中职毕业生跟踪调查中数据挖掘技术的应用

摘 要：随着社会企业对于中职专业技能型人才的质量要求越来越高，中职学校开始注重人才培养质量和提高毕业生就业质量，这种情况下，我校在毕业生跟踪调查中进行了数据挖掘分析，以找出毕业生的就业规律，探索提高中职人才培养质量与就业质量的办法，为中职学校改革提供更加科学依据。

关键词：中职毕业生；数据调查；数据挖掘分析

1 关于数据挖掘技术

如今，数据库与人工智能技术已广泛应用于社会生活的各个领域，而数据挖掘技术作为数据库基础上兴起的信息管理新技术之一，其能够自动分析数据库及数据仓库里的数据，寻找出潜在的未知的内部规律，根据用户需求针对有用信息进行整理归纳，从而体现出数据内部的关联性，建立对信息预测与决策具有重要意义的新型业务模式，为决策者提供参考和依据。数据挖掘分析过程通过分为四步：一是清理数据库数据，进行集成以后存入数据仓库；二是选择与变换数据仓库里的数据；三是应用数据挖掘算法挖掘变换数据，主要包括决策树算法、关联、聚类分析等算法，同时给出所需结果；四是向用户提供分析结果。其中涉及数据挖掘算法包括多种，常用算法主要包括决策树分析算法、关联分析算法、聚类分析算法等。

1.1 决策树分析算法

该算法是一种常用算法，主要在数据处理中应用树状结构产生的规律。首先在信息量最大的字段中找到有价值的信息，建立树的一个内部节点，一个内部节点会对应到某项属性的测试，根据测试得到的每一个可能值来建立树的各个分枝叶节点，然后在每个分枝上分别递归上述过程。可以认为树的中间节点代表测试条件，树的分枝代表测试结果，而各分枝节点代表分类后的分类结果。

1.2 关联分析算法

关联规则就是在数据处理中挖掘数据之间的相互联系。最为著名的关联规则发现方法是R.Agrawal提出的Apriori算法。关联规则的发现可分为两步，首先是迭代识别所有的频繁项目集，要求频繁项目集的支持度不低于用户设定的最低值；其次是从频繁项目集中构造置信度不低于用户设定的最低值的规则。

1.3 聚类分析算法

该算法主要是在数据处理中对数据根据一定的分类规则进行合理地划分，把具有相似性特征的数据归为一类，通过聚类把数据集转化为类集。在聚类的过程中人们可以从中发现数据分布的一些特征，对这些特征进行分析，从而得出相应的结果。

2 中职毕业生跟踪调查中数据挖掘技术的应用

2.1 数据挖掘技术的应用情况

进行数据挖掘分析以前，先把我校近几年毕业生就业数据进行数据清理集成，对空值和离散值等进行清除，再以EXCEL为工具开展数据挖掘分析，通过关联算法和聚类算法，从中找出毕业生的就业规律。

一是应用聚类分析算法，把专业、职业、行业、工作城市、首份工作获取渠道等列为输入列，经过分析后可以分成省内和省外两类。整体而言，中职毕业生的就业行业分类不显著，就业工作城市相对集中，本校所在城市就业达25.8%，省内周边城市达31.2%，外省就业达43%。其中一类以就业城市、渠道、岗位三个维度开展观察，城市分布以本市和省内周边城市为主，工作获取渠道以个人求职、亲友介绍、媒体招聘、参加招聘会、顶岗实习为主；其中焊接技术应用专业就业率最高，达到85.2%，其次是机械加工技术专业，达到68.2%；其中二类以就业城市、渠道、岗位三个维度开展观察，城市分布以上海、北京为主，工作获取渠道以个人网站求职、媒体招聘、参加招聘活动和订单式培养为主；与一类相同，焊接技术应用、机械加工技术、数控技术应用就业优势明显，而计算机岗位就业相对困难。

二是应用关联分析算法，应用专业代码以及职业类别进行关联分析，通过分析结果可知：焊接技术应用、机械加工技术、数控技术应用更倾向从事专业技术类岗位，其概率为86.5%；而建筑装饰等专业更倾向于艺术类岗位，其概率为82.3%。

2.2 有效提高中职毕业生就业满意度

中职毕业生跟踪调查中应用数据挖掘分析的重要意义是：寻找掌握中职毕业生的就业规律，为中职学校就业工作提供决策依据和数据支持。我校通过近年来对毕业生的就业城市、岗位、行业、待遇等跟踪调查，并进行数据综合分析，掌握了许多有意义的信息内容。从历年就业城市和就业层次的分布来看，可以有效观察整体就业市场的发展变化情况，并做好全面掌控，为学校今后的专业培养方向提供决策依据。从就业渠道分析，目前订单式培养模式仍然具有一定的市场发展空间，因此中职学校必须与对口企业密切联系，充分利用校企合作的优势条件，向需求企业提供更多合格优秀人才。就业岗位情况而言，我校毕业生岗位分布并不均衡，应对就业薄弱岗位进行深入探究，查找出原因，有效提高就业率，实现专业对口，人尽其才，才尽其用。确保学校就业工作能够稳步发展。

从聚类分析结果可知，本市、周边城市的就业比例相对较高，体现了我校立足地方经济发展服务的办学宗旨，而在上海、北京等地的就业情况也相对理想，其中多数毕业生从事技术类岗位和现代服务业岗位，表明这些地区专业技术类人才短缺，现代服务业人才拥有广阔市场，因此，学校应针对这些专业加强培养人才的质量，为需求地区培养更多优秀人才，有效提高中职毕业生就业满意度。

从关联分析结果可知，学校就业与教学环节应做好衔接工作，教学上应加强专业建设，注重教学与工作职业的关联性，例如建筑装饰专业应加入艺术指导和客户服务等相关课程内容，从而有效满意现代服务业发展需求，实现学生满意就业。

2.3 全面提升人才培养模式和质量

应用聚类算法针对我校2014届毕业生跟踪调查的数据挖掘分析结果可知，学生自主创业人数相比往年有所增加，达到7.5%。以我校每年毕业1000人计算，每年自主创业人数75人，相当于二个班级的总人数。学校据此应帮助有自主创业的中职学生，帮助他们掌握更多的创业技能，提供创业指导服务，在教育教学上应加以改革，可以尝试将有创业意向的中职学生集中授课或者辅导，设立“创业班”，可以根据专业方向加以创业引导，或者以第二专业选学方式开展，针对创业班制定独立的人才培养计划和方法，整合相关课程内容，为创业班学生服务，例如为创业班开设市场营销、会计管理、税务税收等课程内容，同时注重创业实践教育，发挥学校创业实训室以及创业基地的作用，让创业班学生学会创业技能，增强创业经验。学校还应加大校企合作力度，开展订单式培养，让学生进入企业实习实训，毕业后直接进入企业工作，从而减轻学生就业压力等。

3 结语

有效提高中职学校毕业生的就业率，是中职学校面临的最重要的难题，中职学校的人才培养质量和就业质量对于促进学校发展具有重要意义。本文对中职毕业生跟踪调查中数据挖掘技术的应用进行探究，旨在通过关联算法和聚类算法，从中找出毕业生的就业规律，从而探索提高中职人才培养质量与就业质量的办法，为中职学校改革提供更加科学依据。

参考文献

[1] 陶兰.数据挖掘技术在高等学校决策支持中的应用[J].北京：中国农业大学，2003，8 （2） ：39-41.

[2] 杨悦.数据挖掘在高校招生工作中的应用前景[J].教育科学，2007，10：66-68.

[3] 张亦辉.基于数据挖掘技术的应用分析[J].计算机光盘软件与应用，2012，1：137-138.

作者简介

海艳（1972-），女，本科，讲师，研究方向：计算机教学。