基于AHP-Fuzzy 的大学生就业推荐指标模型研究

文/沈士强

在实行创新型人才培养模式和校企联合教育的新形势下，高校正着力全面提高大学生的技能和素质，致力于为每位毕业生提供正确有效的就业指导和工作推荐。面对日益严峻的就业市场和突如其来的新冠肺炎疫情带来的不利影响，高校就业管理部门和辅导员的就业推荐工作需要更多思路来开拓就业渠道，提高毕业生的就业率[1]。对大学生就业能力的评价是一个综合评价，包括大学生的学习能力和工作能力等诸多方面，常带有模糊性，所以宜采用模糊综合评价方法。但模糊评价的各指标权重常带有一定的主观性，可采用层次分析法（Analytic Hierarchy Process，AHP）聚合、量化指标权重。通过研究，本文可将两种方法结合起来，通过AHP 确定评价指标体系标和各指标权重向量，用多层次模糊综合评价法建立大学生的就业能力综合评价指标。根据评估结果，高校可以向招聘单位推荐就业机会。

一、构造评价指标内容元素

表1 大学生就业能力评价指标层次结构

在大学生就业推荐评价中，合理科学的指标体系是整个评价能否成功的基石。概要划分评价的整体指标群要素，将满足一定标准的指标群形成聚类。按照推荐工作管理的要求及评价对象的主体二义性，评价指标内容主要包括学业成绩、专业能力、实践能力、沟通能力、团队合作能力等五个方面。根据评价对象（大学生）的情况，将各指标因素进行分类组合，形成指标间的层次结构。通过分析，整理出指标体系中指标群和细节性指标，形成综合、分类、单项等三个层次的评价指标。

二、AHP确定指标权重

层次分析过程是一个多层次的分析结构模型，可以对问题进行层次分析。根据问题的性质和要实现的目标，可以将其分解为不同的组成因素。根据它们的交互作用和隶属关系将这些因素与不同的层次进行汇总和组合。指标体系权重值的计算过程为：

步骤1：根据设计的评价指标，按照因素之间的影响力大小来构造判断矩阵。一般采取影响因子两两比较成对的矩阵构造方法，即选择因子xi和xj，以aij来表示xi和xj对评价的影响大小之比，结构用判断矩阵A=（aij）n×n表示。而aij的取值，可采用表2 中的赋值标准来设定。

表2 判断矩阵A 中元素aij 的赋值标准

构建指标体系中“（A）学业成绩”的判断矩阵如下：

步骤2：计算相对权重系数。可根据判断矩阵计算层次单排序（同一层次相应因素对于上一层次某因素相对重要性的排序权值）、总排序，由此确定评价因素和评价因子权重值。

将判断矩阵进行归一化处理，按照公式（1）：

可以得到：

可以得到wi=0.5550。由此可得到“（A）学业成绩”的判断矩阵，如表3 所示。

表3 “（A）学业成绩”的判断矩阵

步骤3：进行一致性检验。由于判断者评判前后可能有误差，需要引入检验判断矩阵一致性的指标CI 与修正系数RI 的比值CR 来检验判卷断矩阵的一致性。

计算判断矩阵特征向量最大值λmax，按照公式（3）：

得到判断“（A）学业成绩”的判断矩阵的λmax为4.0435。

表4 矩阵阶数n 不同时对应的RI 值

反复进行上述3 个步骤，最终得到大学生就业能力评价指标权重，如表5 所示。

表5 大学生就业能力评价指标权重值

三、模糊综合评价

模糊综合评价法能较全面地汇总各评价主体的意见，综合反映被评对象的优劣程度。在应用评价体系时，为获得更加全面的评价信息，避免因评价主体的差异而出现评价偏好，设计评价将包括任课教师满意度调查、学术管理人员评价、学生评价。评价的指标体系是一致的，但评价的权重不同。设评价权重集为：V={Stu_Satisf，Staff_Perf，Intramural_evalu}={0.3，0.4，0.3}。

以对某位毕业生的评价举例，在表5 所示的各评价指标构成其工作的评价目标值矩阵S，结合评价权重集V，得到

最终，采用基于AHP、模糊综合分析方法得到的该毕业生最后得分为91.3 分，属于优秀的水平。

四、结语

将模糊综合评判法和层次分析法结合起来，既可以进行大学生整体情况综合评价，也可对影响大学生就业素质的某项个别因素做出有针对性的量化评价，量化考核力度。利用综合评价结果，可以将毕业生的综合表现进行量化排序，为其有针对性的就业推荐做好数据准备。根据单项指标的评价结果，可以获知日常学术管理和教学工作进行过程中存在的实际问题，切实做好大学生培养工作，提高学生管理人员的专业化素质。

做到既重结果，又重过程；既重报到率，又重贡献率。推动大学生毕业推荐工作有力、有序、有效开展，为高效发展做好基础性工作。