摘要：针对现有岗位胜任力学习资源无序、重复问题，文章构建了基于测试数据分析的员工胜任力考核学习资源推送模型与方法。该模型依据知识体系重构题库，便于学员理解;通过搭建学习者模型，实现个性化学习;运用混合推送策略满足不同学员的学习要求。应用证明该推送模型与方法具有较强针对性，能很好的帮助电力企业员工高效完成岗位胜任力考试，掌握相关知识。
　　1引言
　　以“大数据、云平台、物联网、移动终端、人工智能”為代表的新一代数字技术对传统行业产生深刻变革。为了适应相关改变，南方电网公司于2019年提出数字技术与业务深度融合，实现电网业务数字化。为响应相关号召，广东电网及其下属供电公司建立了一套完善的员工岗位胜任力考试体系，配备：评价标准、评价题库等，并以此展开员工岗位胜任能力评价工作，取得一定成就。
　　然而在使用过程中员工反应，胜任力题库推送机制存在针对性不强、重复浪费等问题，为此文章通过结合人类认知主义学习理论，运用数字技术深入挖掘个体学习资源不同，基于日常测试数据实现个性化推送，满足员工学习资源针对性、连续性要求。
　　2认知主义理论
　　认知主义理论是布鲁姆教育目标分类体系构建学习者模型与学科知识模型的基础，其将学习过程分为：记忆、领会、应用、分析、综合、评价六个层面，将知识分为事实型、概念型、程序型、元认知四种类型。不同的知识类型在不同学习过程中，需要强化的侧重点不一样，如若通篇一律会导致学习效率低下等问题出现。
　　认知主义经过学者推广，得到了相应的架构如图1所示。
　　从图1可知，认知主义理论基础强调：通过知识空间理论构建学科知识模型，绘制知识结构图，明确学习知识结构与试题之间映射关系，与此同时通过测试得到学员相应学习测试数据;进而结合学员学习效果与最终目标进行个性化资料推送，使其完善知识结构，提高技术技能水平。
　　2基于日常测试数据分析的个性化资源推送模型
　　认知主义理论为个性化推送奠定了理论基础。因此本节着重解决学科知识与学习者模型联动问题、推算算法研究。
　　1.学科知识模型构建
　　考虑到电力企业岗位胜任力涉及电气工程、能源动力等一级学科，其知识十分庞杂，因此文章将已有知识题库以应用背景作为划分，进行相关的知识归类;结合大学阶段一级学科课程授课顺序（即基础先后），进行题库顺序调整。其学科知识模型构建如图2所示。
　　通过上述流程进行学科知识模型构建后，企业员工进行相关学习时，不会出现题目涉及基础知识未学，无从下手情况。如：原题库中电机控制相关题目与电机结构、理论相关题目无序，学习测试时可能会先出现电机控制题目，而电机结构、理论未掌握情况;通过学科知识模型重构题库后，学员学习时循序渐进，便于掌握。
　　2.学习者模型构建
　　学习者模型构建着重在于个性化隔间，其步骤包括：获取学习者信息，构建模型;通过推送、测试结果更新学习者模型，并得到最新学习需求。
　　通过学习者基本信息，如：学历、年龄、技术技能水平，可判断题库中知识点相对于该学员难以程度，从而确定题目出现频率;
　　通过学习者测试结果，可以更新学习者知识薄弱点，并结合学科知识模型溯源其基本知识架构，后续学习中更新并加大相关知识的推送频率，以强化理解学习内容
　　3.混合推送策略涉及
　　混合推送策略是在测试结果基础上，结合学员学历、目标、个性化需求的推送方式，用以促进其学习效果、完善知识结构和提升理解水平。具体步骤如下所示：
　　步骤一：根据学员岗位胜任力目标，提取学员对应题库，按照学科知识体系重构该题库;
　　步骤二：查询学员以前胜任力薄弱环节，将其代入重构后题库，搜索相应题目;
　　步骤三：学员自主学习过程，并将结果反馈;
　　步骤四：对于反馈后薄弱环节，结合学科知识体系查询薄弱知识点，并推送该知识点相关巩固题目，方便理解;
　　步骤五：薄弱知识更新与人为确认取消;
　　通过上述混合推送策略，一方面能有效进行个性化推送;另外针对个人知识薄弱环节及其对应知识重点，进行不同题目巩固，加强理解、掌握。
　　3总结
　　文章构建模型方法具有较强针对性，能很好的帮助电力企业员工高效完成岗位胜任力考试，掌握相关知识。后续研究中可针对员工实际工作经验不一问题，结合岗位胜任力题目与日常生产，进行个性化推送，进一步完善智能推送机制，满足各年龄、各层次员工培训、提升的需求。
　　参考文献
　　[1]杭晨捷.研发机构中知识型员工胜任力研究——以A研究院为例[J].中国人力资源开发，2012（8）：73-80.
　　[2]李宝，张文兰.智慧教育环境下学习资源推送服务模型的构建[J].远程教育杂志，2015（3）：41-48.
　　[3]郝建军.基于大数据挖掘和分析的学习资源推送机制研究[J].信息与电脑，2017（10）：246-247.
　　[4]萨支斌，许震.基于个性化推送服务的数字图书馆学习资源提取[J].图书与情报，2019（5）：103-108.