多源數據分析大學生發展需求對心理壓力的影響
來源:用戶上傳
作者:黃強 胡榮 王晗宇
關鍵詞：數據分析；數據挖掘；大學生發展；心理壓力
大學階段是大學生從相對封閉的校園環境到完全開放的社會環境的過渡適應期，是世界觀、人生觀、價值觀逐漸成型的重要時期，也是身心發展最活躍、心理壓力多發的時期。這個階段的大學生面臨適應大學生活、學習專業知識、處理人際關系、思考戀愛問題、規劃職業生涯、選擇就職職業等一系列重大的人生課題。但與之相反的是，大學生在現階段身心發展尚未完全成熟，自我認知和調控能力以及自我抗壓能力不強，容易沖動行事、我行我素，往往事與愿違，從而產生較強的心理落差和心理壓力。另有研究表明，重大公共衛生事件本身對大學生心理健康會產生影響，而且由于常態防控導致未來發展的迷茫會進一步加重大學生的心理壓力。本文通過問卷調查、網絡爬蟲采集有關大學生考研考公及就業的多源數據，分析新就業、考研形勢對大學生心理壓力的影響，并提出建議措施，力求緩解當今大學生面對未來發展需求所面臨的心理壓力。
1大學生未來發展需求數據分析
本文有關大學生未來發展需求數據采集是通過問卷星對524名在校大學生進行調查獲取的。調查問卷中提供的未來發展選項包括考研、考公、考證、就業、留學及其他選項。從數據的描述性統計來看，524名大學生中57.63%選擇就業，占比最大，其次48.47%及40.84%選擇考研考公，36.83%選擇考證，極少數人選擇留學及其他選項。
1.1未來發展選項一對一關聯規則分析
關聯規則最初由“數據挖掘之父”Rakesh Agrawal提出，提出的動機是針對購物籃分析問題。后于1994年開發了第一個關聯規則挖掘算法Apriori，至今仍然作為關聯規則挖掘的經典算法被廣泛討論，此后諸多研究人員對關聯規則的挖掘問題進行了大量的研究。一對一關聯規則的形式如：X＝y，X和y是事務集合的真子集，并且X和y的交集為空集，其中X被稱為蘊涵式的前件，y被稱為蘊涵式的后件。關聯規則有時候也表示為“如果……那么……”，即如果x，那么y，前件是蘊涵式規則成立的條件，后者是條件下發生的結果。關聯規則分析中有兩個重要的參數――支持度（SLLpport）和置信度（Confidence），它們的計算公式為：
針對在校大學生未來發展選項的關聯規則分析，首先將問卷調查所獲得的數據讀取到Python中并進行適當切片，而后將數據集合作為項集，其中每一個數據集合作為事務。然后，采用布爾關聯規則將事務數據集轉換為布爾值（0或1）的數據集。如圖1所示。
為方便分析，設置一對一關聯規則分析的最小支持度和最小置信度均為0。然后定義列表存取兩兩一組的強規則和支持度與置信度，利用For循環對每一個選擇與后面的選擇與之關聯度匹配，支持度建立于兩個選項同時選擇，而置信度建立于選擇一個選項條件下選擇另一個選項的概率，且支持度與置信度均大于等于最小支持度和最小置信度即可，最后將結果保存導出到Excel表中。如圖2所示。
從以上分析結果可以看出，支持度最高的規則為同時選擇考研一考公、考研一就業、考公一考研、考公一就業、就業一考研，其中置信度從高到低依次為考公一就業、考公一考研、考研一就業、考研一考公及就業一考研。因此，被調查大學中大部分選擇先考公、考研，后就業的方式。另外，考研和考公同時選擇的人數也較多，支持度較高，說明考公、考研仍然是在校大學生未來發展最佳選項。除了受傳統認知的影響外，近年來由于疫情導致的就業不穩定以及需求放緩等因素影響，考研、考公成了大學生緩解就業壓力和謀求個人發展的優先選項。
1.2國內考公考研數據分析
考公考研數據的采集主要是通過Python網絡爬蟲從公共部門教育網站以及正規考公培訓機構網站爬取的，包括歷年招錄數據和地區招錄數據，并將相關數據通過Echarts進行數據可視化。具體如圖3、圖4所示。
利用Python對國內考公地區招錄數據進行分析，通過Pandas讀取數據，設置橫軸代表地區、報考人數、職位數和報錄人數，縱軸代表競爭比，再利用機器學習中的標準化處理庫對數據進行定義，最后導人機器學習包的K-均值聚類模塊設置聚類個數和迭代次數，之后進行K一均值聚類。聚類結果標簽從3到0降序排列，其中北京、廣東為一類；西藏、青海、貴州、寧夏、甘肅、重慶、陜西、天津、海南為二類；四川、云南、河南、河北、廣西、湖北、山東、福建等為三類；新疆、湖南、內蒙古、山西、遼寧、吉林、黑龍江等為四類。北京和廣東地區國考競爭比最大，青海、海南、貴州等地區競爭比較第一類弱，而四川、云南等地區競爭比一般，故較多人會選擇這類地區進行報考，而競爭比最小的地區為新疆、山西和內蒙古等。
利用Python對國內考研報錄數據進行線性回歸分析，通過Pandas讀取數據，利用切片將需要計算的數據――報名人數、增長率和錄取人數，作為線性回歸的X軸坐標值，報錄比作為y軸坐標值。然后導人線性回歸模塊、創建線性回歸對象并使用fit（）函數進行先進性擬合訓練，再利用score（）方法返回擬合優度的判定系數、獲取回歸系數和常數項[1]。
在獲得線性回歸模型后可以進行2022年考研招錄比預測，導人NumPy庫以數組形式存放2022年考研報考人數，增長率和錄取人數并用于最后預測，之后通^機器訓練在線性回歸系數和常數項下利用一元線性回歸公式進行科學計算，得到2022年考研報錄比預測值為4.38。
繪制歷年考研報錄比散點圖（如圖5所示）。
1.3計算機類專業就業崗位數據分析
通過Python網絡爬蟲爬取國內某知名招聘網站計算機有關的四個崗位，包括Java開發、前端開發、軟件測試及運維崗位數據，并存放于本地Excel文件中，再利用Python數據框讀取數據并連接數據庫，將數據框的數據利用“append（）”方法依次導人數據庫的數據表。最后建立路由和設置jobjava，jobWeb，jobTest，jobNetwork列表，在成都招聘版塊實現四個頁面的數據可視化，具體采用列表形式將每一條招聘數據以～行顯示[2]。如圖6所示。
2大學生校園學習生活狀態數據分析
通過問卷星524名大學生課外生活問卷調查以及588名在校大學生校園學習生活關鍵詞調查，課外生活調查問卷提供了運動、逛街、泡圖書館、蹦迪、探店／打卡網紅店、看電影、聽歌、追劇、聚餐及其他選項，關鍵詞調查問卷提供了內卷、間斷性躺平、疫情、封校、忙碌、考試、美食、學習、戀愛及其他選項。從調查結果描述性統計分析顯示，課外生活選項排在前三的分別是追?。?0. 11%）、看電影（59.16%）、聽歌（54.2%），如圖7所示。關鍵詞選項排在前四名的選擇依次是內卷（75.68%）、封校（75.51%）、疫情（71.09%）、間斷性躺平（59.35%）。可以看出，前幾年隨著疫情防控的常態化，高校大學生較長時間居家或在校封閉學習和生活，大環境的改變已然很大程度上影響了大學生的心態、學習和生活，導致心態不夠樂觀、學習效率降低、人際交往減少、運動實踐不足等消極結果。具體如圖7、圖8所示。
3大學生未來發展需求產生的心理壓力影響及對策
通過以上多源數據分析，一方面是考公考研、就業等競爭壓力越來越大，另一方面是疫情防控常態下大學生學習生涯自我效能降低，從而進一步加重了未來發展需求產生的心理壓力。
3.1考公考研心理壓力及對策
從國內考公地區招錄競爭比K一均值聚類分析可以看出經濟相對發達、福利待遇相對較好的地區的國考競爭大。從國內考研報錄數據線性回歸分析得到2022年考研招錄比預測值，可以看出招錄比在考研人數上升情況下仍呈現上漲趨勢，比2021年增加了近一倍，但由于報考人數同樣翻倍，可以看出考研競爭很大。由此可見，大環境的變化促使就業困難加劇，考研人數激增，大部分學生轉戰考研導致大學生在疫情后考研壓力激增。面對日益增大的考公考研壓力，高校應該組織專門隊伍幫助學生做好職業生涯規劃，根據個人性格特質、行為偏好等確定是否適合考公考研，再根據個人學習能力選擇適合的目標單位[3]。另外，要注意激勵學生提升自我效能，避免焦慮型考公考研。選擇考公考研是許多大學生渴望認識自己、提升自我的一種表現，但隨著競爭日益激烈，考生在備考過程中往往會出現焦慮等消極心理，應當學會自我暗示，以內心的主觀想象和獨白對自己進行潛移默化的言語或者行動暗示，從而減輕心理負擔。
3.2就業心理壓力及對策
從就業數據分析結果來看，計算機類專業就業崗位薪資待遇高于其他行業平均水平，而且普遍集中在經濟相對發達地區，生活條件較好，但與之匹配的崗位技能要求也越高，這與大學生在校學習所掌握技能不匹配。同時，疫情防控背景下留學渠道受到影響，部分留學生歸國就業，導致大學生就業市場面臨的挑戰只增不減。此時，就業學生容易出現焦慮、自卑、膽怯、盲目、從眾等心理問題。因此，高校教育教學管理者應當盡早引導學生規劃職業生涯，引導學生擇業時從個人理想、價值觀、能力水平、綜合素質等方面認真審視自己，分析自己的優勢和劣勢，了解社會和用人單位對人才的需要，結合自身特點來選擇自己的人生位置。
轉載注明來源:http://www.hailuomaifang.com/8/view-15445802.htm
