江苏省就业质量评估及其提高策略研究

从强调就业数量的增加转化为就业质量的全面提升是我国就业工作理念的一次战略性转变,对此,非常有必要深入开展提升就业质量的理论探讨和政策研究,这当中,首要任务便是就业质量的评估。文章将在科学把握就业质量内涵的基础上,构建一套综合、科学、适应江苏实际的就业质量评估指标体系,然后对江苏省就业质量进行评估,并在此基础上探讨提高江苏就业质量的对策。

基于人工智能与数据信息分析的就业质量评估方法研究

传统就业质量评估方法中的就业质量指数依赖于具有不同权重的各项指标的线性拟合,简单的线性拟合方法不能充分表征更加复杂的依赖关系。而各项指标权重数值的确定依赖于长期的经验,所以有较大的局限性。针对传统方法的缺陷,文中基于人工智能技术,采用深度卷积神经网络算法,将就业质量指数所依赖的多种影响因素与最终的就业质量指数进行非线性映射,通过多次训练得到了比原有线性拟合更加复杂的依赖关系。经过实验分析可发现,在5个不同专业的就业质量指数样本中,通过神经网络得到的就业质量指数能够得到比传统线性拟合方案更客观的评价结果。

价值论视角的高校毕业生就业质量评估问题审思

高校毕业生质量评估是衡量高校人才培养质量的重要标准,是高校自身发展的生命力所在,关乎国家社会的发展。价值论作为认识主体需要与客体满足主体需要程度的学说,对于理解高校毕业生就业质量评估问题具有重要的意义。在价值论视角下,高校毕业生就业质量评估的实质在于评估主体基于事实做出的价值判断,是主观与客观的结合。在评估过程中,学生、用人单位、高校、政府与社会等共同构成多层次的主客体结构,产生不同层次性的价值诉求,在评估实践中需要协调好一元与多元价值标准、个人价值与社会价值、工具性价值与目的性价值、理论价值与实践价值的矛盾关系。

“双一流”背景下一流大学毕业生就业质量评估模型的构建与应用

本研究从高校毕业生整体的就业质量出发,通过对教育部直属高校毕业生就业质量指标体系的分析,结合262份有效调查问卷的整理与归纳,从高校人才培养情况、毕业生情况、社会反馈情况三维度,建立起“双一流”背景下一流大学毕业生就业质量评价体系,旨在准确客观地描述中国一流大学毕业生的就业质量,为从不同方面和不同维度对中国一流大学毕业生就业质量进行评价、测量及综合评价提供参考。

基于层次分析法的高校就业评估方法

以武汉商学院2019届本科毕业生的问卷结果为数据基础,提出一种高可靠性的就业质量评估方法。我们对该校10所学院的1432名本科学生就业相关信息、数据进行了收集、整理和分析。聚焦工作满意度、专业相关性、期望满意度、薪酬满意度和职业前景等5个核心变量,根据专家意见为基础计算核心变量在就业评估中的评价权重,利用层次分析法对该大学的就业质量进行了全面的评价。利用曲线下面积法(AUC)方法验证了层次分析法评价结果的准确性。AUC图的验证结果表明,就业质量评价的准确率达到83.56%。根据AUC评价的验证结果,层次分析方法给出了较为合理的高校就业质量评价模型。本研究对高校就业工作的评价与管理具有一定的指导意义。

基于集成深度学习的培养评估大数据分析与跟踪算法

针对传统就业情况问卷调查方法无法分析诸多变量间的复杂关系且严重依赖人工的问题,建立了一种基于集成深度学习ATE与APC的联合学习模型LCF-ATEPC。该模型集成了文本情感分析中局部上下文聚焦及BERT机制,同时通过文本方面项提取和情感极性分类两个子任务的交互,克服了常规模型中方面项提取任务精度不足的问题。数值实验结果表明,通过LCF-ATEPC算法挖掘社交媒体数据,并进行多方面话题情感分析,可有效提升分析结果的准确度,且相较传统人工评估与深度学习算法分别提升了约3.58%和1.12%,既提高了工作效率又降低了人力成本。