前言：寻找写作灵感？中文期刊网用心挑选的毕业生就业数据挖掘的高校教学管理，希望能为您的阅读和创作带来灵感，欢迎大家阅读并分享。
摘要：文章对华南农业大学数学与信息学院的毕业生就业数据进行了挖掘，并基于数据挖掘的结果提出了高校教学管理的建议，包括建立高校毕业生就业情况数据库；学校应重视学生领导才能的培养；学校应重视专业课的教育；学校应注重大学生的思想素质教育等。
关键词：毕业生；就业数据；高校教学管理
在大学扩招和经济下行危机的双重影响下，大学生就业形势面临空前的考验。由于大多数高等院校都出现不同程度的毕业生就业问题，高校要提高就业率，除了早期提高毕业生素质、增加毕业生竞争能力外，还要在后期推动部分找不到工作的毕业生积极参与招聘活动，提高就业机会[1]。毕业生在就业态度方面明显有两极分化的趋势，一部分学生积极参与各种招聘活动，即使在找到就业实习单位的情况下也会为自己找寻更多的就业机会；另一部分学生则缺少积极性，在应聘过几次之后失去信心，抱怨就业形势严峻。学校掌握了大量往届毕业生的各种数据与就业情况，学校利用这部分数据可以找到毕业生的就业情况规律，寻找出那一部分就业态度不够积极的学生或寻找出将会面临就业困难学生[2]。如果教师加强对这部分学生的辅导，做到有的放矢，其就业动员效果可能更好，进而能够提高学生的总体就业率。学校的毕业指导中心也可以从往届毕业生的就业情况数据中，找到让用人单位所重视的应聘者素质，从而加强学生在这方面的学习和训练，制定出更合理、科学的课程设置体系与人才培养方案。高校如何采用多种数据挖掘方法对往届毕业生就业情况数据进行数据挖掘并寻找出用人单位重视的求职者素质和那部分就业态度不够积极的学生，同时对高校本科课程教学改革及人才培养方案的修订提出建议。针对以上问题本文将使用华南农业大学数学与信息学院172名毕业生的就业相关数据，其收集到的数据变量包括校区、专业名称、学历、培养方向、单位性质、学院、政治面貌、生源地、毕业设计学分、毕业实习学分、总学分等。
一、毕业生就业情况的数据挖掘
本文通过比较Excel和SQL下的四种数据挖掘分类方法来分析与挖掘毕业生就业情况数据。
（一）朴素贝叶斯方法下的就业分析
运用贝叶斯算法分析已知数据可知，影响高校毕业生就业情况的属性为毕业生是否担任过干部和毕业生所属专业。这显示出担任干部的毕业生就业情况大多较好，大部分属于“已就业”类别。毕业生的专业对就业情况也有很大影响。数据显示出，信息与计算机科学专业毕业生的就业率比数学专业的毕业生就业率高。
（二）逻辑回归方法下的就业分析
通过逻辑回归的分类结果可知，积点对就业有显著影响，同时也挖掘出在“是否担任干部”属性中为“yes”的毕业生倾向于“已就业”属性的概率是100%，政治面貌为“中共党员”的毕业生比政治面貌为“群众”的毕业生的就业率高。从性别来看，女生比男生有优势。
（三）决策树方法下的就业分析
通过决策树方法对已有数据进行分析，其具体结果显示学分和政治面貌对就业有重要影响。辅导员应关注总学分低于172.2且政治面貌不属于“中共党员”这部分学生，鼓励、督促其寻找就业机会。以上结果可以帮助辅导员区分出积极寻找工作的一部分学生，这一部分学生的特征是总学分超过172分，政治面貌为中共党员，积点大于2.678，毕业实于4.1等。
（四）神经网络方法下的就业分析
神经网络方法分析结果如下：政治面貌为“中共党员”的毕业生比政治面貌为“群众”的毕业生的就业率高。在“是否担任干部”属性中为“yes”的毕业生倾向于“已就业”属性的概率是100%，积点处于3.171~3.630区间的毕业生较倾向于“已就业”属性，积点处于2.270~2.759区间的毕业生较倾向于“未就业”属性。
（五）四种数据挖掘方法正确率分析
最后通过分析四种方法的正确率可以得到，朴素贝叶斯方法的正确率较高，因此，可以重点突出朴素贝叶斯方法的结论：大学期间担任过干部和积点较高的毕业生就业情况较好，说明用人单位重视求职者的领导才能，同时也要求毕业生有较好的专业能力。
二、基于毕业生就业数据挖掘的高校教学管理
第一，从数据挖掘方法的分析结果可以看出，整体的数据挖掘效果一般，出现这种现象的主要原因是所得到的毕业生就业情况的数据量较少。从决策树分析结果可以看出，当数据量足够大的情况下，数据挖掘的结果正确率会有很大程度上的提高。因此，学校、教育部门应广泛地收集毕业生就业情况的数据，建立高校毕业生就业情况数据库，为高校掌握毕业生就业情况进行数据挖掘提供优质、全面的数据。在保证毕业生就业信息的大数据性的同时，高校更需要加强数据挖掘技术的建模，应该把数据挖掘结果可视化，与就业数据库进行系统集成，建立具备数据管理和分析功能的高校毕业生数据管理系统。辅导员可以根据数据挖掘系统的反馈，找出求职积极性高的学生和积极性低的学生，求职积极性低对这部分学生进行重点辅导，做到有的放矢，促进此类毕业生早日找到理想的工作岗位。在就业管理中，学校不需要频繁地召集所有毕业生进行就业推动，就能达到事半功倍的效果。第二，高校应重视学生领导才能的培养。由数据挖掘的分析结果看出，企业重视学生的领导素质，学校在招生和教育方面应加强这两个方面。学校可以在招生时倾向招收曾经担任学生干部的新生学生在校学习期间，应鼓励学生担任各种形式的职务，以培养学生的领导才能。在国际上，学生干部领导能力的培养研究发展了近三十年，已经形成了一套科学系统的学生领导能力培训计划[3]。因此，高校在制定科学有效的人才培养方案的时候，应该与这一套学生领导能力培训计划紧密结合，根据学生领导能力培养目标，设置相关选修课程和实习实践学分，使得培养计划能够从始至终贯穿于学生四年的学习，在不同阶段开展不同层次要求的培养计划，在突出培养重点的同时也要细化梯度，确保培养内容更有针对性，让每一位学生都能受益，增强每一位学生的核心竞争力，为其真正成长为对社会有用人才奠定基础。第三，学校应重视专业课的教育。由数据挖掘的分析结果看出，企业重视学生的专业情况。大学教育帮助学生掌握某一专业领域的理论知识，因此学生的专业才能成为企业招收对口人才的重要依据。在现实的专业人才培养计划中，高校还是存在专业课程设置的一些问题，部分与实际应用密切结合的专业课安排在大四阶段，有部分学生因为参加课外实习、找工作、考研等各种原因导致没办法参与完整的课程学习。比如，在本校金融数学与统计学专业的专业课课程设置中，证券投资分析、保险精算学、金融数据挖掘、大数据技术等与现实紧密结合的专业选修课都安排在了大四阶段。在进行新一期课程设置和专业人才培养计划的时候，学校应考虑把相关课程的安排时间尽量向前调整，以方便学生更有效率地参与专业课的学习。第四，学校应注重大学生的思想素质教育。从数据分析结果可以看到，大学生的政治面貌对就业也很重要。同时，在现在的多元文化背景下，高校更必须不断加强大学生的思想素质教育，要意识到现在的大学生是明天社会的中流砥柱，他们的思想状态在可以说代表整个社会的思想状态。大学生作为知识层次较高、认识能力较强但还没有完全走向社会的一个特殊群体，学校通过思想教育，使全体大学生始终保持积极进取的人生态度、昂扬向上的精神状态和不屈不挠的坚强意志，不仅仅关系到学生自身就业，更是关系到高等教育人才培养是否符合企业需要和社会需要的大问题。注重实践教育是加强大学生思想素质的有效途径。高校要重视大学生的社会实践活动，有计划、有选择地地组织学生参观校内外的人文景点、自然科学博物馆、人文历史博物馆，参加社会调查、支教、三下乡等社会活动，让在校大学生加深对本专业的了解、确认适合的职业、为向职场过渡做准备、增强就业竞争优势，也让大学生在参加社会实践活动中磨炼意志、砥砺品格、提高思想政治素质。高校只有组织多样化的社会实践活动，才能将思想素质教育工作落到实处。第五，学校在学生就业和教学管理上要注意学生的性别特点与专业特点。虽然从本学院就业数据挖掘结果显示女生就业优于男生，这是由于数学与信息学院以信息、计算机、数学等理工科专业为主，男女生比例严重失调造成的。我们还是要意识到当前社会上仍然存在女大学生在就业中存在性别歧视的问题，包括就业机会、社会福利的不平等，就业门槛多，条件高，就业职业选择的层面狭窄等现象。同时从计算机类与数据信息类企业的招聘需求上看，企业对男生的需求明显还是大于女生，企业工科招聘需求也要大于纯理科的需求。因此，学校特别是以理工科为主的学院在就业与教学管理中要有针对性地实施有效的就业性别保护政策，根据各专业的就业要求，与各类用人单位、人力资源服务机构合作，普及劳动法、就业促进法、妇女权益保障法等法律法规，并实施能力提升、创业引领、校园精准服务、就业帮扶、权益保护五大行动，促进高校男女毕业生平等就业创业。同时，高校要特别注重鼓励数学理科专业的学生继续考研，注重更多数学的应用方向的引导，努力扩大整体的就业率，从而凸现出高校教学改革与教学管理的价值。
三、结语
本文利用四种数据挖掘方法对毕业生就业数据进行详细的建模分析，同时挖掘出了能够顺利就业的毕业生的特征，以推测出用人单位究竟重视应聘者的哪方面素质。也挖掘出不能顺利就业的毕业生的特征，使得学校能够根据这些特征，对部分应届毕业生进行深入的指导和帮助，帮助他们顺利就业。也为学校进行教学改革和修订本科人才培养计划提供了参考数据，也结合现实情况对高校课程教学改革，人才培养方案制定和学生教学管理方面提出几点建议。
参考文献：
[1]韩春光,许艳丽.高职学生就业质量因素影响调查分析:基于北京地区数据[J].中国职业技术教育,2018(33):56-64.
[2]丁连涛,朱宇,鲁凯.高校毕业生就业状况及就业质量提升研究:以吉林大学为例[J].高等财经教育研究,2016,19(3):5-9.
[3]刘复兴,朱俊华.大学生就业结果的影响因素研究:从人力资本、SCCT职业发展理论的视角[J].西南大学学报(社会科学版),2017,43(5):30-37.
作者:周燕 李凤 黄蔚 单位:华南农业大学数学与信息学院数学系