大学生学习行为与就业信心的关联规则探析.docVIP

大学生学习行为与就业信心的关联规则探析 　　摘 要： 近年来高校就业形势日益严峻，毕业生压力越来越大。本文通过对湖州师范学院800名大学生的问卷调查，利用SQL Server 2005强大的数据处理功能挖掘大学生在校期间的学习行为与就业信心之间的关联，为学校在组织学科竞赛、提供有利学习条件和戒除网瘾三个方面给予切实有效的决策支持，以便在校内营造良好的学习氛围，激发大学生通过刻苦学习的行为取得良好的学习效果，增强就业信心，从而顺利实现就业。 　　关键词： 大学生学习行为 就业信心 关联规则 数据挖掘 　　 　　近年来，我国高等教育的快速发展引起世界瞩目。随着1999年的高校扩招以来，大学生就业难已成为备受关注的经济和社会问题。据教育部统计，一方面，大学毕业生人数不断增加。前教育部部长周济指出，“十一五”期间全国将有2500万以上的普通高校毕业生需要就业。另一方面，大学生的待业人数也呈逐年递增的趋势。而近两年的大学生就业难问题更为突出，“零起薪”求职等消息也不再是新鲜事。2007年高校毕业生达到495万，占新增加的900万个就业岗位的55%，首次超过社会新增加就业岗位的半数。其中2008年、2009年、2010年和2011年分别有约559万、610万、630万和760万大学毕业生需要就业，显然高校毕业生就业将成为我国社会就业中非常突出的矛盾。通过深入挖掘大学生在校期间的学习行为与就业信心之间的关联，为学校提供多方面切实有效的决策支持，以便大学生有目标、有方向地刻苦学习，从而逐步增强就业信心，这对大学生顺利实现就业有着非常重要的意义。 　　1.学习行为与关联挖掘 　　学习是学生主体的行为，从本质上讲是为了能够做什么，而不仅仅知道是什么。学习行为的目的是推动学生学习的内部动力，它促使学生确定在大学中的努力方向，而学习的方法、态度和内容则影响着学习的效果和学习目的的达成。就业信心是相信自己的就业愿望或就业预料通过努力将一定能够实现的心理，它是综合了各种可能因素的影响之后而对未来一种预期或看法［1］。 　　关联知识（Association）反映一个事件和其他事件之间的依赖或关联。关联知识挖掘的目的就是找出数据库中隐藏的、事先不知道的关联信息。关联规则挖掘（Association Rule Mining）是关联知识发现的最常用方法。数据挖掘流程是：确定挖掘的目标―抽取数据―清洗数据―运行挖掘算法―分析结果。关联规则形如：if A then B或者A?圯B。规则形成的频繁程度用支持度（support）来度量，规则的可信度或者说发生的概率用置信度（confidence）度量，生成的规则是否有用则用重要性（important）来度量［2］。 　　2.学习行为与就业信心的关联挖掘 　　根据大学生在校学习期间的现实活动，本次调查选择是否经常参加专业竞赛、每周早读的次数、是否逃课、每天自学时间和每天上网时间等五个方面来考察学生的学习行为与就业信心之间的关联性。通过数据挖掘发现学生在校期间的这些学习行为与就业信心之间是否存在一定的潜在规律？如果有，那么是什么规律？挖掘所用数据是针对本校大二、大三和大四的三个年级各个专业的800名大学生所进行的随机调查，回收问卷765份，回收率为95.6%，其中无效问卷20份。将调查数据整理后存入Access文件dcb.mdb中，并作为数据源导入SQL Server 2005进行关联规则挖掘［3］。 　　 　　图1挖掘出的关联规则 　　规则挖掘的三个重要参数分别设置为：最小支持度Minsupport为0.10（默认值0.03），最小置信度minconfidence也就是概率选择默认值0.40，最低重要性Minimportance为0.04，挖掘出的关联规则按重要性降序排列后如图1所示。每条规则的形如：“概率?摇重要性?摇项集A［，项集B，……］→项集C”，其中“→”的左侧是规则成立的条件，右侧是结论。 　　3.关联规则的解释 　　以下是将图1的17条规则分类后得出的反映大学生学习行为和就业信心之间关系的三组结论，通过对接受本次问卷调查的本校2005和2006级电子商务专业部分毕业生2009和2010年实际就业情况的后期跟踪，当初有就业信心的同学约98%都顺利实现了就业，从而真实有效地验证了这几组规则成立的可能性。 　　3.1参加专业竞赛与就业信心之间的关联关系。 　　由图1可知，有5条规则说明大学生只要经常参加专业竞赛就有就业信心，反之每天自学时间很少或偶尔逃课而且不参加专业竞赛的学生就无就业信心。 　　3.2每天自学时间、上网时间、逃课、每周早读次数与就业信心之间的关联关系。 　　由图1可知，有9条规则表明每天自学达到2、3个小时的同学有就业信心，自学时间约3小时的支持度0.814更大