大学生秋季招聘已经开启，根据初步测算，2022届高校毕业生人数或将突破千万。在新冠肺炎疫情防控常态化背景下，大学生就业形势依然复杂严峻。
作为疫情后首批进入就业市场的大学生群体，在求职延期率极高的情况下，毕业生就业满意度带来哪些影响？如何有效保障就业质量？为解决这些问题，今年首次利用大数据模型对高校毕业生就业满意度的影响因素进行实证分析。就业满意度的高低是毕业生对于就业状况的主观真实感受，是毕业生综合各种因素之后的总体看法，可以确切地反映其就业质量。对于就业满意度低的毕业生群体应给予更多关注，明确这一群体的具体特征，为各高校和主管部门有针对性地制定就业政策、改进就业工作提供科学依据。
报告采用的机器学习算法模型为基于分类与回归树的监督学习模XGBoost，随后利用合作博弈论启发的可加性解释模型 SHAP，来解释毕业生数据样本的每个特征指标对其就业满意度的影响力。
结果显示，在总共36个特征指标中，“工作期待符合度”“就业机会充分度”和“疫情下就业形势乐观度”在各学历毕业生群体中均为影响就业满意度的3个最重要因素，充分说明疫情对2020届毕业生就业满意度产生了直接和间接的影响。其中，“工作期待符合度”对就业满意度的影响占据了主导地位，说明高校对学生就业前的引导工作极为重要，尤其在疫情背景下，应及时开展职业生涯规划教育与细致的就业辅导工作。
所以，大数据模型能帮助我们发现一些结果，但提高毕业生就业质量的主动权掌握在高校手中。对于高职院校，应落实产教融合、校企合作、工学结合、知行合一的职业教育要求；普通本科高校应该帮助学生寻找自己的兴趣爱好和适合的职业，把学习的主动权交给学生，让学生尽可能学习到与希望从事的工作相匹配的课程。从大数据结果来看，硕士毕业生的‘工作期待符合度’对就业满意度的影响比专科和本科毕业生更为显著，这说明学生进入研究生阶段的职业目标定位更为重要。导师除了指导硕士生的学业外，还应充分发挥就业指导的作用，帮助硕士生确定与自身能力相匹配的职业定位。CONTENT END
