计算机网络实际就业分析,高职计算机网络专业毕业生就业竞争力分析.doc

高职计算机网络专业毕业生就业竞争力分析

【摘 要】在高职教育逐渐普及的背景下，学院计算机网络专业毕业生就业竞争力研究对专业发展意义重大，数据挖掘中的分类算法为此项研究提供了现实可能。本文对数据挖掘的技术路线包括数据挖掘、分类算法、算法的选取和优化进行了阐述;针对所收集到的数据特点，提出选择分类算法中的决策树算法更加适宜研究该专业毕业生就业竞争力情况。应用决策树算法原理对数据进行实例分析，依据C4.5算法构造决策树，分析实验结果，将与人交往能力、社会工作经历、专业知识等七个维度依次排序，推导出高职计算机网络专业毕业生非专业因素和综合素质对于提升就业竞争力影响深刻的结论。

【关键词】高职教育 计算机网络专业 数据挖掘 决策树算法 就业竞争力

【中图分类号】G647 【文献标识码】A 【文章编号】1674-4810(2015)30-0011-05

当前，迅速扩大的高等教育规模逐渐从精英教育转向普及教育，在校毕业生数量逐年增加，在就业“没有最难、只有更难”的大背景下，如何提升高职学生的就业竞争力对每所院校都具有非常现实的意义。

一 高职学生就业竞争力研究的意义和背景

高等职业教育作为我国高等教育的重要组成部分，具有高等教育和职业教育的双重功能，以市场需求为导向设置培养计划，以培养相关岗位技能为重点，强调专业理论和实际操作相结合，兼顾地方特色和行业优势。高职学生就业竞争力是指高职学生整合知识、技能和个人综合素质等因素，在人力资源市场上获得适合才能发挥和实现自身价值的工作岗位的能力。一般来说，学生就业竞争力越强，与社会、行业、企业对人才需求的匹配程度越高。

1.高职学生就业竞争力研究的意义

在我国高等教育逐渐实现普及和经济结构调整的时期，学生就业问题不仅涉及学生个人发展，也涉及社会对学校的评价认可，更是一个民生关注的热点问题。对高职学生而言，就业竞争力的构成因素至少包括三个方面：一是高职学院的品牌因素，如社会知名度、影响力、专业特色等;二是学生主观因素，如专业知识、职业能力、个性气质、道德素养、先天条件等;三是社会因素，如对相关专业的人才需求、人才标准、用人单位特殊考量等外在因素。因此，能否提升学生就业竞争力并不完全取决于高职学院自身的培养水平和学生自身的素质。但作为高职院校，不断优化人才培养方案，努力提升学生的职业能力和社会就业竞争力，却是学院生存发展和创建品牌、进行内涵建设的必由之路。

2.高职学生就业竞争力研究的背景

因材施教是任何一种层次的教育都必须充分尊重的教学规律，如何以市场为导向，以就业为目标，实现以人为本的个性化教育是高职教育面临的一个重要课题。本文拟利用学院现有的资源，采用现代信息技术的方法和研究成果研究学生情况、分析学生特点，关注学生成长，通过对已有的学生信息的分析，探求其中隐藏的规律，并把研究结果运用于学生身上，为学生的发展提供参考建议。这对于进一步合理利用、优化教学资源，促进教与学的理解和沟通，最终让教和学更好地结合，实现有效学习，达到预期的专业培养目标，从而促进学生就业竞争力提升，具有极大的意义。

近年来，随着信息技术的发展，学院各部门根据学生的专业分类，有针对性地积累了一定的学生信息。就学院计算机网络专业而言，受学生规模等因素影响，所收集的各类数据相对有限，但依然可以通过数据挖掘技术对该专业学生的就业竞争力进行研究分析。分类是数据挖掘的一种常见的分析手段，旨在构造一个分类函数或分类模型，该模型能把数据库中的数据项映射到定类别中的某一个，以此来达到分类并用分类模型对未知分类情况进行预测的目的，这将为我们研究前述高职教育的现状问题提供有力的技术支持。

我院计算机网络专业自2001年开设以来，累计培养了毕业生600多名，已经成为计算机类常设专业之一，并受到社会考生一定的关注。因此，通过数据挖掘技术分析研究计算机网络专业毕业生的就业竞争力对于该专业的发展具有十分现实的意义。

二 应用于高职毕业生就业竞争力分析的数据挖掘技术路线

数据可以理解为通过实验、统计等手段获得用于不同社会实践的众多数值，通过全面、系统、准确地测量、收集、分类存储各类数据，再经过严格分析、检验这些数据往往就能获得能够揭示某种事物内在属性的认识。而这个从众多数据中分析、把握隐藏在事物内部某种规律性的过程就是数据挖掘。

1.数据挖掘的概念

数据挖掘(Data Mining)又称数据库中的知识发现(Knowledge Discovery in Database)，是指从大型数据库或数据仓库中提取隐含的、未知的，具有潜在应用价值和规律性认识的信息，融合了数据库、统计学、人工智能、机器学习等多个领域的理论知识，一般要经过数