1、1基于用人单位的大学生就业力模糊综合评估摘要大学生就业力由多种因素构成，对大学生就业力的评价受多种评价指标的影响。在评估时必须对多个相关指标进行综合考虑，采用模糊综合评判是较为可信的方法。通过调查用人单位，验证了模型的合理性。综合评估对了解和提升大学生就业力有重要作用。 关键词模糊综合评估大学生就业力用人单位 中图分类号G647.38文献标识码A文章编号2095-3437（2014）09-0106-02 在经济全球化的今天，就业力已成为人们谋取工作、获得成功的一种不可或缺的能力。本文以提升大学生就业力为出发点，运用模糊数学的综合评判理论，将身心素质、知识与技能、组织管理才能作为评估大学生就业力
2、的三大板块，构造出模糊数学综合评判模型。笔者在充分调查的基础上，对此模型进行了合理性验证，并就如何提高大学生就业力设计了可行性方案。 一、模糊综合评判 在实际工作中，对一个事物的评估，常常涉及多个因素或多个指标。模糊综合评估法是在模糊环境下，考虑多种因素的影响，对事物做出综合评判的方法，也称为多目标决策法。 大学生就业力可划分为身心素质、知识与技能以及组织管理能力三个板块。评价指标的重要程度通过用人单位对评估指标重视程度的权数加以体现，允许在权数的选择上有一定的出入。模糊综合评判法可以根2据就业力因子影响的程度不同而赋予不同的权重，从而减少各因素造成的误差，得出较为合理的评估。 二、模型的构建
3、 （一）建立评估体系 评估体系的构建亦即评估指标体系的设计,其关键是指标设计有客观的标准可以度量。指标又是评估标准的某一方面要求的具体化或行为化的体现。因此,从大学生应具备的就业力入手进行分析,是建立评价指标体系的基本方法。大学生的就业力可分解成两级指标，建立层次分明的评估指标体系（见表一） 。 （二）确定权重系数 针对指标体系，综合用人单位对各项评价指标因素相对重要性的判断，用层次分析方法，构造比较判断矩阵，求出各因素的权重判断矩阵。用聚类分析法分析用人单位判断的差异性，并剔除跟大多数用人单位偏离较远的数据，最终形成指标集 U 上的权重矩阵 W=（W1,W2，） ，其中Wi 为指标因素 Ui
4、 所对应的权重，且有： Wi=1， （0Wi1） 设有 m 个用人单位参加权重判断，采用聚类分析法分析用人单位判断的差异性，其过程如下： 1.第 1 家用人单位意见的相对重要性的判断矩阵为 B1。2.根据层次分析法的求根法或求和法，由 B1 计算出第 1 个用人单位的权重判断矩阵D1。3.由各用人单位的权重判断矩阵 D1 构造权重样本矩阵。 3（三）构建评判模型 1.确立一级指标因素集，设 U=（U1,U2,U3 ） ，其中 U1,U2,U3 分别为大学生就业力评估一级指标，同时给出评估指标相应的权重，设为 A=（a1,a2,a3） 。 2.确立二级指标因素集，将评估指标集细分为二级评估指标因
5、素集，设为 U=（Ui1,Ui2,.） ，次级指标的权重设为 A=（ai1,ai2,.） ，并进行等级评定，设为 4 个等级 V=（V1,V2,V3,V4）=（优，良，合格，不合格） 。最后再设计各二级指标的等级评估结果，rij =评此等级人数/评价者人数（i=1，2，.；j=1，2，3，4） 。 3.建立因素评估矩阵 Ri，并对 Vi 进行综合评估，其评估值为 Bi 。 4.由综合评估矩阵 R 计算综合评判值 B。 BA*R=（b1,b2,b3,b4） 。 5.综合评估结果计算，根据模糊数学中“最大隶属原则”或“降级累加过半原则” ，可得出大学生就业力综合评估结果。如 B 中的某一个Bi（i
6、=1,2,3,4）超过 0.5，则可根据“最大隶属原则”进行评判。 6.计算模糊综合评估排序值，用如下模型计算综合评估排序值W：W=BCT。式中 CT 为 C=（C1，C2，C3，C4）的转置矩阵，C1 为“优”区间的右端点值，C2、C3、C4 分别为“良” 、 “合格” 、 “不合格”区间的中点值。 三、调查分析 2011 年至 2012 年，通过高校校园招聘会调查用人单位对大学生就业力的看法。共发放问卷 500 份，收回 451 份，其中有效问卷 407 份。问4卷回收率为 90.2%，有效率为 81.4%。 调查的第二项为用人单位对就业力指标的重视程度，以百分比数据显示（见表二） 。从数
7、据上可以看出，用人单位对责任感、表达沟通能力和团队合作能力的重视程度最高,有 50%左右的用人单位选择了这些指标。基础知识的被重视程度较低，只有 12.5%的用人单位选择重视大学生所学的基础知识。 四、评估过程 在了解了用人单位对就业力指标的重视程度后，我们应用模糊综合评估模型，对某专业 100 名学生的就业力进行评估。过程如下： （一）权数分配 对于一级指标的权数分配，依表二可得： U=（身心素质，知识与技能，组织管理才能） A（0.30.30.4） 。 对于二级指标的权数分配，采用聚类分析法，假设有 10 人参与大学生就业力评估, 再运用加权平均法，得出评估样本中的各因素的权重分配数据为
8、A1（0.20.20.30.3） ， A2（0.10.40.10.4） ， A3（0.30.30.20.2） 。 （二）测评结果 从调查中获取该生的二级指标评估数据，各项指标等级的统计结果5运用 Zadeh 算子，求出从 U 到 V 的模糊转换为：BiAi*Ri，i=1，2，3；从而，二级综合评判为 BAR（0.1980.730.0720） 。 因此，根据模糊数学中的最大隶属原则，B 中的最大值为0.73?0.5，说明其等级属于“良” 。而在这里 CT=（5,4,3,2）T 。其模糊综合评估中的基本测评分排序值为 WBC4.09。 因此，该学生的就业力中的基本测评分值为 4.09 分，按照五级
9、评分制属于“良” 。 算出每位学生的就业力测评总分后，就可以对所有学生就业力排队。 五、结论 本文构建了大学生就业力评估模型，可以应用于检测大学生就业力的水平。在大学毕业生就业服务部门开展就业推荐工作时，可以运用此模型和分析方法，较轻松地了解毕业生的就业力状况。根据人尽其才的原则，对就业力水平高的学生，可以重点推荐到要求高、工作压力大的大型企事业单位工作，对就业力水平一般或较低的毕业生，应建议其加强能力素质训练，取长避短，到适合自己的企事业单位就业。 参考文献 1谢季坚，刘承平.模糊数学方法及其应用M.武汉：华中科技大学出版社，2008. 62梁保松，曹殿立.模糊数学及其应用M.北京：科学出版社，2007. 3冯强.模糊数学在大学生就业力评价中的应用J.西北纺织工学院学报，2001（1）：81-86. 4孔峰.模糊多属性决策理论方法及其应用M.北京：中国农业科学技术出版社，2008. 责任编辑：陈明
