长城传媒集团采编岗位绩效指标设计研究

来源 :河北地质大学 | 被引量 : 0次 | 上传用户:pj00000pj
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
绩效考核目前已被广大企业所熟知,也纷纷在实际工作中进行运用,但是在运用绩效考核时,常常会因为绩效指标的不精准导致绩效考核机制形同虚设。本文通过文献研究法对相关的概念和理论进行了梳理,对长城传媒集团采编岗位绩效指标现状、问题及原因进行了分析,同时还通过调查访谈法、专家意见咨询法、层次分析法等研究方法和平衡计分卡理论、360度绩效考核法、关键绩效指标法、目标管理法等理论对长城传媒集团采编岗位绩效指标进行改进。  通过研究,认为当前长城传媒集团采编岗位绩效考核中存在如下问题:考核的指标不够科学、考核结果仅与薪酬挂钩、绩效考核缺少反馈机制。根据战略指导原则、沟通原则、分级管理原则、考核客观原则对长城传媒集团设计了基于财务维度、顾客维度、内部运营维度、学习成长维度为一级绩效考核指标,基于基础稿件、专项服务、稿件转载与被转载、受众满意度、受众黏度、流程优化、流程创新、学习能力、成长方向为二级绩效考核指标,基于自采图文报道量、月人均稿件数量、专题、企业软文、对上供稿、转载量、文章认同度、线下活动、网站访问UV、网站访问 PV、网站同时在线人数、差错率、废稿率、原创性、对市场新闻线索反应灵敏度、受培训时长、能力提高指数、工作态度、月人均建议数、奖惩率为三级绩效考核指标。最后,从制度、组织、宣传、文化、培训等方面为长城传媒集团采编岗位绩效考核保障提出完善意见。
其他文献
面对大数据时代恶意代码飞速增长的现状,提出了一种基于DQN的恶意代码检测分类方法。该方法将恶意代码反汇编文件可视化为灰度图像,建立基于DQN的恶意代码分类模型对恶意代码灰度图像进行分类。该方法结合了强化学习的试错机制和动作优化策略,以及深度学习对图像深层特征的挖掘,实现了对恶意代码的识别。实验结果表明,该方法相对其他分类方法而言,具有更高分类准确率。
在银行卡号识别系统中,主要包括数据集处理、银行卡卡号定位检测、图像预处理与字符分割、神经网络训练与字符识别以及GUI界面设计这五个部分。本文提出基于深度学习的银行卡识别系统。该系统主要分为两个部分:卡号定位和字符识别。首先基于深度学习利用CNN对银行卡图像进行卡号文本特征提取,初步定位银行卡卡号区域;然后进行图像预处理以及字符分割;接着进行神经网络的训练以及字符的识别,此过程利用OCR进行文本识别