学生就业竞争力综合评价指标的建立与系统实现

银 朋

(河南财政金融学院 软件学院,河南 郑州 450046)

0 引言

据统计,2022届高校毕业生规模预计1 076万人,同比增加167万人[1],规模和增量均创历史新高(图1),同时,预计将有超过100万人的海外留学生回国求职。同期已然减少约10%的国内就业岗位,再加上往届毕业生的竞争,给缺乏社会经验的大学生带来了巨大的就业竞争压力。同时,影响应届毕业生求职还有两个方面的原因:一是应届毕业生对自身能力定位不准确[2],总是倾向于大城市、高薪资、福利待遇好的工作,而忽视了比较适合自身特长的工作,错失诸多就业机会;二是企业在招聘过程中,仅能通过简历和短时间的接触确定是否符合岗位所需[3],难以区分相关内容的真实度,在岗位稀缺与简历不准的共同作用下,导致企业难以进行人岗匹配,招聘成本高、周期长且效率较低。

图1 2010—2022年高校毕业生人数 Fig.1 Number of college graduates from 2010 to 2022

针对该问题,本文利用因子分析技术对在校生的教育背景、专业能力、信用历史、性格定位、适应能力、社会活动、时间管理7个维度的原始数据进行分析,建立就业竞争力综合评价指标。同时,基于该评价指标设计了一个服务学生与企业的就业信息平台,该平台可以连通高校信息化平台和在线学习平台,对学生的原始数据进行分析、处理并进行数据画像,生成学生的能力分析报告。学生通过能力分析报告可以发现自身短板,定向提升,提高就业竞争力。企业也可以通过该系统进行人岗匹配,降低招聘周期与成本。

1 基于因子分析的学生就业竞争力综合评价

1.1 问卷说明

为量化测度学生就业竞争力水平,探究学生提升自身就业竞争力的路径,采用整群抽样的方式[4],以我校统计与数学学院2020级金融数学、2020级数学教育专业和软件学院2019级、2020级软件工程专业的学生为样本,分别对以其为代表的本科生和专科生的就业竞争力进行测度。本次调查共计发放271份调查问卷,回收有效问卷263份,回收率97%。问卷采用五级量表的形式,从教育背景、专业能力、信用历史、性格定位、适应能力、社会活动、时间管理能力7个维度测度学生的就业竞争力。

1.2 因子分析

1.2.1 考察原有变量是否适合进行因子分析

首先考察收集到的原有变量之间是否存在一定的线性关系,是否适合采用因子分析方法提取因子[5]。借助变量的巴特利特球形检验方法进行分析,分析结果如表1所示。可知,巴特利特球形检验统计量的观测值为3 505.94,相应概率P值接近0。若显著性水平为0.05,由于概率P值小于显著性水平,应拒绝零假设,认为相关系数矩阵与单位矩阵有显著差异,原有变量适合进行因子分析。同时,KMO(Kaiser-Meyer-Olkin)值为0.861,根据Kaiser给出的KMO度量标准可知原有变量适合进行因子分析。

表1 KMO和巴特利特球形检验Tab.1 KMO and Bartlett’s test of sphericity

1.2.2 提取因子并命名

根据原有变量的相关系数矩阵,采用主成分分析法提取因子[6],并选取大于1的特征值,共提取7个因子。由表2的因子载荷矩阵可得到因子分析模型,即29个变量与7个因子之间的关系,受篇幅影响,以“我实践能力很强”(X11)为例说明其关系,

表2 因子载荷矩阵Tab.2 Component matrix

X11=0.699F1+0.357F2-0.033F3+0.092F4-0.039F5-0.150F6-0.244F7。

(1)

其他28个变量与此类似,这29个变量共同构成因子分析模型。

但在因子载荷矩阵中,7个因子的实际含义比较模糊。因此,采用方差极大法对因子载荷矩阵实行正交旋转[7],重新分配各个因子解释原变量的方差,改变各因子的方差贡献率,使得因子更易于解释。旋转后的因子载荷矩阵如表3所示。

表3 旋转后的因子载荷矩阵Tab.3 Rotated component matrix

从表3可以看出,每个因子只有少数几个指标的因子载荷较大,因此可根据表3进行分类,将29个指标按旋转后的因子载荷矩阵分为7类(表4)。此外,为便于后文因子得分函数的表示,按照问卷中各问题出现的顺序分别命名为X1,X2,…,X29。

表4 因子命名表Tab.4 Factor naming table

1.3 学生就业竞争力综合评价

采用回归法估计因子得分系数,如表5所示。

表5 因子得分系数矩阵Tab.5 Factor score coefficient matrix

据此可得出因子得分函数,以因子1信用历史为例说明因子得分函数的计算,因子得分系数已知,只需通过问卷调查获取X1,X2,…,X29这29个变量的取值,即可计算出因子F1的得分。F2,F3,F4,F5,F6和F7计算得分的方法类似。

F1=-0.002X1-0.003X2+0.044X3-0.040X4-0.081X5-0.020X6+0.373X7+0.333X8+0.331X9+0.103X10+0.046X11+0.102X12-0.177X13+0.061X14-0.004X15-0.203X16-0.142X17-0.014X18+0.124X19-0.084X20-0.029X21-0.016X22-0.033X23+0.003X24-0.019X25-0.067X26-0.063X27-0.024X28+0.016X29。

(2)

利用各因子得分,采用加权方法计算学生的综合得分,进行就业竞争力评价。权的确定方法为各因子的方差贡献率,即各因子的方差百分比除以7个因子的方差百分比之和,计算得到7个因子的方差贡献率分别为:0.110 08/0.645 87、0.110 02/0.645 87、0.104 90/0.645 87、0.097 36/0.645 87、0.083 82/0.645 87、0.076 36/0.645 87、0.063 32/0.645 87,即0.17、0.17、0.16、0.15、0.13、0.12、0.10。最终可得到综合评价公式为

F=0.17×F1+0.17×F2+0.16×F3+0.15×F4+0.13×F5+0.12×F6+0.10×F7。

(3)

以式(3)为基础,本文设计的系统可以对学生数据进行采集和分析,计算学生就业竞争力的综合得分,实现学生的数据画像并生成个人能力分析报告,作为辅助评价学生就业竞争力的参考。

由表6可知,本次问卷调查结果显示,263名学生中,52.5%的学生综合得分低于平均分,47.5%的学生综合得分高于平均分,总体来看,学生的就业竞争力需要进一步提高。由表7可知,各因子得分也存在差异,其中社会活动因子和专业能力因子的得分均值小于0,社会活动和专业能力的培养主要依赖于学生在校期间自我要求的高低。且2020—2022年,学生的实习、志愿活动参与度等确实有所减少,而这些却是学生就业竞争力最基本的构成因素,因此学校在后续设置人才培养方案、构建人才培养体系的过程中,可适当增加提高学生专业能力水平和社会活动积极性的举措。此外,时间管理能力和适应能力因子的得分均值也不高,且变异程度低,这主要是因为学生在大学之前寄宿经验较少,且在学校和家长的要求和安排下,自我管理、自我安排的机会较少。进入大学之后,因为学校大部分时间采取封闭管理措施,学生的活动范围较小,缺乏锻炼机会。另外,信用历史和性格定位的因子得分相对较高,这得益于家庭和学校的培养,无论是中学还是大学,随着课程思政的深度融入,对学生心理健康教育和性格培养教育越来越重视。教育背景因子得分最高,但是调查对象大部分学生均为本科生、专科生,教育背景相差不大,所以本次调查中该因子的作用并未充分发挥,但是在就业市场上,可根据对不同教育背景赋值,起到准入门槛作用。

表6 学生综合得分Tab.6 Student comprehensive score

表7 各因子得分描述统计Tab.7 Descriptive statistics for each factor score

2 系统实现

2.1 系统总体框架

为了得到更好的用户体验,提高系统运行效率,将系统分为3个部分:学生端、企业端、管理端。以此分别对应学生用户、企业用户、管理员用户。针对不同的用户,设计了不同的功能(图2)。

图2 系统架构Fig.2 System architecture

学生用户:主要功能有生成个人能力分析报告、管理个人基本信息和荣誉信息,查看本人的教育背景、专业能力、信用历史、性格定位、适应能力、社会活动、时间管理7个维度的详细信息以及接收到的面试邀约信息等。

企业用户:主要功能有注册和登录系统、企业信息管理、人才检索以及发送/撤回面试邀约等。

管理员用户:主要功能有维护学生用户信息数据、维护企业用户信息数据等。

因篇幅有限,本文仅介绍大学生数据画像和生成个人能力分析报告两个核心模块的实现。

2.2 数据画像模块的实现

基于公式(3),系统对学生的数据进行分析和处理,生成学生的数据画像的7维雷达图[8]。该雷达图能显示整个专业学生的平均值和本人的实际数据。从图3可以发现,2019级软件工程专业徐某某同学时间管理、专业能力高于专业的平均水平,但适应能力、社会活动和性格定位欠佳,说明该同学专业素质较好,在校期间时间利用率高,能够对学习生活的时间进行合理的安排。但性格相对来说比较内向,进入新的环境适应比较缓慢。该同学可以多与同学朋友交流,多参加社会活动等,开阔视野,提高适应能力。从图4可以发现,2020级数学教育专业李某某同学信用历史、时间管理能力和适应能力等高于平均水平,但学习效果不是特别好。说明该同学上课认真,不迟到早退,积极参加校内外活动,但可能没掌握对学习方法,学习效率较低。该同学可以改变自己的学习方式,掌握适合自己的学习方式,这样本人的就业竞争力会更强,找工作会比其他人更有优势。

图3 徐某某同学的数据画像Fig.3 Xu’s data portrait

图4 李某某同学的数据画像Fig.4 Li’s data portrait

2.3 能力分析报告生成模块的实现

基于公式(3)和学生的7个维度数据,经过系统的分析和处理,生成学生的个人能力分析报告[9],学生可通过查阅报告,发现自身短板,查漏补缺,定向提升。用人单位也可通过数据画像初筛符合岗位需求的人才[10],然后通过报告进一步了解该同学的详细情况,人岗匹配更加准确,对用人单位快速定位人才提供了决策支持。

3 结语

建立学生就业竞争力综合评价指标,搭建就业信息平台,构建大学生数据画像和个人能力分析报告对学生进行就业指导具有一定的针对性和操作性,不仅可以精准分析学生的特长、优势和短板,还能个性化推荐合适的择业方向和就业岗位,激发学生潜能,提升综合素质。企业也可以选择更加适合的人才,提升岗位匹配度。系统有助于引导学生全面发展,解决学生求职难、企业用工难的问题,为经济社会输送更多高质量、专业能力强的人才。