白楊

摘 要：就業測評研究對大學生就業指導及學科體系的構建具有指導意義，數據挖掘技術應用于就業測評的信息化建設研究中勢在必行。本文中筆者采用決策樹分析方法對本科高校的就業數據進行分析，給出大學生就業能力測評的影響因素和分類規則。該測評結果為大學生的就業提供理論指導，對教學部門制定專業及課程的培養目標提供思路。

關鍵詞：實踐能力；就業測評；決策樹；信息增益

中圖分類號：G642.3 文獻標識碼：A 文章編號：2096-4706（2018）02-0131-03

Research on the Evaluation of College Students' Employment Ability

Based on Decision Tree

BAI Yang

（School of Information Engineering，Eastern Liaoning University，Dandong 118003，China）

Abstract：The research of employment evaluation is of guiding significance to the construction of college students' employment guidance and the construction of the subject system，and the application of data mining technology to the research of the information construction of employment evaluation is imperative.In this paper，the author uses the method of decision tree analysis to analyze the employment data of undergraduate colleges and universities，and gives the influencing factors and classification rules of the evaluation of college students' employability.The evaluation results provide theoretical guidance for college students' employment，and provide ideas for teaching departments to set up professional and curriculum training objectives.

Keywords：practice ability；employment evaluation；decision tree；information gain

0 引 言

近年來，隨著全國各大高校的不斷擴招，大學畢業生以每年30%的幅度遞增，“就業難”已經成為我國大學生特別是本科生面臨的嚴峻問題。造成這一現象的原因除了工作崗位的供需不平衡外，大學生對自己的職業定位不夠準確也是一個主要原因。因此，許多高校在學生就讀期間開展必要的就業指導，目的是使學生確立正確和合理的職業規劃，并以此指導學生的專業學習，為畢業生推薦適合的工作崗位。就業測評是建立在教育學、心理學、行為科學、管理學及計算機技術等基礎上的一種科學的綜合方法體系[1]。大學生就業能力測評以科學理論為基礎，對學生的綜合能力給予測量和評價，為企事業單位招聘人才提供依據。隨著網絡的蓬勃發展，大數據為發現大量有價值的信息提供了有利環境，而數據挖掘技術[2]在大數據環境下各行各業的信息化管理和開發中發揮著重要作用。在高校畢業生管理進程中引入數據挖掘技術，大量的學籍和就業數據可以被充分的利用和開發，從而進行科學的、有效的分析與處理，這對大學生就業測評工作具有重要意義。

1 國內外研究概況

國外的就業測評研究較早，歷經數十年的成長，現已經得到了廣泛的應用。國外企業通過就業測評來招聘人才。各國的就業測評體系各具特點：美國的就業測評是典型的能力型測評，美國的公司尤其注重員工專長技能的考察和短時間內業務能力的考核，員工所獲得的獎金與其工作能力密切相關。他們只有積極努力工作才能得到更多的報酬。德國的人才測評比較嚴格，他們在招聘人才時更重視個人的專業和實際能力測試。大多數德國的企業均有非常嚴格的工作成績考試，定期對員工進行考核。考試的標準分七個等級：A、B、C、D、E、F、G（其中A表示最優秀，G表示最差）。日本企業具有開放型的人才測評軌制。考核包含工作態度、平時成績和潛能考試，詳細的考核種類、項目及方式會根據崗位的不同而有所偏重。

我國的就業測評實施普及率不高，操作中主要引用國外的產品及技術來完成就業測評，不僅對知識實踐的測評具有局限性，也不符合中國的文化與國情。大學畢業生的就業測評評估體系缺乏科學性和專業性，學生的總體素質在就業測評體系中得不到真實的體現。因為不同于西方教育，我國學生的個人成績高并不代表能力高，而國外的測評是以自由、個性、創新為主，高校的授課也強調實踐能力的培養，這一特點與中國的大學教育現狀存在較大差異。如果照搬國外的就業評測體系，將不能體現我國大學畢業生真正的就業能力。

2 大學生就業測評決策樹的構建

本文針對高校的學生學籍數據、就業數據進行挖掘和分析，確立影響就業實踐能力測評的因素及規則挖掘的目標。數據挖掘工作從數據采集開始，將數據預處理后得到結構統一、屬性合理的數據，然后采用決策樹分類方法，構建大學生就業測評決策樹，并最終給出測評規則結果。

2.1 數據采集和預處理

第一步，對大學畢業生數據進行采集，此過程工作量較大，且花費的時間較長。本文采集的大學畢業生的信息是某本科院校學生管理系統中的學生基本信息、學生成績信息和畢業生就業信息。將采集到的約600條數據分為兩個部分：2/3的數據作為訓練集，1/3的數據作為測試集。因為原始數據存在數據缺失或與實際數據有差異的情況，因此，第二步采用數據預處理技術來提升數據的質量。這一步驟中的屬性規約是必不可少的環節，具體分為以下三個步驟：（1）屬性的刪除，將冗余數據、與挖掘過程不相關數據，從數據表中除掉。（2）屬性的泛化，如果屬性的取值有許多不同值，就會使分類過程更加繁冗，因此需要進行必要的屬性泛化處理，結果見表1。（3）數據清理，對提取的數據集進行檢查，將所有數據規范化，刪除匯總表中不規范的數據集。

在表1中，學習成績屬性將原始數據的百分制泛化成：優（平均成績≥90），良（70≤平均成績<90），差（平均成績<70）。獲獎結果分為：有（獲得過獎學金或者校級及以上的獎勵）和無（沒有得到過任何獎勵）兩種。實踐能力分為三個等級：優、良、差。英語水平分為兩種：優（CET6及以上所有等級的英語水平）和一般（CET4及以下的英語水平）。計算機水平分為兩個等級：優（三級及以上）和一般（三級以下）。單位性質能分成A、B、C三類。在眾多單位類型中，政府機構、事業單位和國營企業等分到A類，合資和外商獨資企業等分到B類，民營企業和城鄉企業等分到C類；根據單位效益又分為三個等級：好、一般、差。因此，本研究把大學畢業生的就業單位分為9個檔次：好國企、一般國企、差國企、好外企、一般外企、差外企、好私企、一般私企、差私企，他們的類別編號依次是A1、A2、A3、B1、B2、B3、C1、C2、C3。

2.2 決策樹構造

根據數據集情況，本文選取了覆蓋范圍較廣泛的幾種屬性類別A2、A3、B2、B3、C2、C3作為代表，采用經典的決策樹C4.5算法[3]進行分析，該算法采用基于信息增益率的方式選擇測試屬性。決策樹模型創建過程如下：

（1）計算分類屬性的信息量。對390條訓練數據進行分析，其中A2、A3、B2、B3、C2、C3對應的子集元組數分別為s1=32，s2=42，s3=35，s4=62，s5=61，s6=158。根據分類期望值公式，I（s1，s2，s3，s4，s5，s6）=I（32，42，35，62，61，158）=2.3164。

（2）計算每個測試屬性的信息量。以“實踐能力”屬性為例，“實踐能力”分成“優”、“良”、“差”三個分支，相應的元組個數分別是99、273及18。首先對“實踐能力”為“優”的分支進行計算，統計類A2、A3、B2、B3、C2、C3依次對應的子集元組數是s1=6，s2=4，s3=27，s4=4，s5=52，s3=6。則信息量為I（s1，s2，s3，s4，s5，s6）=I（6，4，27，4，52，6）=1.8633。繼續計算“實踐能力”為“良”的分支的信息量為I（s1，s2，s3，s4，s5，s6）=I（25，36，18，23，43，128）=2.1930，“實踐能力”為“差”的分支的信息量為I（s1，s2，s3，s4，s5，s6）=I（2，5，0，1，2，8）=1.9693。

（3）計算每個測試屬性的信息熵。如：

（4）計算每個測試屬性的信息增益量。如：Gain（實踐能力）=I（32，42，35，62，61，158）-E（實踐能力）=0.2174。

（5）計算每個測試屬性的信息增益率。如：

（6）根據上面（1）-（5）步驟，分別得到其余各屬性的信息增益率：學習成績=0.0831、性別=0.0313、專業=0.0532、政治面貌=0.0232、獲獎情況=0.0813、英語水平=0.0865、計算機水平=0.0468。由結果可知，信息增益率數值最大的屬性是“實踐能力”，故“實踐能力”是決策樹的根結點。根據它的三個屬性值，對樣本繼續劃分，并重復（1）-（5）步驟，分別計算除了實踐能力外的各個屬性的信息增益率最大值，得到實踐能力為“優”的分支節點屬性是“英語水平”，實踐能力為“良”、“差”的分支結點均是屬性“獲獎情況”，如圖1所示。

再次重復（1）-（6）步驟，確定其他的分節支點，如圖2為實踐能力為差的獲獎情況分支決策樹示例，圖3實踐能力為優的英語水平分支決策樹示例。

3 分類規則分析

根據構建的決策樹，可以得出多條分類規則，如實踐能力為優、英語水平為優且有獲獎的學生，就業崗位趨于外企和私企；實踐能力為優、英語水平為優且是黨員的學生，就業崗位趨于國企和私企。總結這些分類規則后能夠得出，實踐能力較強和外語水平較高的畢業生絕大多數可以工作在質量較高的企業；雖然擁有一般的實踐能力，但是取得過榮譽證書的畢業生，基本上可以在外企或者國企中相對優質的單位找到工作，絕大多數不僅沒有獲得過獎勵，而且實踐能力等級一般的畢業生多是在相對差一點的企業找到工作。以上結論為高等院校畢業生的就業指導工作提供了有力的數據支持，相關部門可以據此制定一系列就業指導策略。比如影響大學畢業生就業情況是否樂觀的重要因素是實踐能力和外語水平，如果畢業生在校期間可以多參加社會實踐等活動，加強對綜合素質的培養，并且盡最大的努力通過四、六級考試，將會為自己創造更好的就業前景。英語能力也是私有企業注重的一項條件。

另外，高等院校要在確保大學生掌握好專業知識的前提下加強對學生實踐能力和外語水平的培養，進而達到提高大學畢業生就業水平的效果。

4 結 論

針對當前大學生就業難、工作崗位供需不平衡等問題，根據學生的學籍信息及就業信息，采用C4.5方法構建了就業能力測評的決策樹模型，獲得了學生的就業影響因素和分類規則。

依據就業測評結果，學生能獲得科學有效的就業指導，糾正自己盲目的擇業心態，認識真實的自己，并完善自身不足，確立恰當的確立職業發展方向和目標。學生依據就業測評體系在平時的學習中制定規劃，可完善就業道路，并逐漸提高就業能力。同時，學校也能通過就業測評來幫助指導學生從業，提高畢業生就業率。由于數據采集對象的局限性，本文的挖掘結果并不適用于不同級別的高校。未來的研究將擴大數據采集范圍，構建針對不同級別高校的就業能力測評體系。

參考文獻：

[1] 馬俊賢.數據挖掘算法在人才測評中的研究與應用 [D].太原：中北大學，2008.

[2] JiaweiHan，等.數據挖掘概念與技術 [M].北京：機械工業出版社.2012：105-106.

[3] Quinlan，J.R.，C4.5：programs for machine learning.Morgan Kaufmann Publishers Inc，1992.