大数据时代的精准就业指导

大数据技术为精准就业开展插上了技术的翅膀。利用大数据技术，分析挖掘学生就业有关的大数据，有效实现就业指导“学生画像”的精准化、就业指导目标选取的精准化、就业指导过程实施的精准化、就业指导评测反馈的精准化等。指导过程遵循以下生成路径：

（一）精准“学生画像”——洞悉学生情况

精准就业指导基于精准识别学生的就业情况，强调就业指导必须从学生实际情况出发，并满足学生个性化的实际要求。由于每个学生的就业情况产生的原因千差万别，就业诉求背后的故事各不相同，仅仅通过学校外在的表现，如就业数据、课堂表现或就业诉求等直观认识，是无法全面掌握学生就业实际情况的，还需要结合学生习惯爱好、生活方式等间接信息进行分析。“学生画像”就是根据学生就业有关的直观数据信息和间接数据信息而构建出来的标签化学生模型，它能够概括出学生就业信息全貌，使就业指导人员可以精准、快速地了解学生情况，为之后的精准就业指导奠定良好基础。创建“学生画像”的流程如下：

1.学生数据的获取

随着智慧校园、移动终端技术以及大数据技术的快速发展，学生在校学习生活的方方面面被记录并保存下来，有效推进就业指导工作的开展。学生数据的获取有多重途径：可以通过教务系统获取学生的基本信息，如成绩信息、获奖信息等；可以通过图书馆系统获得学生阅读信息，如图书借阅情况、阅读爱好等；可以通过信息中心获得学生生活情况，如上网情况、宿舍出入刷卡记录、餐厅消费记录等。在获取学生信息时，信息的真实性、全面性和及时性是最重要考虑的因素。

2.学生数据的分类

对于高校学生群体而言，学生就业数据可分为学生的基本信息、学习生活习惯、就业偏好和就业期待四种类型（其中，Stu＿infor代表学生的基本信息，Stu＿custom代表学生的学习生活习惯，Stu＿prefer代表学生的就业偏好，Stu＿expect代表学生的就业期待）。其中，基本信息主要包含学生学号、姓名、性别、年龄、专业、学习成绩、获奖情况等，标签的形式化表示为：Stu＿infor＝｛ID，Name，Gender，Age，Major，Marks，Ranks，…｝；学习生活习惯主要包含出入宿舍记录、上网记录、借书记录、资源下载等，标签的形式化表示为：Stu＿custom＝｛In－out，Surf，Borrow，Download，…｝；就业偏好主要包含就业兴趣、招聘方式、招聘信息选择等，标签形式化表示为：Stu＿prefer＝｛Major－interest，Teaching－way，Study－choice，…｝；就业期待主要包含就业目标、家长期待、教师评价等，标签的形式化表示为：Stu＿expect＝｛Goal，Parents－expect，Teacher－comment，…｝。在对学生数据分类时，群体学生的特征需要依据一定工作经验进行甄别。

3.“学生画像”模型的建构(www.xing528.com)

学生数据分类后，由于数据量的不断增大导致数据标注结构趋于复杂，信息多源异构、噪声标签的问题逐步凸显，所以建构“学生画像”模型尤为重要。模型的建构应按以下步骤进行：第一步要对数据进行一致性和有效性的处理；第二步要对单个标签属性间的相关性进行分析，建立回归方程，明确单个标签属性间的相关程度；第三步要建立包括学生群体的基本信息、学习生活习惯、就业偏好、就业期待四个维度多层次的标签体系（形式化表示为SP＝｛Stu＿infor，Stu＿custom，Stu＿prefer，Stu＿expect｝），开展多个标签之间的大数据量化分析。所以，在进行“学生画像”时，既可以为一个学生进行“学生画像”，也可以为特定学生群体进行“学生画像”，进而对比分析出学生的共性或差异化需求，为实施精准就业指导奠定客观基础。

（二）精准目标选取——激发学生潜能

“学生画像”模型建构后，需要探索就业指导目标的精准化选取路径，开展精准对接，以实现精准激发学生潜能的目的。一方面，就业指导目标人群需要分层化。因为不同层次的学生学习基础和就业动机不同，由此产生的就业结果也不尽相同，分层后有助于提高目标的达成度。比如，喜欢开展工程性研究的学生，多激发他们的创造兴趣，就业面试可以选择工程师、设计师等岗位，从而塑造对工程职业的向往和养成习惯性的工程思维等。另一方面，就业指导目标内容需要尽可能地量化。只有将传统上具有很强认知弹性的、模糊或笼统的内容转变为具体、明确、清晰的目标，才能真正实现精准就业指导。只有就业指导工作变成可以量化的判定标准，就业指导活动才能真正落到实处。

（三）精准过程实施——个性化施策

精准就业指导是围绕学生的个性化就业目标、就业需求，为学生设计的最佳就业指导方案。通过“学生画像”，可分析出学生的就业兴趣，结合其行为特征，预测其下一步就业岗位的喜好，从而为其提供个性化的就业指导服务。具体而言，可根据画像模型挖掘学生个性化就业特征，借助大数据技术建构就业关系模型，由此得出学生自身知识储备和就业期望的差距大小，为其提供个性化的就业策略。需要指出的是，由于学生的教育背景和认知能力的不同，就业指导在最终效果形式上呈现出多样化、间断化以及复杂化等特征。因此，在提供就业指导过程中，需要充分结合学生的就业状态对其画像模型不断进行动态修正，以此保证学习效果，从而尽早达成学生目标。

（四）精准评测反馈——科学化评估促进就业

大数据的可量化和记忆性对就业指导的评估和测量工作起到了决定性作用，也进一步促成了精准化就业指导的开展。利用大数据技术对就业指导工作不断进行量化评估和测量，实时开展结果的对比反馈工作，不仅帮助学生正确认识自我，还帮助教师发现开展就业指导过程中存在的问题并及时采取措施加以改进。例如，在指导大一学生职业发展的过程中，通过对往届大学生的“学生画像”所组成大数据进行跟踪、分析，对学生大学四年发展轨迹进行适当分类、抽象和总结，得出不同就业去向学生的成长“成因”以及典型特征，最后，再结合日常工作经验以及对学生的了解程度，对大一新生进行系统性的就业规划指导，从而达到就业指导可以满足不同层次学生个性化发展的差异性需求，真正实现就业指导资源的精准投放，避免随意性和盲目性。