大数据时代公安院校就业质量评价模式探析

梁永玲

（中国刑事警察学院 公安情报学系， 辽宁 沈阳 110035）

大数据时代公安院校就业质量评价模式探析

梁永玲

（中国刑事警察学院 公安情报学系， 辽宁 沈阳 110035）

大数据时代的到来，拓展了公安高等教育就业质量评价工作的内涵与功能。大数据技术服务于公安院校就业质量评价工作在评价内容、基础数据、评价方法等方面具有独特的优势。讨论基于大数据理念变革公安院校就业质量评价模式在国家、学校、毕业生和用人单位等层面的重要意义，提出重构公安院校就业质量评价模式在思维培养、组织机构和搭建平台方面的实践要求，是对大数据时代公安院校科学构建就业质量评价体系的基本思路与理念的积极探索。

大数据时代；公安院校；就业质量；评价模式

一、前 言

2015年12月8日，人力资源和社会保障部等六部委联合印发的《关于公安院校公安专业人才招录培养制度改革的意见》（人社部发[2015]106号）中明确指出，“公安院校要以提高人才培养质量为核心任务……加强对公安院校毕业生职业发展状况以及用人单位满意度的跟踪调查，形成完善的教育质量反馈机制”[1]。文件再次强调了未来一段时期，公安院校培养制度改革的重点内容之一就是基于长期跟踪毕业生的职业生涯和用人单位对公安人才培养质量的评价信息形成科学的毕业生就业质量评价模式，充分发挥其在人才培养模式改革进程中的导向和诊断作用。

任何一种评价行为的有效性和可靠性都需要正确的评价方法和充分的数据基础作为支撑，对毕业生的就业质量评价也不例外。大数据技术的发展、智能终端的出现，使得过去无法收集的全维度、全程化个体数据能够被实时获取，使得貌似无关的海量数据背后隐藏的关联关系被深入挖掘，因而受到了教育研究领域工作者的广泛关注。可以说，大数据的出现及其对教育领域的介入，是公安高等教育从关注学生能否就业走向全面评估学生就业质量的重大契机。

二、大数据技术对公安院校就业质量评价理念的影响

（一）就业质量评价内容趋于立体化

公安高等教育人才培养模式的特殊性决定了公安院校、特别是公安专业毕业生的职业指向性明确——警察。而这种就业流向的一致性决定了除去地域差异的影响，公安院校毕业生就业后的单位性质、薪资水平、晋升标准等情况基本趋同，因此这些普通高等院校关注的宏观就业质量评价指标对公安院校来说并没有太多参考价值。再加上小数据时代信息产生、采集和处理水平的局限，教育管理部门可获取的用于就业质量评价的信息极其有限。长久以来，公安院校的就业质量评价一般就是以整体的就业率作为单一的评价指标。以信息普遍采集、高度共享为基本要求的大数据时代的到来，赋予了公安院校追踪每一名毕业生在整个职业生涯中升迁、调动、表彰、甚至处理每一起案件的时长和质量等数据的可能性，使就业质量的评价内容越来越立体，从整体数据评判转变为毕业生个体数据的全面挖掘。

（二）就业质量评价数据趋于客观化

当前，《中国高校毕业生就业质量评价指标体系》采用三级评价指标体系，其中“企业满意率”这项二级指标是由“对毕业生的认可度”、“对毕业院校的认可度”和“个人发展空间”三项三级指标按一定权重计算得到的[2]。而这三个三级指标的数据往往是通过调查问卷的形式，由被访问者在“非常满意”“满意”“一般”“不满意”这种类似区分度的答案之中进行选择，这是典型的针对某种评价目的而刻意采集的数据。一方面我们无法保证受访者在问卷中完全真实的表达自身意愿，另一方面，即使受访者能够完全克服自身的掩饰倾向，这个答案本身也是基于每个受访者的主观标准做出的，由此得到的评价结果也不可能是客观准确的。而大数据技术对个人信息的采集可以借助全息电子档案实现毕业生就业后终身职业生涯、生活状态的全面追踪。因此，大数据时代的就业质量评价重在指标体系的设计和分解，通过将每一项指标细化到毕业生本人可以表征该指标的全部社会行为，再到大数据系统中抽取这些社会行为被不同智能终端记录下的数据进行量化分析。例如“身体素质”可以作为表征“个人发展空间”的一个下级指标，并进一步细化为“每周运动的时长”“每天步行的距离”等下级指标，而由于这些数据是在使用者享受智能终端提供服务的过程中点滴记录下来的，因此数据的真实性和客观性更有保证。

（三）就业质量评价方法自动化

在目前我国高等教育领域传统的就业质量评价体系中，客观的量化指标都是基于教育管理部门在日常工作中采集的信息来计算的。比如就业率、报到率这类基于某个时间点的整体评价指标，反映的是某个时间点毕业生就业“量”的情况。所有可以表征毕业生就业“质”的情况，比如对毕业生的认可度、工作满意度等指标，由于公安院校与实战单位之间缺少信息对接平台，信息的采集是主要是靠人工完成的，要么是由院校组织人员走访公安机关，经过“走访—座谈—总结提炼”的流程获取信息；要么是发放调查问卷，经过问卷的“设计—发放—回收—统计”的流程采集信息。无论哪种方式，不仅需要投入相当的人力、物力、财力，而且还要付出完成整个流程的时间成本。即使不考虑所采集信息的全面性和客观性，如此高昂的人工、经济和时间成本问题也是导致就业质量评价仍未形成长效机制的重要原因。而这个问题也将随着大数据时代的到来迎刃而解。大数据时代对人员信息的普遍采集是智能终端的基本属性，而不同数据系统之间的互操作性是实现信息高度聚合的基本要求，因此大数据时代的就业质量评价成本主要是系统的建设成本和设计、修正评价模型的技术成本，常态的就业质量评价工作是由系统根据模型设定的各项参数抽取所需基础数据，自动更新、滚动查询、实时分析，不仅保证了评价数据的客观性，而且缩短了评价结果的反馈周期，符合评价工作理念从经验探索向科学实证转变的时代要求。

三、基于大数据理念变革公安院校就业质量评价模式的意义

（一）政府层面——评价人才培养质量，制定公安教育政策

对毕业生就业质量的跟踪调查其实最早开始于上世纪 20年代的美国，是在经济大萧条时期为了降低失业率、掌握雇主对毕业生的真实要求，由美国政府授权美国国家教育统计中心(NCES)等专门机构展开的评估工作。随着信息技术的发展，目前美国已经建成覆盖全美的分层立体教育数据网络，全面依托教育大数据进行教学改革决策。具体来说，美国政府依据评估结果衡量各大高校的人才培养质量水平，查找问题和不足，并通过国家层面的政策导向和资源调配促进高等教育质量的提升，成为全世界教育大数据应用的成功典范。我国目前对就业质量评价结果的应用仍主要停留在学校层面，但是事实上，大数据最核心的功能在于预测，只有从国家层面重视其在人才质量评价方面的应用，才能打破院校与公安机关之间的数据壁垒，通过挖掘我国公安院校全体毕业生的职业生涯数据，定位现行公安高等教育的共性问题，预测时代进步和行业发展对公安人才的真正需求，并通过科学制定相关政策和调配教育资源引导公安高等教育的发展方向。

（二）学校层面——完善人才培养模式，提供全程就业指导

大数据技术可以真正实现被评价对象的数据形象从低像素向高精度转变。毕业生进入公安机关后的工作表现、生活状态等都可能以大数据的形式被采集、被分析，将就业质量评价从整体数据评判转变为个体数据的全面挖掘。首先，学校需要对整个人才培养的过程负责，就业质量评价是从社会化的角度对学校人才培养质量进行的外部评价，对公安院校确立自身的人才培养目标有重要的参考意义；同时，通过对评价指标的综合分析和校际或专业的横向比较，公安院校更容易定位自身的问题和不足，取长补短，有的放矢的完善本校的人才培养模式。其次，学校通过全程跟踪毕业生的职业生涯，全面挖掘毕业生的籍贯、性别、专业、在校成绩、工作岗位、工作成绩等数据维度之间的关联关系，可以为在校生提供更全面的就业指导，帮助他们做出更适合自己的就业选择。此外，就业是一项系统工程，学生毕业不代表高等教育的使命就此完结，尤其是公安工作的职业特色决定了这个行业的相对封闭性，公安院校有责任也有义务对毕业生的学历进修、技能培训、压力释放等问题提供终身建议和指导。

（三）学生层面——客观精准量化自我，科学规划职业生涯

所有人在面对选择的时候，都很难克服从众心理，因此在当前公安院校毕业生的就业观念中普遍存在两种倾向：能到大城市就不去小城市、能去上级公安机关就不去基层公安机关，反而将岗位的上升空间和自己的专业、特长、性格等更应该全盘考虑的因素抛在后面，以此为前提选择的就业岗位很难与个人能力和爱好相匹配，必然阻滞个人职业生涯的上升空间。基于大数据理念的就业质量评价过程中所使用的个体数据，就是毕业生的个人大数据，包括其在社会生活各领域的行为数据和生理、心理参数，对这些数据进行解读分析的过程，就是量化自我的过程[3]。这些数据可能比每个人更了解自己的性格、长处、爱好等个体特征，以此为基础对照求职岗位的岗位职责，可以帮助毕业生重新认识自身的求职需求，做出更为科学的就业决策。此外，大数据技术的出现推动在线教育系统迅猛发展，客观精准的量化自我还可以帮助毕业生进行反思，认识自身学习行为、习惯、知识点的缺陷，有的放矢的采取措施进行改进，不断提升个人技能和素质。

（四）用人单位层面——准确评估民警能力，个性定制在职培训

对毕业生的就业质量评价需要抽取用人单位的系统数据，但评价结果并不是单向流向公安院校的，对公安机关同样有非常重要的意义。一方面，基于对就业质量评价历史数据的反向挖掘可以更加细化特定岗位的人才需求，另一方面，可以帮助公安机关更客观的评价民警的岗位绩效，判断民警的能力、性格等因素与现职岗位的匹配度，使干部的任用、调转、提拔更有依据，避免任人唯亲的腐败现象。而且公安工作的职业特色决定了民警的在职培训不可能推向社会，主要还是依托公安院校进行。长久以来，尽管公安机关的教育训练部门反复与学校沟通、精心设计课程，但是由于对学员的学历背景、业务水平等情况的了解程度有限，从不同程度上影响了在职培训的效果。基于就业质量评价对参训民警的全面评估可以辅助公安机关确定适合每个人的订制式培训课程，真正实现大数据时代“因材施教”的个性化教学。

四、重构大数据时代公安院校就业质量评价模式的实践要求

（一）加强教育领域数据意识的培养

随着物联网、智能终端的兴起，能够以数据形式被采集和记录的信息越来越多。这固然为大数据技术的发展奠定了数据体量方面的基础，但大数据的价值得到认可的最根本原因并不是数据量的爆炸式增长，而是在于其通过对多维数据背后复杂的相关关系的深度挖掘揭示了人类社会诸多领域未曾被发现的规律，是数据从量变到质变的飞跃。可以说，大数据技术的出现颠覆了人们对于数据的采集方式、处理习惯、挖掘分析和价值利用等各个环节的理解和认知。正如谷歌公司用搜索引擎的关键词检索日志成功预测了流感的爆发，数据的跨行业重组和挖掘是大数据颠覆传统数据统计分析方法的表现。除了教育机构专门采集的数据以外，其他行业应用采集的数据如打游戏的时长、购买书籍的清单等等，经重组后都有可能服务于教育领域，但是需要先进的数据思维和理念作为支撑。大数据所能带来的经济价值使它已经在商业领域最早做出尝试并获得了巨大成功，而制约其在教育领域发展进程的最重要因素还是教育工作者在数据理念方面的落后。只有重塑教育领域工作者对数据的定位、理解和使用的思维与能力，才能正确解读大数据告知我们的信息和规律，才能正视大数据技术对教育教学方法和人才培养模式的冲击，真正开启大数据技术在教育领域的广泛应用。

（二）建立专门的就业质量评价机构

大数据时代的就业质量评价工作是一项长期的系统工程，包括基础数据的获取、指标体系的确立、评价模型的设计、模型参数的校正等环节。也就是说，该系统的建设、维护、运转都需要得到政策、技术、人才、资金等多方面的支持和保障，对于任何一所高校来说都难以独立完成，而且也容易造成重复投入。美国是全球最早开展毕业生就业质量评价的国家，由美国国家教育统计中心(NCES)、美国大学与雇主协会(NACE)等专门机构主持完成，定期将评价结果反馈给学校，并面向全社会公布。从美国在这方面的经验来看，设立专门的就业质量评价机构不仅能够统筹全国范围的基础数据源，能够借助专业数据分析公司的软硬件设施、技术力量、行业经验完成越来越繁杂的数据建模分析工作，保障评价结果的准确性和公信力，而且相对于传统模式中由公安院校独立完成本校毕业生的就业质量评价，专门机构的评价工作作为独立的第三方，其评价结果与院校统计数据的对比相当于对院校就业管理部门的统计工作起到了监督作用，而且由于机构所作评价针对的是行业内全部院校，与其他学校的横向对比更有助于查找自身的缺点和不足。

（三）搭建有效的就业质量评价平台

就业质量评价是一项以学校、毕业生和用人单位为主体，牵涉面极广的一项长期工作，需要各方的有效互动和积极回应才能保证可操作性和可持续性，而这种互动和回应在大数据时代是以信息和数据为媒介来实现的，这就要求就业质量评价机构首先应该搭建一个有效的对接平台，实现参与评价各方的信息互联互通。目前国内唯一一家专业从事就业质量监测评价的网站是2011年 9月 1日上线的中国高校就业质量监测网（http://www.jyjc.org/gywm.asp），但它并没有发展成我国就业质量监测的权威机构，导致其名存实亡的根本原因在于这个网站唯一的数据来源是主页上对毕业生的问卷调查，完全依靠受访者登录网站自发填写，与高校和用人单位之间没有建立固定的信息渠道。这样的监测数据源自然不可能生成权威的监测报告，因此没有受到业界的关注，自然也无法吸引高校和用人单位参与其中。其实，如何实现对毕业生职业生涯的长期跟踪一直是困扰就业质量评价工作的难题。即便是就业指向性极强的公安院校，虽然相对于普通高校来说，学校与毕业生和用人单位的联系更为紧密，但是仍不足以作为就业质量的评价依据。只有依靠大数据技术搭建跨越不同数据系统的信息平台，才能实现高校、用人单位和相关行业的系统数据之间的互操作，为常态的就业质量评价工作提供有效支撑。

五、结 语

大数据带来了社会生活组织形式的深入变革，与之相伴而来的是对公安工作的新要求、对公安人才评价标准的新导向，积极探索大数据视域下公安院校的就业质量评价模式，既是完善公安高等教育人才培养质量评价体系的必然要求，也是充分发挥就业质量评价对教育教学改革的诊断和导向作用的必然要求。大数据时代的到来为就业质量评价工作带来了改进评价内容、数据、方法等方面的新机遇，但也同时面临着来自政策、技术、隐私等方面的新挑战。无论怎样，大数据时代终将到来，只有积极探索大数据服务于公安高等教育质量评价的模式，才能真正构建客观全面评价公安院校人才培养质量的指标体系，切实引导大数据时代公安高等教育教学改革政策制定的方式与方法。

[1]中央编办,人力资源和社会保障部,公安部,教育部,财政部,国家公务员局.关于公安院校公安专业人才招录培养制度改革的意见[N].人民公安报,2016-01-25(2).

[2]中国高校毕业生就业质量监测网.中国高校毕业生就业质量评价指标体系[EB/OL].(2016-02-10)[2017-03-14].http://www.jyjc.org/gywm.asp.

[3]陈 然,杨 成．量化自我:大数据时代教育领域研究新机遇——2014年地平线报告研究启示[J].现代教育技术,2014(11):6-8.

[4]（英）迈尔·舍恩伯格,库克耶．与大数据同行：学习和教育的未来[M]．赵中建,张燕南，译．上海:华东师范大学出版社,2014:35-56.

[5]赵中建,张燕南．与大数据同行的学习与教育——《大数据时代》作者舍恩伯格教授和库克耶先生访谈[J].全球教育展望,2014(12):6-8．

（责任编辑：陈 阳）

Analysis on the Evaluation Model of Employment Quality in Police Colleges and Universities in Big Data Era

LIANG Yong-ling
(Department of Police Intelligence, National Police University of China, Shenyang Liaoning 110854,China)

With the era of Big Data’s coming, the connotation and function of the quality evaluation of police higher education has been expanded. It has unique advantages in evaluation contents, basic data and evaluation methods that big data technology services in public security colleges and universities to assess the quality of employment. The important significance to the state, schools, graduates and employers and other levels of reforming the employment quality evaluation model of police colleges and universities based on the concept of big data is discussed. Practical requirements of thinking training,institutional framework, and setting up platforms for rebuilding the employment quality evaluation model of police colleges and universities are proposed. The above-mentioned content is an active exploration of basic ideas and concepts of scientific construction of employment quality evaluation system in public security colleges and universities in the era of big data.

Big Data Era; police colleges and universities; employment quality; evaluation model

D631.15

：A

：2096-0727(2017)04 -0101-05

2017-05-26

梁永玲（1981-），女，辽宁铁岭人，讲师，硕士。研究方向：技术侦查、大数据研究。

辽宁省社会科学规划基金项目“大数据时代我省高等教育人才质量评价体系建设研究”（L15CGL017）阶段性成果。