基于智能数据信息分析的就业评估方法研究

赵瑞丹

（西安航空职业技术学院，陕西西安 710089）

传统的就业数据来源于调查问卷（纸质或网络），以及高校的官方统计信息。但这两种方式均存在各自的问题，前者得到的数据较为有限，难以涵盖全部学生，后者保证了数量，但无法顾及每个学生的就业质量[1-3]。事实表明，即使在毕业时有确定的就业岗位，但仍有大批学生对职业有了充分了解后，在一年或更短时间内更换工作。因此，合理地评估就业质量也是需要关注的重要问题[4-5]。

在高速发展的信息化时代，新的行业不断产生，对人才的需求也迫切增加。学生就业质量的优劣，不仅能反映社会行业的发展趋势，且可以及时地反馈给高校，从而适当地调整专业分布，提高教育水平[6-7]。

面对大量的就业数据，不仅缺少从事质量评估的专业人员，且因评估人员的水平不足导致评价结果因人而异。近年来，兴起的人工智能与数据分析方法尤为适合应对此类问题。人工智能采用深度学习，可以模仿人脑对信息做出逻辑判断，评估隐藏在数据背后的就业质量[8-9]。文中采用智能信息分析，将采集到的就业数据通过层次分析方法和单层感知器，确定每种信息每次的相应权重，最终产生对就业信息的质量评估。

1 数据采集

1.1 第一阶段数据采集

数据采集包括两个阶段，第一阶段采集学生毕业前的就业信息，主要内容包括6 个大类：学生个人信息（编码A）、就业信息（编码B）、档案寄送地址（编码C）、就业单位性质（编码E）、工作性质（编码F）、个人满意度（编码G1）。……