高校畢業生就業預測算法研究分析

摘 ?要：根據大學生就業的歷史數據創建就業模型并預測未來的就業變化及趨勢，可以為學校管理者和人才培養方案制定者提供有價值的信息和參考依據。本文結合學者們針對高校畢業生就業預測的研究成果和研究脈絡，從就業預測數據源、就業預測算法、就業預測要素及就業預測結論四個方面詳細介紹相關研究成果及代表文獻，為研究人員提供參考和借鑒。

關鍵詞：高等學校;就業預測;算法分析

中圖分類號：TP311.13 ? ? ?文獻標識碼：A 文章編號：2096-4706（2019）12-0086-03

Abstract：Based on the historical data of college studentsemployment，establishing employment model and predicting employment changes and trends in future，which can provide valuable information and reference for school administrators and personnel training program makers. Based on the research results and research veins of the employment prediction of college graduates，this paper makes an analysis from four aspects：the data source of employment prediction，the employment prediction algorithm，the elements of employment prediction and the conclusion of employment prediction，and introduces detailed the relevant research results and representative literatures，so as to provide reference for researchers.

Keywords：institutions of higher learning;employment prediction;algorithms analysis

0 ?引 ?言

高校畢業生的就業情況及相關數據在一定的程度上反映出高校的人才培養方案對接行業需求的吻合度、高校畢業生的工作能力滿足企業發展的需要以及高校在服務地方經濟發展與社會貢獻方面的能力。為了較好地服務地方經濟發展，提升高校的社會貢獻度，依據區域經濟特色、行業需求和企業需要，適時制定和修訂專業人才培養方案，打造與培育技術能力強、職業素養高的高校畢業生是高校的辦學使命。因此，有必要根據歷年的就業數據創建就業模型來預測未來的就業變化和就業趨勢，為高校管理者制定行業需要、企業滿意、社會反饋良好的專業人才培養方案提供有價值的信息和參考。

為此，本文根據學者們針對高校畢業生就業預測的研究成果和研究脈絡，對相關文獻進行整理和分析，分別從就業預測數據源、就業預測算法、就業預測要素及就業預測結論四個方面進行，并詳細介紹了四個方面的相關研究成果。

1 ?高校畢業生就業預測數據源分析

文獻[1]以廣西教育學院2012屆畢業生就業分析樣本數據集為研究樣本，并將研究樣本分為“畢業生就業方向為教師的樣本數據集”“畢業生就業方向為企業單位的樣本數據集”“畢業生就業方向為事業/機關單位的樣本數據集”進行了就業預測分析。

文獻[2]研究的數據源為南京工程高等職業學校的就業管理系統，數據跨度為2010至2012年，以4500名畢業生相關數據為研究樣本，并將這將這些研究樣本分為“學生基本信息數據”“學生成績信息數據”“學生就業情況”等樣本數據集。

文獻[3]以福建省2006年至2011年招生計劃數與畢業生人數為研究樣本，依據學生就業單位的類型（國企、外企和私企），抽取相同數量的就業數據作為樣本進行分析。

文獻[4]從150所大學中選擇100個大學生就業數據作為研究樣本。

文獻[5]采集了昆山市的兩個鄉鎮中的100家企業提供的2006年至2009年的44條數據作為研究數據。

文獻[6]從本校畢業生中抽取歷年畢業生在校的一些信息作為研究樣本，每條研究樣本包括性別、英語水平、政治面貌、綜合測評成績、擔任過學生干部、是否為“三好學生”、參與社會實踐、就業的期望值、獲得學位、畢業論文成績、就業作為等項目。

文獻[7]研究對象為某高校近三年的畢業生就業信息。

文獻[8]以近三年的信息類專業畢業學生的就業數據為研究樣本，創建了就業薪酬的預測模型。

……

從以上研究數據源來看，研究者使用的數據來源不同，范圍上存在一定的差異，時間跨度也不盡相同，但數據上有一個共同的特點：研究的數據樣本范圍較窄，樣本數量有限，這易造成研究結果的片面性。

2 ?高校畢業生就業預測算法分析

因為研究數據樣本不同，高校畢業生就業預測算法的選擇也各不相同。

文獻[1]分析了畢業生就業數據中的關聯規則，根據數據抽樣組建了“畢業就業信息數據倉庫”。又因畢業生的就業信息較多、數據復雜，且有不確定性的特點，選用了基于劃分的Apriori優化算法來預測畢業生的就業狀況。采用Apriori算法思想尋找每個數據劃分因素的頻繁項集，計算這些項集的支持度，挖掘出各項因素與就業方向之間的關聯規則，并指出“專業成績、英語等級、社會實踐”在畢業生就業方向上影響較大。

文獻[2]選用C4.5算法創建高職院校畢業決策樹數據模型，重點關注研究樣本數據的6個重要屬性：基礎課程成績、專業課成績、英語成績、是否擔當學生干部、入學成績和期望就業單位屬性（事業單位、國有企業和私營企業），然后選取決策屬性，構造決策樹，創建提取規則，得出專業課成績仍然是影響學生就業的最主要的因素，而入學成績與預測就業基本無關。

文獻[3]選用最鄰近（KNN）分類算法，從畢業生數據中提取特征數據，如：專業課成績、是否擔任班干部、英語水平、計算機水平、企業實習經歷、實踐課程成績和獲獎情況等，接著對這些數據進行數值化處理，將其轉化為特征向量，通過KNN算法計算樣本數據與所有樣本之間的距離，進而預測出學生的就業方向。

文獻[4]對收集的大學生就業數據進行歸一化處理，考慮灰色模型和神經網絡各自的特點，提出利用灰色模型和神經網絡的組合方法對就業樣本數據進行處理，并從不同角度根據大學生就業數據創建預測模型，從而在灰色模型和神經網絡組合的情況下獲得可靠的預測結果。

文獻[6]采用聚類分析技術中基于模型的統計方法，使用COBWEB這種簡單的增量概念聚類算法，使用分類效用CU來指導分類樹的構建。將數據的10個屬性值（性別、政治面貌、是否擔任學生干部、是否是“三好學生”、英語水平、平均綜合成績、畢業論文成績、社會實踐、對就業的期望和是否取得學位）進行量化，建立數據庫和分類樹，從而建立模型進行評估和驗證，得出英語水平高的畢業生就業能力強、就業率高。

文獻[7]也利用C4.5算法進行就業信息的數據挖掘，通過決策樹創建數據提取，進而創建畢業生的就業預測規則和模型。計算數據中的屬性值（性別、綜合成績、計算機等級、外語水平、學生身份和城鄉情況）之間的信息增益和信息增益比，組建17條分類規則。以267份樣本數據作為測試樣本對預測模型進行有效性驗證，得出該預測模型預測的正確率大于81%，再次有效地證明了決策樹模型在畢業生就業預測方面具有較高的可靠度與準確度。

文獻[8]以影響畢業生就業的18個可觀測量作為影響大學生就業薪酬高低的因子，建立基于因子分析法的畢業生模型，創建樣本特征向量，利用自然鄰居分類對畢業生薪酬期望等級進行預測，并用十折交叉驗證的方法證明了該預測的精度和準確率，為大學畢業生建立合理的就業預期和就業薪酬計劃具有一定的指導意義。

文獻[9]通過分析勞動力就業市場的現狀，以某生產公司的28個就業樣本數據，采用BP神經網絡創建就業預測模型。通過仿真實驗得出，基于BP神經網絡的就業預測模型能較為準確地預測各企業對短期用工的需求量，并建議企業可以根據訂單的數量來確定招聘員工的數量。

文獻[10]基于數據挖掘和機器學習中的分類算法，將決策樹ID3算法運用到高職生就業的預測分析中，對數據集的特征屬性值（考生類別、入學總分、考生地域、應往屆一、年齡、性別、綜合成績、單位地址、專業相關度）進行量化處理，對學生是否能順利畢業進行預測。實驗證明，基于ID3算法生成的高職院校學生就業預測模型的預測準確度較高。

文獻[5]基于AR模型對昆山區域的某企業公司的就業進行了預測和分析，文獻[11]提出運用Kmeans聚類算法和CBR案例推理方法對高校學生就業趨向進行預測。

3 ?高校畢業生就業預測要素分析

在對高校畢業生就業進行預測的過程中，學者們以畢業生的相關屬性為切入點，如性別、政治面貌、學生干部、獲獎情況、外語水平（沒有明確外語水平的考級情況）、專業成績、綜合表現成績、參與社會實踐、畢業論文（設計）、計算機水平（未明確計算機考證情況）、是否取得學位、對薪酬的期望、城鄉情況（考生地域）、年齡、入學成績、應往屆生、單位地址等。這些屬性中，使用頻率較高的有性別、專業成績、英語水平、計算機水平和薪酬期望等，使用較少的屬性有入學成績、應往屆、城鄉情況、單位地址等。

在上述列舉的畢業生的相關屬性中，性別、外語水平、參與社會實踐和專業成績對畢業生就業的影響較大，這些屬性成為就業預測的關鍵要素。針對高職院校畢業生就業預測來說，專業成績、參與社會實踐、計算機水平這些屬性對就業預測的準確度有較大的影響，或者可以說專業成績好的、參與過社會實踐的，以及掌握計算機操作技能的學生就業能力強、就業率高。針對本科院校畢業生就業預測來說，外語水平高的學生容易就業。就業預測過程中，性別、城鄉情況、入學成績、應往屆生等屬性對就業預測的影響較小。

4 ?結 ?論

通過對上述的研究結論進行分析，在一定程度上可以得知，大學生在學校所掌握的專業技能、外語水平與計算機水平直接影響其就業情況，高校在制定人才培養方案和培育高素質學生的同時，要因勢利導，加強學生專業學習方面的培養和提高學生在社會實踐活動方面的參與度，做好、做實學生實習、實訓環節，在課程設置方面既要考慮學生的專業課程的學習，也要把計算機操作技能、外語技能融入課程體系中，注重專業知識的理論學習，強化操作技能的訓練，與考證結合起來。高校畢業生就業預測為大學生指引了學習的方向，也讓大學生在個人就業方向上有了更加明確的目標。

參考文獻：

[1] 覃永貞，顧平.Apriori算法在高校畢業生就業預測中的應用分析 [J].輕工科技，2014，30（7）：93-94+97.

[2] 王賽男.C4.5分類算法在高職就業預測中的應用 [J].現代計算機（專業版），2014（23）：21-25.

[3] 吳靜.KNN算法在就業預測模型中的應用 [J].莆田學院學報，2013，20（2）：60-63.

[4] 李想.大學生就業的建模與預測研究 [J].現代電子技術，2017，40（21）：109-111+116.

[5] 王靈均.基于AR模型的昆山就業預測及分析 [J].科學大眾（科學教育），2009（10）：126-127.

[6] 楊霞玲，聶永紅.聚類分析在畢業生就業預測中的應用 [J].廣西工學院學報，2005（4）：82-84+91.

[7] 蔡麗艷，馬弘偉.數據挖掘技術在高校就業預測分析中的應用 [J].微計算機信息，2012，28（8）：101-103.

[8] 朱慶生，高璇.應用自然鄰居分類算法的大學生就業預測模型 [J].計算機系統應用，2017，26（8）：190-194.

[9] 吳振磊，劉孝趙.一種基于BP神經網絡的就業分析預測模型 [J].輕工科技，2016，32（9）：70-71+104.

[10] 孫曉璇，楊家娥，李雅峰.基于決策樹ID3算法的高職生就業預測分析 [J].電腦編程技巧與維護，2015（2）：15-16+35.

[11] 廖珣.基于Kmeans和CBR方法的高校就業預測模型應用研究 [J].人力資源管理，2010（3）：79-80.

作者簡介：陳君濤（1981-），男，漢族，湖北天門人，副教授，碩士，研究方向：計算機應用、職業教育。