中職畢業生跟蹤調查中數據挖掘技術的應用

摘 要：隨著社會企業對于中職專業技能型人才的質量要求越來越高，中職學校開始注重人才培養質量和提高畢業生就業質量，這種情況下，我校在畢業生跟蹤調查中進行了數據挖掘分析，以找出畢業生的就業規律，探索提高中職人才培養質量與就業質量的辦法，為中職學校改革提供更加科學依據。

關鍵詞：中職畢業生；數據調查；數據挖掘分析

1 關于數據挖掘技術

如今，數據庫與人工智能技術已廣泛應用于社會生活的各個領域，而數據挖掘技術作為數據庫基礎上興起的信息管理新技術之一，其能夠自動分析數據庫及數據倉庫里的數據，尋找出潛在的未知的內部規律，根據用戶需求針對有用信息進行整理歸納，從而體現出數據內部的關聯性，建立對信息預測與決策具有重要意義的新型業務模式，為決策者提供參考和依據。數據挖掘分析過程通過分為四步：一是清理數據庫數據，進行集成以后存入數據倉庫；二是選擇與變換數據倉庫里的數據；三是應用數據挖掘算法挖掘變換數據，主要包括決策樹算法、關聯、聚類分析等算法，同時給出所需結果；四是向用戶提供分析結果。其中涉及數據挖掘算法包括多種，常用算法主要包括決策樹分析算法、關聯分析算法、聚類分析算法等。

1.1 決策樹分析算法

該算法是一種常用算法，主要在數據處理中應用樹狀結構產生的規律。首先在信息量最大的字段中找到有價值的信息，建立樹的一個內部節點，一個內部節點會對應到某項屬性的測試，根據測試得到的每一個可能值來建立樹的各個分枝葉節點，然后在每個分枝上分別遞歸上述過程。可以認為樹的中間節點代表測試條件，樹的分枝代表測試結果，而各分枝節點代表分類后的分類結果。

1.2 關聯分析算法

關聯規則就是在數據處理中挖掘數據之間的相互聯系。最為著名的關聯規則發現方法是R.Agrawal提出的Apriori算法。關聯規則的發現可分為兩步，首先是迭代識別所有的頻繁項目集，要求頻繁項目集的支持度不低于用戶設定的最低值；其次是從頻繁項目集中構造置信度不低于用戶設定的最低值的規則。

1.3 聚類分析算法

該算法主要是在數據處理中對數據根據一定的分類規則進行合理地劃分，把具有相似性特征的數據歸為一類，通過聚類把數據集轉化為類集。在聚類的過程中人們可以從中發現數據分布的一些特征，對這些特征進行分析，從而得出相應的結果。

2 中職畢業生跟蹤調查中數據挖掘技術的應用

2.1 數據挖掘技術的應用情況

進行數據挖掘分析以前，先把我校近幾年畢業生就業數據進行數據清理集成，對空值和離散值等進行清除，再以EXCEL為工具開展數據挖掘分析，通過關聯算法和聚類算法，從中找出畢業生的就業規律。

一是應用聚類分析算法，把專業、職業、行業、工作城市、首份工作獲取渠道等列為輸入列，經過分析后可以分成省內和省外兩類。整體而言，中職畢業生的就業行業分類不顯著，就業工作城市相對集中，本校所在城市就業達25.8%，省內周邊城市達31.2%，外省就業達43%。其中一類以就業城市、渠道、崗位三個維度開展觀察，城市分布以本市和省內周邊城市為主，工作獲取渠道以個人求職、親友介紹、媒體招聘、參加招聘會、頂崗實習為主；其中焊接技術應用專業就業率最高，達到85.2%，其次是機械加工技術專業，達到68.2%；其中二類以就業城市、渠道、崗位三個維度開展觀察，城市分布以上海、北京為主，工作獲取渠道以個人網站求職、媒體招聘、參加招聘活動和訂單式培養為主；與一類相同，焊接技術應用、機械加工技術、數控技術應用就業優勢明顯，而計算機崗位就業相對困難。

二是應用關聯分析算法，應用專業代碼以及職業類別進行關聯分析，通過分析結果可知：焊接技術應用、機械加工技術、數控技術應用更傾向從事專業技術類崗位，其概率為86.5%；而建筑裝飾等專業更傾向于藝術類崗位，其概率為82.3%。

2.2 有效提高中職畢業生就業滿意度

中職畢業生跟蹤調查中應用數據挖掘分析的重要意義是：尋找掌握中職畢業生的就業規律，為中職學校就業工作提供決策依據和數據支持。我校通過近年來對畢業生的就業城市、崗位、行業、待遇等跟蹤調查，并進行數據綜合分析，掌握了許多有意義的信息內容。從歷年就業城市和就業層次的分布來看，可以有效觀察整體就業市場的發展變化情況，并做好全面掌控，為學校今后的專業培養方向提供決策依據。從就業渠道分析，目前訂單式培養模式仍然具有一定的市場發展空間，因此中職學校必須與對口企業密切聯系，充分利用校企合作的優勢條件，向需求企業提供更多合格優秀人才。就業崗位情況而言，我校畢業生崗位分布并不均衡，應對就業薄弱崗位進行深入探究，查找出原因，有效提高就業率，實現專業對口，人盡其才，才盡其用。確保學校就業工作能夠穩步發展。

從聚類分析結果可知，本市、周邊城市的就業比例相對較高，體現了我校立足地方經濟發展服務的辦學宗旨，而在上海、北京等地的就業情況也相對理想，其中多數畢業生從事技術類崗位和現代服務業崗位，表明這些地區專業技術類人才短缺，現代服務業人才擁有廣闊市場，因此，學校應針對這些專業加強培養人才的質量，為需求地區培養更多優秀人才，有效提高中職畢業生就業滿意度。

從關聯分析結果可知，學校就業與教學環節應做好銜接工作，教學上應加強專業建設，注重教學與工作職業的關聯性，例如建筑裝飾專業應加入藝術指導和客戶服務等相關課程內容，從而有效滿意現代服務業發展需求，實現學生滿意就業。

2.3 全面提升人才培養模式和質量

應用聚類算法針對我校2014屆畢業生跟蹤調查的數據挖掘分析結果可知，學生自主創業人數相比往年有所增加，達到7.5%。以我校每年畢業1000人計算，每年自主創業人數75人，相當于二個班級的總人數。學校據此應幫助有自主創業的中職學生，幫助他們掌握更多的創業技能，提供創業指導服務，在教育教學上應加以改革，可以嘗試將有創業意向的中職學生集中授課或者輔導，設立“創業班”，可以根據專業方向加以創業引導，或者以第二專業選學方式開展，針對創業班制定獨立的人才培養計劃和方法，整合相關課程內容，為創業班學生服務，例如為創業班開設市場營銷、會計管理、稅務稅收等課程內容，同時注重創業實踐教育，發揮學校創業實訓室以及創業基地的作用，讓創業班學生學會創業技能，增強創業經驗。學校還應加大校企合作力度，開展訂單式培養，讓學生進入企業實習實訓，畢業后直接進入企業工作，從而減輕學生就業壓力等。

3 結語

有效提高中職學校畢業生的就業率，是中職學校面臨的最重要的難題，中職學校的人才培養質量和就業質量對于促進學校發展具有重要意義。本文對中職畢業生跟蹤調查中數據挖掘技術的應用進行探究，旨在通過關聯算法和聚類算法，從中找出畢業生的就業規律，從而探索提高中職人才培養質量與就業質量的辦法，為中職學校改革提供更加科學依據。

參考文獻

[1] 陶蘭.數據挖掘技術在高等學校決策支持中的應用[J].北京：中國農業大學，2003，8 （2） ：39-41.

[2] 楊悅.數據挖掘在高校招生工作中的應用前景[J].教育科學，2007，10：66-68.

[3] 張亦輝.基于數據挖掘技術的應用分析[J].計算機光盤軟件與應用，2012，1：137-138.

作者簡介

海艷（1972-），女，本科，講師，研究方向：計算機教學。