熊露露，王方士

（1.新疆铁道职业技术学院，乌鲁木齐 830011；2.浩蓝环保股份有限公司，广州 200010）

0 引言

2019年国务院印发的《国家职业教育改革实施方案》中指出要把职业教育摆在教育改革创新和经济社会发展中更加突出的位置。据中国青年报统计，2020年高职毕业生已达到385万人，毕业生人数的快速增加，使高职毕业生就业形势严峻，越来越多的高职毕业生面临着一毕业就失业的危机，这与国家大力发展职业教育的初衷并不相符。如何提高高职学生的就业率是十分迫切和重要的工作，通过挖掘影响高职学生就业的因素，学校可以据此优化就业指导方案，修订人才培养方案；学生可以利用就业预测模型，对能否顺利就业进行预测，针对就业的需要进行积极的准备，从而提高高职院校学生的就业率。本研究以异构数据源为研究对象，利用决策树算法，不但可以建立切实可行的高职学生就业状况预测模型，还能够分析得到影响高职学校毕业生就业的关键因素。

1 相关研究

近年来，国外内有很多学者对影响学生就业因素和就业预测模型进行了研究。程昌品等人［1］采用信息增益比的决策树算法对毕业生就业进行了预测，唐燕等人［2］利用C4.5决策树算法和随机森林算法对医药院校毕业生建立了就业预测模型，李琦［3］运用基于HMIGW和XGBoost的毕业生就业预测算法，为毕业生的就业预测提供了很大的帮助。对高校利用数据挖掘进行就业指导分析发现：数据挖掘技术在高校就业工作的指导作用已经引起了越来越多的关注，然而大多数已有研究存在数据样本量较低、样本分布不均衡、对高职毕业生就业预测研究较少等问题。……