全面评价的大学生就业指导范文

大学生就业指导就是根据大学生自身的特点，社会职业的需求，帮助求职的大学生选择最能发挥其才能的职业，实现其个人价值和社会价值。随着市场经济的发展，传统的高校就业指导工作的理念和方法也需要随之变化。就业指导工作包括了解学生的实际情况，根据学校过去的实际就业情况，对学生进行指导。现有的高校就业指导模式存在着目标短期化，指导内容简单化，指导队伍业余化等诸多不足。目前，绝大多数高校学生就业指导工作，以指导老师的个人经验为主。因此，指导工作存在着较大的随机性和经验性。指导教师需要指导的学生人数众多，没有办法顾及到每一个学生的实际情况，往往从一般性角度进行指导。而了解学生实际能力，再根据实际就业情况进行科学指导，是高校就业指导工作的必然发展趋势。

一、相关研究

目前，学生的能力评价比较流行的方法有泰勒评价模式、综合测验等。其中，综合测验方法是在20世纪被引入到教学过程中的，包括能力测验和学科知识。能力测验用于检验学生能力水平的高低，包括兴趣爱好，实际问题的解决能力。学科知识用于检验学生知识掌握情况。这些评价方法还主要应用在学生的课程成绩与奖学金评价中。而在就业指导工作中，较少被提及和使用。效用理论包括两部分，即基数效用理论和序数效用理论。基数效用论认为效用是消费者在消费某种商品时所感受到的心理满足感，这种满足感可以直接计量，因而其大小可以用基数表示。序数效用论认为，效用作为一种心理现象无法具体衡量，而只能表示满足程度。它只关心一个偏好，而不是关心数量之间的差距。因此，效用应当用表示偏好的序数来表示，序数效用论是一种定性分析。本文提出的全面评价方法包括能力测验和学科知识的综合评价方法，通过问卷调查的方式获取学生的主观意愿和客观实际数据，以及学生课程成绩，课外活动数据统计整理。所有这些获取的数据作为数据挖掘的数据，对整理所获取的数据依据决策树方法，得出科学的就业指导建议。随着人们积累数据的不断增加，数据背后隐藏的知识更加需要被人们找到。数据挖掘技术应运而生，并且不断发展。目前，数据挖掘技术已经广泛应用到产品营销、金融等领域，但是，在教育领域中应用得较少。数据挖掘技术应用于高校就业指导工作非常有效，决策树是用于分类和预测的一种数据挖掘方法，它是通过归纳和学习现有的无顺序、无规则的实例，从而推理出决策树的一种数据挖掘模型。本文基于全面的学生评价结果采用数据挖掘中决策树中的QUEST（quickunbiasedefficientstatisticaltree）方法进行挖掘。并以学生考研工作为例对实际数据进行挖掘分析，得到对学生考研指导的有用规则。

二、基于全面评价的学生就业指导研究过程

就业影响因素主要包括个人主观意愿、生源地、学习成绩、社会工作、个人特长等。这些数据的来源主要是通过问卷调查方式获取学生的主观数据和生源地等数据，从学校的成绩管理系统中获取学习成绩和学习态度数据，从社会工作成果获取相关的能力数据。全面评价方法评价的数据包括主观数据和客观数据。其中，学生的主观数据通过问卷调查方式及访谈获取；学生的客观数据通过问卷调查、成绩数据以及能力数据获取。这里能力数据又被划分为学习能力数据、创新能力数据和工作能力数据。基于以上所述，就业指导数据研究过程如图1所示。图1中表示就业指导包括数据研究过程两步。步骤1数据清洗、整理和评价；步骤2数据挖掘。其中步骤1包括5个部分：1．1学习态度数据评价；1．2学习能力数据评价；1．3创新能力数据评价；1．4工作能力数据评价；1．5研究结果数据评价。这些数据主要通过预处理方式将原始的成绩变换为偏好方式表达，基于序数效用理论进行变换和分级。

三、基于就业影响因素的全面评价方法

1．学习态度和学习能力评价学习态度数据和学习能力数据都是通过学生的实际客观成绩中抽取、整理和评价得出的。通过学生成绩管理系统获取到所有的成绩数据，考虑到不同科目试卷难度不同的原因，可能会造成整体成绩不同。因此，基于序数理论变换初始成绩，原有每一个科目的成绩由高到低排序获取序号（如果成绩相同则序号相同）。所有的初始成绩被变换为序数。对于分方向的专业课，排序前使用公式（1）对原始成绩进行统一。学习态度数据评价是将所有大学期间学过的科目都作为考虑因素，按照上述方法变换、排序评价。学习能力数据评价只考虑考研相关科目包括专业基础课和本学科考研专业课，按照同样的方法进行变换评价得出最后的评价结果。2．创新能力评价根据访谈和专家判断的方式得出高校中具有创新意识的同学，热衷于参加创业团体进而组成参赛队伍进行各类专业比赛。因此，本文创新能力评价是通过学生大学期间参加过的所有专业比赛量化，具体评价方法是根据取得的比赛成绩按照比赛的积分规则进行累加排序。计分规则参考学校奖学金评价制度得出，如表1所示。根据专家知识将所有的创新能力按计算结果序数分为5组。该属性标号为1～5。其中1表示创新能力最好，5表示创新能力最差（没有参加过任何专业比赛的同学划分为5）。其余的按照层次聚类的方法分成4类。聚类后各组数据按组内平均分从高到低排序，以此标记为1，2，3，4。3．工作能力评价在人力资源管理学上，工作能力是指对一个人担任一个职位的一组标准化要求，用以判断其是否称职，它直接影响着一个人做事的质量和效率。一个人的工作能力是通过个人行为表现出来的。高校学生工作能力的评价是通过收集学生在大学期间参加的各项社会活动，承担的社会职务，按照给定的评分规则进行计算排序。评分规则如表2所示，每一项不同活动不同职务重复计分。根据专家知识建议将所有的学生社会能力按计算结果序数分为5组。该属性标号为1～5。其中1表示社会能力最好，5表示社会能力最差，其中5表示大学期间未曾参加任何社会活动并且未承担过任何社会职务的学生。其余按照聚类的方法划分为4类，每类成员计算平均积分，按照积分高低进行标注依次为1～4。4．结果数据分类标注问卷调查是通过书面形式见解获取研究数据的一种调查方法。也被称为“书面调查法”。首先，向被访问的人员分发问卷、再对问卷结果整理并统计。问卷设计时，遵循具体性原则、单一性原则、简明性原则。具体问卷如表3所示。将问卷调查结果与实际考研结果数据行分类结果标注，本文划分为4类：考取985院校、211院校研究生标注为1，考取一般院校研究生标注为2，希望考研但实际未考上研究者标注为3，没有报名考研标注为4。

四、基于院校计算机专业考研为例

本文研究数据来源于S学校计算机专业学生，该校是一个三本院校，入学时分数线接近二本院校录取分数线。数据来自该校2015级计算机专业共94人。获取94人在校所有学科的学习成绩、学生职务、社会实践、参加比赛的数据。由于所收集的数据存在噪声。因此，对于实际收集到的数据在预处理环节中做如下操作，对于旷考和违纪的成绩按0分记录。根据这成绩数据和能力数据按照2～4节的评价方法进行变换，按照文中的评价方法将考研结果数据进行标注。评价的结果数据表部分数据如表4所示。基于表4数据采用决策树分类方法进行数据挖掘，算法过程中指定自变量为学习态度、学习能力、创新能力和工作能力；因变量为考研结果数据，增长方法采用QUEST方法。是用交叉验证方式进行验证。使用SPSS软件构建决策树结果见图2所示。通过分类结果产生分类规则，从而更好地辅助就业指导。以上分析发现规则，决定是否适合考研的最关键因素是学习态度，学习态度为1级的19人中意愿考研人数14人比例较大且成功率较高。对于是否应该考取985，211这类重点院校的研究生，建议参考学生的学习能力指标，学习能力为1级的同学，可以尝试考取这类重点学校的研究生，而学习能力低于1级的同学，建议考一般高校的研究生。对于学习成绩低于1级的同学中有考研意愿的比例明显较低，而且考研成功率低，这些同学工作能力为1～4级即积极参加其他各项活动或工作更多同学中希望考研，但是考研成功率较底；相反平时不积极参加社会工作的同学，如果有意愿考研，反而更容易考取研究生。创新能力对于是否应该考研的影响较低，就业工作中考研指导可以不考虑该项评价指标。

五、结语

本文基于成绩数据和能力数据，通过全面的评价方案对原始数据进行变换，使用数据挖据中的决策树方法分析评价后的各项数据，将数据挖掘中产生的分类规则运用到高校就业指导中，能够给就业指导工作者一个相对明确的决策规则，是对科学化就业指导工作的一次有益探索。但是，论文中还存在一些问题需要进一步探索和改进：（1）目前，全面评价还是基于总结性评价进行，这种方式只能帮助就业指导工作者正确评价学生的实际情况。但是不利于学生在学习的过程中客观认识自己，无法帮助学生不断自我调整、改进和完善。今后考虑将现有的总结性评价调整为形成性评价［9］。（2）本文的分析过程如果需要用于新一届学习中，由于前期需要进行大量数据的整理和评价，如果能完成一个完整的决策支持系统，将会对就业指导工作者和学生以更多帮助。（3）结果数据仅仅按照考研的类型进行划分，对于直接就业的学生并没有细分指导。针对直接就业的同学进行更详细的划分结果数据类型，也是下一步考虑需要完成的工作。

作者：唐琳 杨海亮 马艳伟 朱彦 单位：大连理工大学城市学院 计算机工程学院