“双高计划”背景下就业质量评价指标体系探索

[中图分类号］G717 [文献标志码］A [文章编号]2096-0603（2025）13-0161-04

就业是最大的民生。党的二十大报告对就业问题的关注，体现了国家对这一领域的重视和决心。从2013年开始，教育部要求各高校建立毕业生就业质量年度报告制度，这一举措无疑为评估和监测高校毕业生的就业情况提供了重要的数据支持。就业质量年度报告不仅反映了毕业生的就业率和就业去向，更重要的是，它通过对毕业生工作收入、工作环境、个人发展前景以及对工作的满意程度等方面的综合评价，揭示了毕业生就业的真实状况和质量。“双高计划”的最终目标是促进学生的高质量持续发展，而更充分、更高质量的就业无疑是这一目标的直接体现和检验标准。毕业生就业质量不但反映了高职院校的教育教学质量和人才培养水平，而且体现了学校与社会需求、行业发展的对接程度。因此，构建一套科学、合理的毕业生就业质量评价指标体系，对评估“双高计划"的建设成效、推动高职院校教育教学改革、提升人才培养质量具有重要意义。

一、毕业生就业质量评价概述

学者在高校毕业生就业质量评价指标选取及评价体系构建上存在不同的角度和侧重点。这些差异主要源于对就业质量理解的多样性以及评价目的的不同。冯永龙等提出以科学发展观为指导，构建包含多项具体指标的毕业生就业质量评价指标体系，如重点用人单位就业率、毕业生对就业工作满意率、改派率与毕业生成才率、就业率、签约率、基层就业率等。这些指标更侧重于就业结果的量化评估。杨其勇等提出“五个满意"的评价体系，包括个人、家庭、社会、学校、用人单位等维度的满意度。这种评价体系更强调各方的感受和反馈，有助于了解毕业生就业的全面影响。朱钧陶认为，评价维度应包含高校就业工作综合考评、毕业生就业满意度、用人单位满意度、社会劳动需求情况等。这种分类既考虑了高校自身的就业工作，也关注了毕业生和用人单位的反馈，以及社会劳动需求的变化。宋丽贞以目标管理理论为基础，提出了中国特色的高校就业质量评价体系指标设想，这种设想有助于将就业质量评价与目标管理相结合，增强评价的针对性和有效性。周家星等探讨了不同视角下的高校毕业生就业质量评价模型的指标选取、量化及权重赋值，这种研究有助于了解不同视角对就业质量评价的影响，为构建更加全面的评价体系提供了参考。顾希圭等认为，应完善以高校为主体的毕业生就业质量评价机制，加强多元化的就业质量评价体系建设，优化就业质量评价路径和方法。这种观点强调了评价机制的完善性和多元化，有助于推动就业质量评价的持续改进。

现有研究构建高校毕业生就业质量评价体系，既融合量化就业结果与利益相关方反馈，又兼顾高校就业服务、毕业生发展及社会需求动态，为科学评价提供理论支撑。需明确的是，构建绝对完善的指标体系既不现实也不必要，学界尚未形成统一框架。关键在于该体系能否精准识别高校现阶段的就业核心问题，并推动质量持续提升，具备此功能的指标体系能体现科学性与实践价值。

二、就业质量评价指标体系存在的问题

（一）主观和客观指标区分不明显

以我校《2023届毕业生就业质量年度报告》为例，“就业适配性”中的“专业相关度”侧重评估岗位与专业大类间的整体关联度，如计算机专业从事软件开发属于高相关，从事销售则相关度低，属于客观性指标。而“工作满意度”中的“所学专业用不上"聚焦具体工作内容与专业知识的细节契合度，如同属软件开发岗，涉及算法的工作与编程知识相关性强，软件界面美化则更贴近计算机专业设计类内容，这种评估具有更强主观性。需要注意的是，2023届报告中两项指标数据均源自“江苏省普通高校毕业生就业调查”，但笔者认为“专业相关度”作为客观指标，其评价应来源于专业团队的认定分析。另外，“就业适配性"考察毕业生工作与教育背景、技能、兴趣及职业规划的匹配度，依赖客观数据衡量，属强客观性指标；而“工作满意度"聚焦对工作环境、内容、薪资及人际关系等的主观感受，通过问卷访谈获取数据，属强主观性指标。二者评价维度存在本质差异，故“工作满意度”不宜作为“就业适配性"的子指标。

（二）相似指标区分度不明显

在2023届报告中，“职业期待吻合度”与“工作满意度”两个评价指标中都包含了与“兴趣爱好”相关的内容。“职业期待吻合度”里的“个人兴趣爱好"更关注职业选择前的期望和偏好，对职业规划产生深远影响。“工作满意度”中的“兴趣爱好"更关注实际工作中的体验和感受，影响对工作的积极性和创造性。二者的关注点、影响因素、时间维度都不同。在没有通过具体案例来展示两个指标在实际应用中的区别和联系的情况下，指标内涵容易混淆，从而影响调查结果的准确性。如果可能的话，可以构建一个统一的评价框架来整合这些相似但不同的指标，以便能够更清晰地看到它们在整个评价体系中的位置和作用。

（三）指标间缺乏逻辑关系

在2023届报告中，“就业稳定性"纳入“社会保障”指标存在争议。笔者认为"社会保障"本质属于“薪酬福利"范畴，后者涵盖薪资水平、社会保险、公积金、带薪休假等综合权益，既能反映毕业生就业竞争力与个人价值，也能衡量其对社会及企业的贡献能力，应明确归入“薪酬福利"以精准评估就业质量。

“毕业生就业特点"中的“地区分布占比"不仅能体现就业地理特征，更能凸显高职院校服务地方经济的作用。因其课程设置与实践教学紧密对接区域产业需求，该指标实质是衡量院校“经济发展贡献度”的重要依据，而非单纯的地理分布统计。

（四）一级、二级指标选用不当

将"工作时长"归入“工作条件"维度更为合理。该维度涵盖工作环境、劳动强度、设施及工作时长等要素。当前，加班文化盛行、过劳现象频发、工伤事故不断，劳动在创造社会财富的同时也可能威胁劳动者健康。2023届报告将“工作时长"设为独立指标却未包含“职业安全与健康”，故建议将“周工作时长"与“职业安全与健康"共同纳入“工作条件"评估体系。二者不仅直接关系劳动者身心健康，还影响其工作满意度、效率及职业发展，因此，“工作条件"应作为高职院校就业质量评价的核心维度之一。

（五）历年指标缺乏统一性

比如，“工作收入"和“工作时长"是毕业生最关心的问题，它直接关系到毕业生的生活水平和工作体验。2021届、2022届和2023届的报告对比，2023届有“工作时长"的指标，而2022届报告中并未涉及。2021届有“薪酬满意度”“薪资水平指标”，2022届和2023届报告中均未涉及。指标缺乏统一性，报告所提供的信息就可能无法准确反映毕业生的真实就业状况和需求，影响数据连续性和可比性，降低了报告的可信度和权威性。在制定政策时缺乏准确的数据支持，从而可能导致政策偏离实际、效果不佳。数据缺少还会影响使用熵值法确定权重时的准确性。

（六）政府层面的政策性就业指标不明确

国家近年推出多项政策性就业项目，引导高校毕业生服务经济、社会及国防建设。2023届报告中，征兵与基层服务项目分别体现在“就业导向”和“学校就创业指导服务"部分，但二者均属国家政策性就业范畴，既是高职毕业生响应国家号召的体现，也是衡量其服务贡献的关键指标。建议增设“征兵任务完成率”与“基层项目就业比例”两项指标，前者反映参军入伍成效，后者体现服务基层的实践力度。二者可量化评估毕业生对政策性就业的贡献，并为激励学生参与国家战略项目提供数据支撑。

（七）缺少就业质量综合指数评价

以历年的数据分析，仅局限于对单一就业质量指标进行纵向或横向对比，这些指标缺乏系统性整合，彼此间相互孤立，且未依据其重要性赋予合理的权重。因此，未能构建一个综合性的就业质量指数，以全面、准确地反映毕业生的就业状况。即便细致研读了某一特定年度的毕业生就业质量报告，也只能获取关于某个具体方面的信息，难以从全局视角把握毕业生就业质量的整体面貌。这导致报告的实际价值未能得到充分发挥，同时也限制了在不同学校、不同地区乃至不同年份间进行毕业生就业质量全面比较的可能性，不利于形成深入、全面的分析和对比。

三、就业质量报告指标体系设计思路

目标分解是整个构建过程的起点，旨在明确构建评价指标体系的根本目的。通常，这一步骤涉及对毕业生就业质量的广泛理解，结合我校现有就业质量年度报告的相关指标数据，可从就业整体质量、就业社会贡献度、就业社会满意度三个维度出发，通过将这些宏观目标细化为可操作、可量化的子目标，为后续工作奠定坚实基础。

在目标分解的基础上，深入剖析每个子目标的内涵，明确其包含的具体要素和特征。这一步骤要求对毕业生就业质量的各个方面进行细致考察，比如就业稳定性、就业适配性、就业公平性等，确保对评价对象的全面理解，为指标遴选提供理论依据。

基于内涵分析的结果，从众多可能的评价指标中筛选出最能反映毕业生就业质量核心特征的指标。这一过程需要综合考虑指标的代表性、可操作性、数据可获得性以及时效性等因素，确保所选指标既能准确反映毕业生就业质量的真实状况，又便于实际操作和数据收集。

在指标遴选完成后，根据评价指标之间的逻辑关系，构建出层次清晰、结构合理的评价指标体系。一级指标通常代表评价的主要方面，它体现了全面性和战略性；二级指标则是对一级指标的进一步细化，侧重于评价结构性目标实现；三级指标则是对二级指标的进一步具体化，是对二级指标的内涵进行分解后形成的可测量的具体指标。通过这样层层递进的指标设置，能够更全面地反映毕业生就业质量的各个方面9

指标选定后，根据各指标对总体评价目标的重要性程度进行权重分配，这是确保评价体系科学性和公正性的关键。同时，为每个指标设定明确的评价标准或阈值，以便在后续的数据分析中能够客观、准确地评价毕业生的就业质量。

综上所述，结合我校《2023届就业质量年度报告》中的相关指标，优化后的毕业生就业质量年度报告指标体系框架如表1所示。

四、权重确定

确定权重的方法很多，本文采用熵值法确定权重，以期给出一种毕业生就业质量指数计算方法。

熵值法是一种基于信息论的数学模型，用于评估多指标决策问题中各指标的权重。熵值反映了指标的不确定性和信息量，熵值越大表示指标的信息量越大，数据集的混乱度越大，即数据越分散，对决策结果的贡献越大。它不依赖于主观判断，能避免人为因素对指标权重的干扰。对于不同类型的就业质量指标，无论是定量指标还是定性指标，只要能够进行量化处理，熵值法都可以进行分析。并且，它对数据的分布没有严格要求，不需要数据满足特定分布规律，因此，在实际应用中具有较强的适应性[1]。表2是部分指标的历年数据。

（一）数据标准化处理

数据标准化处理的原因是将不同量纲和数量级的数据放在同一尺度下进行比较。这样可以避免因为某个指标数值过大或者过小（比如专业相关度指标较小）而对权重计算产生不合理的主导作用，数据较小的指标可能在计算熵值等后续步骤中占比过低，掩盖了其指标的相对重要性，从而使权重计算结果不能真实反映指标的实际贡献程度。

对每个指标，找出其最大值 和最小值 ，按照公式 进行数据标准化。