基于知識挖掘的決策樹規則對于工程管理學生個性化擇業決策的支持研究

張新娟，許倩楠

（華北電力大學 經濟與管理學院，北京 102206）

工程管理專業主要是為建筑業、房地產業培養具有專業技術基礎的管理型人才，隨著我國經濟不斷地發展，目前各種基礎性建設如雨后春筍般不斷出現，目前房地產業雖然受到國家宏觀政策的調整，但仍然是目前最熱門的行業之一。在這樣的背景下，工程管理專業的人才在人才市場上的需求較為旺盛，建筑和房地產業相關行業對從事工程管理專業的人才的學歷水平和專業素質要求的越來越高，尤其是對全面復合型的高級人才更是求賢若渴，工程管理專業是目前高校學生就業形勢嚴峻下仍然具有較好就業形勢的專業之一。工程管理專業的畢業生就業范圍十分廣泛，他們可在政府經濟管理部門或建設單位、設計單位、建筑施工企業、工程建設監理單位、房地產開發企業、工程咨詢公司、國際工程公司、投資與金融等單位從事工程管理等工作，也可在高等學校或科研機構從事相關專業的教學或科研工作，工程管理專業的優秀畢業生面臨的選擇較多。

但是我國一直以來受著計劃經濟和傳統思想的影響，學生在擇業的過程中一直希望能夠找到終身可以依靠的一個職業，而現在就業的體制隨著計劃經濟向市場經濟的不斷過渡已經發生了深刻的變革，學校已經打破“統招統分”的模式，轉變為“市場導向，政府調控，學校推薦，學生與用人單位雙向選擇”的就業機制。就業機制的轉變一方面建立了各地人才市場的雛形，一定程度上促進了人才的合理流動，使人才真正成為一種資源并得到重視，有效地促進了我國社會主義市場經濟的發展，提高了我國經濟的發展水平。但另一方面，一些畢業生還是不適應體制變革，畢業生心理上還會存在一些失衡。一些畢業生在面對自主擇業時表現出來的機智、自信使他們在擇業的大軍中脫穎而出，順利的找到了理想的職業。而有一些畢業生社會經歷不多，經驗不夠豐富，與人交際的能力不強等原因使他們在同用人單位打交道的過程中逐漸喪失信心，沒有正確地認識到自身的價值取向，不能客觀地分析自己，不能協調好國家、集體和個人之間的利益關系，以至于給將來工作單位的選擇和事業上的發展帶來了負面的影響。

因此，研究工程管理專業人才的擇業決策，對于工程管理專業人才的擇業決策給予支持不僅可以幫助工程管理專業畢業生做出滿意的就業決策，也可以為更好地實現其自身價值奠定基礎，同時可以為工程管理人才的生涯教育提供理論和實踐的支持，為提高教育教學質量，實現辦學目標從體系上提供支持［1－4］。目前關于高校學生擇業決策的研究中，常用的方法有SWOT方法和五what方法等［5－6］，這些研究是從高校學生自身的特性出發，結合自身的特性對要從事的職業進行分析匹對，忽略了除自身之外的高校學生成功擇業案例對就業決策的指導意義。因此，將國際上最新的智能算法和數據挖掘技術運用到高校學生的就業決策支持中成為目前的研究熱點之一，如陳高波利用支持向量機對大學生的就業情況進行預測［7］；吳亞娟利用因子聚類分析技術對大學生就業的滿意度進行預測等［8］。這些文獻對于智能算法和數據挖掘技術應用于大學生就業預測的相關研究中取得了有益的成果，證實了智能挖掘算法和數據挖掘技術在大學生就業預測相關方面研究的可行性，但是這些研究只能對高校學生擇業給予相應的預測，不能夠根據學生的特點對學生的擇業給出相關的建議。因此，本文擬利用決策樹技術對影響高校學生就業的因素進行分類分析，通過各因素和相應的取值情況形成就業決策相關的決策樹，形成相應分類規則以指導工程管理專業畢業生進行擇業決策。

一、決策樹分類技術

絕大多數決策樹的構建是一種自上而下、分而治之的歸納過程，本質是貪心算法，從根結點開始，對每個非葉結點，找出其對應樣本集中的一個屬性對樣本集進行測試，根據不同的測試結果將訓練樣本集劃分成若干個子樣本集［9］。數據挖掘中的決策樹分類技術可以實現以樣本的屬性作為節點，由屬性的取值作為分支的樹結構，它是利用信息化原理對大量的屬性進行分析和歸納后產生的。決策樹法是數據挖掘中非常有效的分類方法，其中一個較為經典的算法是ID3算法。ID3算法運用信息論將分類對象劃分屬性最小化的思想，算法如下［10－12］：

設S是訓練集，其中類別標識屬性有m個獨立的取值，即定義了m個類Ci（i＝1…m），Ri為數據集S中屬于Ci類的子集，用ri表示子集Ri中元組的數量。S的期望信息量可以用以下公式計算：

設屬性A有v個不同的取值｛a1，a2…av｝，則通過屬性A的取值可將S劃分為v個子集，其中Sj表示在S中屬性A的取值為aj的子集，j＝1…v。如果用Sij表示Sj子集中屬于Ci類元組的數量，則屬性A對于分類Ci（i＝1…m）的期望信息量為：

將A作為決策分類屬性的信息增益為：

該算法需要計算每個決策屬性的信息增益，具有最大信息增益的屬性被選擇為給定數據集S的決策屬性節點，并通過該屬性的每個取值建立由該節點引出的分枝。在建立由該節點引出分枝的數據子集中繼續計算除去已計算的決策屬性節點后的各分類屬性的信息增益，以此類推，計算至最后一個屬性進而生成決策樹。

二、基于云模型的屬性離散化算法

對工程管理專業人才擇業決策的研究中，由于ID3算法需要將各個條件屬性的屬性值轉化成離散型的枚舉變量，因此需要將不是枚舉類型的屬性進行離散化，對于定量化的相關屬性而言，可以采用區間分割法或者是統計分割法予以解決，但是對于定性描述的指標而言，很難準確地直接將其轉化為枚舉變量，例如對于學生的性格評價而言，需要考慮多個方面的結果，既不能單純以心理學的測評問卷定義出其性格類型，也不能從某一個方面的表現對其下結論，必須是綜合多方面因素考慮從而得出結論。這就需要引入一種方法對這樣的屬性進行轉化。

云模型是用離散化的自然語言表示的某個定性概念與其定量表示之間的不確定性轉換模型，在諸多領域得到了廣泛應用。由于云模型可以方便的完成多屬性定量化到枚舉型的語言語義值之間的轉化，因此，云模型同樣也可以解決工程管理專業學生擇業決策中某些屬性難以轉化成枚舉型的問題。目前，由于正態分布與正態隸屬度函數的普遍性，因此正態云具有普適性的理論基礎，正態云和云發生器的應用極為廣泛，因此，本文利用正態云模型對屬性進行處理，其處理步驟如下：

1.假設一個屬性評價所需要的因素集為U＝｛u1，u2，…um｝，其對應的評價集為Vi＝｛vi1，vi2，…vin｝，對于每個因素，可以根據專家意見或者數據庫的統計資料建立一組樣本作為云熵，用逆向正態云發生器可以生成每個因素的概念正態云模型，記為Cij＝（Exij，Enij，Heij）。其中，Cij表示第i個因素對應于評語j的云模型，Exij為第i個因素對應于評語j論域中的中心值，即“云”的分布中心；Enij為第i個因素對應于評語j定性概念的熵，Heij為定性概念的超熵，即熵的不確定性度量，由熵的隨機性和模糊性共同決定。其中，由期望Exij和Enij可以確定出云的期望曲線（MEC）可以由式（4）予以確定。

2.由于一個屬性可以通過n個因素進行判斷得到離散的狀態結果，因此，可以通過提取這n個因素的狀態組成決策矩陣，并且將這些因素的云特征匯總成這個屬性的云特征，從而算出這個屬性的云模型，對于數值型因素，可以利用下式計算云特征：

對于語言定性描述型，需要用下式計算云特征：

3.計算完數值型和語言型的云特征后，可以通過一定的權重將其加權平均后得到最終的屬性云模型，其中權重的確定方法可以用層次分析法或者是熵權法等，為了方便使用，本文用均權法確定權重。

本文以分析學生的性格為例對屬性的離散化算法進行說明：假設學生的性格需要考慮對其心理問卷調查的得分、班主任的評價以及同學的評價三個部分，其中，班主任的評價和同學的評價采用11個評語集：（無，非常差，很差，較差，差，一般，好，較好，很好，非常好，極好），分別表示該學生的外向程度，其語言值用云模型來實現，構成定性評測的云發生器如圖1所示。

圖1 11個評語集的正態云發生器

而心理問卷的分數利用學生管理數據庫的統計分數作為因素的評價值，在轉換中最大值取卷面滿分273分，最小分取0分進行轉換。

圖2 測評得分對應的正態云發生器

假設有一個工程管理專業學生的評語集合如表1所示。

利用式（5）、（6）進行云計算的過程如表2。

表1 一個工程管理專業學生的評語集合

表2 評語集的云計算過程

綜合上述評語，對于心理考核得分進行歸一化，取均權計算可得Ex＝0.675，En＝0.06，反歸一化對照圖2可得，該學生在外向和極外向之間，但是更加符合外向，所以對該學生的性格屬性評價結果為外向。

三、影響工程管理專業學生就業的因素

影響工程管理專業學生擇業決策的因素主要有社會環境因素和個人擇業因素兩個方面，其中社會環境因素主要包括政策因素和經濟因素兩個方面，政策因素和經濟因素的特點具有很強的不確定性；另一方面，影響個人擇業的因素包括性別、性格、個人意愿、家庭意愿、崗位待遇要求、專業技能知識掌握情況、學習能力情況、英語水平、計算機水平等方面。這一部分是可以通過觀察分析從而給出相應結論的，現對這些因素的影響分類分析如下。

（一）個人因素

傳統的職業生涯規劃中將個人的性別和性格作為影響個人擇業的主要因素，并且已經在個人就業決策的實踐中得到了證實，此外，自己是否有明確的職業定位對于大學生職業生涯的決策也有較大的影響，主要表現在有明確的職業定位的大學生對于自己所選的專業課有一定的目的性，對于自己所學的知識具有一定的興趣，在選擇職業時會有明顯的定位和目的感，具有較明顯的就業意愿；而沒有明確職業定位的學生所學知識面較寬，對于自己所學的知識表現一定的強迫性，選擇職業時伺機而動，無明顯的就業意愿。

除上述傳統職業生涯決策所關注的因素外，由于工程管理專業的特點，其影響個人就業的因素還包含是否具有一定的吃苦精神，這是因為工程管理一般需要到施工工程的現場，因此需要經常出差去施工現場，需要具備一定的吃苦能力，此外，由于工程項目管理一般是較復雜的多單位合作的管理模式，因此，個人的溝通能力也是關系到工程管理專業的大學生能否通過面試順利融入工作單位的一個重要因素。

（二）家庭因素

由于當代大學生的年齡結構和自我傳統的積淀，子女與父母之間依賴與被依賴、控制與被控制性較強。因此，大學生在擇業時，在很大程度上受到家庭因素的左右。有的大學生缺乏獨立自主的意識和勇氣，在擇業時完全由父母做主；有的父母出于對子女的溺愛或擔心子女社會閱歷淺，缺乏生活經驗，不允許子女自己做主；家庭的經濟狀況以及家庭的背景也會影響大學生的擇業選擇，有的父母利用自己的社會關系，為子女就業鋪平了一切道路，不用子女操心就業。

就工程管理專業學生從事的相關工作特點而言，工程管理專業的學生從事的工作大多是建筑業以及房地產相關工作，其就業意愿可以大體分為工程技術類從業人員和工程管理類從業人員兩類，其中工程技術類的職業包括工程概預算師、工程造價師、工程監理師、房地產開發人員等等；而工程管理類的職業包括工程會計師，房地產營銷人員、工程設備保管員，工程信息分析員等等。

（三）崗位待遇

崗位待遇要求是指工程管理專業畢業生對工作崗位待遇的確定，不同的畢業生選擇不同，一般來講，工程管理專業畢業生對工作崗位待遇的要求基本上是所定位崗位的平均工資待遇，但是也有些自視甚高的大學生要求的待遇較高，還有些不是很自信的工程管理專業學生要求的待遇偏低，這些情況都在一定程度上影響工程管理專業學生的就業情況。

（四）工作發展前景

當前的大學生群體較之以前計劃分配工作的大學生群體對于工作的看法觀點已經截然不同，其個人的工作自主感更強。除崗位待遇外，很多人更加看中個人的發展前景，在選擇單位時，很多大學生會對以后的發展前景進行展望并予以對比，在崗位待遇相差不大的情況下，大多數大學生會選擇最有發展前景的工作單位，甚至在崗位待遇相差較大的情況下，也會有少數學生選擇較有發展前景的工作。

（五）專業技能知識及動手能力

工程管理專業畢業生的知識面是否廣博，工程管理專業的基礎知識是否扎實，學習成績在班級的排名以及英語和計算機的水平如何，是否具有英語四級證、六級證、計算機等級證、獎學金證書等，這些都是大多數用人單位非常看重的，部分用人單位在招聘工程管理專業學生時明確要求英語要達到六級水平，否則不予考慮。此外，工程管理的相關資質證書更是表明工程管理畢業生專業能力的良好證明，也是工程管理相關單位更加看重的東西。

（六）工作環境

工作環境的因素也是影響大學生擇業決策的一個重要的因素，在就業條件相差不大的情況下，很多學生愿意選擇回家方便的地域進行就業，尤其是女學生，此外，一個較為常見的現象是很多學生在就業季節來臨的時候往往會返回家鄉去尋找合適的工作，并且在家鄉尋找工作也比較容易。

另外，對于工程管理專業的學生而言，還有具體工作環境的因素影響個人就業決策，由于工程管理專業的特點，一般需要和建筑工地或者是新建建筑設施區域內工作，環境一般比較差，例如噪聲、三廢排放以及裝修產生的大量工業污染會限制一些身體不好或難以容忍的學生就業。

四、實例分析

本文通過對某大學就業指導中心的2011年工程管理專業的就業情況進行數據篩選分析，經人工篩選出具有代表性的136條就業學生基本信息和就業情況，結合上文中的分析，形成決策數據表如表3所示。

表3中的序號是標識記錄數用的，在決策分析時該屬性不做參考，就業情況作為決策變量，用D表示，其余屬性作為條件屬性，分別用A1到A13標識。將上述數據表進行屬性值轉化，轉化規則見表4。

表3 華北電力大學學生就業決策數據分析表

表4 屬性取值和決策使用的屬性值轉化規則

利用matlab實現上文中提到的ID3決策樹算法，將轉換后的數據決策表代入進行計算，可以得到最終的決策樹如圖3所示（由于篇幅所限，僅列出置信度超過70%的分支）。從決策樹的分析結果中可以看出，性格和專業情況對工程管理專業學生的就業規劃影響較強，其中性格外向，專業學習較好的學生，大多能夠達成自己的就業規劃意愿，男生和女生之間的就業規劃區別在于，男生在選擇企業時，選擇范圍較廣，不限于能否出差的限制，工程技術類的相關工作和工程管理類的工作都可以選，女生大多不愿意選擇出差較多的工程技術類相關工作，而選擇工程管理類的相關工作。學習一般的畢業生家庭意愿對于就業的規劃影響較大；性格內向的工程管理專業學生一般自主擇業的意識較強，家庭意愿對就業規劃的影響不大，對于性格內向的工程管理專業就業生，如果專業學習較好的，擇業的選擇比較多；性格屬于中間型的學生較多，情況較為復雜，因此生成決策樹的規則較少，專業情況較好的學生的選擇考研的較多，而專業情況一般的女生，按照家庭意愿擇業的較多。

總結上述分析結果，可以得出工程管理專業情況較好的學生選擇的范圍較廣，基本上都有選擇上研究生的意向，而學習一般的學生按照家庭意愿進行擇業的較多，這和實際情況基本相符，因此決策樹生成的工程管理專業學生擇業規則具有一定的合理性。

圖3 實例生成的工程管理專業的就業情況決策樹

六、結論

就業是每一位大學畢業生都要面臨的人生重要選擇，對大學生進行就業決策的研究是十分有必要的。本文結合高校的實際情況，利用挑選出的工程管理專業的就業數據集和數據挖掘中的決策樹分類技術形成以供工程管理專業畢業生擇業時參考的決策樹規則，在形成決策樹時利用云模型對難以離散化的變量進行離散化處理，可以為決策樹算法提供數據基礎。經過實例證明，生成的決策樹規則可以為工程管理專業學生在擇業時提供一定的決策支持，能為工程管理專業學生就業提供個性化決策的支持。

［1］Powell J P，Banks P L.Learningduringaprofessional career［J］.InternationalJournalofCareerManagement，1989（1）.

［2］Phil Hodkinson.Howyoungpeoplemakecareer decisions［J］.EducationTraining，1995（8）.

［3］Feldman D C，Whitcomb K M.Theeffectsofframing vocationalchoicesonyoungadults’setsofcareeroptions［J］.CareerDevelopmentInternational，2005（1）.

［4］Ganzach Y，Pazy A，Ohayun J，Brainin E.Social exchange and organizational commitment：decision－making training for job choice as an alternative to the realistic job preview［J］.PersonnelPsychology，2002（55）.

［5］Paul Greenbank，Sue Hepworth.Improving the career decision－making behaviour of working class students：Do economic barriers stand in the way？［J］.JournalofEuropean IndustrialTraining，2008（7）.

［6］趙北平.大學生職業生涯規劃教程［M］.武漢：武漢理工大學出版社，2007.

［7］張鳳霞，范麗亞，張凡龍.基于支持向量機的大學生考研預測［J］.聊城大學學報（自然科學版），2010（2）.

［8］吳亞娟.基于因子－聚類分析的大學生就業滿意度統計及預測［J］.南京信息工程大學學報（自然科學版），2010（6）.

［9］姚正.關于決策樹分類模型的評分函數研究［J］.管理學報，2005（9）.

［10］劉小虎、李生.決策樹的優化算法［J］.軟件學報，1998（10）.

［11］Pawlak Z，Rough Sets：theoreticalaspectsof reasoningaboutdata［M］.Netherlands：Kluw er A cadern icPublishers.1991

［12］吳艷艷.粗集結合決策樹的一種數據挖掘算法［J］.計算機工程與科學，2004（2）.