SCI论文（www.lunwensci.com）:
摘要：随着大数据时代的来临，高校毕业生就业质量评价体系也得以优化。近年来，高校毕业生的就业问题已经引起社会的广泛关注，但是在就业评价体系的建立过程中，出现了很多问题，部分工作者没有正确认识高校毕业生就业质量评价体系的重要性，不了解真实情况，不利于高校毕业生的发展。本文就大数据技术在高校毕业生就业质量评价体系中的应用进行阐述，通过分析大数据的概念与特点，介绍大数据的相关处理技术，详细阐述大数据技术在高校毕业生就业质量评价体系中的实际应用，并提出加强其应用的有效方法。
关键词：大数据技术；高校毕业生；质量评价；应用分析
本文引用格式：王磊.大数据技术在高校毕业生就业质量评价体系中的应用[J].教育现代化，2019，6（37）：143-145.
Application of Big Data Technology in the Employment Quality Evaluation System of University Graduates
WANG Lei
(Shenyang Institute of Technology，Shenyang，Liaoning，China)
Abstract:with the advent of big data era,the employment quality evaluation system of college graduates has also been optimized.In recent years,the employment of college graduates has attracted widespread attention in the society,but many problems have arisen in the process of establishing an employment evaluation system,and some workers have not correctly understood the importance of the employment quality evaluation system for college graduates and do not understand the real situation.It is not conducive to the development of college graduates.This paper expounds the application of big data technology in the employment quality evaluation system of college graduates,and introduces the related processing technology of big data by analyzing the concept and characteristics of big data.This paper expounds the practical application of big data technology in the employment quality evaluation system of college graduates and puts forward the effective methods to strengthen its application.
Key words:Big Data Technology;College Graduates;Quality Evaluation;Application Analysis
引言：随着大数据时代的来临，高校毕业生就业评价体系的模式也发生了根本性的变化，高校毕业生作为初入社会的群体，利用大数据技术准确评测毕业生就业质量能够为毕业生提供可靠的就业指导，提高毕业生就业率，此外，还有利于大学生根据自己的实际情况进行职业生涯规划。目前来看，高校毕业生就业还存在很多问题，他们不了解自身的真实水平，对所要从事的行业了解也不透彻，不能正确定位自己的工作。
一 对大数据的认识
（一）大数据的概念
“大数据”从字面上来看是广量的数据，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理并整理成为帮助企业经营决策目的。这个词早在上世纪八十年代被提出来的，主要是描述信息技术，表示信息技术的进步，从数据处理方面来看，信息技术的信息处理效率已经显著提高，促进的信息技术的进步，也带动了相关企业的发展。
（二）大数据的特征
大数据具有四个主要的特征。第一，规模大，相比与传统的数据处理系统，大数据处理的信息量明显提高，信息处理效率也显著提高，第二，种类多。大数据不同于传统的数据处理，它的内容更加丰富，种类比较多。第三。快速性。快速性指的是大数据的发展速度以及信息处理效率快，在短时间内搜集分析处理大量信息，大大提高了信息的处理效率。第四，有序性，大数据虽然能够在短期内处理多种数据，但是并不是杂乱无章的，它能根据信息来源以及特征对信息分类整理，提高信息的处理效率。
（三）大数据在高校毕业生就业质量评价体系中的应用现状
首先，高校毕业生就业质量评价体系的建立还不完善，高校毕业生面临很大的就业挑战，目前来看，多数高校毕业生对自己的能力没有准确的了解，对所要从事的行业也没有准确的分析，认识比较片面，一味肯定或者否定自己的能力，导致高校毕业生就业质量评价体系建设不完善，还存在很大的漏洞。其次，大数据共享意识还没有形成，大数据技术虽然比较成熟，但是相关人员并没有将此技术与高校毕业生就业质量评价体系建立联系，分析两者的共同点，导致评价达不到相应的标准，很多数据也没有及时传输，整个体系的数据存在不真实的情况，不利于研究人员把握毕业生就业的真实信息。第三，数据的融合效果差，相关工作人员没有利用大数据技术的优势，对数据特征没有进行准确的判断，导致高校毕业生就业质量评价体系建设中缺乏数据支持，数据比较紊乱，不利于决策者科学决策，也不利于体系的优化，对毕业的就业有一定的影响，也不利于高校的发展。最后，毕业生就业大数据跟踪监测比较缓慢，不利于高校管理人员掌握毕业生就业能力等相关信息，对于地方经济发展也有不利影响，大数据技术在应用过程中，要根据高校毕业生的实际能力完善毕业生就业质量评价体系，提高数据处理能力，使数据更加真实准确，更好的反映高校毕业生就业情况，评价高校的管理质量，促进高校教育的进步，更好地与社会接轨，培养更多的专业性人才。
二 大数据相关处理技术
主要有三种处理技术。第一，数据挖掘技术。此技术是大数据技术的基本技术。能够将各个传感器传输的信息集中起来，提高信息的处理效率。同时，它具有有效性，能够准确分析信息来源并提取关键词，将同类的信息整理到一块，在大量的数据中做好这项工作是很不容易的，最重要的是它还能自动筛选有价值的信息，减少信息冗杂现象。第二，遗传算法技术。大数据技术是基于计算机技术完成的，具有遗传算法技术，此技术的应用大大提高了计算效率，同时，也是万千算法最优的一种算法，符合达尔文优胜劣汰的进化选择特征，能够淘汰不重要的信息，直至得到最优解。遗传算法是对大量数据进行筛选提取有用信息的重要手段。第三，神经网络技术。此技术也是大数据技术的一种。它与人的思维比较像，具有一定的逻辑判断能力，在数据处理过程中，能够优化数据处理系统，判断各种信息的时效性，提取有效信息，对提取的信息进行编码，归类，能够快速处理关键信息。
三 大数据技术在就业质量评价体系中的应用
（一）就业质量评价标准建立
就业质量评价体系建立需要运用大数据技术。目前，教育部门已经将毕业生就业评价体系作为衡量大学生就业发展的一个重要内容，也广泛建设相应体系，对高校大学生的能力提出了更高的要求。而这个体系的建立需要相关数据的维持，要提高数据的收集效率，而且还要在短期内对这些数据进行分析处理，才能获取最新的信息，由于不同的地区的经济发展状况不一样，对教育的重视程度也不一样，所以，毕业生就业质量评价体系也不同，在体系建立过程中，要收集各个高校的毕业生就业信息，进行处理，这个数据量是非常庞大的，所以，需要大数据技术的支持，提高信息处理效率，筛选有价值的信息。另外，就业质量系数的确定也要依据不同高校的经济状况，教学条件，专业情况等计算，但是在实际的计算过程中，每年的就业质量系数存在较大差异，对于这种问题，应该应用大数据技术，根据提取的关键信息准确分析毕业生就业岗位与专业的关联程度、就业区域、就业薪资、以及薪资与当地平均工资的关系，合理计算就业质量系数，了解影响毕业生就业的因素。调查结果显示，主要受四个因素的影响。第一。岗位制度，每个岗位的制度不同，对人才能力的要求也不同，在毕业质量评价中，根据毕业生对岗位标准与个人能力的相关性设置三个评价标准，非常相关，一般，关联不大。第二，就业区域系数，这个系数的确定要根据毕业生就业区域确定，根据城市经济发展条件分为四个标准，一线城市、二线城市、三线城市、四线城市或其他。第三，薪资系数，由于毕业生的能力不同，机遇也不一样，工资存在一定差异，所以，要调查毕业生的工资情况，主要制定统计图，反应毕业生就业区域与工资变化情况，并用毕业生薪资St与该等级区域当年的平均工资Sa的比值作为薪资系数S。最后一个就是就业质量系数确定，对于不同学校系数差异也比较大，应该根据各个元素在就业质量系数中所占的比重权值确定。(St:毕业生薪资/千元，Sa:毕业生某年平均工资千元/人，S:毕业生薪资高出每年毕业生平均薪资的百分比)。
（二）就业质量评价数据处理。
主要做好以下四点:第一，数据整理。在此过程中，要结合毕业生的工作能力以及企业的用人标准数据进行整理，为了保证数据的真实性，还可以从用人企业的官网和学校教育网收集相关资料，可以与毕业生取得联系，询问他们的就业情况，从业是否跟自身的专业符合。扩大数据的收集途径，还可以从毕业生的毕业档案进行调查，还可以询问该导师。数据处理过程中，要保留原始数据，在此基础上筛选有效信息，将其存储到数据库中，将数据进行分类整理，图片，音频，视频，数据等，尽量避免人为因素的影响，利用大数据技术对这些数据进行收集整理。第二，数据的清洗。传统的数据主要是用人单位工作岗位数据，毕业生在校参与实习以及其他活动的数据，公司招聘数据等，对数据进行清洗也就是识别并删除噪声数据，提高用人单位的数据管理系统，根据毕业生就业情况完善数据库，保证数据库中信息的时效性和准确性，能够准确反应毕业生就业情况，了解他们的专业就业率以及求职进展，优化毕业生就业质量评价体系。第三，数据的存储。毕业生就业评价数据量比较大，在处理过程中，主要用到两种处理方法，即线上存储与线下存储，前者注重CAP定理的合理应用，能够有效分析数据的时效性以及价值，做好有关数据和无关数据的取舍。后者更加侧重备忘工作，一般是以工作手册的形式存在，注重原始数据的保存，人为分析数据，提高数据的分析处理能力。根据不同需求选择不同的存储方法，这两种方法有一个共同点，他们都是将数据编码，然后按照一定的规律进行整合。数据存储也要做好安全防护措施，可以设置网络密钥保护数据。第四，数据的使用。利用大数据整合数据，结合岗位用人标准以及毕业生的能力调查调整数据，调动有效数据。结合行业需求对毕业生的就业情况进行准确定位跟分析，为他们提供合适的就业方向，还要规划就业意向，多方面发展，尽可能减少冗余数据的干扰，完善数据库。为了进一步提高数据的处理效率，还要根据数据特征设置相应的密钥，建立网络安全凭证，保证数据传输的安全，也能保证用户的信息安全，避免私人信息泄露的情况。
（三)软件及硬件设备优化
首先，提高硬件设备的性能。硬件设备要符合大数据时代的综合需求，容纳更多的数据，扩展其内存，同时，还要扩大硬件设备的存储空间，提高信息存储跟读取效率。其次，提高软件的性能。软件系统对整个就业质量评价系统的建设有重要作用，对于这些庞大的数据，在处理过程中，不能仅仅依靠硬件系统，软件系统也有承担一定的责任，提高算法的选择能力，则优而算，同时，还要根据数据特征建立相应的模型，提高数据处理效率。
四 结束语
基于大数据技术的高校毕业生就业质量评价体系建设要考虑岗位对毕业生的能力要求进行完善，利用大数据提高各种信息的处理效率，准确分析毕业生就业情况，为在线大学生提供更加科学的就业指导。本文重点分析大数据技术在高校毕业生就业质量评价体系中的应用，阐述大数据的概念，介绍大数据的三种关键技术，详细阐述大数据技术在高校毕业生就业质量评价体系的建立过程，进一步优化毕业生就业质量评价体系。
参考文献
[1]甘晓，李国杰.大数据成为信息科技新关注点[N].中国科学报，2017(03):159.
[2]尚光龙,张泽锋.大数据技术在信息管理中的应用研究——以高校就业工作为例[J].河北北方学院学报(自然科学版),2016,32(5):30-34.
[3]张敏.云计算环境下的并行数据挖掘策略研究[D].南京邮电大学.
[4]沈延兵,费毓芳,刘建新.我国大学生就业评价现状和对策[J].黑龙江高教研究,2005(1):81-83.
[5]皮江红.高校毕业生就业率统计中的问题及完善[J].浙江统计,2008(09):17-18.
[6]王波,梁纪尧.我国居民收入分配差距监测及预警分析[J].工业技术经济,2008,27(3).
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！ 文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jiaoyulunwen/10109.html
