大學(xué)生學(xué)業(yè)表現(xiàn)對于就業(yè)去向的影響研究

劉中國 蔣浩杰 丁國勇

摘? 要： 大學(xué)生就業(yè)去向的影響因素是復(fù)雜多樣的。本研究以某財(cái)經(jīng)高校金融學(xué)院為案例，來探究學(xué)生學(xué)業(yè)表現(xiàn)對學(xué)生就業(yè)的影響。通過采集應(yīng)屆畢業(yè)生的在校學(xué)習(xí)成績和就業(yè)信息數(shù)據(jù)，應(yīng)用教育數(shù)據(jù)挖掘中的人工神經(jīng)網(wǎng)絡(luò)、決策樹和貝葉斯網(wǎng)絡(luò)等算法，得出學(xué)生學(xué)業(yè)表現(xiàn)的不同對學(xué)生選擇具體行業(yè)以及職位時(shí)有一定的影響。相關(guān)研究成果對于高校專業(yè)培養(yǎng)模式改革及學(xué)生引導(dǎo)有一定的參考價(jià)值。

關(guān)鍵詞： 教育數(shù)據(jù)挖掘； 學(xué)業(yè)表現(xiàn)； 就業(yè)去向； 神經(jīng)網(wǎng)絡(luò)； 決策樹； 貝葉斯網(wǎng)絡(luò)

中圖分類號：TP391.1? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ?文章編號：1006-8228（2023）04-86-05

Abstract： The factors influencing the employment destination of college students are complex and diverse. In this study， taking the school of finance in a financial university as a case， through collecting the academic performance and employment information data of fresh graduates， and using artificial neural network， decision tree and Bayesian network algorithms in educational data mining， we explore the impact of students' academic performance on students' employment. Relevant research results have certain reference value for the reform of professional training mode and student guidance in universities.

Key words： educational data mining; academic performance; graduation destination; neural networks; decision tree; Bayesian network

0 引言

大學(xué)生就業(yè)情況一直是社會(huì)關(guān)注的重點(diǎn)。據(jù)2021年全國大學(xué)生就業(yè)報(bào)告，2021年我國高等院校畢業(yè)生數(shù)量已達(dá)到909.4萬，較2020年增長4.1%。大學(xué)生的學(xué)業(yè)情況與就業(yè)去向存在一定的關(guān)聯(lián)性，大學(xué)生會(huì)依據(jù)自身學(xué)業(yè)表現(xiàn)選擇就業(yè)單位，就業(yè)單位在招聘大學(xué)生時(shí)會(huì)考慮學(xué)生的學(xué)業(yè)表現(xiàn)、實(shí)習(xí)經(jīng)驗(yàn)以及證書獲取等情況。本文欲利用江蘇省某高校生就業(yè)實(shí)際數(shù)據(jù)來探究大學(xué)生就業(yè)去向與其在校期間課程成績、四六級成績、以及所獲取的相關(guān)證書的關(guān)系，以期為學(xué)校人才培養(yǎng)模式改革、學(xué)生發(fā)展等提供一些實(shí)證參考。

1 文獻(xiàn)回顧

國內(nèi)外已有一些學(xué)者使用教育數(shù)據(jù)挖掘方法來探究學(xué)業(yè)表現(xiàn)對就業(yè)去向的影響。Ann Warner研究學(xué)生就業(yè)、教育和健康相關(guān)特征與學(xué)期成績之間的關(guān)系[1]，通過學(xué)生學(xué)業(yè)上的表現(xiàn)預(yù)判其每學(xué)期GPA高低。作者以美國南部四所大學(xué)學(xué)生的學(xué)業(yè)表現(xiàn)數(shù)據(jù)為研究樣本，發(fā)現(xiàn)衛(wèi)生保健專業(yè)學(xué)生的GPA高于非衛(wèi)生保健專業(yè)學(xué)生。Hanna Soroka-Potrzebna探究證書對于就業(yè)的影響[2]，在大學(xué)生就業(yè)過程中，擁有相關(guān)專業(yè)的證書，則可以提高自身在就業(yè)中的核心競爭力。

關(guān)于學(xué)生的學(xué)業(yè)表現(xiàn)對就業(yè)去向的影響，目前有不同的研究方案與研究成果。吳漢卿[3]認(rèn)為大學(xué)生在校學(xué)習(xí)成績作為學(xué)生智力、學(xué)習(xí)態(tài)度等因素的直觀結(jié)果，較為準(zhǔn)確地反映學(xué)生的整體水平。王酈玉[4]就大學(xué)生就業(yè)情況開展實(shí)證研究，構(gòu)建二元Logit模型進(jìn)行回歸分析，分析學(xué)生的性別、家庭背景、在校期間學(xué)業(yè)成績與學(xué)生就業(yè)情況的關(guān)聯(lián)性。李夢竹[5]研究發(fā)現(xiàn)，在畢業(yè)去向上盡管積極的在校表現(xiàn)能夠預(yù)測更優(yōu)的畢業(yè)去向，但出生于弱勢階層的大學(xué)生卻傾向于就業(yè)，而優(yōu)勢階層的大學(xué)生更傾向于深造。馮沁雪[6]研究了我國高校畢業(yè)生專業(yè)興趣對就業(yè)質(zhì)量的影響，考察了成績和學(xué)用匹配在其中發(fā)揮的中介效應(yīng)，分析了影響隨時(shí)間變化的趨勢。程詩婷[7]基于對C9高校博士畢業(yè)生相關(guān)數(shù)據(jù)的分析發(fā)現(xiàn)，博士生教育階段的學(xué)習(xí)結(jié)果并未對其就業(yè)去向形成顯著影響。胡德鑫[8]通過實(shí)驗(yàn)發(fā)現(xiàn)，與其他學(xué)科相比，工科博士畢業(yè)生選擇學(xué)術(shù)職業(yè)的比例占50%以上，另有近一半的畢業(yè)生選擇到企業(yè)或黨政機(jī)關(guān)單位就業(yè)，呈現(xiàn)出多元化發(fā)展趨勢。Sara Morsy[9]提出學(xué)習(xí)淺線性模型，通過學(xué)生的知識狀態(tài)和目標(biāo)課程之間的相似性來預(yù)測學(xué)生的成績。Byungsoo Kim[10]提出DPA，一種帶有判別預(yù)訓(xùn)練任務(wù)的遷移學(xué)習(xí)框架，用于學(xué)習(xí)成績預(yù)測。

2 數(shù)據(jù)預(yù)處理

2.1 數(shù)據(jù)選取

本論文選用的數(shù)據(jù)來源于江蘇省某高校金融學(xué)院432名應(yīng)屆畢業(yè)生的學(xué)業(yè)成績表、四、六級通過詳情表以及考取證書詳情表。該校金融學(xué)院包括信用管理、金融學(xué)、投資學(xué)、保險(xiǎn)學(xué)四個(gè)專業(yè)。在處理模型所需要的輸入數(shù)據(jù)時(shí)，由于學(xué)號、姓名等屬性值是為了標(biāo)識出學(xué)生的惟一性，對挖掘結(jié)果不產(chǎn)生影響，故本文首先排除了這些屬性值的影響。通過觀察可知學(xué)業(yè)成績表具體包含專業(yè)課程、通識課程、基礎(chǔ)課程以及體育課程等課程的所有成績，并且課程成績是按照百分制計(jì)分，本文以學(xué)業(yè)成績表中的各科成績作為模型輸入變量。

2.2 數(shù)據(jù)規(guī)范

在對教務(wù)原始數(shù)據(jù)進(jìn)行相關(guān)處理時(shí)，按照以下規(guī)則對各科目成績展開分類，并劃分為四個(gè)類別。90分到100分之間的成績劃分在第一類；80分到90分之間的成績劃分在第二類；70分到80分之間的成績劃分在第三類；將0分到70分之間的成績劃分在第四類。將處理后的課程成績數(shù)據(jù)作為模型的輸入值，將學(xué)生的畢業(yè)去向類別作為模型的輸出。在模型處理完相關(guān)數(shù)據(jù)后，模型會(huì)自動(dòng)生成相關(guān)結(jié)果報(bào)告。

本文在處理數(shù)據(jù)時(shí)，將畢業(yè)生的七個(gè)就業(yè)方向歸類為兩個(gè)就業(yè)類別。首先合并體制內(nèi)就業(yè)的學(xué)生與去向非金融企業(yè)的學(xué)生，將其就業(yè)類別稱為“非對口專業(yè)就業(yè)類”。在該類別中所有學(xué)生的就業(yè)單位不是與專業(yè)對口的金融單位，故合并選擇證券公司、保險(xiǎn)公司、貿(mào)易公司、投資公司以及國有銀行與股份制銀行的畢業(yè)生，并將其就業(yè)類別稱為“對口專業(yè)就業(yè)類”。

3 實(shí)驗(yàn)分析

3.1 實(shí)驗(yàn)準(zhǔn)備

3.1.1 算法介紹

決策樹是監(jiān)督學(xué)習(xí)算法的一種，主要應(yīng)用于分類問題。決策樹從數(shù)據(jù)中挑選具有區(qū)分性的變量，將數(shù)據(jù)集拆分為兩個(gè)或兩個(gè)以上的子集合，一步一步拆分，最終形成了一棵“樹”，“樹”的每個(gè)葉子節(jié)點(diǎn)代表該分支最終的預(yù)測結(jié)果。人工神經(jīng)網(wǎng)絡(luò)模型中，信息從輸入層開始輸入，每層的神經(jīng)元接收前一級輸入，并輸出到下一級，直至輸出層。并且任何層的輸出都不會(huì)影響同級層，可用一個(gè)有向無環(huán)圖表示。

3.1.2 建模流程（如圖1所示）

⑴ 輸入、輸出變量的設(shè)置：依據(jù)實(shí)驗(yàn)要求將規(guī)范后的數(shù)據(jù)作為模型的輸入變量。并根據(jù)實(shí)驗(yàn)?zāi)康模谀Ｐ椭性O(shè)置相應(yīng)的目標(biāo)變量以探究不同數(shù)據(jù)組之間的關(guān)系。

⑵ 數(shù)據(jù)集的劃分：將數(shù)據(jù)樣本中百分之七十的數(shù)據(jù)劃分成訓(xùn)練集，將百分之三十的數(shù)據(jù)劃分成測試集。如果模型結(jié)果出現(xiàn)過擬合現(xiàn)象，則考慮使用其他比例的訓(xùn)練集與測試集數(shù)據(jù)。例如將數(shù)據(jù)樣本中百分之六十的數(shù)據(jù)劃分成訓(xùn)練集，將百分之四十的數(shù)據(jù)劃分成測試集。

⑶ 選定實(shí)驗(yàn)算法：通過對多次實(shí)驗(yàn)結(jié)果的精度與模型所生成的結(jié)果報(bào)告的對比分析，本文考慮選用決策樹C5.0模型、神經(jīng)網(wǎng)絡(luò)模型、貝葉斯網(wǎng)絡(luò)模型三個(gè)模型展開相關(guān)實(shí)驗(yàn)。

⑷ 模型調(diào)參：在調(diào)用不同的算法做數(shù)據(jù)分析與預(yù)測的過程中，依據(jù)輸入數(shù)據(jù)的特征，本文對實(shí)驗(yàn)中的相關(guān)參數(shù)進(jìn)行調(diào)配以達(dá)到更好的效果。

⑸ 結(jié)果可視化：在算法對數(shù)據(jù)分析、預(yù)測完畢之后，我們將選用分析模塊對算法生成的結(jié)果做可視化的分析。通過表格的形式展示結(jié)果，以給用戶帶來更直觀的體驗(yàn)。

3.2 實(shí)驗(yàn)過程

3.2.1 實(shí)驗(yàn)一、研究學(xué)生各類型的平均成績、四、六級成績、考證情況對就業(yè)去向的影響

⑴ 數(shù)據(jù)準(zhǔn)備

通過調(diào)研432名應(yīng)屆畢業(yè)生以下課程類目中所有科目的平均分，來探尋哪些類型的課程在學(xué)生畢業(yè)去向選擇起著重要的影響。將經(jīng)過分類處理后的專業(yè)課、專業(yè)主干課、專業(yè)選修課、通識課、通識選修課、學(xué)科基礎(chǔ)課、實(shí)踐課、體育課、英語四級、英語六級等各科成績作為模型的輸入變量，學(xué)生的畢業(yè)去向分類數(shù)據(jù)作為模型的輸出變量。

⑵ 調(diào)用模型

將上述實(shí)驗(yàn)一數(shù)據(jù)準(zhǔn)備模塊中的科目成績作為輸入數(shù)據(jù)，調(diào)用圖1所示的相關(guān)模型，進(jìn)行數(shù)據(jù)分析。

⑶ 實(shí)驗(yàn)報(bào)告一

各類型平均成績、四、六級成績、考證情況對學(xué)生就業(yè)去向影響（每個(gè)類別中的柱狀圖依次按照1.神經(jīng)網(wǎng)絡(luò)、2.決策樹、3.貝葉斯網(wǎng)絡(luò)順序排列）

報(bào)告分析：

圖2是利用決策樹C5.0模型、神經(jīng)網(wǎng)絡(luò)模型、貝葉斯網(wǎng)絡(luò)模型這三個(gè)模型得到的各類型科目重要性比較圖。該實(shí)驗(yàn)的報(bào)告結(jié)果顯示：學(xué)科基礎(chǔ)類別下的科目與專業(yè)課類別下的科目以及相關(guān)證書的考取對學(xué)生的畢業(yè)去向有著重要的影響。決策樹C5.0模型、神經(jīng)網(wǎng)絡(luò)模型、貝葉斯網(wǎng)絡(luò)模型這三個(gè)模型對學(xué)科基礎(chǔ)類別的成績與對專業(yè)課類別的成績所預(yù)測重要程度值都達(dá)到0.2以上。決策樹C5.0模型、貝葉斯網(wǎng)絡(luò)模型對于證書獲取所預(yù)測的重要程度值達(dá)到0.2，并且神經(jīng)網(wǎng)絡(luò)模型對其所預(yù)測的重要程度值也接近0.2。說明學(xué)生應(yīng)該把握好學(xué)科基礎(chǔ)類目、專業(yè)課類目中所有科目的學(xué)習(xí)，以及考取專業(yè)所要求的證書。這三個(gè)模型對英語四級成績、實(shí)踐課成績、體育成績所預(yù)測的重要程度值相較與前者來說，數(shù)值較小，即意味著其對于學(xué)生畢業(yè)去向的影響程度較小。

3.2.2 實(shí)驗(yàn)二、探究學(xué)生所有專業(yè)課程、基礎(chǔ)課程成績對就業(yè)去向的影響

⑴ 數(shù)據(jù)準(zhǔn)備

通過調(diào)研432名應(yīng)屆畢業(yè)生專業(yè)課程以及基礎(chǔ)課程中所有科目成績，來探究哪些科目對于學(xué)生在選擇就業(yè)方向上有重要的影響。首先我們從教務(wù)數(shù)據(jù)庫中獲得金融工程、金融企業(yè)會(huì)計(jì)、國際結(jié)算、信用管理學(xué)、保險(xiǎn)學(xué)、商業(yè)銀行業(yè)務(wù)與經(jīng)營、證券投資學(xué)、金融前沿問題，這八門專業(yè)課程成績，以及會(huì)計(jì)學(xué)、貨幣銀行學(xué)、宏觀經(jīng)濟(jì)學(xué)、微觀經(jīng)濟(jì)學(xué)、管理學(xué)、國際貿(mào)易這六門基礎(chǔ)課程成績。然后將所有成績進(jìn)行分類處理，最后將分類處理后的數(shù)據(jù)作為模型的輸入值。

⑵ 調(diào)用模型

將上述實(shí)驗(yàn)二數(shù)據(jù)準(zhǔn)備模塊中的科目成績作為輸入數(shù)據(jù)，調(diào)用圖1所示的相關(guān)模型，進(jìn)行數(shù)據(jù)分析。

⑶ 實(shí)驗(yàn)報(bào)告二

學(xué)生專業(yè)課程成績對第一類就業(yè)去向的影響（每個(gè)類別中的柱狀圖依次按照1.神經(jīng)網(wǎng)絡(luò)、2.貝葉斯網(wǎng)絡(luò)、3.決策樹順序排列）。

結(jié)果分析：

圖3為利用決策樹C5.0模型、神經(jīng)網(wǎng)絡(luò)模型、貝葉斯網(wǎng)絡(luò)模型得到的各科目專業(yè)課成績對第一類就業(yè)去向重要性比較圖。這三個(gè)模型對于預(yù)測就業(yè)類別一的學(xué)生專業(yè)課程的重要性程度有重要意義。通過決策樹 C5.0模型、神經(jīng)網(wǎng)絡(luò)模型、貝葉斯網(wǎng)絡(luò)模型所預(yù)測金融企業(yè)會(huì)計(jì)、金融工程、商業(yè)銀行學(xué)、保險(xiǎn)學(xué)這四門課程重要程度值都達(dá)到0.15以上。說明這四門課程對于學(xué)生未來在非對口專業(yè)單位就業(yè)有著重要影響。該結(jié)論表明：想在非對口專業(yè)單位就業(yè)的學(xué)生應(yīng)該在眾多門類的專業(yè)課上合理分配時(shí)間，著重把握重要課程，為將來的就業(yè)做好知識積累。

⑷ 實(shí)驗(yàn)報(bào)告三

學(xué)生專業(yè)課程成績對第二類就業(yè)去向的影響（每個(gè)類別中的柱狀圖依次按照1.神經(jīng)網(wǎng)絡(luò)；2.貝葉斯網(wǎng)絡(luò)；3.決策樹順序排列）。

結(jié)果分析：

圖4為利用決策樹C5.0模型、神經(jīng)網(wǎng)絡(luò)模型、貝葉斯網(wǎng)絡(luò)模型得到的各科目專業(yè)課成績對第二類就業(yè)去向重要性比較圖。通過決策樹C5.0模型、神經(jīng)網(wǎng)絡(luò)模型、貝葉斯網(wǎng)絡(luò)模型所預(yù)測金融企業(yè)會(huì)計(jì)、金融前沿問題、商業(yè)銀行學(xué)、證券投資學(xué)這四門課程的重要程度值大部分達(dá)到0.15以上，其余也都接近于0.15。說明這四門課程對于學(xué)生未來在對口專業(yè)單位就業(yè)有著重要的影響。這對于未來在專業(yè)領(lǐng)域相關(guān)的公司單位就業(yè)的學(xué)生有著積極的引導(dǎo)作用，該類學(xué)生應(yīng)積極努力學(xué)好相關(guān)課程知識。

3.3 實(shí)驗(yàn)三、預(yù)測學(xué)生畢業(yè)去向

3.3.1 數(shù)據(jù)準(zhǔn)備

通過使用432名應(yīng)屆畢業(yè)生的專業(yè)課程類目中所有科目成績以及課程基礎(chǔ)類目的所有科目成績作為模型的輸入數(shù)據(jù)，來預(yù)測學(xué)生畢業(yè)去向。我們將經(jīng)過分類處理后的保險(xiǎn)學(xué)、商業(yè)銀行業(yè)務(wù)與經(jīng)營、證券投資學(xué)、國際金融學(xué)、中央銀行學(xué)、會(huì)計(jì)學(xué)、貨幣銀行學(xué)、宏觀經(jīng)濟(jì)學(xué)、微觀經(jīng)濟(jì)學(xué)、管理學(xué)、國際貿(mào)易等科目成績作為模型的輸入值，學(xué)生的畢業(yè)去向分類數(shù)據(jù)作為模型的輸出值。

3.3.2 調(diào)用模型

以上述科目成績作為實(shí)驗(yàn)三的輸入數(shù)據(jù)，調(diào)用圖1所示的相關(guān)模型進(jìn)行數(shù)據(jù)預(yù)測。

3.3.3 實(shí)驗(yàn)結(jié)果

如表2所示，三種算法的測試集正確率都在80%以上，這說明三種算法的預(yù)測效果都較為良好，其中正確率最高的算法是神經(jīng)網(wǎng)絡(luò)，為85.85%。從精確度、靈敏度和F1值這三個(gè)指標(biāo)來看，神經(jīng)網(wǎng)絡(luò)相較與決策樹、貝葉斯網(wǎng)絡(luò)有比較好的預(yù)測值。說明在本論文所探究的數(shù)據(jù)關(guān)系中，神經(jīng)網(wǎng)絡(luò)更具適用性。

4 結(jié)論與建議

4.1 結(jié)論

通過以上三個(gè)層面分析與預(yù)測學(xué)生的學(xué)業(yè)表現(xiàn)與畢業(yè)去向的相關(guān)性。首先是從學(xué)生的各個(gè)類型課程角度來探究，哪些類型的課程對學(xué)生的畢業(yè)去向有重要的影響。探究的結(jié)果對學(xué)校將來調(diào)整教學(xué)方案有著重要的作用，學(xué)?？梢灾訌?qiáng)相關(guān)類型課程的建設(shè)。然后將實(shí)驗(yàn)報(bào)告一所得結(jié)論中有重要影響的兩大類課程體系詳細(xì)展開討論，探究兩大類型中的所有科目對學(xué)生畢業(yè)去向的影響大小。從而將重要影響因素確定在具體的課程上，引導(dǎo)學(xué)校大力發(fā)展有重要影響作用的課程。

4.2 建議

首先在課程分類層面上，根據(jù)實(shí)驗(yàn)結(jié)果顯示可知學(xué)科基礎(chǔ)類別與專業(yè)課類別中的所有課程以及相關(guān)證書的考取是重要變量。學(xué)科基礎(chǔ)類別中會(huì)計(jì)學(xué)、貨幣銀行學(xué)、宏觀經(jīng)濟(jì)學(xué)等課程是金融學(xué)院的學(xué)生們了解自己專業(yè)知識的基石，只有在打好此基礎(chǔ)之上，才能游刃有余的學(xué)習(xí)更加高深的專業(yè)知識以及運(yùn)用專業(yè)知識來解決實(shí)際問題。專業(yè)課中的金融工程、金融企業(yè)會(huì)計(jì)、公司金融、國際結(jié)算等課程是學(xué)生們間接了解未來工作的通道，掌握專業(yè)課程中的相關(guān)技能幫助學(xué)生們在未來面對實(shí)際專業(yè)問題時(shí)，能更好的面對與解決。學(xué)生們也就應(yīng)該積極的考取專業(yè)相關(guān)證書，這在未來就業(yè)的時(shí)候是自我競爭力的一部分體現(xiàn)。對于想要應(yīng)聘證券、基金、保險(xiǎn)等行業(yè)的同學(xué)們應(yīng)當(dāng)在學(xué)校就讀期間積極考取對應(yīng)崗位的資格證書，這是行業(yè)招聘的門檻。

其次對于去向第一類就業(yè)單位的同學(xué)，應(yīng)該注重學(xué)習(xí)好金融企業(yè)會(huì)計(jì)、金融工程、商業(yè)銀行學(xué)、保險(xiǎn)學(xué)這四門專業(yè)課程以及貨幣銀行學(xué)、國際貿(mào)易、管理學(xué)這三門基礎(chǔ)課程。學(xué)生們通過學(xué)習(xí)相關(guān)的基礎(chǔ)課程知識，可以了解到如何調(diào)節(jié)國內(nèi)生產(chǎn)要素的利用率，改善國際間的供求關(guān)系，調(diào)整經(jīng)濟(jì)結(jié)構(gòu)，增加財(cái)政收入。學(xué)生在學(xué)好本專業(yè)的同時(shí)也獲得了一定的學(xué)習(xí)能力，培養(yǎng)出一定的學(xué)習(xí)素養(yǎng)，為將來在非金融崗位上奉獻(xiàn)力量做鋪墊。也為將來在公務(wù)員系統(tǒng)、非金融公司工作所需要的能力做一定的積累。

最后對于去向第二類就業(yè)單位的同學(xué)，應(yīng)該注重學(xué)習(xí)好金融企業(yè)會(huì)計(jì)、金融前沿問題、商業(yè)銀行學(xué)、證券投資學(xué)專業(yè)課程以及國際貿(mào)易、宏觀經(jīng)濟(jì)學(xué)、微觀經(jīng)濟(jì)學(xué)、會(huì)計(jì)學(xué)這四門基礎(chǔ)課程。通過金融相關(guān)專業(yè)課程的學(xué)習(xí)，學(xué)生可以掌握金融學(xué)基本知識和理論、金融運(yùn)作和金融市場的基本知識與基本技能；熟悉國際金融規(guī)則、慣例及WTO的運(yùn)行機(jī)制；通曉中國對外金融管理政策法規(guī)，了解當(dāng)代金融市場的發(fā)展?fàn)顩r；運(yùn)用現(xiàn)代化科技手段，進(jìn)行現(xiàn)代金融業(yè)務(wù)操作。幫助自我提升專業(yè)能力。在應(yīng)聘投資、貿(mào)易公司、證券、基金與保險(xiǎn)公司、國有銀行、股份制銀行金融崗位時(shí)，更具有競爭力。

參考文獻(xiàn)（References）：

[1] Ann Warner， The relationship among BSN students'?employment， educational，and healthrelated characteristics and semester grades： A multi-site study[J].Journal of Professional Nursing

[2] Hanna Soroka-Potrzebna， The importance of certification in project management in the labor Market，University of Szzcecin， Al. Papie?a Jana? II 22a， Szczecin 70-453， Poland.

[3] 吳漢卿.基于粗糙集的大學(xué)生學(xué)習(xí)與就業(yè)關(guān)系分析[J].計(jì)算機(jī)技術(shù)與發(fā)展，2017，27（5）：188-191

[4] 王酈玉，張敏，劉雪珂.性別、家庭背景、學(xué)業(yè)成績對就業(yè)的影響[J].合作經(jīng)濟(jì)與科技，2021，16（37）：90-93

[5] 李夢竹.階層背景對大學(xué)生在校表現(xiàn)及畢業(yè)去向的影響研究[J].當(dāng)代教育科學(xué)，2018（6）：88-92

[6] 馮沁雪，曹宇蓮，岳昌君.專業(yè)興趣會(huì)影響就業(yè)質(zhì)量嗎？—基于2009-2019年高校畢業(yè)生就業(yè)調(diào)查的實(shí)證研究[J].教育與經(jīng)濟(jì)，2021，37（4）：56-64

[7] 程詩婷，廖文武.多元化就業(yè)與博士生教育—基于C9高校數(shù)據(jù)的實(shí)證分析[J].研究生教育研究，2020，5（59）：24-30

[8] 胡德鑫，金蕾蒞，林成濤，等.我國頂尖研究型大學(xué)工科博士職業(yè)選擇多元化及其應(yīng)對策略——以清華大學(xué)為例[J].中國高教研究，2017（4）：72-77

[9] Sara Morsy，George Karypis.Sparse Neural Attentive Knowledge-based Models for Grade Prediction[J]//International Conference on Eduacational Data Mining 2017，2017

[10] Byungsoo Kim， Hangyeol Yu，Dongmin Shin， Youngduck Choi.Knowledge Transfer by Discriminative Pre-training for Academic Performance Prediction[J]//International Conference on Eduacational Data Mining 2018，2018

*基金項(xiàng)目：全國教育科學(xué)“十三五”規(guī)劃教育部重點(diǎn)課題“教育大數(shù)據(jù)背景下高校學(xué)生學(xué)業(yè)表現(xiàn)建模研究”（課題號：DIA180378）

作者簡介：劉中國（1997-），安徽滁州人，碩士研究生，主要研究方向：教育數(shù)據(jù)挖掘。