[1]李静.大学生就业多维大数据分析技术路线探讨[J].信息化理论与实践,2019,(01):13-19.
点击复制

大学生就业多维大数据分析技术路线探讨()
分享到：

《信息化理论与实践》[ISSN:2520-5862/CN:]

卷:
期数:
2019年01期
页码:
13-19
栏目:
出版日期:
2020-06-30

文章信息/Info

Title:
A Discussion on The Technical Route of Multidimensional Big Data Analysis for College Students’ EmploymentLi Jing
作者:
李静
(厦门理工学院信息中心 厦门 361024)
Author(s):
Information Center, Xiamen University of Technology, Xiamen 361024, China
关键词:
就业数据 学生行为数据 大数据分析 技术路线
Keywords:
Employment?data Student behavior data Big?data?analysis Technical route
摘要:
目的]寻找学生主要在校行为与就业流向之间的内在关系的一种研究思路。 [方法]通过文献分析，描述大学生就业多维大数据的背景、现状和意义，再以学生在校主要行为数据为自变量，就业结果数据为因变量，利用关联、聚类等算法找出它们的内在联结。 [结果]探讨了包含因素识别、数据选择、数据采集和存储、数据规范化、关联分析、模型验证和优化、结果应用7个环节的影响学生就业流向的大数据分析流程。 [局限][结论]加强数据治理，组建专业的校务大数据分析团队对开展校务大数据研究非常重要。
Abstract:
Objective]A research approach to find the internal relationship between students’ main behaviors in school and employment flow. [Methods]Through literature analysis, this paper describes the background, current situation and significance of multi-dimensional big data on college students’ employment, takes the main behavior data of students in school as the independent variable and the employment result data as the dependent variable,then uses association, clustering and other algorithms to find out their internal connection. [Results]This paper discusses the big data analysis process including seven links, including factor identification, data selection, data collection and storage, data normalization, correlation analysis, model validation and optimization, and result application, which affect the flow direction of student employment. [Limitations]The employment big data analysis has some problems, such as weak work foundation, lack of data sharing and use mechanism, low data quality and lack of professional data analysis technicians. [Conclusions]It is very important to strengthen data governance and establish a professional big data analysis team for the research of big data in university affairs.

参考文献/References:

[1].EB/OL]. 教育脉动，2015,12(10):154-164.
[2].[2]教育部2019年工作要点. http://www.moe.gov.cn/jyb_xwfb/gzdt_gzdt/s5987/201902/t20190222_370722.html.
[3].[3]黄建翔.校务研究应用于高等教育校务经营发展策略规划与展望[J].教育行政论坛，2018,6(20):21-40.
[4].[4]张仁泉.地表水环境质量大数据分析技术路线探讨[J]. 环境监控与预警，2016,6(5):63-67.
[5].[5]韩霖,金健宇,方丹丹.什么影响学生就业:大数据模型告诉你[J].中国教育网络，20,7(2):71-72.
[6].[6]李艳敏,高建波.基于大数据的精细化就业指导研究——以江西科技师范大学为例[J].职教论坛,2017,29(3):30-31.
[7].[7]王硕鹏.基于大数据分析的高校困难群体就业生今年就业情况研究[J].就业指导,2016,17(4):55-58.
[8].[8]严宇.大学生就业选择倾向及其影响因素分析——基于首都大学生成长跟踪调查[J].现代管理科学,2017,10(3):109-111.
[9].[9]刘复兴,朱俊华.大学生就业结果的影响因素研究——人力资本、SCCT职业发展理论的角度[J].西南大学学报（社会科学版）,2017,9(8):30-37.
[10].[10]孙杨博.基于大数据挖掘的高校学生行为数据分析系统的研究与开发[D].石家庄:华北电力大学,2017.
[11].[11]何荣桂.大数据与校务研究[J].台湾教育,2017,12(08):2-9.
[12].[12]储著源.大数据时代网络理论认同：特征、测度与对策[J].常州大学学报(社会科学版)，20, 20(09):90-98.
[13]. (通讯作者: E-mail:lijing@xmut.edu.cn

备注/Memo

备注/Memo:
(通讯作者: E-mail:lijing@xmut.edu.cn*本文系2018年度福建省中青年教师科研项目（高校教育信息化专项）“基于大学生就业的多维大数据分析方法研究”（项目编号：JZ180202）的研究成果之一。
更新日期/Last Update: 2021-01-19