前言：尋找寫作靈感？中文期刊網用心挑選的畢業生就業數據挖掘的高校教學管理，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。
摘要：文章對華南農業大學數學與信息學院的畢業生就業數據進行了挖掘，并基于數據挖掘的結果提出了高校教學管理的建議，包括建立高校畢業生就業情況數據庫；學校應重視學生領導才能的培養；學校應重視專業課的教育；學校應注重大學生的思想素質教育等。
關鍵詞：畢業生；就業數據；高校教學管理
在大學擴招和經濟下行危機的雙重影響下，大學生就業形勢面臨空前的考驗。由于大多數高等院校都出現不同程度的畢業生就業問題，高校要提高就業率，除了早期提高畢業生素質、增加畢業生競爭能力外，還要在后期推動部分找不到工作的畢業生積極參與招聘活動，提高就業機會[1]。畢業生在就業態度方面明顯有兩極分化的趨勢，一部分學生積極參與各種招聘活動，即使在找到就業實習單位的情況下也會為自己找尋更多的就業機會；另一部分學生則缺少積極性，在應聘過幾次之后失去信心，抱怨就業形勢嚴峻。學校掌握了大量往屆畢業生的各種數據與就業情況，學校利用這部分數據可以找到畢業生的就業情況規律，尋找出那一部分就業態度不夠積極的學生或尋找出將會面臨就業困難學生[2]。如果教師加強對這部分學生的輔導，做到有的放矢，其就業動員效果可能更好，進而能夠提高學生的總體就業率。學校的畢業指導中心也可以從往屆畢業生的就業情況數據中，找到讓用人單位所重視的應聘者素質，從而加強學生在這方面的學習和訓練，制定出更合理、科學的課程設置體系與人才培養方案。高校如何采用多種數據挖掘方法對往屆畢業生就業情況數據進行數據挖掘并尋找出用人單位重視的求職者素質和那部分就業態度不夠積極的學生，同時對高校本科課程教學改革及人才培養方案的修訂提出建議。針對以上問題本文將使用華南農業大學數學與信息學院172名畢業生的就業相關數據，其收集到的數據變量包括校區、專業名稱、學歷、培養方向、單位性質、學院、政治面貌、生源地、畢業設計學分、畢業實習學分、總學分等。
一、畢業生就業情況的數據挖掘
本文通過比較Excel和SQL下的四種數據挖掘分類方法來分析與挖掘畢業生就業情況數據。
（一）樸素貝葉斯方法下的就業分析
運用貝葉斯算法分析已知數據可知，影響高校畢業生就業情況的屬性為畢業生是否擔任過干部和畢業生所屬專業。這顯示出擔任干部的畢業生就業情況大多較好，大部分屬于“已就業”類別。畢業生的專業對就業情況也有很大影響。數據顯示出，信息與計算機科學專業畢業生的就業率比數學專業的畢業生就業率高。
（二）邏輯回歸方法下的就業分析
通過邏輯回歸的分類結果可知，積點對就業有顯著影響，同時也挖掘出在“是否擔任干部”屬性中為“yes”的畢業生傾向于“已就業”屬性的概率是100%，政治面貌為“中共黨員”的畢業生比政治面貌為“群眾”的畢業生的就業率高。從性別來看，女生比男生有優勢。
（三）決策樹方法下的就業分析
通過決策樹方法對已有數據進行分析，其具體結果顯示學分和政治面貌對就業有重要影響。輔導員應關注總學分低于172.2且政治面貌不屬于“中共黨員”這部分學生，鼓勵、督促其尋找就業機會。以上結果可以幫助輔導員區分出積極尋找工作的一部分學生，這一部分學生的特征是總學分超過172分，政治面貌為中共黨員，積點大于2.678，畢業實于4.1等。
（四）神經網絡方法下的就業分析
神經網絡方法分析結果如下：政治面貌為“中共黨員”的畢業生比政治面貌為“群眾”的畢業生的就業率高。在“是否擔任干部”屬性中為“yes”的畢業生傾向于“已就業”屬性的概率是100%，積點處于3.171~3.630區間的畢業生較傾向于“已就業”屬性，積點處于2.270~2.759區間的畢業生較傾向于“未就業”屬性。
（五）四種數據挖掘方法正確率分析
最后通過分析四種方法的正確率可以得到，樸素貝葉斯方法的正確率較高，因此，可以重點突出樸素貝葉斯方法的結論：大學期間擔任過干部和積點較高的畢業生就業情況較好，說明用人單位重視求職者的領導才能，同時也要求畢業生有較好的專業能力。
二、基于畢業生就業數據挖掘的高校教學管理
第一，從數據挖掘方法的分析結果可以看出，整體的數據挖掘效果一般，出現這種現象的主要原因是所得到的畢業生就業情況的數據量較少。從決策樹分析結果可以看出，當數據量足夠大的情況下，數據挖掘的結果正確率會有很大程度上的提高。因此，學校、教育部門應廣泛地收集畢業生就業情況的數據，建立高校畢業生就業情況數據庫，為高校掌握畢業生就業情況進行數據挖掘提供優質、全面的數據。在保證畢業生就業信息的大數據性的同時，高校更需要加強數據挖掘技術的建模，應該把數據挖掘結果可視化，與就業數據庫進行系統集成，建立具備數據管理和分析功能的高校畢業生數據管理系統。輔導員可以根據數據挖掘系統的反饋，找出求職積極性高的學生和積極性低的學生，求職積極性低對這部分學生進行重點輔導，做到有的放矢，促進此類畢業生早日找到理想的工作崗位。在就業管理中，學校不需要頻繁地召集所有畢業生進行就業推動，就能達到事半功倍的效果。第二，高校應重視學生領導才能的培養。由數據挖掘的分析結果看出，企業重視學生的領導素質，學校在招生和教育方面應加強這兩個方面。學?？梢栽谡猩鷷r傾向招收曾經擔任學生干部的新生學生在校學習期間，應鼓勵學生擔任各種形式的職務，以培養學生的領導才能。在國際上，學生干部領導能力的培養研究發展了近三十年，已經形成了一套科學系統的學生領導能力培訓計劃[3]。因此，高校在制定科學有效的人才培養方案的時候，應該與這一套學生領導能力培訓計劃緊密結合，根據學生領導能力培養目標，設置相關選修課程和實習實踐學分，使得培養計劃能夠從始至終貫穿于學生四年的學習，在不同階段開展不同層次要求的培養計劃，在突出培養重點的同時也要細化梯度，確保培養內容更有針對性，讓每一位學生都能受益，增強每一位學生的核心競爭力，為其真正成長為對社會有用人才奠定基礎。第三，學校應重視專業課的教育。由數據挖掘的分析結果看出，企業重視學生的專業情況。大學教育幫助學生掌握某一專業領域的理論知識，因此學生的專業才能成為企業招收對口人才的重要依據。在現實的專業人才培養計劃中，高校還是存在專業課程設置的一些問題，部分與實際應用密切結合的專業課安排在大四階段，有部分學生因為參加課外實習、找工作、考研等各種原因導致沒辦法參與完整的課程學習。比如，在本校金融數學與統計學專業的專業課課程設置中，證券投資分析、保險精算學、金融數據挖掘、大數據技術等與現實緊密結合的專業選修課都安排在了大四階段。在進行新一期課程設置和專業人才培養計劃的時候，學校應考慮把相關課程的安排時間盡量向前調整，以方便學生更有效率地參與專業課的學習。第四，學校應注重大學生的思想素質教育。從數據分析結果可以看到，大學生的政治面貌對就業也很重要。同時，在現在的多元文化背景下，高校更必須不斷加強大學生的思想素質教育，要意識到現在的大學生是明天社會的中流砥柱，他們的思想狀態在可以說代表整個社會的思想狀態。大學生作為知識層次較高、認識能力較強但還沒有完全走向社會的一個特殊群體，學校通過思想教育，使全體大學生始終保持積極進取的人生態度、昂揚向上的精神狀態和不屈不撓的堅強意志，不僅僅關系到學生自身就業，更是關系到高等教育人才培養是否符合企業需要和社會需要的大問題。注重實踐教育是加強大學生思想素質的有效途徑。高校要重視大學生的社會實踐活動，有計劃、有選擇地地組織學生參觀校內外的人文景點、自然科學博物館、人文歷史博物館，參加社會調查、支教、三下鄉等社會活動，讓在校大學生加深對本專業的了解、確認適合的職業、為向職場過渡做準備、增強就業競爭優勢，也讓大學生在參加社會實踐活動中磨煉意志、砥礪品格、提高思想政治素質。高校只有組織多樣化的社會實踐活動，才能將思想素質教育工作落到實處。第五，學校在學生就業和教學管理上要注意學生的性別特點與專業特點。雖然從本學院就業數據挖掘結果顯示女生就業優于男生，這是由于數學與信息學院以信息、計算機、數學等理工科專業為主，男女生比例嚴重失調造成的。我們還是要意識到當前社會上仍然存在女大學生在就業中存在性別歧視的問題，包括就業機會、社會福利的不平等，就業門檻多，條件高，就業職業選擇的層面狹窄等現象。同時從計算機類與數據信息類企業的招聘需求上看，企業對男生的需求明顯還是大于女生，企業工科招聘需求也要大于純理科的需求。因此，學校特別是以理工科為主的學院在就業與教學管理中要有針對性地實施有效的就業性別保護政策，根據各專業的就業要求，與各類用人單位、人力資源服務機構合作，普及勞動法、就業促進法、婦女權益保障法等法律法規，并實施能力提升、創業引領、校園精準服務、就業幫扶、權益保護五大行動，促進高校男女畢業生平等就業創業。同時，高校要特別注重鼓勵數學理科專業的學生繼續考研，注重更多數學的應用方向的引導，努力擴大整體的就業率，從而凸現出高校教學改革與教學管理的價值。
三、結語
本文利用四種數據挖掘方法對畢業生就業數據進行詳細的建模分析，同時挖掘出了能夠順利就業的畢業生的特征，以推測出用人單位究竟重視應聘者的哪方面素質。也挖掘出不能順利就業的畢業生的特征，使得學校能夠根據這些特征，對部分應屆畢業生進行深入的指導和幫助，幫助他們順利就業。也為學校進行教學改革和修訂本科人才培養計劃提供了參考數據，也結合現實情況對高校課程教學改革，人才培養方案制定和學生教學管理方面提出幾點建議。
參考文獻：
[1]韓春光,許艷麗.高職學生就業質量因素影響調查分析:基于北京地區數據[J].中國職業技術教育,2018(33):56-64.
[2]丁連濤,朱宇,魯凱.高校畢業生就業狀況及就業質量提升研究:以吉林大學為例[J].高等財經教育研究,2016,19(3):5-9.
[3]劉復興,朱俊華.大學生就業結果的影響因素研究:從人力資本、SCCT職業發展理論的視角[J].西南大學學報(社會科學版),2017,43(5):30-37.
作者:周燕 李鳳 黃蔚 單位:華南農業大學數學與信息學院數學系