大數據背景下的理工科大學生就業指導工作研究

陳睿 許蓓蕾 黃芳

摘 要：大數據在加強預測、提升就業工作質量等方面具有創新性應用價值。從大數據基本理念及其發展應用的視角出發，分析發現影響理工科大學生就業的因素，從而有針對性地開展就業指導工作。同時，為了更好地提高就業指導工作的針對性，對于大數據手段的應用還應當更加具有科學性，與時俱進，不斷更新和改進。

關鍵詞：大數據；理工科；就業指導

中圖分類號：G646 文獻標志碼：A 文章編號：1002-2589（2018）06-0191-03

近年來，高校畢業生就業問題引起了全社會的持續普遍關注，高校畢業生就業工作壓力有增無減。2018屆全國高校畢業生規模預計達820萬人，又創歷史新高[1]。畢業生人數的與年俱增，加上往屆未就業畢業生的巨大存量，直接導致畢業生就業形勢的持續嚴峻。如何有效提升就業工作質量，高效服務畢業生與用人單位，是高校就業工作人員普遍面臨的難題。

一、大學生就業指導工作的內涵和重要意義及大數據背景下帶來的思維變革

《國家中長期教育改革和發展規劃綱要（2010—2020年）》強調，“信息技術對教育發展具有革命性影響，必須予以高度重視”，并對建立“教育質量、學生流動、資源配置和畢業生就業狀況等監測分析系統”做出了明確要求[2]?！?006—2020年國家信息化發展戰略》指出，要“建設多層次、多功能的就業信息服務體系，加強就業信息統計、分析和發布工作，改善技能培訓、就業指導和政策咨詢服務” [3]。文件精神的落實與相關工作的開展，無一例外地都需要借助于高效的數據處理。在大數據時代已經到來的今天，就業工作需要改變思維，借助于大數據帶來的變革，提升工作效率與服務質量。

大數據時代改變了我們的思維方式。因為大數據是建立在掌握所有數據，至少是盡可能多的數據的基礎上的，它與傳統數據時代的隨機采樣遠遠不同。隨機采樣是通過最少的數據獲得最多的信息，這是在不可收集和分析全部數據的情況下的選擇，它本身存在許多固有的缺陷。它的成功依賴于采樣的絕對隨機性，但是實現采樣的隨機性非常困難。一旦采樣過程存在任何偏見，分析結果就會相去甚遠[4]。而當我們可以獲得海量數據的時候，采樣就沒有什么意義了。在大數據時代，我們收集盡可能多的數據，如果可能的話，會收集所有的數據，即“樣本=總體”[4]。此時，所要研究的不是隨機樣本，而是全部或幾乎全部的數據，這些數據至少是與我們所研究的現象相關的所有可獲得的數據[5]，我們可以從不同角度更細致地觀察和研究數據的方方面面，此時，雖然失去了微觀層面的精度，但獲取了宏觀層面上的規律。相比較而言，在傳統數據時代，因為數據比較稀少，我們可以確保自己收集的每一個數據都是非常精確的，而進入大數據時代，其數據則往往是凌亂和質量參差不齊的，在許多情況下，我們可以僅僅尋找“是什么”，而不必完全理解“為什么”。我們的思維將從因果關系轉向相關關系[6]。為了更加科學地對當代大學生的就業價值取向進行研究，我們以大數據時代所特有的思維方式，而不是采用隨機采樣的方式，對就業數據以“樣本=總體”形式進行分析，用連續幾年的數據來尋找潛在規律，從而進一步挖掘影響理工科大學生就業各種因素，以從根本上為創新高校思想政治教育的方法和途徑提供有意義的參考。

二、大數據背景下影響理工科大學生就業的因素分析

為了深入了解影響理工科大學生就業的因素，本文以上海某高校的某一個理工科學院為例，通過大數據的思維方式，收集了該學院2013-2015年幾乎全部的就業數據作為“樣本”，進行了如下的分析。

（一）就業與所學專業的關系

該理工科學院下設5個系，分別為電子工程系、微電子學系、通信科學與工程系、光科學與工程系、光源與照明工程系，5個系的本科生2013-2015屆的就業情況如下。

從以上5張圖中可以看出，每個系每一年的就業情況在大趨勢上基本保持一致，在具體比例上有略微的浮動，但是在每個系之間，比例還是存在一些差異的，譬如微電子學系的就業比例相比出國和升學就比較低、電子工程系三者就相對比較平均。所以筆者認為，所學專業這個因素與就業總體的關聯程度為“中”。

（二）就業與學習成績的關系

在該所大學中，學習成績的體現是GPA，即績點，滿分為4.0，筆者為了統計的方便將績點劃分為4.0-3.3、3.3-2.7、2.7-1.7、1.7-1、1以下這5個區間，基本對應于優、良、中、及格和不及格。該學院2013-2015屆學生績點與就業情況如下。

從以上3張圖中可以看出，績點對于出國的關聯程度為“弱”，基本每個區間的都有學生出國，績點對于升學的關聯程度最高，為“強”，對于就業的關聯程度在其他兩者之間，為“中”。

（三）就業與家庭經濟情況的關系

筆者對該學院中家庭經濟困難學生（即家庭人均月收入低于1000元，有些家庭還存在喪失勞動力、患重大疾病等情況），2013-2015屆的學生中這些學生的就業情況如下。

從上圖中可以看出，家庭經濟這一因素與出國的關聯程度最高，為“強”，同時也是呈“負”關聯，與升學和就業的關聯度為“弱”。

（四）小結

綜合筆者調研的情況，就業與所學專業、績點和家庭經濟情況這三種因素之間的關聯程度可以用下表表示。

當然，由于“樣本”的有限性和局限性，以上的關聯程度也是筆者通過大數據分析所得出的，需要進一步的更新和驗證，在對于學生個性化指導時僅供參考。在下一節中，筆者也會就運用大數據分析開展大學生就業指導的原則做進一步的解釋和說明。

三、運用大數據分析開展大學生就業指導的原則

高校中的大數據分析應用無疑會對現有的工作模式、研究方法帶來變革，創新，與此同時，由于對于大數據分析應用的掌握還不全面，對于構建大數據分析應用體系還不成熟，容易出現問題，適得其反。鑒于此，大數據分析在大學生個性化就業指導中的應用應注意把握如下原則。

首先，大數據分析在大學生個性化就業指導中的應用應把握系統性的原則。雖然采集到的數據是彼此獨立的，但是在數據的內部是有一定的潛在關聯和聯系的，不能把任何的數據割裂開來看待。應該建立一套完整的數據體系，通過大數據分析的手段建立起數據之間的內在聯系，從而進行數據處理，情況分析，用以指導日常工作的開展。與此同時，這個體系也必須是動態調整，與時俱進，不斷完善的。因為隨著時代的發展，社會的進步，會出現很多新情況和新問題，而這些都會在數據中得到體現。

其次，大數據分析在大學生個性化就業指導中的應用應把握準確性的原則。沒有數據，大數據分析就無從談起；而沒有準確的數據，大數據分析的結果將無法推動工作。輔導員可以利用學校系統中的各類數據及日常與學生接觸交流中獲取的信息，進行加工提取，分析篩選，分類匯總，提高大數據分析的準確性和客觀性。

最后，大數據分析在大學生個性化就業指導中的應用應把握針對性的原則。有了大量的數據，我們可以使用大數據分析這一手段，但是在此過程中，我們也不能一味只追求數據的“大”，而應該根據大數據分析和模型，了解大學生的現狀，滿足他們的需求，從而開展有針對性的指導，讓他們走出校門之后，可以和社會的需求相匹配，為國家和社會做貢獻，實現人生價值。

四、結語

隨著技術的不斷發展，社會的不斷進步，大數據將逐漸成為現代社會中非常重要的一種數據分析方式，對于現有的學科體系和研究方法都會帶來巨大的發展和變化。大學生就業分析和指導，作為社會學和教育學相交叉的內容之一，大數據在其中的應用，也將會越來越廣泛。運用大數據的方法，得到的并不是最終答案，而是一個參考答案，因為人是“活”的，而數據是“死”的，通過大數據的方法是為了讓我們更好地開展工作，指導學生。

參考文獻：

[1]2018屆高校畢業生預計達820萬人 [EB/OL].[2018-01-30].http：//www.xinhuanet.com/2017-12/06/c_1122069365.htm.

[2]中共中央國務院.國家中長期教育改革和發展規劃綱要（2010-2020年）[EB/OL]. （2010-07-29）.[2018-01-30]http：//news.xinhuanet.com/edu/2010-07/29/c_12389320.htm.

[3]中共中央辦公廳，國務院辦公廳.2006-2020年國家信息化發展戰略[EB/OL].[2018-01-30].http：//news.xinhuanet.com/newscenter/2006-05/08/content_4522878.htm.

[4][英]維克托·邁爾·舍恩伯格.大數據時代——生活、工作與思維的大變革[M].浙江：浙江人民出版社，2013：34-43.

[5]安暉.大數據：價值何在[N].人民日報，2013-06-18.

[6]田曉玲.大數據時代帶來更理性、是可靠的決策[N].文匯報，2013-03-11.