水平，进而能够通过所述可操作节点集合、所述合理操作时间及所述期望结训分数，反推出优化的可操作节点的执行顺序。因此，本发明实施例所述的基于管理者操作行为的管理分析方法，能够制定更加高效的网课管理机制来提高企业人员的培训效率。

如图7所示，是本发明一实施例提供的基于管理者操作行为的管理分析装置的功能模块图。

本发明所述基于管理者操作行为的管理分析装置100可以安装于电子设备中。根据实现的功能，所述基于管理者操作行为的管理分析装置100可以包括数据提取模块101、样本构建模块102、模型训练模块103及管理行为规范模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

在本实施例中，关于各模块/单元的功能如下：

所述数据提取模块101，用于获取预构建的培训管理看板，并利用预设埋点，获取管理员在所述培训管理看板上的操作行为，得到管理员行为集合，及根据预设的评分标准，获取所述管理员管理下的各个学员的结训分数，并根据各个所述结训分数，得到平均结训分数；

所述样本构建模块102，用于将所述管理员行为集合及所述平均结训分数做为所述管理员的管理行为样本，并获取多个管理员对于同一课程多个批次学员的管理行为样本，得到样本集合；

所述模型训练模块103，用于利用所述样本集合对预构建的初始化逻辑回归模型进行训练，得到训练完成的行为-结果分析模型；

所述管理行为规范模块104，用于获取所述培训管理看板中的可操作节点集合、各个操作节点的合理操作时间及预设的期望结训分数，并将所述可操作节点集合、所述合理操作时间及所述期望结训分数导入所述行为-结果分析模型中，得到在所述期望结训分数时各个可操作节点的执行顺序。

详细地，本申请实施例中所述基于管理者操作行为的管理分析装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于管理者操作行为的管理分析方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。

如图8所示，是本发明一实施例提供的实现基于管理者操作行为的管理分析方法的电子设备的结构示意图。

所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于管理者操作行为的管理分析程序。

其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于管理者操作行为的管理分析程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。

所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于管理者操作行为的管理分析程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。

所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。

图8仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图8示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

所述电子设备1中的所述存储器11存储的基于管理者操作行为的管理分析程序是多个指令的组合，在所述处理器10中运行时，可以实现：

获取预构建的培训管理看板，并利用预设埋点，获取管理员在所述培训管理看板上的操作行为，得到管理员行为集合；

根据预设的评分标准，获取所述管理员管理下的各个学员的结训分数，并根据各个所述结训分数，得到平均结训分数；

将所述管理员行为集合及所述平均结训分数做为所述管理员的管理行为样本，并获取多个管理员对于同一课程多个批次学员的管理行为样本，得到样本集合；

利用所述样本集合对预构建的初始化逻辑回归模型进行训练，得到训练完成的行为-结果分析模型；

获取所述培训管理看板中的可操作节点集合、各个操作节点的合理操作时间及预设的期望结训分数，并将所述可操作节点集合、所述合理操作时间及所述期望结训分数导入所述行为-结果分析模型中，得到在所述期望结训分数时各个可操作节点的执行顺序。

具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。

进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。

本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：

获取预构建的培训管理看板，并利用预设埋点，获取管理员在所述培训管理看板上的操作行为，得到管理员行为集合；

根据预设的评分标准，获取所述管理员管理下的各个学员的结训分数，并根据各个所述结训分数，得到平均结训分数；

将所述管理员行为集合及所述平均结训分数做为所述管理员的管理行为样本，并获取多个管理员对于同一课程多个批次学员的管理行为样本，得到样本集合；

利用所述样本集合对预构建的初始化逻辑回归模型进行训练，得到训练完成的行为-结果分析模型；

获取所述培训管理看板中的可操作节点集合、各个操作节点的合理操作时间及预设的期望结训分数，并将所述可操作节点集合、所述合理操作时间及所述期望结训分数导入所述行为-结果分析模型中，得到在所述期望结训分数时各个可操作节点的执行顺序。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。