基于大数据的高职毕业生精准就业供需智能匹配系统开发与实践

尹华丁 李红莉

摘要：大数据技术在教育信息化进程中有着重要作用。职业院校引入大数据分析、机器学习等现代信息技术，依托智慧校园平台，校企合作建设高职毕业生精准就业供需智能匹配系统，准确指导学校“招生-培养-就业”全生命周期的人才培养，能够有效提升专业设置与产业结构契合度、提升人才培养与行业需要对口度、提升学生就业与个体发展吻合度。

关键词：大数据；高职毕业生；精准就业供需智能匹配系统

中图分类号：G642        文献标识码：A

文章编号：1009-3044（2022）29-0063-04

随着我国加快推进供给侧结构性改革，行业企业的新技术、新工艺、新设备、新材料、新设备大量应用对技术技能人才提出了更高要求。长期以来，由于人才供求信息不畅、就业管理模式滞后、学校应变能力不强等原因，导致高职院校人才培养难以适应市场需求变化，在专业设置、培养定位、培养模式、就业指导等等方面存在一定的盲目性和随意性，造成了企业招工难与毕业生就业难同时并存的矛盾局面。如何引入大数据分析、人工智能等现代信息技术，搭建基于大数据的高职毕业生就业指导信息化系统，科学预测技术技能人才的校企供求关系，突破传统学生就业管理的弱点和难点，精准指导高职院校“招生-培养-就业”全生命周期的人才培养，提高教育教学质量，消除结构性就业矛盾，意义十分重要。湖南城建职业技术学院通过校企共建基于大数据的精准就业供需智能匹配系统，在这方面进行了有益的探索。

1 大数据及其在教育信息化建设中的应用

1.1 “大数据”的基本概念及国外应用情况

1988年全球知名资讯公司麦肯锡提出 “大数据”[1]一词，指以多元形式、众多来源搜集而来的庞大数据组。大数据具有4大特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。大数据中隐含着系统或组织运行的基本规律，大数据管理已经成为信息时代提高系统或组织运行效能的重要手段。2012年3月，美国启动“大数据研究与开发計划”，一批知名企业和高校开设大数据研究中心，大数据的开发和应用受到全面关注。大数据分析与处理技术融合了人工智能、数据库技术、模式识别、机器学习、统计学和数据可视化等多个领域的理论和技术，在金融、医疗、教育等所有领域应用越来越广泛。在高校就业管理领域，加州大学伯克利分校将机器学习、云计算、众包等方法整合起来，预测经济社会发展对专业人才需求趋势。美国劳工局运用大数据技术，预测行业发展变化和消亡趋势，从2012年开始对大学专业设置和人才培养培训提出咨询报告。

1.2大数据在我国教育信息化过程中的应用

2018年，习近平总书记致信国际产业博览会，提出要“围绕建设网络强国、数字中国、智慧社会，全面实施国家大数据战略”。2018年4月，教育部下发《教育信息化2.0行动计划》，提出 “努力构建‘互联网+条件下的人才培养新模式、发展基于互联网的教育服务新模式、探索信息时代教育治理新模式”。教育信息化背景下高职院校智慧校园的建设就是依托大数据、云计算、移动互联网、物联网、人工智能等关键技术，实现对学院教学、科研、管理、服务与校园资源和应用系统的有机整合，对人才培养诸要素和全过程实现精准监控和指导。2020年教育部等九部门印发《职业教育提质培优行动计划（2020—2023年）》，提出“满足学生的多样化学习需求，大力推进‘互联网+‘智能+教育新形态，推动教育教学变革创新” 。

大数据技术在我国教育信息化建设中有广阔的应用前景，并得到学术界的广泛重视，在理论研究方面主要集中在两个方向，一是大数据在就业指导中的运用[2-4]。主要分析“数据挖掘技术”的概念、主要方法及在高校学生就业中的应用策略[5]。二是关于大数据在人才培养中的运用。强调多渠道采集学校人才培养和学生成长过程中的信息，通过大数据技术分析不足、进行预警并提出对策[6-8]。但是，目前的研究尚限于理论探索阶段，尚未见到比较成熟的信息化系统开发应用的成果。

2 基于大数据的高职毕业生精准就业供需智能匹配系统开发实践探索

湖南城建职业技术学院是2011年成为湖南省示范性高职院校，2018年立项湖南省高等职业教育卓越高职院校建设单位。近年来，学院建立了内部质量保证体系，形成常态化、网络化、全覆盖并具有较强预警功能和激励作用的内部质量保证运行机制，其智能化诊改平台融入了大数据技术，实现了对学校、专业、课程、教师、学生等层面教育和管理质量的有效监控。尤其是基于大数据的毕业生精准就业供需智能匹配系统，实现了招生—培养—就业全过程精准指导。

2.1 校企联合开发信息化大数据平台

2018年以来，湖南城建职业技术学院与知名大数据技术公司合作，共同开发了基于大数据的质量诊改信息化平台，将质量诊改与智慧校园建设、教学大数据、校园大数据相融合，通过信息化、数据化和智能化，重点完成海量数据的统一存储、管理、信息共享和数据资源服务提供，并作为应用系统的支撑，针对不同的业务建立不同的专题，建立完善的数据采集、加载、存储、分析和应用展示的架构体系（见图1），为毕业生精准就业供需智能匹配系统提供大数据支持。

2.2 建构并运行毕业生精准就业供需智能匹配系统

毕业生精准就业供需智能匹配系统包括社会招聘需求获取、社会招聘需求分析、社会招聘岗位需求预测、社会招聘技能需求预测、学生能力模型、需求能力匹配模型、人才培养建议、就业岗位精准推荐8个子系统（见图2）。

各系统协同配合实现的主要功能有：一是校企专家共同研发爬虫工具并进行爬虫规则定义，爬取不同时间段的行业企业典型职业岗位社会需求变化趋势、岗位能力分析、岗位证书要求，系统能够自动生成社会需求分析报告（见图3）。二是调查高职学生就业现状与特征，分析高职学生专业能力、方法能力、社会能力，以及获得职业资格（等级）证书情况、企业顶岗实习表现等方面对大学生就业的影响，实时掌握行业企业对专业人才需求岗位及培养规格需求，以此指导制定专业人才标准、培养方案、课程体系和创新培养模式，配置与社会需要的能力培养相适应的课程体系和内容，构建学生能力发展模型（见图4）。三是毕业时与行业企业招聘信息中提出的能力需求进行对比，实时将企业就业岗位需求和学生求知需要进行双方向的精准推送，实现高质量就业实现招生—培养—就业全过程精准指导。

3 主要创新和应用成效

3.1 主要创新

学生优质发展诊改理念创新：采用自行研发数据采集工具获取社会和行业企业对某岗位的能力需求信息，运用校园大数据综合应用平台进行数据治理、分析，获得与社会岗位能力培养需求相对应的专业和课程教学信息，将两组数据进行比对，形成构建学生能力模型有效数据，通过可视化模型将有效数据进行精准预测构建学生能力模型，将学生能力模型数据与社会岗位能力需求信息数据进行比对，系统自动生成学生综合能力与岗位匹配结论。

可视化模型创新：通过自行设计可视化模型构建由学生专业能力评估、沟通能力、文档读写能力、获得证书、实习经历等组成的学生能力模型（见图5）。设计可视化数据模型可实现用拖、拉、拽等方式的数据导入，同样的数据量，普通的数据模型需要30分钟完成的数据治理，可视化数据模型只需要不到1分钟就可完成。

大数据工具创新：研发数据采集工具可对数据实现分类采集、精准采集，提高效率，进行各业务系统间数据打通，建立数据传输安全通道，打破部门壁垒，同时进行高效数据抽取、数据清洗、数据转换、数据校验、数据加载等，完成对业务数据、设备数据和互联网数据从数据源向目标数据仓库提取的过程，形成高质量数据对外提供服务，通过标准API封装，以数据资源运营方式为第三方提供接口权限，进行各项应用开发。

3.2 应用成效

专业设置与产业结构契合度提升：在系统的辅助决策下，学院根据职业变化趋势、行业变化趋势及建筑业转型升级新形势需要，适时优化调整专业群结构，构建的五个专业群全部对接建筑行业全产业链。2021年学院专业设置数和实际招生数为23个，实际招生专业22个，其中土建大类专业为20个。根据《湖南工业新兴优势产业链行动计划》中确定的20个新兴优势产业链，建筑工程技术、建筑设计等21个专业对接装配式建筑产业链，道路桥梁工程技术和城市轨道交通工程技术专业对接先进轨道交通装备（含磁浮）产业链。

人才培养与行业需要对口度提升：三年来，对标行业发展需要，学院指导学生完成个人规划及报告11480余个，2019级、2020、2021级共11554名学生根据岗位能力模型和学生发展标准制定了个人成长成才规划。同时为适应建筑业转型升级，满足装配化建筑对高素质技术技能人才需求，学院从2019年初，对近20个专业的培养方案进行了调整，加入了建筑BIM应用、装配化建筑的设计、施工与管理等方面的内容。学院为《中国建造2025》输送高素质技能型毕业生，2019年为716人，2020年为839人，2021年为965人。此外，学院还应装配化施工企业的需要，依托住建部授予学院的“全国装配式建筑科技创新基地”，广泛开展社会培训，累计完成企业员工培训7326人次。

学生就业与个体发展吻合度提升：通过构建学生能力模型，实现岗位与个人的精准推送，学院就业率居全省前列。2020届毕业生就业率为83.23%，高于湖南省高等院校平均就业率4.04个百分点，高于湖南省高职院校平均就业率5.26个百分点。同时个体发展与职业选择的吻合度提升。学院2020届毕业生的工作与专业相关度为86%，与专业相关度较高建筑设备技术达95%。再有个体对于职业与学院人才培养满意度较高。学院2021届毕业生的就业现状满意度为75%，毕业生的就业感受较好。学院2021届毕业生对母校的總体满意度为96%，反映了毕业生对母校的认可程度较高。

4 系统功能优化升级方向

完善学生学习生活应用系统，丰富大数据来源。打通学生学习生活应用系统间的信息孤岛，充分实现学生信息的互联、互通以及共享，同时运用各种数据分析进行预警与监控，丰富数据来源的同时充分挖掘数据的价值。

针对学生特点，提高个性化指导实效。继续加强自我诊断的数据化和对问题的精准定位，构建能够体现学生个人特色的能力模型，根据其个性化习惯行为进行针对性预判、趋势分析和展望，以实现精准画像，及时预警，提升诊改实效。

利用多方交流平台，推广理论实践成果。基于大数据的学生优质发展辅助系统运行效果良好，下一步学院将依托中国建设人力资源协会、湖南建筑职教集团等合作平台与兄弟院校进行理论与实践成果的推广与交流，促进系统的更新与完善。

参考文献：

[1] Allen D G，Biggane J E，Pitts M，et al.Reactions to recruitment web sites：visual and verbal attention，attraction，and intentions to pursue employment[J].Journal of Business and Psychology，2013，28（3）：263-285.

[2] 陈爱红.基于大数据思想的学生就业工作管理研究[J].才智，2017（7）：87.

[3] 易元斌，周罗艳.大数据技术在高职院校就业信息化建设中的现状与应用研究[J].山西青年，2021（10）：161-162.

[4] 张希玲.大数据时代高职院校精准就业服务的基本要求与发展策略[J].教育与职业，2020（15）：58-63.

[5] 陈颖.大数据技术开发利用下高职人才培养工作的研究——以高职教育大数据应用平台建设为例[J].当代经济，2015（14）：126-128.

[6] 李海琼.数据挖掘技术在辽宁大学生就业辅助决策分析系统中的研究与应用[D].沈阳：沈阳工业大学，2009.

[7] 李彦奇.基于决策树的高职院校就业系统的研究与设计[D].石家庄：河北科技大学，2012.

[8] 李旭.高职院校学生综合素质测评系统的设计与开发[D].成都：电子科技大学，2017.

【通联编辑：王力】