学习动机和成绩对职业生涯规划的作用探析,就业指导论文.docx

学习动机和成绩对职业生涯规划的作用探析,就业指导论文摘 要： 本文旨在通过测试大学生对于学习动机自我诊断能力、职业成熟度及收集和学业成绩的系统分析, 研究大学生的学习动机和学业成绩对其职业生涯规划所产生的影响。采用特征选取和线性回归相结合的方式方法得出学习动机、学业成绩分别单独和共同作用下对职业生涯规划所产生的不同影响机制。 本文关键词语： 学习动机; 学习成绩; 职业规划; Abstract： The purpose of this paper is to study the impact of undergraduates learning motivation and academic performance on their career planning by analyzing the data of motivation, career maturity and academic achievement.The methods of feature selection and linear regression are used to obtain the different impact mechanism of learning motivation and academic achievement separately and jointly on career planning. Keyword： learning motivation; academic achievement; career planning; 1、 前言 学习动机是指引发与维持学生的学习行为, 并使之指向一定学业目的的一种动力倾向, 是直接推动学生进行学习的一种内部动力, 更是鼓励和指引学生进行学习的一种需要。已有的研究结果表示清楚, 大学生职业生涯规划也是影响学习动机的一个重要因素。由此可见, 学习动机与职业生涯规划之间存在着何种关系, 学业成绩的高低能否对大学生的职业生涯规划产生不同的影响, 职业生涯规划分别与学习动机、学业成绩之间有着什么样的关系, 能否运用华而不实的影响机制来开展大学生的职业生涯规划教育, 使大学生确立和端正学习动机, 进而促进学习活动的驱动力, 最终到达提高学业成绩的效果。这些都是有待讨论和探寻求索的重要问题。 2、 研究方式方法 本研究选择文、理、工、艺术四类学科学生, 采取调查问卷调查学习动机和职业成熟度, 男女比例保持1:1, 全面调查在校大学生的学习动机和职业生涯规划情况。采用宋专茂编制的(大学生学习动机问题自我诊断测试检测学习动机, 采用刘利敏编制的(大学生职业成熟度问卷调查职业成熟度, 学业成绩根据学年的加权平均分计算。 采用线性回归的方式方法来反映学习动机、学业成绩对学生职业规划的不同影响机制。特征选取的目的是选取自变量和目的变量, 比方学业成绩和学习动机有关联的自变量和职业生涯规划这一因变量。然后运用线性回归分析得出的自变量和因变量之间的关系, 给出合理的拟合关系式应用此方式方法得出的有关模型, 来对现前阶段学生对将来职业的规划情况进行及时预测, 进而根据预测结果对已显示出职业规划不明确的学生进行及时的教育, 进而做到提早矫正学生的观念, 最终实现让更多的学生拥有明确职业生涯规划的这一学风建设目的。其主要流程如此图1所示: 图1 数据处理流程 x表示不同的自变量, 如学生的学习成绩和学习动机, y表示目的变量职业规划。通过在大量的训练集上进行学习, 得出自变量和目的变量的拟合关系。 3、 研究结论 3.1、 目的变量的选取 将职业规划确立为目的变量, 此变量是由前期调研经过中, 收集统计到的作为样本的部分大学生所填写的大学生职业问卷调查表的不同分数值所组成 (分值越高表示清楚职业认知度越高) , 用y表示。 3.2、 自变量的选取 图2 学习成绩, 学习动机与职业规划的分布图 学习成绩和学习动机均为自变量。学习成绩这一变量用x1来表示, 学习动机这一变量用x2来表示, 它是由研究经过中收集的不同受访大学生填写的调查问卷所得出的不同结果量化数字所组成, 华而不实分值越大表示清楚学习动机越弱。 3.3、 目的变量和自变量之间的相关性 选取两个自变量之后进行特征选取, 分析它们和目的变量之间能否存在一定的相关性。 如此图2所示, 通过自变量与目的变量之间变量变化关系的分布图, 我们能够清楚地看出学习成绩和学习动机分别对职业规划呈现出正相关和负相关。华而不实正相关表示清楚学生对本身的职业规划明确度会随着学习成绩的提高而上升, 反之学习成绩越差的学生对自个的职业规划就越不明确, 甚至有可能呈现出消极状态;负相关表示清楚学生的职业规划明确度会随着学习动机的提高而下降, 即学习动机越强, 学生对本身的职业规划明确度就越低, 反之学习动机越弱, 学生对本身的职业规划明确度就越高。 为了愈加精到准确地通过数字计算来详细表现两个自变量和目的变量之间的相关性, 我们采用皮尔森相关系数Pearson apos;s correlation coefficient来进行计算。其计算公式如下: 华而不实, n表示训练集样本大小, xi表示自变量i=1, 2, x apos;、y apos;表示样本中自变量因变量的平均值。通过样本计算, 我们得出r (x1, y) =0.08824, r (x1, x1) =-0.2025。计算表示清楚选取的两个自变量和目的变量均存在相关性, 即学生的学习成绩和学习动机对学生的职业生涯规划都有一定的影响, 属于有效变量。 3.4、 线性回归 在这里基础上为了进一步确定两个自变量在共同作用下对职业生涯规划的影响机制, 我们假设两个自变量和目的变量服从线性关系, 即y=a*x1+b*x2+c。之后采用双变量的线性回归进行计算, 得出a、b、c三个参数的拟合值 最终通过计算得出:a=0.045, b=-0.621, c=88.923。 进而得出此线性方程的方程式为:y=0.045*x1-0.621*x2+88.923。 3.5、 模型准确性验证 为了检测得出的线性方程的有效性, 我们将样本数据集合分为训练集合和测试集合。在这里项目中, 我们随机选取华而不实80%的数据作为训练集合, 在这里集合基础上进行线性回归分析, 得出训练模型。并在剩余20%的数据上进行测试, 这里我们引入误差error来衡量模型的准确性。计算出模型预测的职业规划值和真实职业规划之间的误差来衡量模型的准确性, 进而分析所提出方案的有效性。 华而不实m表示测试集中的样本个数, ytrue表示样本的真实结果, yperd表示通过我们的模型的预测结果。计算结果显示表示清楚我们的模型的预测结果和真实值的误差只要0.09, 表示清楚能够通过此线性方程来预测学生职业规划程度的相对大小。 在这里方程中代入两个因变量学习成绩x1和学习动机x2的值, 就能够得到与之相对应的目的变量y的值, 进而做到通过直观和快速的简单数学运算, 以数值大小作为衡量标准, 将职业生涯规划这一抽象概念详细化, 更科学和及时地预测出学生对其职业生涯规划的明确度。 3.6、 预测案例 通过模型的准确性分析, 表示清楚我们的模型在预测学生职业规划中具有有效性。在这里我们做一个预测分析, 通过假设的自变量数值计算出目的变量学生职业规划的相对数值, 进而断定出这名学生能否需要接受有关教育。 我们假设已经知道某一学生的学习成绩x1为75.89, 学习动机x2为4, 那么我们能够通过将自编自变量x1和x2代入到方程y=0.045*x1-0.621*x2+88.923中, 得出其职业规划y的数值为:0.045*75.89+0.621*4+88.923=94.82205。据此结果数值显示, 表示清楚该学生具有良好的职业规划, 不需要进行专门的教育来促使其对本身职业生涯进行规划。 由此可见, 通过公式计算出职业规划的数值, 让指导老师能及时把握不同学生的情况, 并根据数值大小对于数值较低的学生及时进行职业规划教育具有很强指导意义。此方式方法的合理运用不仅能够对学生今后进入职场实现自我价值奠定坚实而又有力的基础, 同时也会对高校的学风建设工作起到积极的推动作用。 以下为参考文献： 1谷青芳, 刘晓英.护理本科生学习动机与学业成绩相关性研究J.护理研究, 2018 (4) :283. 2孙晓微.基于服务视角下大学生职业生涯规划发展的途径研究J.山西青年, 2021. 3廖磊.从职业生涯规划谈 90后 大学生学习动机的激发与培养J.现代教育实践与教学研究, 2021. 4程利娜.职业生涯规划对大学生学习动机的影响研究J.黑龙江教育学院学报, 2020 (11) .