SCI论文（www.lunwensci.com）:
摘要：数据可视化是将数据用图形化的方式来表示，帮助人们迅速明白某些数据的重要性、理解数据的背后含义。目前部分高校教师招聘管理中，存在手动分析招聘数据，耗时耗力，所得数据不直观，影响决策判断，影响招聘教师工作。本文设计基于ECharts的高校教师招聘大数据可视化平台，采用单页面大屏展示，使用ECharts.js图表提供的丰富图表工具结合招聘的数据，实时生成分析图表，图表包含报名性别比例、报名审核情况、毕业时间、生源地等重要信息。平台可以实时反映招聘信息，让管理者可以更直观、更准确、更快速的做出决策，为未来设置更合理的招聘岗位。
关键词：高校教师招聘；大数据可视化；ECharts
Construction and Application of Big Data Visualization Platform for College Teacher Recruitment Based on ECharts
SONG Dongxiang1,WANG Yiran2,MA Jialuolun1
(1.Dehong Teachers'College,Dehong Yunnan 678400;2.Dehong Vocational College,Dehong Yunnan 678400)
【Abstract】：Data visualization is the graphical representation of data to help people quickly understand the importance of certain data and understand the meaning behind the data.At present,in the management of teacher recruitment in some colleges and universities,manual analysis of recruitment data is time-consuming and labor-intensive,and the obtained data is not intuitive,which affects decision-making and judgment and affects the work of recruiting teachers.This paper designs a big data visualization platform for college teacher recruitment based on ECharts,adopts a single-page large-screen display,and uses the rich chart tools provided by ECharts.js charts to combine the recruitment data to generate analysis charts in real time.Important information such as graduation date and place of origin.The platform can reflect recruitment information in real time,allowing managers to make decisions more intuitively,accurately and quickly,and set more reasonable recruitment positions for the future.
【Key words】：college teacher recruitment;big data visualization;ECharts
0引言
目前，大数据技术应用到了各行各业中，大数据可视化技术在大量的数据面前能够借助于图形化手段，可以清晰有效地传达与沟通信息。部分高校在人事管理教师招聘信息化平台建设中，只把招聘工作作为综合系统中的一个小功能。对于教师招聘数据分析，采用手动合计，简单分析。导致许多岗位设置暴露的问题无法解决，许多岗位招聘的教师未能达到预期，影响招聘工作。余乐章[1]等人认为传统的大数据工具一般为专业数据分析人员打造，具有难以上手、操作交互性差以及不够智能化等特点。提出智能交互向导系统是针对大数据交互式分析系统目前存在的问题而研制的一套大数据分析辅助工具。系统既研发了用户意图理解、数据抽样及列推荐、可视化推荐、分析方法推荐等核心关键技术，也拥有良好的图形化界面与人性化的智能交互体验。王子毅[2]、邱敏[3]等人提出ECharts为主体实现一种针对基础图表类型的支持数据挖掘和类型转换交互的数据可视化分析组件,通过引用该组件到信息系统中,直观、高效、明了地提高用户对于数据的视觉感知。宋佳慧[4]等人对ASP.NET开发环境下ECharts控件的动态统计图表绘制技术展开研究,结合AJAX技术针对其中的数据获取、图表参数设置、图表动态绘制等问题给出一套完整的编程模式,从而为各种Web应用中统计数据的可视化提供技术手段。综上所述数据可视化可以提升用户体验，方便用户操作，但相关综合技术还没有应用于高校人事教师招聘大数据可视化平台。本文提出设计基于Echarts的高校教师招聘大数据可视化平台，系统前端使用vue+Echarts.js组件，采用单页面大屏展示，Echarts.js图表提供的丰富图表工具结合招聘的数据，实时生成分析图表，图表包含报名性别比例、报名审核情况、毕业时间、生源地等重要信息。系统后端使用Nodejs+Express[5]，对MySQL数据库中的招聘数据进行清洗和分析，把结果返回前端。教师招聘大数据可视化平台可以实时反映招聘信息，让管理者可以更直观、更准确、更快速的做出决策，为未来设置更合理的招聘岗位。提升招聘质量，保障招聘工作的稳定性和有效性。
1需求分析
大数据可视化平台的数据来源是高校教师招聘管理系统中生成的数据[6]，存储在服务器的MySQL数据库中。在原高校教师招聘管理系统的开发设计中没有设置可扩展功能，所以在数据库的设计中，部分数据不能直接用于数据分析，增加了数据可视化的难度。主要存在以下几个问题：(1)数据需要清洗分析：比如年龄分析，需要统计的是年龄段的数据，可视化图表中希望展示23岁以下、23至25岁、26至28岁、29至30岁以及30岁以上的数据。需要借助数据库的SQL语句分段查询获得所需数据。(2)数据格式不统一：ECharts图表组件中所需的数据格式与服务器后端接口返回数据不一致，所以需要在系统前端进行数据格式修改，才能够显示图表数据。(3)可视化界面布局：图表可以直观的展示数据信息，但许多图表错乱发在一起就影响美观和判断。大数据可视化系统需要单个页面大屏展示，图表合理分布。
2系统设计
2.1系统架构
系统架构如图1所示，分为运行环境、后端、前端和前端UI，运行环境层使用Nginx资源服务器开启服务，优势是可以设置Https协议增加系统安全性、GZIP压缩提升页面响应速度[7]等。MySQL数据库属于轻量级数据库适用于本文中小型系统，Nodejs+Express可以构建后端的服务接口请求，Vue+ECharts构建前端大数据可视化单屏展示界面。后端层主要完成对应图表所需数据的数接口功能，能够对查询到的数据进行清洗、数据分析，把分析后的数据进行格式调整放回前端。前端层，使用Vue的v2.6.0构建可视化布局，把每一个图表构建为一个图表组件，组件中包含一个Echarts.js的组件图表类型，每个组件通过axios发出GET和POST请求后端数据。前端UI就是大数据可视化平台的展示界面，单屏展示，包含图表和系统标题。
2.2可视化界面布局
大数据可视化界面采用单屏页面展示，把信息汇聚于一个界面，分为上中下三层展示。
上层为：年龄分析用饼图展示，用户每日注册的数据我们需要使用折线图来将数据呈现。统计了报名人员的毕业院校，为了更加清晰的展示以及使数据展示全面，需要调用一个岗位代码下拉列表进行筛选，增加可视化交互；中层为：使用环形图展示报名人员的男女比例和岗位通过比例。报名人员的毕业时间以及报名人员，民族使用折线图的来呈现。在进行通过率以及男女比例时我们使用饼图的来进行比较这样能够更加直观的显示他们的比例。为了对每个岗位的学历进行分析可以使用可拉伸的条形图进行展示。对岗位报名人员的排名准备横向的条形图来展示。报考人员生源地汇总使用中国地图区域显示汇总人数。下层为：最重要的是能够使用堆叠柱状图展示每个岗位的实时招聘情况。
2.3数据图表生成
Node.js+Express作为后端然后编写API接口，把不同图表生成数据接口的请求URL，放在Nodejs服务器启动的5000端口上，以区分不同服务请求。通过MySQL语句查询图表所需获得数据，进行内容和格式处理后通过JSON格式返回。前端图表通过对应的API接口使用GET或PSOT方法请求数据，前端使用Vue的mounted方法接受返回数据，把数据进行格式调整，赋值到ECharts图表组件的data变量中，图表生成。
3系统实现
3.1平台界面
以xx专科学校2021年9月招聘24名在编教职工，19个招聘岗位，报名893条数据为例，招聘数据可视化如图2所示。上层布局采用两个饼图中间包含一个折现图的方式，左边饼图统计报考人员的年龄段，中间折线图统计则是每日用户注册的情况背景采用网格使展现的折线图更加美观，右边饼图统计了报考人员的毕业院校；中层布局左边上层应用折线图和饼图分析报考人员的民族、毕业时间。中层布局左边下层左边展示报考人员提交审核通过和不通过比例，右边展示报考人员男女比；中层右侧则是使用两个左对齐的柱形图，来展示报名人员的学历以和报名岗位的排名。下层则是使用堆叠柱形图进行对每个岗位通过情况进行展示。全局最中心调用了百度地图API来显示中国地图中报考人员的生源地省份合计数。
3.2实例数据分析
如图2所示：(1)年龄段分析：上层年龄段分析饼图，在23岁年龄段的人数最少只有15个，在23~25岁之间的人有101个，在26~28岁之间的人数是最多的，有152个29~30岁的有63个，30以上的只有58个，报名的人的年龄基本在23~28岁之间。(2)用户每日注册分析：上层用户每日注册折线图，开放招聘网上报名开始的时间是2021年的9月3日，报名的截止日期是2021年的9月10日。在系统开始开放报名时报名的人数最多，大多数人报名的都会在报名开放的第一时间去报名，其他时间段报名人数都比较平均。(3)不同岗位毕业学校分析：上层不同岗位毕业学校饼图，根据岗位的代码可以筛选出每个岗位报名人员的毕业院校从而分析出该岗位所需求专业的院校分布和专业的热门程度。(4)毕业时间和民族分析：中层毕业时间和民族分析堆叠折线图，在招聘时报名的人当中应届生是最多的，其次是2020年的人居多，在2020年以前报名的人数较少，在报名的民族中，汉族的人也是最多，其他少数民族报名人数比较平均。(5)通过比例分析：中层通过比例分析环形图，在此次招聘信息填报审核中报名通过的占比75%，说明还是存在专业不符、填报信息错误或其他因素导致报名审核失败的原因。(6)男女比例分析，中层男女比例分析环形图，可知男生只有三分之一，说明此次招聘岗位更受女性欢迎，当然也不排除工作地点的因素影响了报名人员的性别比例。(7)报名岗位学历分析：中层报名岗位学历分析堆叠柱状图，在报名岗位中部分岗位只有研究生报名说明岗位要求限制了报名的条件。在本科生也能报考的岗位中，本科生占比90%以上，也有部分研究生来报考，说明此岗位的专业中，研究生招聘竞争压力大。(8)岗位报名人数排名分析，中层岗位报名人数排名堆叠柱状图，使用一个排行榜，可以清晰展示招聘岗位的受欢迎程度。(9)报名人员生源地分析，中层中国地图展示报名人员生源地分布，可知报考人员是从哪个省份来的，方便招聘工作后期管理。(10)每个岗位报名通过情况分析，下层堆叠柱状图，展示所有招聘岗位的报名人数，审核通过人数，审核不通过人数，及时了解岗位信息。
4总结与展望
系统的可视化界面，简洁大方，分析内容合理，数据结果一目了然。在实例分析中，可以看出报名人员的性别、名字、年龄、毕业院校、生源地、民族、学历等重要信息，同时还实时展示了每个招聘岗位的审核情况。管理人员能够更直观、更准确、更快速的做出决策，为未来设置更合理的招聘岗位，提升招聘工作质量。系统也存在不足之处，例如对可视化图形的颜色进行更进一步的完善使图形更加美观。可以在图形上添加部分功能，多选用不同的可视化图形进行展示，不要局限于大多数选择饼图和折线图，比如热力图等图形来展示。
参考文献
[1]余乐章,夏天宇,荆一楠,等.面向大数据分析的智能交互向导系统[J].计算机科学,2021,48(9):110-117.
[2]王子毅,张春海.基于ECharts的数据可视化分析组件设计实现[J].微型机与应用,2016,35(14):46-48+51.
[3]邱敏,梁婷婷,梁天友.基于Echarts数据分析的校园疫情防控系统设计[J].物联网技术,2021,11(10):100-102.
[4]宋佳慧,刘远刚,林琳,等.基于eCharts的动态统计图表绘制技术研究[J].电脑知识与技术,2017,13(12):202-204.
[5]宋东翔,王怡然,李叙钊.健康体质测试系统的设计与实现[J].软件,2021,42(6):28-30.
[6]宋东翔,王怡然.基于简单过滤的高校教师招聘管理系统设计[J].信息记录材料,2021,22(12):81-83.
[7]SONG D X,WANG Y R,MA J L L.An Optimization Scheme for College Teacher Recruitment Management System Based on Blockchain and Text Recognition[C]//2021 13th International Conference on EducationTechnology and Computers,2021:243-251
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/jisuanjilunwen/40840.html
