基于机器学习的个体努力、家庭背景对大学生就业质量影响研究

Study of Employment of College Students based on the Personal Endeavor and Family Background in the Machine Learning

基于我国23所高校2019—2020届大学生调研数据,通过层次—熵权法构建就业质量评价体系,依据Roemer“环境—努力”二元分析框架、布劳—邓肯的地位获致理论,比较分析个体努力、家庭背景对当前大学生就业质量的影响。研究发现:第一,2020届大学生就业质量略低于2019届,这可能与新冠疫情有关;第二,机器学习模型结果显示,大学生的个体努力与家庭背景均影响就业质量。具体来说,个体努力中,就业质量与学科——理学工学、有校级及以上获奖经历、职业生涯规划开始时间——大二、有社团干部经历、职业生涯规划长远程度——长期/中期、院校类型——一流大学建设高校等8个变量呈显著正相关,而与职业生涯规划开始时间——大四、职业生涯规划长远程度——无清晰规划或短期、就业指导活动参加次数——较少、实习实践经历——较少、职业生涯规划开始时间——没想过等6个特征变量的影响呈负相关。另外,家庭背景中,就业质量与母亲学历——大学及以上变量呈显著正相关;第三,对比分析表明,个体努力对就业质量的作用大于家庭背景。最后,提出提升大学生就业质量的3个路径。