數(shù)據(jù)挖掘在高職學(xué)生職業(yè)發(fā)展分析中的應(yīng)用

摘要：隨著職業(yè)教育改革的不斷深化和畢業(yè)生人數(shù)的逐年遞增，學(xué)生就業(yè)工作和職業(yè)生涯發(fā)展指導(dǎo)工作任務(wù)越來(lái)越重。該文以甘肅林業(yè)職業(yè)技術(shù)學(xué)院信息工程學(xué)院近四年的畢業(yè)生數(shù)據(jù)作為挖掘?qū)ο螅捎昧烁倪M(jìn)的ID3決策樹(shù)算法對(duì)高職學(xué)校應(yīng)往屆畢業(yè)生的基本信息、學(xué)業(yè)成績(jī)、實(shí)踐能力、就業(yè)狀況等數(shù)據(jù)予以挖掘，把挖掘到的規(guī)則運(yùn)用到高職學(xué)生管理服務(wù)和教育教學(xué)中，為高職院校就業(yè)指導(dǎo)部門(mén)提供更多的理論決策支持。

關(guān)鍵詞：數(shù)據(jù)挖掘;ID3算法;職業(yè)發(fā)展分析

中圖分類(lèi)號(hào)：TP311 ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）15-0025-03

目前，許多高職院校都建立了諸如學(xué)生成績(jī)管理系統(tǒng)、就業(yè)數(shù)據(jù)一站式管理系統(tǒng)等。但因缺乏數(shù)據(jù)挖掘技術(shù)，因而只能用于數(shù)據(jù)統(tǒng)計(jì)與匯總，潛在的和有價(jià)值的信息得不到充分發(fā)掘。本文采用決策樹(shù)技術(shù)，探索和分析與高職學(xué)生職業(yè)發(fā)展相關(guān)的數(shù)據(jù)，利用改進(jìn)后的ID3算法試圖找出其中的規(guī)則，構(gòu)造分類(lèi)決策樹(shù)，建立數(shù)據(jù)挖掘模型，利用該模型預(yù)測(cè)新數(shù)據(jù)，發(fā)掘高職學(xué)生職業(yè)發(fā)展的影響因素相關(guān)性研究及應(yīng)用，以在學(xué)生職業(yè)規(guī)劃中提供幫助和指導(dǎo)。

1 數(shù)據(jù)挖掘?qū)嵤┻^(guò)程

1.1 挖掘?qū)ο蠹澳繕?biāo)確定

本文選取甘肅林業(yè)職業(yè)技術(shù)學(xué)院信息工程學(xué)院2015-2018年的畢業(yè)生資料。通過(guò)數(shù)據(jù)挖掘和分析，管理者可以根據(jù)高職學(xué)生的不同特點(diǎn)制定對(duì)應(yīng)的職業(yè)生涯規(guī)劃指導(dǎo)方案。

1.2 數(shù)據(jù)采集

本文的數(shù)據(jù)主要來(lái)源渠道為：畢業(yè)生的基本信息和就業(yè)信息由招生就業(yè)處就業(yè)指導(dǎo)中心獲取，計(jì)算機(jī)等級(jí)成績(jī)、實(shí)踐能力數(shù)據(jù)由二級(jí)學(xué)院競(jìng)賽情況數(shù)據(jù)獲得。學(xué)業(yè)成績(jī)、英語(yǔ)AB級(jí)成績(jī)來(lái)自教務(wù)管理系統(tǒng)。

1.3 數(shù)據(jù)預(yù)處理

因?yàn)閷W(xué)院各部門(mén)業(yè)務(wù)重點(diǎn)不同，各自的數(shù)據(jù)庫(kù)中所存儲(chǔ)的數(shù)據(jù)也會(huì)和預(yù)期的數(shù)據(jù)格式有很大的差異，因此需要進(jìn)行合理的數(shù)據(jù)預(yù)先處理，以解決該問(wèn)題。

1.3.1 數(shù)據(jù)集成

把不同來(lái)源、格式、特點(diǎn)性質(zhì)的數(shù)據(jù)在邏輯上或物理上有機(jī)地集中稱之為數(shù)據(jù)集成?！皩W(xué)生基本信息表”“學(xué)業(yè)成績(jī)表”“畢業(yè)生就業(yè)匯總表”等數(shù)據(jù)表眾多，需要跨數(shù)據(jù)庫(kù)去查找多個(gè)表，因此在收集到數(shù)據(jù)之后，根據(jù)數(shù)據(jù)屬性間以及屬性所在表之間的關(guān)系，去除所有代碼項(xiàng)和無(wú)關(guān)的數(shù)據(jù)項(xiàng)，將全部所需數(shù)據(jù)項(xiàng)集成到一個(gè)數(shù)據(jù)表，命名為“就業(yè)信息匯總表”，如圖1所示。

1.3.2 數(shù)據(jù)清理

在數(shù)據(jù)庫(kù)中的數(shù)據(jù)中含有噪聲、數(shù)據(jù)表示方式不一致等，有些數(shù)據(jù)不完整，有些感興趣的屬性可能缺少屬性值，例如學(xué)生的全國(guó)計(jì)算機(jī)等級(jí)考試，如果未參加考試或者考試沒(méi)有通過(guò)，則該項(xiàng)數(shù)據(jù)為Null，需要通過(guò)一些方式予以補(bǔ)充。同時(shí)對(duì)數(shù)據(jù)庫(kù)中無(wú)效的數(shù)據(jù)記錄進(jìn)行清除，如有退學(xué)、開(kāi)除的學(xué)生等，可將其記錄予以刪除。對(duì)于休學(xué)、留級(jí)的學(xué)生數(shù)據(jù)需要?dú)w集到復(fù)學(xué)后的班級(jí)中再予以挖掘。

1.3.3 數(shù)據(jù)歸約

在收集到的學(xué)生相關(guān)信息數(shù)據(jù)庫(kù)中所包含屬性非常多，但是有些數(shù)據(jù)和數(shù)據(jù)挖掘并不是很相關(guān)，并且規(guī)約后執(zhí)行數(shù)據(jù)挖掘結(jié)果與規(guī)約前執(zhí)行結(jié)果相同或幾乎相同，可通過(guò)冗余屬性的刪除，將屬性有大量不同的值但是這個(gè)值影響因子較小的刪掉;將各屬性值進(jìn)行轉(zhuǎn)，如把就業(yè)狀態(tài)分為“就業(yè)”“應(yīng)征入伍”“升學(xué)”“待就業(yè)”四種情況;對(duì)連續(xù)數(shù)據(jù)值數(shù)據(jù)離散化，如學(xué)業(yè)課程成績(jī)通常以百分比表示，需將所有課程的成績(jī)進(jìn)行匯總后計(jì)算平均值，利用GPA標(biāo)準(zhǔn)公式計(jì)算后將其離散為“優(yōu)秀”“良好”和“一般”三類(lèi)。

1.4 訓(xùn)練集與測(cè)試集的選擇

本文對(duì)收集到1048條的學(xué)生相關(guān)信息進(jìn)行整理，將2015-2017屆畢業(yè)生數(shù)據(jù)處理后得到的629條有效記錄作為訓(xùn)練樣本數(shù)據(jù)，通過(guò)改進(jìn)的ID3算法生成決策樹(shù)模型，然后用2018屆畢業(yè)生的228條數(shù)據(jù)作為測(cè)試數(shù)據(jù)集，作為驗(yàn)證模型驗(yàn)證規(guī)則。通過(guò)數(shù)據(jù)的歸約，最終得到的數(shù)據(jù)樣本集統(tǒng)計(jì)如表1所示。

2 改進(jìn)的ID3算法在畢業(yè)生就業(yè)分析中的實(shí)施

改進(jìn)的ID3決策樹(shù)構(gòu)造的步驟為：

（l）將表中屬性值作數(shù)據(jù)源，通過(guò)公式[IX=-j=1mPjlog2Pj]分別計(jì)算各個(gè)屬性的信息熵;

（2）通過(guò)改進(jìn)的基于動(dòng)態(tài)屬性權(quán)值的ID3算法公式Gain（S，C）=I（S）–[ωI]*E（S，C）計(jì)算信息增益，將最大信息增益的屬性設(shè)置為根節(jié)點(diǎn);

（3）遞歸計(jì)算每個(gè)子集，步驟（1）和（2）被每一個(gè)子集依次調(diào)用。用相同的算法計(jì)算其余各屬性值的信息增益并進(jìn)行分類(lèi)，直到每個(gè)屬性對(duì)應(yīng)于單一值或者樹(shù)的增長(zhǎng)超過(guò)一定的規(guī)模為止。

2.1 構(gòu)造決策樹(shù)

根據(jù)就業(yè)信息訓(xùn)練樣本集記錄統(tǒng)計(jì)表（表1），將其中2015-2017屆畢業(yè)生數(shù)據(jù)共629條，作為訓(xùn)練樣本數(shù)據(jù)集S，根據(jù)畢業(yè)生就業(yè)狀況分為四類(lèi)：就業(yè)（A）、應(yīng)征入伍（B）、升學(xué)（C）、待就業(yè)（D）。

訓(xùn)練樣本集S中有629個(gè)元組，A、B、C、D四個(gè)子集中元組個(gè)數(shù)分別為：S1=467，S2=25，S3=76，S4=61。

所以性別的熵值為：

用相同方式分別計(jì)算專(zhuān)業(yè)、是否為學(xué)生干部、學(xué)業(yè)成績(jī)、實(shí)習(xí)實(shí)踐成績(jī)、英語(yǔ)AB級(jí)獲得情況、計(jì)算機(jī)等級(jí)證獲得情況、競(jìng)賽能力的熵值。

根據(jù)改進(jìn)的屬性權(quán)值選擇方法，在此對(duì)訓(xùn)練樣本集的計(jì)算屬性權(quán)值和信息增益，最終結(jié)果如下表2：

通過(guò)以上結(jié)果分析發(fā)現(xiàn)，改進(jìn)后的算法計(jì)算所得的實(shí)習(xí)實(shí)踐成績(jī)的信息增益值為0.360，遠(yuǎn)高于其余屬性的信息增益值，所以“實(shí)習(xí)實(shí)踐成績(jī)”將作為決策樹(shù)的根節(jié)點(diǎn)。計(jì)算每個(gè)分支并根據(jù)信息增益導(dǎo)出下一個(gè)決策屬性，通過(guò)改進(jìn)后的ID3算法計(jì)算信息增益，構(gòu)建了初始決策樹(shù)，通過(guò)后修剪決策樹(shù)的方法，剪枝后的決策樹(shù)如下圖2所示：

2.2 規(guī)則提取

決策樹(shù)分類(lèi)規(guī)則的信息表示一般為生成規(guī)則方法，即對(duì)生成的決策樹(shù)先序遍歷，使用已建立的決策樹(shù)，在每個(gè)節(jié)點(diǎn)上生成“IF...THEN”規(guī)則。根據(jù)上面生成的決策樹(shù)，本文生成以的部分重要分類(lèi)規(guī)則如下：

（1）IF（實(shí)習(xí)實(shí)踐成績(jī)=“優(yōu)秀”）AND（是否班干部=“是”）THEN Prediction='就業(yè)'Probability=0.673

（2）IF（實(shí)習(xí)實(shí)踐成績(jī)=“優(yōu)秀”）AND（是否班干部！=“是”）AND（學(xué)業(yè)成績(jī)=“優(yōu)秀”）THEN Prediction='就業(yè)'Probability=0.860

（3）IF（實(shí)習(xí)實(shí)踐成績(jī)=“優(yōu)秀”）AND（是否班干部！=“是”）AND（學(xué)業(yè)成績(jī)=“良好”）THEN Prediction='就業(yè)'Probability=1

（4）IF（實(shí)習(xí)實(shí)踐成績(jī)=“良好”）AND（競(jìng)賽能力=“強(qiáng)”）THEN Prediction='就業(yè)'Probability=0.848

（5）IF（實(shí)習(xí)實(shí)踐成績(jī)=“良好”）AND（競(jìng)賽能力=“中”）AND（性別=“男”）THEN Prediction='應(yīng)征入伍'Probability=0.089

（6）IF（實(shí)習(xí)實(shí)踐成績(jī)=“良好”）AND（競(jìng)賽能力=“弱”）THEN Prediction='升學(xué)'Probability=0.508

（7）IF（實(shí)習(xí)實(shí)踐成績(jī)=“良好”）AND（競(jìng)賽能力=“弱”）THEN Prediction='就業(yè)'Probability=0.426

（8）IF（實(shí)習(xí)實(shí)踐成績(jī)=“一般”）THEN Prediction=“待就業(yè)” Probability=0.633

從決策樹(shù)規(guī)則中可以得出，對(duì)于高職院校畢業(yè)生，實(shí)習(xí)實(shí)踐成績(jī)、計(jì)算機(jī)水平、專(zhuān)業(yè)課成績(jī)、競(jìng)賽能力和是否班干部對(duì)職業(yè)發(fā)展的影響因子比較大，實(shí)習(xí)實(shí)踐成績(jī)、專(zhuān)業(yè)課成績(jī)、競(jìng)賽能力和是否班干部高效的投入力度將對(duì)畢業(yè)生的職業(yè)發(fā)展起到極其重要的作用。

2.3 分類(lèi)規(guī)則驗(yàn)證

將生成的規(guī)則按照IBMSPSS語(yǔ)法進(jìn)行規(guī)范后，連同驗(yàn)證數(shù)據(jù)集導(dǎo)入SPSS軟件，通過(guò)決策樹(shù)分類(lèi)預(yù)測(cè)功能，生成2018屆228條畢業(yè)生的就業(yè)狀態(tài)數(shù)據(jù)，預(yù)測(cè)結(jié)果保存到畢業(yè)去向字段中。

通過(guò)實(shí)驗(yàn)所得預(yù)測(cè)結(jié)果如表3所示。將預(yù)測(cè)得到的分類(lèi)結(jié)果與學(xué)生初次就業(yè)情況統(tǒng)計(jì)表予以比較，其中正確的記錄有172個(gè)，不正確的記錄56條，正確率為75.4%，分類(lèi)的準(zhǔn)確度還是比較高的，模型可用于對(duì)準(zhǔn)畢業(yè)生數(shù)據(jù)進(jìn)行預(yù)測(cè)和決策支持。

對(duì)預(yù)測(cè)結(jié)論和誤差分析，2018屆畢業(yè)生中選擇就業(yè)的人數(shù)大于了70%，為高職畢業(yè)生的發(fā)展主渠道，基本符合實(shí)際情況。應(yīng)征入伍預(yù)測(cè)為4，屬性對(duì)結(jié)果影響較小，很難準(zhǔn)確預(yù)測(cè)。升學(xué)人數(shù)誤差較大，這是因?yàn)椴糠謱W(xué)生會(huì)放棄升學(xué)而選擇就業(yè)的情況。而待就業(yè)誤差，主要是因政策原因有業(yè)不就的影響，但隨著甘肅省就業(yè)政策的變動(dòng)，因各類(lèi)招考而有業(yè)不就的情況將有所減少。對(duì)于預(yù)測(cè)結(jié)果為未就業(yè)的學(xué)生，要加大關(guān)注度，從而提高畢業(yè)生的就業(yè)質(zhì)量。

3 職業(yè)發(fā)展決策支持系統(tǒng)的實(shí)現(xiàn)

在前文得出模型的基礎(chǔ)上，進(jìn)一步建立決策支持系統(tǒng)，針對(duì)本文內(nèi)容，經(jīng)過(guò)分析系統(tǒng)的需求和功能之后，開(kāi)發(fā)一個(gè)就業(yè)決策支持系統(tǒng)，系統(tǒng)中應(yīng)用前文所得決策規(guī)則，實(shí)現(xiàn)學(xué)生就業(yè)狀態(tài)的統(tǒng)計(jì)和預(yù)測(cè)，獲得“職業(yè)生涯預(yù)測(cè)”結(jié)果，也可通過(guò)學(xué)生或姓名抽取學(xué)生信息，將預(yù)測(cè)出個(gè)體學(xué)生的就業(yè)狀態(tài)，顯示在預(yù)測(cè)狀態(tài)欄中，如圖3所示。

4 結(jié)語(yǔ)

本文首先提出了目前高職院校就業(yè)制度的實(shí)際情況，然后指出利用決策樹(shù)技術(shù)挖掘?qū)W生職業(yè)發(fā)展信息的必要性，完成了問(wèn)題確定、數(shù)據(jù)收集、集成、清理和轉(zhuǎn)換等一系列的數(shù)據(jù)挖掘和處理任務(wù)，并利用改進(jìn)的基于動(dòng)態(tài)屬性權(quán)值的ID3算法利用生成的決策樹(shù)產(chǎn)生的分類(lèi)規(guī)則，建立就業(yè)狀態(tài)預(yù)測(cè)模型，通過(guò)在高職院校學(xué)生職業(yè)發(fā)展預(yù)測(cè)中的應(yīng)用，并利用信息工程學(xué)院2018屆畢業(yè)生的信息對(duì)就業(yè)狀態(tài)預(yù)測(cè)模型進(jìn)行驗(yàn)證。利用所得規(guī)則開(kāi)發(fā)了職業(yè)發(fā)展決策支持系統(tǒng)。經(jīng)分析驗(yàn)證，優(yōu)化后的ID3算法——基于動(dòng)態(tài)屬性權(quán)值的ID3算法應(yīng)用于解決高職院校學(xué)生職業(yè)發(fā)展預(yù)測(cè)問(wèn)題效果良好，所得結(jié)論可為學(xué)院管理者做出合適的決策有所幫助，進(jìn)一步提升職業(yè)生涯指導(dǎo)工作效果。

參考文獻(xiàn)：

[1] 孫麗爽.決策樹(shù)技術(shù)在高校就業(yè)分析系統(tǒng)中的應(yīng)用[D].西安理工大學(xué)，2017.

[2] 武文廷.一種基于動(dòng)態(tài)屬性權(quán)值的ID3算法改進(jìn)[J].電腦知識(shí)與技術(shù)，2019（2）.

[3] 陰亞芳，孫朝陽(yáng).決策樹(shù)算法在實(shí)踐教學(xué)中的應(yīng)用研究[J].計(jì)算機(jī)與數(shù)字工程，2018（06）：1078-1088.

【通聯(lián)編輯：代影】