基于数据挖掘的我国大学生高质量就业研究：评价体系、影响因素和实现路径

Realizing the high quality employment of college graduates is one of the significant policy objectives of the higher education development in China. However, Employment quality of college graduates is an administration problem with comprehensive connotations and influenced by complex factors. Traditional researches, limited by the methods used, have not been highly successful in fully revealing the inner influence mechanism of the problem. This study, based on a basic logic chain of “evaluation system-influencing factors-realization path”, attempts to establish a multi-dimensional module for the evaluation of the employment quality of college graduates, and for the analysis of macro/micro factors. Through researches on theories and actual data, a data base of the employment quality of college graduates is to be established, and a process flow shall be created for data structuring, data collection, data storing, deep data mining, and effective data application. An optimal machine learning algorithm will be selected by training/testing the big data acquired via social surveys; multi-level data mining will then be carried out under the selected algorithm for researches that explore the key factors and effective ways of improving the quality of employment of college graduates. The study will also discuss upon the optimization of policy designs for improving the quality of employment of college graduates in China from the perspectives of the supply side, the demand side, and the intermediate agency. The study aims to provide theories and actual data for understanding the connections between the quantity and quality of employment of college graduates, and for identifying the key factors and effective path in realizing the high quality employment of college graduates.

实现大学生高质量就业是当前我国高等教育发展的重要政策目标之一，而大学生就业质量本身是一个具有丰富内涵并受复杂因素影响的管理问题，传统研究因方法所限难以揭示其全面的内在影响机制。本研究将从“评价体系—影响因素—实现路径”的基本逻辑出发，构建大学生就业质量多维度评价模型，分析影响大学生就业质量的宏微观因素，期望在理论和实证研究基础上，建立大学生就业质量数据库，完善数据结构、采集存储、深度挖掘、有效应用的数据链系统。并通过社会调研采集大样本数据，选择最优机器学习模型算法来训练和检验大数据，开展多层次数据挖掘进行探索性研究，揭示大学生就业质量的事实因果关系，发现实现大学生高质量就业的关键因素及有效路径，从政策供给侧、需求侧和中介环节探讨我国大学生就业质量政策的优化设计。本研究为理解当前我国大学生就业数量与质量相互关系，寻找到实现大学生高质量就业的关键因素及有效路径提供新的理论视角和实证依据。

实现大学生高质量就业是当前我国高等教育发展的重要政策目标之一，尤其是面对新冠疫情的冲击，大学生就业成为社会经济高质量发展的重中之重，探寻实现大学生高质量就业的影响因素和有效路径对于各级政策精准施策具有重要的理论价值和现实意义。本研究针对大学生就业质量这一具有丰富内涵并受复杂因素影响的管理问题，按照“文献综述、评价体系、影响因素、实现路径、政策评估”的逻辑思路开展研究。首先，针对大学生就业质量的概念内涵、评价体系、影响因素进行了较为全面的国内外文献梳理和综述，并运用CiteSpace对文献知识图谱进行可视化分析，探讨我国大学生就业质量的研究热点和趋势。其次，运用文本大数据挖掘方法，从公众认知视角构建大学生就业质量评价指标体系。第三，通过文献分析法，将高校毕业生就业质量影响因素划为环境背景因素、外部主体因素和学生个体因素三个维度，并探讨了高校学生和用人单位对大学生就业质量影响因素的认知差异。第四，运用实证检验方法，分别探讨了人力资本、社会资本、心理资本等影响因素对大学生就业质量的作用机制，探讨提升大学生就业质量的实现路径。第五，运用机器学习不同算法来训练和检验大学生就业质量调研数据，比较并选择最优算法，通过数据挖掘探索性研究能够更好地揭示大学生就业质量影响因素各变量原始特征值之间复杂的内在机制和基于数据的事实因果关系。第六，通过调研反映当前大学生就业质量政策的认知度，运用PMC指数模型对政策开展量化评估并提出优化建议。此外，根据研究期间大学生就业市场所面临的新变化、新问题开展了有关新冠疫情冲击对大学生就业影响、大学生“慢就业”现象、灵活就业职业发展等领域的专题研究。本项目的成果应用主要体现在“中国大学生学业与就业追踪调查数据库”建设，一方面为今后学界开展学业就业领域的研究提供开放性数据，另一方面帮助相关高校了解人才市场需求和学生发展动态，持续推动大学生就业高质量发展。