廖鳳露+周慶

摘要：研究生就業(yè)一直是社會、高校和學(xué)生關(guān)注的熱點問題。本文基于教育數(shù)據(jù)挖掘（Educational Data Mining）技術(shù)，通過研究生的行為數(shù)據(jù)來預(yù)測就業(yè)能力，從而為研究生的就業(yè)工作提供幫助。首先對收集到的數(shù)據(jù)進(jìn)行預(yù)處理，然后運用特征選擇方法篩選出與就業(yè)能力相關(guān)的課程和網(wǎng)絡(luò)訪問類型，最后建立樸素貝葉斯模型進(jìn)行就業(yè)能力進(jìn)行預(yù)測。本文的模型可實現(xiàn)接近90%的召回率，說明該方法能準(zhǔn)確地預(yù)測學(xué)生的就業(yè)能力。

關(guān)鍵詞：就業(yè)能力預(yù)測；學(xué)生成績；上網(wǎng)日志；數(shù)據(jù)挖掘

中圖分類號：G643 文獻(xiàn)標(biāo)志碼：A 文章編號：1674-9324（2017）33-0065-02

一、引言

在我國高等教育進(jìn)入大眾化階段后，研究生人數(shù)逐年激增，研究生的就業(yè)能力和就業(yè)狀況一直是高校和社會關(guān)注的熱點問題。如果能預(yù)測每位學(xué)生的就業(yè)能力，不僅有利于了解學(xué)生的總體情況，有利于改進(jìn)教學(xué)工作，也有利于學(xué)生及時調(diào)整個人的學(xué)習(xí)計劃和目標(biāo)。然而，研究生的就業(yè)能力受到多個因素的影響，因此準(zhǔn)確預(yù)測研究生的就業(yè)能力是一個困難的問題。

教育數(shù)據(jù)挖掘（Educational Data Mining，以下簡稱EDM）是解決這一問題的潛在技術(shù)。EDM利用計算機(jī)科學(xué)、教育學(xué)、社會心理學(xué)和統(tǒng)計學(xué)等多門學(xué)科的理論和技術(shù)解決教育研究和實踐中的各類問題[1]，如輔助教學(xué)管理者進(jìn)行教育決策、提高學(xué)生的學(xué)習(xí)積極主動性和幫助教師改進(jìn)教學(xué)方式方法等。EDM的特點在于使用教育環(huán)境中產(chǎn)生的數(shù)據(jù)發(fā)現(xiàn)知識，并將產(chǎn)生的知識應(yīng)用于優(yōu)化教育環(huán)境的目的[2]。

二、研究方法

為了挖掘出學(xué)生就業(yè)能力和學(xué)生行為表現(xiàn)之間的關(guān)系，本次研究主要分為以下幾個步驟進(jìn)行：首先對原始數(shù)據(jù)進(jìn)行采集，然后進(jìn)行預(yù)處理和特征篩選，最后選取分類器建立預(yù)測模型。

（一）數(shù)據(jù)采集

本次實驗數(shù)據(jù)來源于某大學(xué)計算機(jī)學(xué)院2013級專業(yè)碩士和學(xué)術(shù)碩士共計139人的基本信息，研究生階段的所有課程成績，2016年3月在校期間上網(wǎng)記錄，就業(yè)單位信息以及在校期間發(fā)表的論文信息等。在數(shù)據(jù)處理過程中，我們首先對所有學(xué)生的學(xué)號進(jìn)行加密操作，以保護(hù)學(xué)生的隱私。

（二）數(shù)據(jù)預(yù)處理

要對研究生的就業(yè)能力進(jìn)行統(tǒng)計和分析，首先應(yīng)對就業(yè)能力進(jìn)行評價。評價的依據(jù)主要參照學(xué)生的就業(yè)單位和就業(yè)崗位。盡管這一依據(jù)并不能完全客觀地反映學(xué)生的就業(yè)能力，但可以給教學(xué)管理者提供有價值的參考信息。將每個研究生的就業(yè)能力編碼為1和0，分別代表“好”和“一般”兩種情況。

由于原始數(shù)據(jù)里包含噪聲數(shù)據(jù)情況，需要先對數(shù)據(jù)進(jìn)行預(yù)處理，數(shù)據(jù)預(yù)處理的過程主要包括以下幾個方面：

1.成績數(shù)據(jù)處理。將其中成績有缺失的項去掉，將成績等級用數(shù)字型成績替換，計算各學(xué)生的平均成績。對每門具體課程，如果學(xué)生沒有選修該課程，則用該生的平均成績代替。

2.學(xué)生上網(wǎng)日志數(shù)據(jù)處理。學(xué)生上網(wǎng)日志原始數(shù)據(jù)存在大量冗余，需要過濾掉其中的無用信息，如IP地址、圖像等。然后將網(wǎng)址按照類型不同進(jìn)行分類，統(tǒng)計學(xué)生訪問不同類型網(wǎng)站的時長和頻次。

3.學(xué)生發(fā)表論文數(shù)據(jù)處理。根據(jù)發(fā)表期刊的不同，將論文分為5等，然后分別統(tǒng)計出學(xué)生發(fā)表論文總數(shù)以及發(fā)表論文的最高等級。

（三）特征篩選

計算就業(yè)能力與各項特征的相關(guān)系數(shù)，篩選出相關(guān)性較強的特征加入預(yù)測模型。其中與就業(yè)能力相關(guān)性較高的課程如表1所示，上網(wǎng)類型如表2所示。

（四）分類器

本次研究所使用的分類器為樸素貝葉斯分類器（Na？觙ve Bayesian classifier，簡稱NBC）。它是基于貝葉斯理論的簡單概率分類器，假設(shè)實例的各個特征是相互獨立的。在此假設(shè)下，如果某個類別在實例的特征集合上具有最大的條件概率，則認(rèn)為該實例屬于此類別。相比一般的分類模型，樸素貝葉斯模型具有簡單、計算復(fù)雜度低和內(nèi)存消耗小等優(yōu)勢。

三、實驗過程及結(jié)果

本次實驗采用樸素貝葉斯模型，分別在不同的數(shù)據(jù)集上對研究生就業(yè)能力進(jìn)行預(yù)測。

通過前述的篩選方法確定的特征主要有學(xué)生平均成績、論文類型、論文總數(shù)、性別、是否推免、本科是否“985”、是否為學(xué)碩、表1選出的3門課程、表2選出8類網(wǎng)址訪問時長。將以上9類特征組合成3個數(shù)據(jù)集（參見表3），然后帶入預(yù)測模型進(jìn)行預(yù)測。

圖1顯示了采用（交叉驗證）方法計算的召回率（recall）和預(yù)測精度（precision）分布情況。

根據(jù)上圖我們可以得出以下幾個結(jié)果：

1.隨著數(shù)據(jù)集特征的增加，召回率呈上升的趨勢，數(shù)據(jù)集C預(yù)測的召回率達(dá)到最大值89.66%。

2.隨著數(shù)據(jù)集特征的增加，預(yù)測精度呈上升趨勢，數(shù)據(jù)集C的預(yù)測精度達(dá)到最大值69.33%。

3.隨著數(shù)據(jù)集特征的增加，召回率提升的幅度大于預(yù)測精度的提升幅度。

所以，數(shù)據(jù)集C的預(yù)測效果最好，且召回率和預(yù)測精度均達(dá)到一個較好的值，說明我的模型能較好地預(yù)測學(xué)生就業(yè)能力的情況。

四、結(jié)論

本文主要是基于學(xué)生成績和上網(wǎng)日志，采用數(shù)據(jù)挖掘技術(shù)對其就業(yè)能力的預(yù)測。主要工作集中在數(shù)據(jù)預(yù)處理和特征選擇上，對成績和上網(wǎng)日志的預(yù)處理，并篩選出一些特征用于模型預(yù)測。我們采用樸素貝葉斯模型來對學(xué)生的就業(yè)能力進(jìn)行預(yù)測，模型預(yù)測性能良好，召回率可達(dá)到89.66%，預(yù)測精度達(dá)到69.33%。這說明，本文提出的方法可以實際用于對學(xué)生就業(yè)的預(yù)測。

參考文獻(xiàn)：

[1]Kisor Y. The state of educational data mining in 2009：A review and future visions[J].Computer Communications，2009，6（2）：82-87.

[2]周慶，牟超，楊丹.教育數(shù)據(jù)挖掘研究進(jìn)展綜述[J].軟件學(xué)報，2015，（11）：3026-3042.

Forecasting System of Postgraduate's Employability Based on EDM

LIAO Feng-lu，ZHOU Qing*

（College of Computer Science，Chongqing University，Chongqing 400044，China）

Abstract：Graduate employment has always been an important issue for society，universities and students. In this paper，we predict postgraduate's employability through student behavioral data based on the technology of Educational Data Mining，thus providing support for post-graduate employment. First，we preprocess the collected data. Second，we use the feature selection method to filter out the employment-related courses and network access types. Finally，a naive Bayesian model is established to forecast the employability. This model can achieve a recall of about 90%，indicating that the method can accurately predict the employability of students

Key words：employability forecast；student achievement；web log；data mining