大學(xué)生就業(yè)決策的D數(shù)理論評(píng)估方法

莫泓銘

（四川民族學(xué)院圖書館，四川康定 626001）

就業(yè)是民生之本，事關(guān)全民幸福，是社會(huì)不斷向前發(fā)展的主要推動(dòng)力[1-2]. 近年來，社會(huì)用人制度、人才技能的需求等在不斷發(fā)展與完善，就業(yè)環(huán)境、就業(yè)政策與社會(huì)大環(huán)境都發(fā)生了巨大的變化. 大學(xué)生的就業(yè)方式從計(jì)劃經(jīng)濟(jì)時(shí)代的包分配過渡到了市場(chǎng)經(jīng)濟(jì)時(shí)代的自主擇業(yè)、雙向選擇，為大學(xué)生就業(yè)提供了更為廣闊的平臺(tái)與更多的就業(yè)機(jī)會(huì)[3]. 然而，隨著科技的發(fā)展，許多崗位都呈現(xiàn)了科技化、智能化的特點(diǎn)，崗位的需求人數(shù)在不斷減少. 隨著高校擴(kuò)招，每年的大學(xué)畢業(yè)生規(guī)模逐年增大，再加上往年沒有成功就業(yè)及再就業(yè)群體，大學(xué)生的就業(yè)前景不太樂觀. 大學(xué)生就業(yè)不是孤立的個(gè)體事件，事關(guān)其背后的整個(gè)家庭，事關(guān)百姓民生[4]. 在嚴(yán)峻的就業(yè)形勢(shì)下，大學(xué)生需要更新觀念，正確認(rèn)識(shí)并不斷提升就業(yè)能力，運(yùn)用科學(xué)的就業(yè)決策方法，做到既不好高騖遠(yuǎn)又實(shí)現(xiàn)自身能力與崗位最大化匹配.

縱觀大學(xué)生的整個(gè)就業(yè)過程，其就業(yè)選擇所涉及的因素也是眾多的，除了直觀的薪資待遇、工作穩(wěn)定度、加班情況、社會(huì)認(rèn)可度等客觀因素外，還涉及到大學(xué)生自身的家庭背景、專業(yè)功底、個(gè)人愛好等主觀潛在因素[5]. 這些主客觀方面的因素共同左右著大學(xué)生的就業(yè)決策，因此，大學(xué)生的就業(yè)決策問題可視為多屬性決策問題之一.

D 數(shù)理論是一種新的不確定信息表達(dá)與處理方法，它基于證據(jù)理論[6-7]，但又克服了證據(jù)理論的諸多限制與不足. D 數(shù)理論近年來被廣泛應(yīng)用于多屬性決策領(lǐng)域，如項(xiàng)目復(fù)雜性評(píng)估[8]、安全評(píng)估[9-10]、汽車性能評(píng)估[11]、施工方案優(yōu)選[12]、投資決策[13-14]、交通可持續(xù)性評(píng)估[15]，等等. 此外，D 數(shù)理論還和概率語言集[16]、模糊層次分析法[17-19]、SWOT 方法[20]等聯(lián)合用于處理各類生活中實(shí)際問題.

盡管學(xué)者們提出了諸多的方法用于決策問題，但D理論由于其具有更為靈活、寬容度更高等特點(diǎn)，近年來被廣泛應(yīng)用于決策研究中. 特別是對(duì)于非完備信息，D 數(shù)理論能直接表示并處理，而不用強(qiáng)行補(bǔ)全. 大學(xué)生在就業(yè)決策過程中，對(duì)就業(yè)信息的搜集存在著不確定、不完全、不精確等情況，將D 數(shù)理論用于其就業(yè)決策過程，構(gòu)建就業(yè)決策評(píng)估模型，選擇合理的就業(yè)方案，從而幫助大學(xué)生實(shí)現(xiàn)就業(yè)能力與就業(yè)崗位的最大化匹配.

1 預(yù)備知識(shí)

D 數(shù)理論是鄧勇教授于2012 年提出的一種用于表達(dá)和處理不確定信息的工具[21]. 證據(jù)理論在應(yīng)用時(shí)需滿足諸多限制，比如辨識(shí)框架必須完整、框架中的元素間必須兩兩互斥等約束條件，此外還具有“一票否決”制、計(jì)算時(shí)間復(fù)雜度高等不足.D數(shù)理論作為證據(jù)理論的擴(kuò)展，更加貼近實(shí)際，元素之間不強(qiáng)行要求互斥；同一D 數(shù)內(nèi)的各元素信任度之和允許小于1，即允許根據(jù)實(shí)際情況表達(dá)信息，而不需要強(qiáng)行將信息湊完整. D 數(shù)理論的聚集屬性完美地解決了證據(jù)理論組合規(guī)則的指數(shù)級(jí)計(jì)算時(shí)間復(fù)雜度增長問題.D數(shù)理論的相關(guān)定義如下：

假設(shè)Ω為非空有限集合，D 數(shù)是一個(gè)映射，即D:Ω→[0，1]且滿足條件：

其中?是空集，A是集合Ω的任意子集.

D數(shù)的定義存在兩個(gè)特性：

①集合Ω 中的元素不要求兩兩互斥. 比如在語言評(píng)價(jià)中，“一般”“很好”和“好”這三個(gè)元素之間沒有明顯的間隙，很可能會(huì)存在一定的交叉，即不滿足互斥條件，這在證據(jù)理論中是不允許的，但在D數(shù)理論中是允許的，使得決策者在表達(dá)自己的觀點(diǎn)時(shí)，可以更好地結(jié)合自身情況作出評(píng)價(jià).

②識(shí)別框架可以不完備，即同一D 數(shù)的所有映射之和可以小于等于1，而不必硬性要求等于1，這是與證據(jù)理論最大的不同.當(dāng)∑A?ΩD(A)=1時(shí)，說明信息是完備的，否則是不完備的. 由于D 數(shù)這一靈活表達(dá)信息，特別是不確定信息的特點(diǎn)，專家們?cè)跊Q策時(shí)可以根據(jù)自身專業(yè)知識(shí)背景、偏好、經(jīng)驗(yàn)等合理地表達(dá)其觀點(diǎn)，而不用考慮其觀點(diǎn)是否完備的問題.

假如Ω= {d1，d2…di…dn}，則可表現(xiàn)為一種特殊形式的D 數(shù)：D(d1)=v1，…D(di)=vi，…D(dn)=vn. 它也可以被簡化為：

與證據(jù)理論類似，D數(shù)也具有相應(yīng)的屬性.

屬性1（交換不變性）：假設(shè)在同一框架上有2個(gè) D 數(shù)D1={(d1，v1)，…(di，vi)，…(dn，vn)} 和D2={(dn，vn)，…(di，vi)，…(d1，v1)}，那么D1和D2和被認(rèn)為是完全相同的，即它們只是元素的位置不同.

例3：假設(shè)一個(gè)D 數(shù)D={(2，0.1)，(4，0.3)，(5，0.3)，(7，0.3)}，那 么I(D)=2×0.1+4×0.3+5×0.3+7×0.3=0.2+1.2+1.5+2.1=5.

例4：假設(shè)一個(gè)D 數(shù)D={(7，0.2)，(8，0.3)}，那么I(D)=7×0.2+8×0.3=3.5.

D 數(shù)的聚集屬性僅適用于特殊的離散型D 數(shù).在決策評(píng)估中，合理利用D 數(shù)的聚集屬性將會(huì)簡化及加快決策評(píng)估過程.

2 就業(yè)決策評(píng)估模型

基于D數(shù)的大學(xué)生就業(yè)決策評(píng)估過程步驟如下：

①信息收集，包括候選用人單位涉及到的相關(guān)指標(biāo)因素：工資福利、錄用率高低、工作環(huán)境、休假情況、通勤成本、管理情況等.

②信息整理，指對(duì)用人單位的相關(guān)指標(biāo)條件整理，有的指標(biāo)有可能是定量的，有的指標(biāo)有可能是定性的，有的指標(biāo)有可能是積極的，有的指標(biāo)有可能是消極的. 如在①中提到的，工資福利和錄用率通常用定量數(shù)據(jù)表示，而用定性數(shù)據(jù)表示工作環(huán)境、通勤成本則更為方便. 工資福利等指標(biāo)通常而言應(yīng)該是越高越好，是正向的積極指標(biāo)，而通勤成本情況等指標(biāo)卻是消極的，即指標(biāo)值越低越好. 因而需要把定性指標(biāo)和定量指標(biāo)、積極指標(biāo)與消極指標(biāo)等轉(zhuǎn)化為同一類型的指標(biāo). 為了保持與思維習(xí)慣一致性，易于理解，通常會(huì)把定性指標(biāo)轉(zhuǎn)換為定量指標(biāo)，把消極指標(biāo)轉(zhuǎn)換為積極指標(biāo).

③各指標(biāo)權(quán)重確定，在就業(yè)時(shí)，大學(xué)生對(duì)各指標(biāo)的關(guān)注點(diǎn)和偏好程度是不一樣的，通常而言，錄用率、工資福利待遇等指標(biāo)占較大的比重.

④數(shù)據(jù)歸一化處理，對(duì)不同候選用人單位的同一指標(biāo)的數(shù)據(jù)進(jìn)行歸一化處理，從單個(gè)指標(biāo)的層面來體現(xiàn)各用人單位的具體情況，以便后續(xù)信息融合、整理.

⑤D 數(shù)引入，引入D 數(shù)工具，對(duì)各候選用人單位的相關(guān)指標(biāo)數(shù)據(jù)進(jìn)行D數(shù)表示.

⑥D(zhuǎn) 數(shù)集成，運(yùn)用D 數(shù)聚集屬性對(duì)各候選用人單位的相關(guān)指標(biāo)進(jìn)行融合. 需要說明的是，在D 數(shù)聚集屬性中是沒有考慮權(quán)重因素的，若實(shí)際應(yīng)用中需要涉及到權(quán)重因素，因而需要對(duì)D 數(shù)聚集屬性進(jìn)行一定的修改，使其從無權(quán)重聚集工具變?yōu)榧訖?quán)聚集工具.

⑦排序，根據(jù)集成結(jié)果對(duì)各候選用人單位進(jìn)行排序，并將排序結(jié)果呈現(xiàn)給大學(xué)生，供其就業(yè)參考.

構(gòu)建的就業(yè)決策評(píng)估模型如圖1所示.

圖1 就業(yè)決策評(píng)估模型

3 實(shí)例應(yīng)用與討論

大學(xué)生在就業(yè)前，通常會(huì)對(duì)自己的能力與水平進(jìn)行大致的評(píng)估，再結(jié)合自己的偏好，把與自己能力大致相匹配的用人單位納入候選清單，才能提高就業(yè)成功率，而不是隨機(jī)地、盲目地選擇用人單位. 調(diào)研發(fā)現(xiàn)，大學(xué)生在選擇用人單位時(shí)，較為關(guān)心的指標(biāo)有錄用率、工資福利、假期天數(shù)、工作環(huán)境、通勤成本等[22]. 例如，張某是某大學(xué)的應(yīng)屆畢業(yè)生，他目前收到5家用人單位的錄用通知，通過進(jìn)一步搜集這5家用人單位的相關(guān)指標(biāo)信息，發(fā)現(xiàn)這5 家單位的相關(guān)指標(biāo)各不相同，錄用率最高的卻工資最低，假期天數(shù)多的工作環(huán)境和交通滿意度卻一般. 張某倍感困惑，特向?qū)W校招生就業(yè)處的老師請(qǐng)教，如何從這5 家用人單位中選擇性價(jià)比最高的. 對(duì)此，將上述指標(biāo)視為多屬性決策問題中的候選目標(biāo)的屬性，以運(yùn)用D數(shù)理論的決策評(píng)估模型來解決張某的困惑.

第一步，信息收集.張某收集5家用人單位的錄用率、工資福利、假期、工作環(huán)境和通勤成本5 個(gè)指標(biāo)信息，如表1所示.

表1 用人單位基本信息（原始）

第二步，信息整理. 由表1 可知，各項(xiàng)指標(biāo)的相關(guān)數(shù)據(jù)都是積極的，因而無需在積極與消極數(shù)據(jù)間相互轉(zhuǎn)換. 但存在定量與定性數(shù)據(jù)，為方便后期數(shù)據(jù)處理，需要把定性數(shù)據(jù)轉(zhuǎn)換為定量數(shù)據(jù). 結(jié)合表2中的定性信息效用值，表1 中的數(shù)據(jù)指標(biāo)進(jìn)一步統(tǒng)一后得到表3.

表2 定性信息效用值

表3 用人單位基本信息（數(shù)據(jù)整理）

第三步，權(quán)重指標(biāo)確定. 通過調(diào)研，大學(xué)生在就業(yè)時(shí)雖然比較看中工資福利，但與是否最后簽約錄用，即用人單位的錄用成功率相比，卻更看重后者.此外，假期情況、工作環(huán)境和通勤成本等對(duì)大學(xué)生的就業(yè)也有一定的影響. 再結(jié)合張某的個(gè)人主觀側(cè)重和偏好，就業(yè)過程中的各指標(biāo)權(quán)重分配為：

(ω1，ω2，ω3，ω4，ω5)=(0.4，0.25，0.1，0.15，0.1)(4)

其中，ω1 代表錄用率AR的權(quán)重，ω2 代表工資福利WB的權(quán)重，ω3代表假期HD的權(quán)重，ω4代表工作環(huán)境WS的權(quán)重，ω5代表通勤成本TC的權(quán)重.

第四步，數(shù)據(jù)歸一化處理.表3中的數(shù)據(jù)雖然已是統(tǒng)一的定量數(shù)據(jù)，但仍然不能被D 數(shù)理論直接進(jìn)行處理，需要對(duì)其進(jìn)行歸一化操作. 數(shù)據(jù)的歸一化機(jī)制采用當(dāng)前值與最大值的比例的方式來進(jìn)行. 以錄用率AR為例，用人單位A 的得分為94/max(94，64，85，46，73)=1.0000，而用人單位B 的得分為64/max(94，64，85，46，73)=0.6809. 同理可得其他用人單位其他指標(biāo)的得分（表4）.

表4 用人單位基本信息（歸一化）

第五步，D數(shù)引入.運(yùn)用D數(shù)理論對(duì)就業(yè)信息進(jìn)行表示. 以用人單位A 為例，其各項(xiàng)指標(biāo)的D 數(shù)信息表示為

第六步，D 數(shù)集成. 運(yùn)用D 數(shù)的聚集屬性，如式(3)所示，對(duì)各用人單位的D 數(shù)信息進(jìn)行集成. 需要說明的是，在該案例中，并沒有明確的等級(jí)打分，不能直接運(yùn)用式(3)，但可以將各指標(biāo)的權(quán)重信息視為對(duì)各指標(biāo)的等級(jí)打分情況. 以用人單位A 為例，結(jié)合式(3)-(5)，其最終得分為：

同理，可得用人單位B、C、D的最終得分為：

第七步，排序. 用人單位的指標(biāo)信息都是采用的積極指標(biāo)，因而最終的聚集結(jié)果應(yīng)該采用正向排列，即值越大越好. 結(jié)合式(7)-(8)，五家用人單位的最終得分情況如圖2所示，其排序結(jié)果如式(9)所示.

圖2 用人單位最終得分情況

I(C)?I(B)?I(D)?I(A)?I(E)(9)

由上可知，張某應(yīng)將用人單位C 作為首選. 用人單位C 雖然在各項(xiàng)指標(biāo)方面都不是最突出的，但從各指標(biāo)的權(quán)重分布來看，不僅保證了就業(yè)的成功率，同時(shí)也最大限度地平衡了其余指標(biāo). 從決策結(jié)果來看，本文基于D 數(shù)的決策模型與基于證據(jù)理論的模型[22]結(jié)果是一致的，不同的是文獻(xiàn)[22]采用的是信任期間決策方法，得到的值為區(qū)間值，兩兩進(jìn)行比較，再進(jìn)行推導(dǎo)，間接得到最終結(jié)果，沒有直觀地體現(xiàn)用人單位之間的具體差異，而本文所采用的則是直觀的確定數(shù)值，全部直接比較，能直觀地呈現(xiàn)不同用人單位之間的差距. 從另一方面來說，由于證據(jù)理論的融合規(guī)則的計(jì)算時(shí)間復(fù)雜度較高，特別是隨著證據(jù)數(shù)量的增加時(shí)，其時(shí)間復(fù)雜度呈指數(shù)增長，如若候選用人單位數(shù)量或用人單位的指標(biāo)不斷增加時(shí)，其計(jì)算時(shí)間將大幅增加，而D數(shù)的聚集屬性則沒有這方面的缺陷.

4 結(jié)語

本文基于D 數(shù)理論構(gòu)建了就業(yè)決策評(píng)估模型，將復(fù)雜的就業(yè)決策問題，逐步分解，從信息收集、信息整理、指標(biāo)權(quán)重、數(shù)據(jù)歸一化、D 數(shù)表示及D 數(shù)決策等方面進(jìn)行了詳細(xì)表述. 在原始信息收集與整理部分，允許較為寬松地信息表達(dá)模式，即允許定量與定性信息共存和允許積極與消極指標(biāo)共存，有助于收集到更加貼切、真實(shí)的信息，進(jìn)而提高決策有效率. 實(shí)例驗(yàn)證表明，本文建立的就業(yè)決策評(píng)估模型是可行、有效的，具有流程直觀、運(yùn)算簡便等特點(diǎn).本文建立的決策評(píng)估模型不僅可用于就業(yè)決策領(lǐng)域，同時(shí)可以推廣到其他的決策場(chǎng)合，具有普適性與推廣意義.