Multi-Criteria Evaluation Of Student Career Readiness Using An Intelligent Topsis-Based Decision Support System

方法

TOPSIS方法，5项准则，20个学生样本，加权决策矩阵。

发现

Y11得分最高0.8296，60%学生为中等准备，仅5%高度准备。

机会点

可将TOPSIS多准则决策迁移至农业人才或新型职业农民能力评估与精准培训。

学生职业准备度的评估需要一种系统化方法，综合考虑与职场需求相关的多种能力和经历。本研究开发了一种基于逼近理想解排序法（TOPSIS）的智能决策支持系统，用于评估和映射学生的职业准备度。研究采用20个学生样本和五项评估标准：专业领域能力（C1）、实习经历（C2）、沟通能力（C3）、数字素养（C4）和英语语言能力（C5）。每项标准根据其相对重要性赋予权重。TOPSIS方法包括决策矩阵构建、归一化、加权归一化、正负理想解的确定、距离计算以及偏好值计算。结果表明，Y11获得了最高偏好值0.8296，其次是Y6（0.7951）、Y19（0.7274）、Y5（0.7116）和Y2（0.6999），而Y9获得了最低偏好值0.3112。根据分类结果，1名学生（5%）被归类为高度准备，5名学生（25%）为准备充分，12名学生（60%）为中等准备，2名学生（10%）为尚未准备。这些发现表明，TOPSIS能够基于多项评估标准有效对学生职业准备度进行排序和分类。所提出的系统可以支持高等教育机构识别学生的准备水平，并制定更加客观、有针对性和数据驱动的职业发展策略。