高等教育招生-培養(yǎng)-就業(yè)聯(lián)動(dòng)機(jī)制研究綜述

王克勤，王 婷，劉 偉，蔡志強(qiáng)*

（1.西北工業(yè)大學(xué) 教務(wù)處，西安 710072；2.西北工業(yè)大學(xué) 管理學(xué)院，西安 710072；3.西北工業(yè)大學(xué) 機(jī)電學(xué)院，西安 710072；4.西北工業(yè)大學(xué) 黨委學(xué)生工作部，西安 710072）

教育部在2017 年12 月發(fā)布的《關(guān)于推動(dòng)高校形成就業(yè)與招生計(jì)劃人才培養(yǎng)聯(lián)動(dòng)機(jī)制的指導(dǎo)意見》文件中指出，招生、培養(yǎng)及就業(yè)是高等教育最重要的三個(gè)環(huán)節(jié)，三者相互影響，密不可分。以培養(yǎng)促就業(yè)，以就業(yè)促招生，這已成為諸多教育工作者的共識(shí)。

構(gòu)建招生、培養(yǎng)與就業(yè)的聯(lián)動(dòng)改革體系被較早提出，即以學(xué)校的優(yōu)質(zhì)建設(shè)、畢業(yè)生的高素質(zhì)、教學(xué)質(zhì)量促招生[1]。此后相關(guān)研究一直向前推進(jìn)，王雅蓉[2]從人才培養(yǎng)、就業(yè)狀況反饋等角度強(qiáng)調(diào)其不僅是提高專業(yè)建設(shè)質(zhì)量的必然要求，也是提升就業(yè)競爭力的必要手段。覃偉麗[3]進(jìn)一步指出三個(gè)環(huán)節(jié)相互銜接，一個(gè)環(huán)節(jié)失誤都可對(duì)整個(gè)培養(yǎng)過程產(chǎn)生影響。以“招生、培養(yǎng)、就業(yè)”為關(guān)鍵詞在CNKI 數(shù)據(jù)庫檢索，論文數(shù)量自2018 年以來明顯上升，排名前三的主題依次是聯(lián)動(dòng)機(jī)制、高校招生、招生就業(yè)，這一結(jié)果也符合高等教育進(jìn)入高質(zhì)量發(fā)展的現(xiàn)實(shí)。

但是，高校的人才培養(yǎng)與社會(huì)需求之間存在結(jié)構(gòu)矛盾、層次錯(cuò)位，王英等[4]指出大學(xué)畢業(yè)生并非總量過剩，而是結(jié)構(gòu)失衡。專業(yè)結(jié)構(gòu)設(shè)置不合理及高校人才培養(yǎng)方面的弊端使得學(xué)生缺乏就業(yè)競爭力，對(duì)此，張?jiān)葡嫉萚5]分析深層原因是未能構(gòu)建良性的招生-培養(yǎng)-就業(yè)聯(lián)動(dòng)機(jī)制，科學(xué)確定擴(kuò)招、培育、維持、警示和淘汰專業(yè)，真正實(shí)現(xiàn)各專業(yè)優(yōu)勝劣汰。近年來，各高校深入研究，蘇永佳等[6]構(gòu)建招生計(jì)劃分配聯(lián)動(dòng)機(jī)制，切實(shí)提高了自身建設(shè)工作有效性。

盡管招生-培養(yǎng)-就業(yè)聯(lián)動(dòng)已得到廣泛關(guān)注，但研究尚不深入。我國90%院校的聯(lián)動(dòng)機(jī)制構(gòu)建還正在成形期，不到10%的高校提出以招生計(jì)劃為杠桿，報(bào)考率、報(bào)到率、就業(yè)率為主要檢驗(yàn)指標(biāo)，構(gòu)建招生專業(yè)紅黃藍(lán)預(yù)警來定性分析[7]，而鳳毛麟角者用數(shù)據(jù)庫建立數(shù)學(xué)模型，將招生、培養(yǎng)與就業(yè)情況的指標(biāo)量化并提取，結(jié)合學(xué)校實(shí)際賦予權(quán)重，而此方法也僅用于專業(yè)預(yù)警評(píng)估。

隨著改革進(jìn)程的推進(jìn)，學(xué)者對(duì)聯(lián)動(dòng)機(jī)制的認(rèn)識(shí)也在不斷更新，從既有文獻(xiàn)可看出，絕大多數(shù)研究工作主要談思路和框架，定性闡述三者之間的關(guān)系，尚未建立定量化的關(guān)系模型。因此，以提升深造率為目標(biāo)構(gòu)建一套系統(tǒng)的分析模型及招生計(jì)劃配置優(yōu)化方法勢(shì)在必行。

一 招生-培養(yǎng)-就業(yè)聯(lián)動(dòng)指標(biāo)的探索

（一）確立指標(biāo)的基本原則

自主制訂招生計(jì)劃有利于各高校辦學(xué)，同時(shí)也是一項(xiàng)挑戰(zhàn)。對(duì)于構(gòu)建原則，張?jiān)葡嫉萚5]提出關(guān)聯(lián)性、科學(xué)性、指向性、導(dǎo)向性和信息流通性五項(xiàng)原則；董業(yè)軍[8]提出可量化、客觀、數(shù)據(jù)易采集，從另一個(gè)角度劃分了指標(biāo)的系統(tǒng)性、代表性、可比性和可操作性原則。在分析各關(guān)節(jié)開展的工作時(shí)，要有預(yù)測性及前瞻性，從中提取充分適當(dāng)?shù)脑敿?xì)指標(biāo)，不能短視及忽視。

（二）生源質(zhì)量相關(guān)指標(biāo)分析

招生是高校人才培養(yǎng)的起點(diǎn)，生源質(zhì)量是影響計(jì)劃制訂的內(nèi)在因素，許多學(xué)者都提出了分省、分專業(yè)策略，于是將招生計(jì)劃完成情況、各省生源質(zhì)量和各專業(yè)志愿情況劃分為3 個(gè)二級(jí)指標(biāo)。高校招生計(jì)劃的制訂受多重因素影響，錄取率、報(bào)到率、院校一志愿率是首要關(guān)注的指標(biāo)。

（三）培養(yǎng)質(zhì)量相關(guān)指標(biāo)分析

培養(yǎng)是高校人才培養(yǎng)工作中的關(guān)鍵環(huán)節(jié)，我們將辦學(xué)條件、學(xué)科建設(shè)情況、培養(yǎng)計(jì)劃完成情況和培養(yǎng)質(zhì)量納入二級(jí)指標(biāo)體系中。學(xué)校優(yōu)勢(shì)學(xué)科及大類專業(yè)的設(shè)置同樣重要。李姣姣等[9]建議大類分流培養(yǎng)前引導(dǎo)，鄭慶華等[10]發(fā)現(xiàn)重視本科人才培養(yǎng)的專業(yè)滿額接收學(xué)生。董業(yè)軍[8]強(qiáng)調(diào)，合格的辦學(xué)條件是高校人才培養(yǎng)和科學(xué)研究的物質(zhì)前提和基本保障，學(xué)科發(fā)展亦是學(xué)校發(fā)展的重中之重。閻光才[11]驗(yàn)證了優(yōu)秀教師是創(chuàng)新型人才成長的重要影響因素，何朝陽等[12]分析了美國邁阿密大學(xué)等高等學(xué)府翻轉(zhuǎn)課堂教學(xué)的過程，王磊等[13]基于對(duì)拔尖計(jì)劃培養(yǎng)模式的調(diào)查，驗(yàn)證了參與科研項(xiàng)目、出國交流等是培養(yǎng)創(chuàng)新能力的重要途徑。此外，朱昱潼等[14]指出關(guān)聯(lián)度高的社會(huì)經(jīng)驗(yàn)，即實(shí)習(xí)率是決定錄用應(yīng)聘者的重要因素。

（四）就業(yè)質(zhì)量相關(guān)指標(biāo)分析

對(duì)于畢業(yè)去向落實(shí)而言，就業(yè)率與深造率是兩個(gè)同等重要的部分，應(yīng)將深造情況、就業(yè)情況及就業(yè)質(zhì)量看作3 個(gè)二級(jí)指標(biāo)。近年來，隨著招生規(guī)模的不斷擴(kuò)大，就業(yè)率已成為社會(huì)對(duì)高校人才培養(yǎng)工作反饋的重要指標(biāo)，此外，更應(yīng)重視就業(yè)質(zhì)量[9]。周璟等[15]提出，為防止畢業(yè)生初次就業(yè)后跳槽或失業(yè)，但數(shù)據(jù)更新不及時(shí)導(dǎo)致的就業(yè)率虛高的問題，應(yīng)考慮年終就業(yè)率。高校需從自身實(shí)際出發(fā)，經(jīng)濟(jì)發(fā)達(dá)地區(qū)高?？芍攸c(diǎn)評(píng)價(jià)畢業(yè)生薪酬水平、創(chuàng)業(yè)率[16]；經(jīng)濟(jì)發(fā)展相對(duì)落后地區(qū)經(jīng)濟(jì)實(shí)體少，就業(yè)崗位集中在政府部門和事業(yè)單位[17]。

（五）綜合指標(biāo)體系的提出

總結(jié)文獻(xiàn)、綜合分析，得到表1 中3 個(gè)一級(jí)指標(biāo)、10個(gè)二級(jí)指標(biāo)、42 個(gè)三級(jí)指標(biāo)的指標(biāo)體系。

表1 招生-培養(yǎng)-就業(yè)聯(lián)動(dòng)指標(biāo)體系

二 招生計(jì)劃動(dòng)態(tài)調(diào)整模型

（一）構(gòu)建招生-培養(yǎng)-就業(yè)深造結(jié)構(gòu)化數(shù)據(jù)庫的意義

當(dāng)前，大多數(shù)高校均建立了畢業(yè)生就業(yè)信息管理系統(tǒng)，結(jié)合數(shù)據(jù)挖掘技術(shù)和招生工作經(jīng)驗(yàn)，郭寶軍[18]指出目前大多高校的招生、培養(yǎng)、就業(yè)看似有條不紊，實(shí)則缺乏聯(lián)動(dòng)。對(duì)此，毛維華等[19]建議相關(guān)教學(xué)管理部門效法機(jī)構(gòu)KCEWS，規(guī)范數(shù)據(jù)采集，使各層級(jí)院校一體化，防止數(shù)據(jù)孤島出現(xiàn)。大數(shù)據(jù)分析技術(shù)有助于深化教育改革，動(dòng)態(tài)匹配學(xué)生和企業(yè)之間的供需，趙瑩等[20]用HQL做聚類分析提升大學(xué)生創(chuàng)業(yè)選擇的成功率。孫憲麗等[21]基于Hadoop 分布式集群框架編寫爬蟲程序，精準(zhǔn)對(duì)接社會(huì)需求，提高就業(yè)質(zhì)量。因此，將大數(shù)據(jù)分析作為工具，是提高人才培養(yǎng)和社會(huì)需求契合度、促進(jìn)三者良性循環(huán)的有效助推。

（二）指標(biāo)權(quán)重系數(shù)確定方法

1 主、客觀賦權(quán)法

主觀賦權(quán)法根據(jù)決策者對(duì)各項(xiàng)指標(biāo)主觀重視程度來賦權(quán)，常用三角模糊法、循環(huán)打分法等。許多文獻(xiàn)的模型參數(shù)以調(diào)查問卷形式確定，王江曼[22]采用層次分析法，邀請(qǐng)專家打分構(gòu)造判斷矩陣，張勇強(qiáng)等[23]依據(jù)學(xué)校招生領(lǐng)導(dǎo)小組討論來確定權(quán)重系數(shù)，指出今后應(yīng)通過定量分析不斷減少主觀因素的影響。為了解決該問題，孫德忠等[24]通過專家意見本身的相關(guān)性賦予權(quán)重，相關(guān)系數(shù)在一定程度上能代表專家的權(quán)威程度，因此既能夠兼顧多位專家的偏好，又自主提取專家典型性信息，大大提高主觀權(quán)重的可靠性[25]，能夠用于實(shí)際決策問題。

客觀賦權(quán)法是根據(jù)原始數(shù)據(jù)之間的關(guān)系通過數(shù)學(xué)方法來賦權(quán)，常用熵權(quán)法、變異系數(shù)法、獨(dú)立性權(quán)系數(shù)法和主成分分析法等。例如，獨(dú)立性權(quán)系數(shù)法從多元回歸分析角度計(jì)算出復(fù)相關(guān)系數(shù)而確定權(quán)重，一定程度上確保模型結(jié)果的精確度[26]。徐峰等[27]基于92 個(gè)本科專業(yè)的相關(guān)數(shù)據(jù)，使用3 種客觀賦權(quán)法計(jì)算指標(biāo)參數(shù)，后使用期望方差-眾數(shù)理論對(duì)各模型計(jì)算偏差、各專業(yè)評(píng)分及排名，基于客觀賦權(quán)法，為高校專業(yè)評(píng)價(jià)提供了切實(shí)可行的方向。

2 組合賦權(quán)法

一些研究者認(rèn)為，只選擇某種單項(xiàng)評(píng)價(jià)方法具有很大局限性。主觀賦權(quán)法易過分依賴專家經(jīng)驗(yàn)，與客觀實(shí)際偏離；客觀賦權(quán)法機(jī)械依賴數(shù)據(jù)，對(duì)實(shí)際問題的應(yīng)用價(jià)值不大。然而，組合評(píng)價(jià)方法雖一定程度上克服單項(xiàng)弊端，但仍存在不足：一是各單一方法對(duì)同一對(duì)象的評(píng)價(jià)排名易出現(xiàn)不同狀況，二是組合評(píng)價(jià)中往往不能差別對(duì)待各單項(xiàng)方法。

針對(duì)上述問題，李戰(zhàn)江等[28]在對(duì)主觀賦權(quán)的三角模糊法及客觀賦權(quán)的熵值法、標(biāo)準(zhǔn)離差貢獻(xiàn)率法、變異系數(shù)法這4 種評(píng)價(jià)方法集對(duì)分析的基礎(chǔ)上，建立組合賦權(quán)評(píng)價(jià)模型，選取樣本實(shí)證分析。此外，郭瑋娜[29]通過專家論證對(duì)影響變量定性分析，用交叉影響變量法和矩陣分析篩選就業(yè)率關(guān)鍵影響變量，以期在環(huán)境異動(dòng)時(shí)最大程度降低點(diǎn)值和人為因素帶來的決策風(fēng)險(xiǎn)。

（三）建立專業(yè)預(yù)警機(jī)制

目前，高校普遍存在招生、培養(yǎng)及就業(yè)部門工作分離，眾多學(xué)者根據(jù)招生-培養(yǎng)-就業(yè)聯(lián)動(dòng)指標(biāo)體系，建立預(yù)警機(jī)制調(diào)整招生計(jì)劃。文獻(xiàn)分析的基本思路：基于招生-培養(yǎng)-就業(yè)聯(lián)動(dòng)建立招生計(jì)劃編制輔助決策系統(tǒng)，將指標(biāo)量化并提取，結(jié)合學(xué)校實(shí)際賦予權(quán)重，計(jì)算招生專業(yè)的綜合量化分，在此基礎(chǔ)上定性評(píng)價(jià)，繼而對(duì)專業(yè)預(yù)警，最終助力高校招生、培養(yǎng)、就業(yè)聯(lián)動(dòng)機(jī)制建設(shè)。

三 就業(yè)率的分析預(yù)測模型

（一）線性模型的預(yù)測算法

最初的研究方法是基于專家預(yù)測的定性分析法。通過領(lǐng)域內(nèi)專家對(duì)畢業(yè)生就業(yè)率變化特點(diǎn)的分析，但由于預(yù)測效果與專家?guī)斓闹R(shí)豐富度密切相關(guān)，具有一定主觀性[27]。隨后出現(xiàn)了基于統(tǒng)計(jì)學(xué)理論如ARIMA 模型、灰色系統(tǒng)模型等線性建模技術(shù)。然而，這些方法具有一定局限性，正如張穩(wěn)等[30]用多元回歸和曲線擬合的方法建立預(yù)測模型，實(shí)際受地區(qū)經(jīng)濟(jì)、國家政策影響，就業(yè)率具有較強(qiáng)的非線性變化特點(diǎn)，預(yù)測誤差較大。

針對(duì)預(yù)測誤差大的難題，沈敏蘭等[31]利用灰色系統(tǒng)，以較高的精準(zhǔn)度預(yù)測冷門專業(yè)短中期的就業(yè)率情形。同樣基于灰色系統(tǒng)中的GM（1，1）模型，亓紅強(qiáng)等[32]通過與多元回歸分析和BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行對(duì)比，灰色系統(tǒng)不僅克服非線性建模能力的缺陷，同時(shí)解決了BP 神經(jīng)網(wǎng)絡(luò)易“過擬合”的不足，驗(yàn)證了該方法的優(yōu)越性。

在分省、分專業(yè)招生計(jì)劃分配方案方面，張雯鑫等[33]在分析招生影響因子、挖掘招生數(shù)據(jù)的基礎(chǔ)上，采用灰色預(yù)測模型對(duì)各省招生計(jì)劃進(jìn)行預(yù)測，繼而運(yùn)用聚類分析對(duì)各省份各招生專業(yè)進(jìn)行科學(xué)調(diào)整，從而建立一個(gè)兩層多維的計(jì)劃分配方案，使投放到各省的專業(yè)計(jì)劃都達(dá)到最優(yōu)資源配置。次年分省調(diào)劑率、分專業(yè)調(diào)劑率的減少都驗(yàn)證了考生志愿和招生計(jì)劃的高度契合。

（二）非線性模型的預(yù)測算法

隨著現(xiàn)代統(tǒng)計(jì)學(xué)及非線性理論的發(fā)展，出現(xiàn)了基于機(jī)器學(xué)習(xí)的就業(yè)率預(yù)測模型，非線性建模預(yù)測模型能夠從就業(yè)率的歷史數(shù)據(jù)中挖掘出就業(yè)率變化特點(diǎn)，效率優(yōu)于線性建模技術(shù)[34]。

BP 神經(jīng)網(wǎng)絡(luò)的預(yù)測途徑有3 種。第一種是利用時(shí)間序列數(shù)據(jù)，利用遞進(jìn)式的分析方式；第二種是借助其他模型如主成分分析法等，將截面數(shù)據(jù)或時(shí)間序列數(shù)據(jù)分類分析；第三種是結(jié)合其他如遺傳算法、蟻群算法等對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化，得出最優(yōu)權(quán)重和閾值[34]。許紅[35]采取了第二種方法，將主成分分析后的數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)建模，根據(jù)平均相對(duì)誤差驗(yàn)證模型精度比傳統(tǒng)神經(jīng)網(wǎng)絡(luò)更高。韓曉瑞[36]以教職工數(shù)量等為輸入指標(biāo)，構(gòu)建神經(jīng)網(wǎng)絡(luò)預(yù)測模型。為了提升BP 神經(jīng)網(wǎng)絡(luò)的收斂速度與泛化能力，李燕燕[37]結(jié)合LM 與貝葉斯正則化算法，對(duì)比驗(yàn)證了此模型優(yōu)于灰色預(yù)測模型與基于B 型關(guān)聯(lián)度及GIOWA 算子的組合預(yù)測模型。在此基礎(chǔ)上，黃敏菁等[38]將區(qū)域經(jīng)濟(jì)情況等作為三項(xiàng)輸入指標(biāo)，建立主成分-馬爾可夫鏈預(yù)測模型，實(shí)驗(yàn)結(jié)果表明，對(duì)殘差結(jié)果修正后的主成分回歸模型預(yù)測精度更高。

此外，支持向量機(jī)也是被廣泛應(yīng)用的畢業(yè)率預(yù)測算法。支持向量機(jī)的模型精度由參數(shù)決定，難點(diǎn)在于尋找全局最優(yōu)參數(shù)，對(duì)此，劉小杰[39]利用蟻群算法代替經(jīng)驗(yàn)法與遺傳算法，尋找支持向量機(jī)最優(yōu)超參數(shù)，驗(yàn)證了模型精度顯著提高。由于就業(yè)率影響因素多，數(shù)據(jù)具有較強(qiáng)隨機(jī)性和混沌變化特點(diǎn)，翟曉鶴[40]將收集的一維樣本集合空間重構(gòu)，采用最小二乘支持向量機(jī)建模，并與ARIMA、GM 灰色系統(tǒng)、BPNN 和LSSVM 做仿真對(duì)比，驗(yàn)證了模型優(yōu)越度。

（三）組合模型的預(yù)測算法

高校畢業(yè)生就業(yè)率變化十分復(fù)雜，與許多因素密切相關(guān)又互相聯(lián)系，使得單一算法誤差較大，難以完整描述就業(yè)率的變化特點(diǎn)。徐永慧[41]指出BP 神經(jīng)網(wǎng)絡(luò)和灰色系統(tǒng)的組合模型可充分結(jié)合優(yōu)點(diǎn)。張志輝等[42]也提出基于大數(shù)據(jù)集成技術(shù)，集成神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)兩者優(yōu)點(diǎn)，更全面描述就業(yè)率變化特點(diǎn)，模型優(yōu)于單一算法所建立的模型，具有較高的應(yīng)用價(jià)值。

機(jī)器學(xué)習(xí)各個(gè)算法各有優(yōu)劣，近年來，BP 神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)亦逐漸代替?zhèn)鹘y(tǒng)ARIMA 與多元回歸分析成為主流。除了以上組合，決策樹也與貝葉斯分類相結(jié)合，如王亞如[43]基于經(jīng)典的決策樹C4.5 算法，構(gòu)建兩個(gè)決策樹預(yù)測模型。針對(duì)決策樹的不足之處，黃春華等[44]結(jié)合貝葉斯分類的先驗(yàn)信息和決策樹分類的信息增益優(yōu)點(diǎn)，獲得了更高的預(yù)測精度。

四 結(jié)論與建議

招生-培養(yǎng)-就業(yè)聯(lián)動(dòng)機(jī)制的研究一直是教育教學(xué)改革領(lǐng)域廣泛關(guān)注的問題，也是高校對(duì)招生計(jì)劃做出動(dòng)態(tài)調(diào)整的重要依據(jù)。通過梳理文獻(xiàn)可以發(fā)現(xiàn)，盡管許多學(xué)者已經(jīng)認(rèn)識(shí)到建立聯(lián)動(dòng)機(jī)制的必要性，提取并量化了相關(guān)指標(biāo)，但認(rèn)識(shí)上依然存在局限，集中表現(xiàn)在以下3 點(diǎn)。

1）盡管研究者都提出了契合各自高校的招生-培養(yǎng)-就業(yè)聯(lián)動(dòng)指標(biāo)體系，但指標(biāo)排布過于零散，無法為后續(xù)研究提供全面穩(wěn)定的支持。因此，我們總結(jié)一套面向全國高校的綜合指標(biāo)體系，指標(biāo)詳盡充足，排布合理，可供后來者篩選。

2）在建立招生計(jì)劃動(dòng)態(tài)調(diào)整模型時(shí)，大多研究者用問卷調(diào)查或?qū)＜掖蚍值姆椒ù_定各指標(biāo)權(quán)重系數(shù)，然而，較為主觀的參數(shù)不能準(zhǔn)確體現(xiàn)各項(xiàng)指標(biāo)的重要程度。因此，我們總結(jié)了3 種賦權(quán)方法，并比較其優(yōu)劣，以期為后續(xù)研究帶來參考。

3）盡管研究者大都認(rèn)識(shí)到了招生-培養(yǎng)-就業(yè)大數(shù)據(jù)的挖掘價(jià)值，并將線性及非線性預(yù)測算法應(yīng)用在畢業(yè)生就業(yè)率預(yù)測中，然而，各個(gè)算法應(yīng)用尚不全面，雖然模型一定程度上可獲取預(yù)測結(jié)果，但隨著外界影響因素的變化易產(chǎn)生較大誤差，選取何種算法還需進(jìn)一步研究。

綜合分析，在招生計(jì)劃配置優(yōu)化方面，理論研究居多，實(shí)證研究較少。學(xué)校的招生工作是整個(gè)人才培養(yǎng)體系的起點(diǎn)，是學(xué)校提高人才培養(yǎng)質(zhì)量的堅(jiān)實(shí)基礎(chǔ)，也是提升就業(yè)率的重要保障。因此，招生計(jì)劃配置必須以提高學(xué)校本科人才培養(yǎng)和就業(yè)深造質(zhì)量為導(dǎo)向，立足學(xué)校辦學(xué)特色和專業(yè)布局，充分利用招生-培養(yǎng)-就業(yè)深造大數(shù)據(jù)，向生源質(zhì)量高、培養(yǎng)條件優(yōu)、就業(yè)深造好的學(xué)科專業(yè)傾斜，從而實(shí)現(xiàn)扎根西部、獻(xiàn)身國防、為黨育人和為國育才的目標(biāo)。