基于校园大数据的大学生就业预测

发布时间：2023-04-10 04:48

　　近年来,我国高考报名人数屡创新高,相应地,全国各大中院校也在不断实施扩招政策,毕业生数量在十年间增长了十倍,大学毕业生的就业难度越来越大。与此同时,教育信息化的快速发展使得高校里积累了海量的教育数据,但是在实际应用中,并没有将它们背后的价值挖掘出来。在这种背景下,本文基于校园大数据(如:一卡通信息、成绩信息、就业信息等),对学生在校行为进行分析和计算,最后利用机器学习相关算法建立大学生就业预测模型。本研究一方面可以为有关部门提供决策建议;另一方面为大学生提供就业指导,为其提供预警和指导服务。本文的相关研究内容如下:(1)数据的汇聚及融合。本文用到的数据主要来自校园一卡通和数字教务系统。首先,对一卡通等校园大数据进行采集。接着对相关数据进行预处理:一方面,进行数据的清洗、转换、整合、规约、融合等操作;另一方面,对学生信息进行加密以保护学生的隐私。最后,将处理后的数据写入数据库,并对相关数据库进行优化,提高数据库读取效率。(2)学生行为特征的提取与分析。首先,将数据按周进行划分,初步统计每周内学生行为发生的频次等基本信息(如每周去图书馆次数等)。其次,综合利用统计分析和深度学习,研究学生行...

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景
    1.2 研究意义
        1.2.1 理论意义
        1.2.2 现实意义
    1.3 国内外研究现状
        1.3.1 国外研究现状
        1.3.2 国内研究现状
    1.4 论文的主要内容和工作
    1.5 论文的组织结构
第二章 相关研究基础
    2.1 相关算法研究
        2.1.1 常见监督学习分类算法
        2.1.2 深度学习相关算法
        2.1.3 算法的比较与选择
    2.2 模型优化及评估策略
        2.2.1 模型验证方法
        2.2.2 模型的超参数优化
        2.2.3 模型评估指标
    2.3 本章小结
第三章 相关数据汇聚及融合
    3.1 学生数据采集
    3.2 数据的预处理
    3.3 数据的隐私保护
    3.4 数据的存储及优化
        3.4.1 数据的存储
        3.4.2 数据库优化
    3.5 本章小结
第四章 学生行为特征提取与分析
    4.1 在校行为量化与特征提取
        4.1.1 传统行为特征的量化和提取
        4.1.2 时序行为特征的量化和提取
    4.2 本章小结
第五章 就业预测模型的构建与评估
    5.1 特征的选择
    5.2 就业预测模型的构建
    5.3 实验结果分析
        5.3.1 实验结果展示
        5.3.2 特征的重要性分析
        5.3.3 实验结果对比与分析
    5.4 本章小结
第六章 总结与展望
    6.1 全文总结
    6.2 后续工作展望
参考文献
致谢



本文编号：3788357