问Wentian Notizen
Essays Notiz 8 von 14

对外汉语专业就业分析逻辑说明

2.345 chinesische ZeichenEtwa 6 Min.
#Karriere#Bildung

Diese Notiz ist noch nicht ins Deutsche übersetzt – Sie lesen das chinesische Original.

一 背景

提高对外汉语专业， 可能很多人会认为就业情况不好，然而到底怎么样，很多人都是主观判断。为了能够深入研究这个问题，我们必须要有一套定量分析的方法评判。因此，我设计了一个梯度分解定量法【Quantitative Method of Gradient Decomposition】，简称GMGD分析法。

二 GMGD是什么

GMGD分析法主要依靠两方面的数据来完成，其一 是本专业毕业的学生的就业状况调研数据，其二 是行业专家对于各项指标的评分。用行业专家对指标的重要性 来作为毕业学生调研情况的各项系数，然后用每一项的系数乘以其分数，最后再把各项分数相加就得到了每位毕业生的就业情况的最终得分。

假设毕业生最终得分为W，薪资待遇为S，工作稳定为T，工作发展情况为D，专家对这三项指标的重要性系数分别为Ks，Kt和Kd，那么W= S*Ks + T*Kt + D*Kd

当然，实际的设计要比这个复杂很多，因为指标的重要性是分级别的，因为 巴拉巴拉你自己写

1 权重系数的算法

所以我们要先对维度进行划分，三个维度重要性是不一样的，体现在专家问卷里面也就是合理性，设就业效率，职业状况和职业幸福感合理性满分都是F，就业效率专家评分为E，职业状况为S，职业幸福感为H，那么他们分别的权重系数为

  • E/（E+S+H）
  • S/（E+S+H）
  • H/（E+S+H）

设W为最终得分，那么每一项所分配的分数分别是是：

  • W*E/（E+S+H）
  • W*S/（E+S+H）
  • W*H/（E+S+H）

每个维度下面有分别对应多个一级指指标，设就业成本和就业成效专家评分分别为E1和E2（合理性满分依然是F），那么他们分别对应的分配分数

  • W*E*E1/[（E+S+H）*（E1+E2）]
  • W*E*E2/[（E+S+H）*（E1+E2）]

再往二级指标下面分也是一样的，设求职时间，求职频次，求职经济成本分别为E11，E12和E13，对应的分数为

  • W*E*E1*E11/[（E+S+H）*（E1+E2）*（E11+E12+E13）]
  • W*E*E2*E12/[（E+S+H）*（E1+E2）*（E11+E12+E13）]
  • W*E*E2*E13/[（E+S+H）*（E1+E2）*（E11+E12+E13）]

​

其他二级指标同理

2 毕业生的问卷评分

首先把每一项问卷做一个评分，以这个为例

image.png

你自己解释为什么这么设计

其他应该也需要这样的解析，或者同理去说

已知求职时间成本的满分为，W*E*E1*E11/[（E+S+H）*（E1+E2）*（E11+E12+E13）]，如果他在一个月内找到工作我就认为他的得分为满分，如果他的找工作花了一年以上，我认为他只得到总分数的1/5（因为只有五个值）即

W*E*E1*E11/[（E+S+H）*（E1+E2）*（E11+E12+E13）]/5

所以，假设一项学生问卷的指标在400位毕业生中出现了n种不同的情况，首先我会先给他按照递进关系进行排序，第一种得分情况为D1（PS：D1为一个正值常量），第二种得分情况为D2 = D1 + D1，第三D3 = 3*D1，以此类推，第n种为Dn = n *D1 （这种情况即为满分）

那么第 i 种情况相当于是拿到了总分的

i*D1/（n*D1）

已知 这一项的总分为

  • W*E*E1*E11/[（E+S+H）*（E1+E2）*（E11+E12+E13）]

所以评分为第i种情况的学生在这一项的得分为

  • W*E*E1*E11*i/[（E+S+H）*（E1+E2）*（E11+E12+E13）*n]

3 计算最终的得分

最后再计算每一毕业生得分各项指标相加求和即：

W =

W*E*E1*E11*i/[（E+S+H）*（E1+E2）*（E11+E12+E13）*n]+

W*E*E1*E12*i/[（E+S+H）*（E1+E2）*（E11+E12+E13）*n]+

W*E*E1*E13*i/[（E+S+H）*（E1+E2）*（E11+E12+E13）*n]+

W*E*E1*E13*i/[（E+S+H）*（E1+E2）*（E11+E12+E13）*n]+

…

​

如果需要推导成成带有【西格玛】求值符号的公式，就要取消维度的概念，并且假设从一级指标开始就有无限多个指标，且每个指标下面有无限个多级指标，比如一级指标二级指标。。。99及指标

最后出来的公式会带有 Π（求无限积） 和 Σ（求无限和）

假设所有指标个数都是M

W = W * i * Π1-i / Σ1-M[Π1-M *（Σi-n）*n]，简写了，不是很好看，写出来很复杂，还没细想，不能保证100%准确，至少要想一两个小时

三 怎么做

为了完成这个工作，我需要进行多项复杂的计算，所以我使用Python来对数据进行批量计算

假设就业值总分是100分

  1. 划分维度权重系数：根据专家问卷对三个维度合理性的评分作为计算依据，评分越高代表重要性越大，以次计算出每个维度占总分的百分比和占了多少分
  2. 往下类推，每一个维度下面又有多个一级指标，根据专家问卷对多个一级指标合理性的评分作为计算依据，算出每个一级指标所占的比重
  3. 同理，二级指标在一级指标下面，也是一样的逻辑

这样我就有了 学生问卷中 每一项调查的分数，这个分数就是100分里面