基于AHP-Fuzzy 的大學生就業推薦指標模型研究

文/沈士強

在實行創新型人才培養模式和校企聯合教育的新形勢下，高校正著力全面提高大學生的技能和素質，致力于為每位畢業生提供正確有效的就業指導和工作推薦。面對日益嚴峻的就業市場和突如其來的新冠肺炎疫情帶來的不利影響，高校就業管理部門和輔導員的就業推薦工作需要更多思路來開拓就業渠道，提高畢業生的就業率[1]。對大學生就業能力的評價是一個綜合評價，包括大學生的學習能力和工作能力等諸多方面，常帶有模糊性，所以宜采用模糊綜合評價方法。但模糊評價的各指標權重常帶有一定的主觀性，可采用層次分析法（Analytic Hierarchy Process，AHP）聚合、量化指標權重。通過研究，本文可將兩種方法結合起來，通過AHP 確定評價指標體系標和各指標權重向量，用多層次模糊綜合評價法建立大學生的就業能力綜合評價指標。根據評估結果，高校可以向招聘單位推薦就業機會。

一、構造評價指標內容元素

表1 大學生就業能力評價指標層次結構

在大學生就業推薦評價中，合理科學的指標體系是整個評價能否成功的基石。概要劃分評價的整體指標群要素，將滿足一定標準的指標群形成聚類。按照推薦工作管理的要求及評價對象的主體二義性，評價指標內容主要包括學業成績、專業能力、實踐能力、溝通能力、團隊合作能力等五個方面。根據評價對象（大學生）的情況，將各指標因素進行分類組合，形成指標間的層次結構。通過分析，整理出指標體系中指標群和細節性指標，形成綜合、分類、單項等三個層次的評價指標。

二、AHP確定指標權重

層次分析過程是一個多層次的分析結構模型，可以對問題進行層次分析。根據問題的性質和要實現的目標，可以將其分解為不同的組成因素。根據它們的交互作用和隸屬關系將這些因素與不同的層次進行匯總和組合。指標體系權重值的計算過程為：

步驟1：根據設計的評價指標，按照因素之間的影響力大小來構造判斷矩陣。一般采取影響因子兩兩比較成對的矩陣構造方法，即選擇因子xi和xj，以aij來表示xi和xj對評價的影響大小之比，結構用判斷矩陣A=（aij）n×n表示。而aij的取值，可采用表2 中的賦值標準來設定。

表2 判斷矩陣A 中元素aij 的賦值標準

構建指標體系中“（A）學業成績”的判斷矩陣如下：

步驟2：計算相對權重系數。可根據判斷矩陣計算層次單排序（同一層次相應因素對于上一層次某因素相對重要性的排序權值）、總排序，由此確定評價因素和評價因子權重值。

將判斷矩陣進行歸一化處理，按照公式（1）：

可以得到：

可以得到wi=0.5550。由此可得到“（A）學業成績”的判斷矩陣，如表3 所示。

表3 “（A）學業成績”的判斷矩陣

步驟3：進行一致性檢驗。由于判斷者評判前后可能有誤差，需要引入檢驗判斷矩陣一致性的指標CI 與修正系數RI 的比值CR 來檢驗判卷斷矩陣的一致性。

計算判斷矩陣特征向量最大值λmax，按照公式（3）：

得到判斷“（A）學業成績”的判斷矩陣的λmax為4.0435。

表4 矩陣階數n 不同時對應的RI 值

反復進行上述3 個步驟，最終得到大學生就業能力評價指標權重，如表5 所示。

表5 大學生就業能力評價指標權重值

三、模糊綜合評價

模糊綜合評價法能較全面地匯總各評價主體的意見，綜合反映被評對象的優劣程度。在應用評價體系時，為獲得更加全面的評價信息，避免因評價主體的差異而出現評價偏好，設計評價將包括任課教師滿意度調查、學術管理人員評價、學生評價。評價的指標體系是一致的，但評價的權重不同。設評價權重集為：V={Stu_Satisf，Staff_Perf，Intramural_evalu}={0.3，0.4，0.3}。

以對某位畢業生的評價舉例，在表5 所示的各評價指標構成其工作的評價目標值矩陣S，結合評價權重集V，得到

最終，采用基于AHP、模糊綜合分析方法得到的該畢業生最后得分為91.3 分，屬于優秀的水平。

四、結語

將模糊綜合評判法和層次分析法結合起來，既可以進行大學生整體情況綜合評價，也可對影響大學生就業素質的某項個別因素做出有針對性的量化評價，量化考核力度。利用綜合評價結果，可以將畢業生的綜合表現進行量化排序，為其有針對性的就業推薦做好數據準備。根據單項指標的評價結果，可以獲知日常學術管理和教學工作進行過程中存在的實際問題，切實做好大學生培養工作，提高學生管理人員的專業化素質。

做到既重結果，又重過程；既重報到率，又重貢獻率。推動大學生畢業推薦工作有力、有序、有效開展，為高效發展做好基礎性工作。