【www.d9bd.com--学生个人工作总结】

　　【摘 要】随着中国高校教育的发展，大学生的数量急剧增加，大学生就业问题也日益凸显，大学生就业难问题已成为社会热点之一。文章使用问卷调查的方法，运用粗糙集理论对所收集数据进行分析，从而得出影响大学生就业的两个重要因素，并基于这两个因素对大学生就业工作的开展进行了新的思考。

　　【关键词】大学生;就业因素;粗糙集

　　一、影响大学生就业的因素

　　大学毕业生具有较高的人力资本水平，是劳动力市场上的优势群体。但随着全球化的发展与知识经济的冲击，青年初次与持续就业所需的能力门坎逐年提高，大学生必须具备能够满足新经济要求的核心就业能力才能成功发展，但高等教育培养出来的大学生在知识和技能结构上与人才市场的需求存在一些脱节，大学生就业的结构性矛盾日益突出。

　　综观以往对大学生就业因素的分析和研究，作者将影响大学生就业的因素总结为：就业者的个人素质，就业者对职业选择的预期，就业者的个人能力，外力因素等。目前，已有大量文献分析大学生就业困难的成因以及影响大学生就业的因素，但很少有研究者使用粗糙集的定量研究方法，将大学生就业的想法及一些实际情况量化分析，本文试图将粗集理论运用到这一研究当中，将平时思政研究中定性的分析更多的采用数学工具进行定量分析，以期得到更精准的结果。

　　二、基于粗糙集理论的影响大学生就业因素分析

　　（一）粗糙集理论

　　（二）可辨识矩阵

　　可辨识矩阵（也称分明矩阵）是由斯科龙（Skowron）教授提出的。

　　其中i，j=1，…，n。

　　显然，可辨识矩阵是一个依主对角线对称的矩阵，在考虑可辨识矩阵的时候，只需要考虑其上三角（或下三角）部分就可以了。

　　（三）基于可辨识矩阵的属性频度的启发式约简算法

　　定义1：设可辨识矩阵CD中的不含相对核Core的矩阵元素构成的集合为，属性的重要性为：C′D={Cij|∩Core=，Cij∈CD}，属性ak，ak∈C^akCore的重要性为：

　　sig（ak）=P（ak）

　　其中，P（ak）为属性ak在C′D中出现的频率。

　　Pawlak指出，一个属性约简必须满足条件独立性，即一个非空约简RC，当信息系统无决策属性时，如果r∈R，ER-{r}≠ER，则是R独立的;当信息系统有决策属性时，如果r∈R，POSR-{r}（D）≠POSR（D），则R是独立的。其中，POSR（D）表示D的R正域;ER={（x，y）∈U2|a∈R，f（x，a）=f（y，a）}是U上的可辨识关系。Pawlak给出了如下的Pawlak约简定义：

　　定义2：给定决策表S=（U，C∪D，V， f ），对RC，如果R满足如下2个条件：

　　（1）POSR（D）=POSC（D）;

　　（2）r∈R，POSR-{r}（D）≠POSR（D）。

　　则R是一个Pawlak约简。

　　Pawlak约简的另一种等价定义为：

　　定义3：给定决策表S=（U，C∪D，V， f ），≠RC，其对应的可辨识矩阵为CD，如果{α|α∩R=，≠α∈CD}=，并且R是独立的，则R是S的一个Pawlak约简。

　　由Pawlak约简的定义，可以得出如下命题：

　　（1）对任意非空元素m∈CD，有m∩R≠;

　　（2）对r∈R，m∈CD，使得m∩R-{r}=。

　　算法1：

　　Step1：首先计算出决策表的可辨识矩阵CD，求出核属性并赋给Core;

　　Step2：找出可辨识矩阵CD中含有核属性的属性组合项Cij∩Core≠，Cij∈CD，将Cij置为0;

　　Step3：计算新可辨识矩阵中所有剩余属性项中各条件属性出现的频率P（ak），选出出现频率最高的属性ak，将该属性作为重要的属性添加到Reduction中，找出可辨识矩阵中包含有该条件属性的属性组合项Cij，Cij∩ak≠，Cij∈CD，将Cij置为0;

　　Step4：检查可辨识矩阵是否为空，不为空则转到Step3继续约简，为空则结束。将Core中的属性赋给Reduction，则Reduction就是最后得到的约简结果。

　　但该算法得出的属性约简结果不是一个Pawlak约简，而是Pawlak约简的一个超集。

　　分析基于可辨识矩阵的属性频度算法的出来过程，可以看出，该算法仅仅满足以上命题的第一条，因为在选取出现频率最高的属性时，会出现有多个属性出现的频率最高且相同，则最后选取的属性是根据算法实现的方式决定的，从而人为地认为选出的属性相对其他出现频率相同的属性更重要。为了获得较优的约简，在改进算法中增加了反向删除策略，直到不能删除为止。它使用的计算简单，提高了算法效率。   改进的算法思想如下：

　　算法2：

　　Step1：由原算法求得决策表的核属性集Core和一个约简Reduction;

　　Step2：从Reduction-Core中任意选取一个属性r，将可辨识矩阵中含有属性集Reduction-r中任意一个属性的属性组合项置为0。

　　Step3：检查可辨识矩阵是否为空，若不为空，则返回Step2;若为空，则Reduction=Reduction-{r}。

　　三、应用分析

　　问卷调查所收集的数据涵盖个人背景、就业状况、个人能力等共计二十八项数据，根据粗糙集相关特性，本文对问卷数据进行了预处理，将个人背景中涉及父母、家庭的调查项目合并后离散为家庭状况优秀、良好和一般三种情况，将就业状况离散为就业情况优秀、良好、一般和差四种情况，将个人的能力分为：个人知识能力、社会实践能力、职业能力、就业心态四个属性，并将各个属性分别离散为四个等级。

　　将上述离散化后的数据代入到本文提到的基于可辨识矩阵的属性频度的启发式约简算法中，将就业状况作为决策属性，将上述提到的其他属性作为条件属性，经过约简，得到该知识系统的核及管件属性为家庭状况和就业心态两个属性。从粗糙集的定量分析来看，应届毕业生的家庭状况及就业心态是影响毕业生就业的两个最重要因素。因此，高校在积极做好大学生就业服务指导的同时，应与毕业生父母沟通，将教师，学生，父母连成一线共同努力以帮助学生就业，此外，高校在进行就业工作时，也应思考如何对学生就业进行心理指导，帮助大学生调整就业心态，培养他们成为社会需要的人，而不是让他们在就业时迷茫不知所措而错过就业机会。

本文来源：http://www.d9bd.com/gerenzongjie/39479/