《学生就业影响的决策分析.doc》由会员分享，可在线阅读，更多相关《学生就业影响的决策分析.doc（7页珍藏版）》请在三一文库上搜索。
1、学生就业影响的决策分析 摘要:本文应用Bayesian网的相关知识理念,把人工智能辅助决策应用到了学生就业影响因素的研究中。利用智能数据处理相关知识,对收集到的毕业生就业信息的大量数据,进行综合分析和不确定性推理,建立了学生就业影响因素预测的贝叶斯网络图、确定了相关参数,并利用近似推理对相关重要参数进行了后验条件概率的分析验证。通过对相关参数观测值的计算,最后归纳出一种可辅助人工过程的智能预测处理方法,并付诸实现。 1、引言 目前,中职学校学生就业难,这是众所周知的。在“双向选择”“自主择业”过程中,既有成功的喜悦,也有无可奈何的叹息。在这方面,无奈和叹息的多半是中职毕业生。对此问题,教育专家
2、提出了职业导向教育,即对中职学生在校学习期间树立全程职业指导理念,要引导学生思考和设计自己的职业生涯,结合社会需求建立自己的知识结构,并进行适当的技能培养,以塑造适应未来就业市场需要的“全人”。这就要求学校科学的分析影响学生就业的因素,从而实施中职学生的教育改革,有重点地对在校学生进行思想教育和职业技能的培养。 应用Bayesian网的相关知识理念,把人工智能辅助决策应用到了学生就业影响因素的研究中。利用智能数据处理相关知识,对收集到的毕业生就业信息的大量数据,进行综合分析和不确定性推理,建立了学生就业影响因素预测的贝叶斯网络图、确定了相关参数,并利用近似推理对相关重要参数进行了后验条件概率的
3、分析验证。通过对相关参数观测值的计算,最后归纳出一种可辅助人工过程的智能预测处理方法,并付诸实现。 数据是进行相关科学研究的依据,是研究工作科学性的一种具体体现,用数据说话是科学研究的一个重要特点。为此,怎样采集数据样本,样本数据是否合理、是否科学,成了影响论文研究成果的重要因素。 2、数据预处理 在研究中,我所运用的样本数据是从已有毕业生信息数据库的数据表上所截取的关于学生相关信息以及就业情况各属性项,然后再把这些数据项生成新的数据表以供研究。这些属性分别是:性别、专业、健康状况、政治面貌、理论综合、专业综合、职业资格证、奖惩情况、学生干部、家庭、就业情况。 供采样用的文本数据是从毕业生信息
4、数据库随机提取出来的,其原始资料数据由学籍处对学生个人记录和就业办对学生就业信息的跟踪记录。 数据的编码是指给数据指定一个特定的符号代码。相关数据在经过编码以后,就可以用对应的代码来表示或调用该数据。数据编码的种类较多,其编码的关键在于对数据的科学分类。 本系统各变量的具体编码如下所示: 性别(A01)、专业(A02)、健康状况(A03)、政治面貌(A04)、理论综合(A05)、专业综合(A06)、职业资格证(A07)、奖惩情况(A08)、学生干部(A09)、家庭(A10)、就业情况(A11) 根据学生就业时统计的实际情况,对采样所涉汲到的一些变量的取值作了一个约定,如下: 性别(A01)有两
5、个可取值:男,女 专业(A02)有两个可取值:理工类, 文经类 健康状况(A03)有两个可取值:残, 健康 政治面貌(A04)有四个可取值:党员, 群众, 团员, 预备党员 理论综合(A05)有四个可取值:差, 良, 优, 中 专业综合(A06)有四个可取值:差, 良, 优, 中 职业资格证(A07)有三个可取值:初级工, 高级工, 中级工 奖惩情况(A08)有五个可取值:三好学生, 省技能奖, 市技能奖, 无, 优秀干部 学生干部(A09)有两个可取值:否, 是 家庭(A10)有两个可取值:城市, 农村 就业情况(A11)有两个可取值:无, 有 3、系统网络模型与参数 贝叶斯网络结构学习的目
6、标是寻找与样本数据拟合得最好(较好)的网络结构,即寻找一个(或多个)最能反应样本数据真实分布情况的网络结构。值得注意的是:贝叶斯网络结构学习的目标只是寻找最好(较好)的网络结构(有向无环图),而不需要得到贝叶斯网络结构的参数(与节点相关联的条件概率表)。 在引用J Cheng的贝叶斯网络构造2研究成果(BN powerConstructor)生成贝叶斯网的过程中,我根据实际情况,做如下设置: 根结点:性别、健康状况、家庭 叶结点:就业情况 初始依赖关系:性别专业、健康状况就业情况、理论综合奖惩情况、专业综合职业资格证、专业综合就业情况 所得到的贝叶斯网络模型经修正后如图3.2所示,各变量之间的
7、相互依赖关系,由系统自动得出。 编码说明: 性别(A01)、专业(A02)、健康状况(A03)、政治面貌(A04)、理论综合(A05)、专业综合(A06)、职业资格证(A07)、奖惩情况(A08)、学生干部(A09)、家庭(A10)、就业情况(A11) 4、结果分析 对中职学校毕业生就业情况进行统计分析,通过应用决策分析方法,进行贝叶斯建模并运用近似推理对就业的毕业生在毕业后的就业情况进行了抽样分析。通过分析可以预测到学校其它准毕业生的就业情况和就业的概率是多少,以及影响就业的各种因素。这对于学校和毕业生个人来说都是一个很有价值的信息:可根据前些年毕业生就业情况的分析,考虑学校的人才培养方向,
8、以适应社会的各种就业需求,使得毕业生的就业率得以提高;同时准毕业学生也可以据此对自身素质进行提高,以便能够更好地为自己的就业创造更有利条件。 根据贝叶斯分类器软件Netica我们可以对系统网络进行分析。我们从学校因素和学生自身因素两个不同角度来看决策分析结果: 1、学生因素 学生自身只有三个节点,分别是性别、家庭、健康状况。其中家庭和健康状况可以直接从节点概率表得出身体健康的就业率要远远高出残疾学生的就业率,而家是农村的学生的就业率要稍高于城市学生,表明家庭经济困难的学生在毕业后就业的可能性大。这个结果正好说明了目前激烈的就业市场竞争的状况,家庭社会经济地位越高的学生凭借自己有力的经济后盾在毕
9、业时更有可能选择各种途径继续学习深造,以推迟就业而不是直接就业;而家庭经济困难的学生希望毕业后立即工作来承担家庭责任,以减轻家庭的重担。对于学生的性别,并不直接影响学生的就业,由节点概率表可以看到,男生选择理工类的要远远多于女生,而女生选择文经类的要远远多于男生,但是其就业率相差不大。这说明对于中职学生来说,就业率和专业关系不大,这可能是因为中职学生的就业方向多是劳动密集型的单位,对专业要求不大。 2、学校因素 从学校因素来看有专业、政治面貌、理论和专业综合、职业资格证、奖惩情况、学生干部这七个节点。在学生就业的前提下,从节点概率可以看出,就业学生选择文经和理工专业的概率相当,且担任过学生干部的概率最大。其次是高级工证、理论综合和专业综合,对就业影响大。这说明对于中职学生当过学生干部会在表达和处事上要优于没有做过学生干部的,这正是大部分的学生进入劳动力市场后最缺乏的,而学生干部在学校期间从事一些相关工作,得到的管理经验就弥补了他们的不足。职业资格认证的重要性是大家都理解的,对于理论和专业综合课程它们对就业影响的概率几乎相当,这就说明职业学校仍然不能忽视对理论课程的教学,而只重视专业课程,因为理论课程对职业资格证有着潜移默化的影响,并且它也是提高学生素质的一个重要途径。