大学生就业事迹材料（集锦18篇）(就业事迹介绍)

篇1：浅谈大学生就业

1.加大政策扶持力度，营造全社会关注就业的氛围

大学生在就业过程中对待遇和发展的要求比较高，但由于其自身处于人生的基础阶段，因此并不能为企业创造较大的经济效益，这种矛盾导致很多的大学生处于待业状态，其发展的空间也受到了较大的限制。为此，在今后的工作中，应进一步加大政策扶持力度，营造全社会关注就业的氛围。首先，政策的扶持力度不应总是集中在对大学生的优惠方面，应给大学生较多的就业机会，通过未来发展空间的扩大和就业内容的丰富，为大学生的就业提供更多的创新保障。其次，政府需要营造一个良好的就业氛围，不要给大学生造成“我是老大”的错觉。大学生虽然是社会发展的重要部分，但并不意味着大学生可以为所欲为，所有的部门都要围着大学生转。通过就业氛围的改变，减少大学生的错误思维，以此来保证大学生正确地面对工作和就业机会。

2.构建公平的社会保险体系

我国现阶段的经济发展和社会建设并不均衡，南方地区的经济发展迅速，北方地区的社会建设完善，但是中西部地区经济和社会的发展仍然没有达到标准，很多工作都出现了较大的问题，由此导致大学生就业问题不断增多。为此，我们在今后的创新制度和法律保障方面，必须创造公平的社会保险体系。首先，应保证已就业的大学生获得相应的法律保障，同时在福利待遇方面，应满足国家所要求的三险一金或者是五险一金。随着社会的发展和经济水平的提升，大学生的待遇也在提升，只有为大学生提供较为丰富的福利待遇和成长空间，才能更好地解决大学生的就业问题。其次，应促使企业与大学生建立良好的合作伙伴关系。现阶段的社会开放程度较高，不再是以前的单方面选择。大学生有权利选择就业的企业，企业也有权利选择录取想要的大学生。今后需要在创造公平的社会保险体系方面更加努力。

3.制定反就业歧视的专门法律

平等权在法律上还是一项不可诉的权利，也是当前反就业歧视法律制度最大的问题。从现有的工作来看，我国在制定反就业歧视的专门法律方面还有待努力。第一，该项法律的重点在于，为大学生提供平等的竞争环境，告别恶性竞聘。第二，反就业歧视需要在主观上和客观上进行努力，为大学生就业问题提供更多的法律保障。当大学生在就业的过程中遇到歧视时，能够更好地去应对，为自己的工作谋得相应的保护。第三，法律的建设和制定应以大学生就业和社会环境为基础，否则很难在今后的工作中获得更大的成就。综合来讲，大学生就业问题的创新制度与法律保障是今后的重点工作，需得到社会关注，需深入研究。

4.总结

本文对解决大学生就业问题的创新与法律保障进行讨论，从目前的制度来看，现有制度对大学生的就业空间扩大提供了帮助，减少了不必要的社会问题；从法律保障来看，法律方面的体系和条文逐步增多，很多大学生都能得到基础的就业机会，自身的成长和发展也比较理想。

篇2：浅谈大学生就业

【摘 要】随着中国高校教育的发展，大学生的数量急剧增加，大学生就业问题也日益凸显，大学生就业难问题已成为社会热点之一。文章使用问卷调查的方法，运用粗糙集理论对所收集数据进行分析，从而得出影响大学生就业的两个重要因素，并基于这两个因素对大学生就业工作的开展进行了新的思考。

【关键词】大学生;就业因素;粗糙集

一、影响大学生就业的因素

大学毕业生具有较高的人力资本水平，是劳动力市场上的优势群体。但随着全球化的发展与知识经济的冲击，青年初次与持续就业所需的能力门坎逐年提高，大学生必须具备能够满足新经济要求的核心就业能力才能成功发展，但高等教育培养出来的大学生在知识和技能结构上与人才市场的需求存在一些脱节，大学生就业的结构性矛盾日益突出。

综观以往对大学生就业因素的分析和研究，作者将影响大学生就业的因素总结为：就业者的个人素质，就业者对职业选择的预期，就业者的个人能力，外力因素等。目前，已有大量文献分析大学生就业困难的成因以及影响大学生就业的因素，但很少有研究者使用粗糙集的定量研究方法，将大学生就业的想法及一些实际情况量化分析，本文试图将粗集理论运用到这一研究当中，将平时思政研究中定性的分析更多的采用数学工具进行定量分析，以期得到更精准的结果。

二、基于粗糙集理论的影响大学生就业因素分析

（一）粗糙集理论

（二）可辨识矩阵

可辨识矩阵（也称分明矩阵）是由斯科龙（Skowron）教授提出的。

其中i，j=1，…，n。

显然，可辨识矩阵是一个依主对角线对称的矩阵，在考虑可辨识矩阵的时候，只需要考虑其上三角（或下三角）部分就可以了。

（三）基于可辨识矩阵的属性频度的启发式约简算法

定义1：设可辨识矩阵CD中的不含相对核Core的矩阵元素构成的集合为，属性的重要性为：C′D={Cij|∩Core=，Cij∈CD}，属性ak，ak∈C^akCore的重要性为：

sig（ak）=P（ak）

其中，P（ak）为属性ak在C′D中出现的频率。

Pawlak指出，一个属性约简必须满足条件独立性，即一个非空约简RC，当信息系统无决策属性时，如果r∈R，ER-{r}≠ER，则是R独立的;当信息系统有决策属性时，如果r∈R，POSR-{r}（D）≠POSR（D），则R是独立的。其中，POSR（D）表示D的R正域;ER={（x，y）∈U2|a∈R，f（x，a）=f（y，a）}是U上的可辨识关系。Pawlak给出了如下的Pawlak约简定义：

定义2：给定决策表S=（U，C∪D，V， f ），对RC，如果R满足如下2个条件：

（1）POSR（D）=POSC（D）;

（2）r∈R，POSR-{r}（D）≠POSR（D）。

则R是一个Pawlak约简。

Pawlak约简的另一种等价定义为：

定义3：给定决策表S=（U，C∪D，V， f ），≠RC，其对应的可辨识矩阵为CD，如果{α|α∩R=，≠α∈CD}=，并且R是独立的，则R是S的一个Pawlak约简。

由Pawlak约简的定义，可以得出如下命题：

（1）对任意非空元素m∈CD，有m∩R≠;

（2）对r∈R，m∈CD，使得m∩R-{r}=。

算法1：

Step1：首先计算出决策表的可辨识矩阵CD，求出核属性并赋给Core;

Step2：找出可辨识矩阵CD中含有核属性的属性组合项Cij∩Core≠，Cij∈CD，将Cij置为0;

Step3：计算新可辨识矩阵中所有剩余属性项中各条件属性出现的频率P（ak），选出出现频率最高的属性ak，将该属性作为重要的属性添加到Reduction中，找出可辨识矩阵中包含有该条件属性的属性组合项Cij，Cij∩ak≠，Cij∈CD，将Cij置为0;

Step4：检查可辨识矩阵是否为空，不为空则转到Step3继续约简，为空则结束。将Core中的属性赋给Reduction，则Reduction就是最后得到的约简结果。

但该算法得出的属性约简结果不是一个Pawlak约简，而是Pawlak约简的一个超集。

分析基于可辨识矩阵的属性频度算法的出来过程，可以看出，该算法仅仅满足以上命题的第一条，因为在选取出现频率最高的属性时，会出现有多个属性出现的频率最高且相同，则最后选取的属性是根据算法实现的方式决定的，从而人为地认为选出的属性相对其他出现频率相同的属性更重要。为了获得较优的约简，在改进算法中增加了反向删除策略，直到不能删除为止。它使用的计算简单，提高了算法效率。 改进的算法思想如下：

算法2：

Step1：由原算法求得决策表的核属性集Core和一个约简Reduction;

Step2：从Reduction-Core中任意选取一个属性r，将可辨识矩阵中含有属性集 …… 此处隐藏：4157字，全部文档内容请下载后查看。喜欢就下载吧 ……