1. 引言
1.1. 研究背景
国务院印发的《“十四五”就业促进规划》中提到要加强大学生职业生涯教育和就业创业指导，增强高校毕业生就业能力，持续做好高校毕业生就业工作。让高校毕业生们获得更充分和高质量的就业，是推动经济发展的重要基础，也是促进高质量发展和全面建设现代社会主义国家的必然要求[1]。
大学生就业问题是高等教育中不可回避的现实问题，也是各个高校教育工作者最为关心的问题。随着高校扩招政策的实施，本科生的招生规模逐步扩大，本科毕业生人数也逐年攀升，如今，全球长期处于经济下行期，人才竞争愈演愈烈，就业形势日益严峻，大学生面临着空前的就业压力。
在众多压力面前，大学生们对自己未来发展的困惑也日益增多，在这个人生转折的关键时期，形成一个好的职业生涯发展规划对大学生尤为重要，因此大学生职业生涯规划现状的研究显得格外重要，做好大学生职业生涯规划的调查分析既是明智之举，也是发展之需。
1.2. 研究意义
大学生职业生涯规划是促进大学生就业与择业的重要措施，职业生涯规划可以帮助大学生对自身有一个更清晰的认知以及更明确的定位，使大学生在全面深入了解自己的基础上，建立可行性更高的职业目标。有效地提高大学生就业质量，解决大学生就业难问题[2]。
本研究对家庭、高校、社会都有重要的现实意义。对家庭来说，有利于家庭和睦，找到合适的工作并为之努力有利于增加家庭收入，阻断代际贫穷。对学校来说，本研究可以给我校提供一手的资料，提供有用的真实有效的信息，有利于我校教育教学的改革与人才培养体系的完善。对社会而言，做好大学生职业生涯规划的调查分析可以推动大学生成长、成熟、成才，促进人才流动和社会稳定和谐。提高就业率，提高社会工作效率，最终为促进社会的经济、文化发展做出相应的贡献，有利于社会问题的解决，实现社会稳定。
2. 研究对象及方法
2.1. 研究对象及抽样方法
本研究的研究对象为山东建筑大学的大学生，采用线上线下相结合的方式发放问卷，线上通过转发问卷星二维码的方式发放调查问卷，线下通过校园拦截方式随机发放调查问卷，共向300名同学发放问卷，最后回收问卷241份，回收率为80.33% [3]。
2.2. 问卷设计
本文通过对相关文献的查阅以及对已有理论的研究，建立了职业生涯规划指标量表，形成了问卷。问卷第一部分为基本信息，共15题；第二部分共20题，采用了最典型的5点量表的形式，选项内容分别为“非常符合”，“比较符合”，“一般”，“不太符合”，“完全不符合”五种，分别赋值为5分、4分、3分、2分、1分，满分为100分，得分越高，说明职业生涯规划状况越好。
我校大学生职业规划现状主要由问卷的第二部分体现，问卷第二部分分为五个维度，分别为自我认知、外部环境分析、职业目标确立、行动策略、修正反馈。本文中职业生涯规划现状就是由这五个维度来体现[4]。
3. 我校大学生职业生涯规划的描述性统计分析
3.1. 对被调查者基本情况的描述性统计分析
被调查者毕业后的打算的选择的柱形图，见图1，从图中可以看出毕业后打算考研的人数最多，其次是就业和考公、考编，只有少部分同学未考虑过毕业后的打算，说明绝大多数同学对自己未来的发展方向都有一个大致规划。
Figure 1. The respondents’ plans after graduation
图1. 被调查者毕业后的打算
择业时重要因素的词云图，见图2。可以看出，在择业时，绝大多数同学会考虑薪资待遇这一因素，其次，发展前途、工作稳定、兴趣爱好对大学生来说也是重要因素。而父母期望，名誉声望，专业对口这几个因素只有少部分同学选择，说明绝大多数同学都想要一个薪资待遇好，发展前景好，并且稳定的工作。
Figure 2. The word cloud map is an important factor when choosing a career
图2. 择业时的重要因素的词云图
3.2. 对职业生涯规划得分的描述性统计分析
Table 1. The mean of each dimension and total score
表1. 各维度及总得分均值
自我认知得分均值 |
外部环境得分均值 |
职业目标确立得分均值 |
行动策略得分均值 |
修正反馈得分均值 |
总得分均值 |
13.81 |
13.46 |
12.93 |
13.4 |
13.5 |
67.1 |
各维度得分均值及总得分均值情况见表1，在本次研究中，我校大学生在自我认知、外部环境分析、职业目标确立、行动策略、修正反馈几个方面的得分均值分别为13.81、13.46、12.93、13.40、13.50，总得分平均值为67.10，我校大学生的职业生涯规划处于中等偏上水平。
Figure 3. Comparison of the mean scores of different genders in five dimensions
图3. 不同性别在五个维度得分均值比较
男生在整体上得分更高一些，说明相比女生，男生对自己的职业生涯规划情况更好，见图3。男生在自我认知，外部环境，职业目标确立，行动策略这几个方面的得分均值都高于女生，说明相较于女生，男生对自己的认知更加清晰，对外部环境的认识更加明确，确定了更加准确的职业目标，从各方面更加努力地提升自己。而女生在修正反馈方面得分更高，说明相较于男生，女生更能及时反思自己，根据情况修正自己的规划及目标。
Figure 4. Five dimensions were compared in different grade scores
图4. 五个维度在不同年级得分比较
大四的同学在各方面得分较好，其次是大一同学，大二的同学在各方面得分较差，见图4。说明我校同学在刚入学时都有较明确的职业生涯规划，但随着入学时间的增加，同学们对自己的职业生涯规划也逐渐模糊，但在即将毕业之际，同学们又会关注自己的职业生涯规划。
4. 不同影响因素下职业生涯规划总得分的差异性分析
4.1. 母亲受教育程度不同时职业生涯规划总得分的方差分析
家庭对一个人的影响非常大，对于青年时期的大学生来说更是尤为重要，故检验母亲受教育程度对大学生职业生涯规划的差异性。
Figure 5. Normal P-P plot of total score
图5. 总得分的正态P-P图
Figure 6. A detrended normal P-P plot of the total score
图6. 总得分的去趋势正态P-P图
由P-P图可知总得分服从正态分布，见图5、图6。
Table 2. Basic descriptive statistics of maternal education
表2. 母亲受教育程度的基本描述统计
描述 |
总得分 |
|
个案数 |
平均值 |
标准差 |
标准误差 |
平均值的95%置信区间 |
最小值 |
最大值 |
下限 |
上限 |
1 |
143 |
65.63 |
18.620 |
1.557 |
62.55 |
68.71 |
20 |
100 |
2 |
63 |
65.73 |
17.347 |
2.185 |
61.36 |
70.10 |
20 |
100 |
3 |
17 |
71.88 |
13.407 |
3.252 |
64.99 |
78.78 |
51 |
100 |
4 |
18 |
79.00 |
17.510 |
4.127 |
70.29 |
87.71 |
45 |
100 |
总计 |
241 |
67.10 |
18.182 |
1.171 |
64.79 |
69.40 |
20 |
100 |
母亲受教育程度不同总得分的基本描述统计量及95%置信区间见表2，可以看出，在4个分组下，得分均值分别为65.63，65.73，71.88，79。
Table 3. Variance homogeneity test of maternal education
表3. 母亲受教育程度的方差齐性检验
方差齐性检验 |
总得分 |
莱文统计 |
自由度1 |
自由度2 |
显著性 |
0.460 |
3 |
237 |
0.710 |
单因素方差分析的前提检验见表3，即方差齐性的检验结果，可以看出，Levene统计量的值为0.460，第一、二自由度分别为3、237，相应的显著性为0.710，大于显著性水平0.05，接受方差齐性，因此可以认为母亲受教育程度不同的总得分方差无显著性差异，满足方差分析的前提条件。
Table 4. Anova table of maternal educational attainment
表4. 母亲受教育程度的方差分析表
ANOVA |
总得分 |
|
平方和 |
自由度 |
均方 |
F |
显著性 |
组间 |
3365.271 |
3 |
1121.757 |
3.499 |
0.016 |
组内 |
75977.534 |
237 |
320.580 |
|
|
总计 |
79342.805 |
240 |
|
|
|
方差分析表见表4，可以看出，显著性为0.016，小于显著性水平0.05，故认为母亲受教育程度不同的情况下，我校大学生职业生涯规划得分有显著性差异。
Figure 7. The total score of mothers with different levels of education
图7. 母亲受教育程度不同时总得分情况
观测变量均值的折线图见图7，可以看出第四组的总分最高，第一组最低。随着母亲受教育水平的增加，职业生涯规划水平的得分越来越高，而母亲受教育水平为初中及以下或高中或中专时与本科及以上时得分相差较大。
4.2. 学习成绩不同时职业生涯规划总得分的方差分析
Table 5. Basic descriptive statistics of academic achievement
表5. 学习成绩的基本描述统计
描述 |
总得分 |
|
个案数 |
平均值 |
标准差 |
标准误差 |
平均值的95%置信区间 |
最小值 |
最大值 |
下限 |
上限 |
1 |
98 |
70.69 |
18.291 |
1.848 |
67.03 |
74.36 |
20 |
100 |
2 |
79 |
65.01 |
18.451 |
2.076 |
60.88 |
69.15 |
20 |
100 |
3 |
47 |
62.62 |
17.189 |
2.507 |
57.57 |
67.66 |
20 |
100 |
4 |
17 |
68.41 |
16.132 |
3.913 |
60.12 |
76.71 |
45 |
100 |
总计 |
241 |
67.10 |
18.182 |
1.171 |
64.79 |
69.40 |
20 |
100 |
Table 6. Variance homogeneity test of academic achievement
表6. 学习成绩的方差齐性检验
方差齐性检验 |
总得分 |
莱文统计 |
自由度1 |
自由度2 |
显著性 |
0.445 |
3 |
237 |
0.721 |
先对学习成绩进行基本的描述统计，见表5。再由学习成绩的方差齐性检验，可知显著性为0.721，见表6，大于显著性水平0.05，接受方差齐性，因此可以认为在校学习成绩不同的总得分方差无显著性差异，满足方差分析的前提条件。
Table 7. Analysis of variance table of different academic achievement
表7. 学习成绩不同的方差分析表
ANOVA |
总得分 |
|
平方和 |
自由度 |
均方 |
F |
显著性 |
组间 |
2583.777 |
3 |
861.259 |
2.659 |
0.049 |
组内 |
76759.028 |
237 |
323.878 |
|
|
总计 |
79342.805 |
240 |
|
|
|
方差分析表见表7，可以看出，显著性为0.049，小于显著性水平0.05，故认为学习成绩不同的情况下，我校大学生职业生涯规划得分有显著性差异。
4.3. 职业生涯规划总得分的多因素方差分析
Table 8. Number of cases in different grades and whether or not they had attended career counselling
表8. 不同年级及有无参加过职业生涯辅导的个案数
主体间因子 |
个案数 |
12. 您是否参加过职业生涯辅导( ) |
1 |
118 |
2 |
123 |
2. 您的年级是( ) |
1 |
22 |
2 |
52 |
3 |
24 |
4 |
143 |
参加过职业生涯辅导的有118人，未参加过生涯指导的有123人，见表8。
Table 9. Test for homogeneity of variance
表9. 方差齐性检验
误差方差的莱文等同性检验a |
因变量：总得分 |
F |
自由度1 |
自由度2 |
显著性 |
1.171 |
7 |
233 |
0.320 |
检验“各个组中的因变量误差方差相等”这一原假设 |
a设计：截距 + @12. 您是否参加过职业生涯辅导( ) + @2. 您的年级是( ) + @12. 您是否参加过职业生涯辅导( ) * @2. 您的年级是( ) |
显著性为0.320，大于0.05，认为方差齐性，见表9。
Table 10. Test of intersubjective effects
表10. 主体间效应检验
主体间效应检验 |
因变量：总得分 |
源 |
III类平方和 |
自由度 |
均方 |
F |
显著性 |
修正模型 |
3901.337a |
7 |
557.334 |
1.721 |
0.105 |
截距 |
572739.671 |
1 |
572739.671 |
1768.899 |
0.000 |
@12.您是否参加过职业生涯辅导( ) |
451.321 |
1 |
451.321 |
1.394 |
0.239 |
@2.您的年级是( ) |
2597.184 |
3 |
865.728 |
2.674 |
0.048 |
@12.您是否参加过职业生涯辅导( )* @2.您的年级是( ) |
330.566 |
3 |
110.189 |
0.340 |
0.796 |
误差 |
75441.468 |
233 |
323.783 |
|
|
总计 |
1164276.000 |
241 |
|
|
|
修正后总计 |
79342.805 |
240 |
|
|
|
注：aR方 = 0.049 (调整后R方 = 0.021)。
在年级上有显著性差异，在是否参加过生涯规划辅导上没有显著性差异，在年级与是否参加过生涯规划辅导的交叉项上无显著性差异，见表10。
Figure 8. Comparison of total scores in different grades with or without career counseling
图8. 有无参加过职业生涯辅导在不同年级下的总得分比较
参加过生涯规划指导的同学的总得分要高于未参加过生涯规划指导的同学，见图8。
5. 相关分析和回归分析
5.1. 职业生涯规划现状的相关性分析
对于相关分析这一重要统计分析方法，它可以对两个变量之间的亲密关系程度进行分析和测度。实际上，它就是对两者是否存在线性关系进行仔细分析[5]。下面对职业生涯规划总得分与基础问题进行相关分析，并对五个维度得分进行相关分析。
5.1.1. 职业生涯规划总得分与基础问题的相关分析
Table 11. Correlation analysis of the total score of career planning and various problems
表11. 职业生涯规划总得分与各问题的相关分析
相关性 |
|
总得分 |
1.您的性别
是( ) |
2.您的年级
是( ) |
3.您所学的
专业
是( ) |
4.您的生源
地是 |
5.父亲受教育程度 |
6.母亲受教育程度 |
7.您是否担任过学生干部( ) |
8.您是否有过兼职或实习经历( ) |
9.平时在校的学习成绩在本专业排名 |
10.选择现
在所
学专
业的
原因
是 |
11.对现在所学专业的满意程度 |
12.您是否参加过职业生涯辅导( ) |
总得分 |
皮尔逊相关性 |
1 |
−0.050 |
0.167** |
−0.025 |
−0.117 |
0.038 |
0.181** |
−0.021 |
−0.006 |
−0.126* |
−0.119 |
−0.177** |
−0.115 |
显著性(双尾) |
|
0.437 |
0.010 |
0.701 |
0.070 |
0.556 |
0.005 |
0.744 |
0.927 |
0.050 |
0.066 |
0.006 |
0.076 |
个案数 |
242 |
241 |
241 |
241 |
241 |
241 |
241 |
241 |
241 |
241 |
241 |
241 |
241 |
注：**在0.01级别(双尾)，相关性显著。
年级、母亲受教育程度、专业排名、专业满意度的显著性小于0.05，这些因素与职业生涯规划总得分显著相关，见表11。
年级与母亲受教育程度的相关系数都大于0，说明呈正相关，年级越高，母亲受教育程度越高，职业生涯规划总得分越高。专业排名与专业满意度的相关系数都小于0，说明排名靠后、对专业满意度越低，职业生涯规划总得分越低。
5.1.2. 各维度得分间的相关分析
Table 12. Correlation analysis between different dimensions
表12. 各个维度间的相关性分析
相关性 |
|
自我认知得分 |
外部环境得分 |
职业目标确立得分 |
行动策略得分 |
修正反馈得分 |
自我认知得分 |
皮尔逊相关性 |
1 |
0.679** |
0.668** |
0.718** |
0.726** |
显著性(双尾) |
|
0.000 |
0.000 |
0.000 |
0.000 |
个案数 |
241 |
241 |
241 |
241 |
241 |
外部环境得分 |
皮尔逊相关性 |
0.679** |
1 |
0.810** |
0.812** |
0.768** |
显著性(双尾) |
0.000 |
|
0.000 |
0.000 |
0.000 |
个案数 |
241 |
241 |
241 |
241 |
241 |
职业目标确立得分 |
皮尔逊相关性 |
0.668** |
0.810** |
1 |
0.843** |
0.756** |
续表
|
显著性(双尾) |
0.000 |
0.000 |
|
0.000 |
0.000 |
个案数 |
241 |
241 |
241 |
241 |
241 |
行动策略得分 |
皮尔逊相关性 |
0.718** |
0.812** |
0.843** |
1 |
0.861** |
显著性(双尾) |
0.000 |
0.000 |
0.000 |
|
0.000 |
个案数 |
241 |
241 |
241 |
241 |
241 |
修正反馈得分 |
皮尔逊相关性 |
0.726** |
0.768** |
0.756** |
0.861** |
1 |
显著性(双尾) |
0.000 |
0.000 |
0.000 |
0.000 |
|
个案数 |
241 |
241 |
241 |
241 |
241 |
注：**在0.01级别(双尾)，相关性显著。
各分量相关系数最低的为0.668，最高的为0.861，都是正数，说明表中(自我认知、外部环境分析、职业目标确定、行动策略、修正反馈)这五个指标呈现正相关关系，说明各层面的职业生涯规划之间有显著相关性，见表12。
5.2. 职业生涯规划现状的回归分析
两个变量确认相关时，可以构建线性回归方程研究影响关系情况，回归分析实质上是研究自变量对因变量的影响关系。下面以职业生涯规划总得分作为因变量，年级、母亲受教育程度、专业排名、专业满意度为自变量进行回归分析。
Figure 9. Regression normalized residual histogram of total score
图9. 总得分的回归标准化残差直方图
Figure 10. P-P plot of regression normalized residuals for total scores
图10. 总得分的回归标准化残差的P-P图
从残差直方图和P-P图来看，模型的残差比较好的服从正态分布，基本上没有严重偏离正态假设，见图9、图10。
Figure 11. Regression normalized residual scatter plot of total score
图11. 总得分的回归标准化残差散点图
残差绝对值几乎全小于3，故认为方差齐性，见图11。
Table 13. Summary of models for total score regression
表13. 总得分回归的模型摘要
模型摘要c |
模型 |
R |
R方 |
调整后R方 |
标准估算的误差 |
德宾–沃森 |
1 |
0.291a |
0.085 |
0.069 |
17.541 |
|
2 |
0.280b |
0.078 |
0.067 |
17.567 |
1.905 |
a预测变量：(常量)，11. 对现在所学专业的满意程度，6. 母亲受教育程度，2. 您的年级是( )，9. 平时在校的学习成绩在本专业排名 |
b预测变量：(常量)，11. 对现在所学专业的满意程度，6. 母亲受教育程度，2. 您的年级是( ) |
c因变量：总得分 |
德宾–沃森统计量为1.905，在1~3之间，故认为残差间相互独立。表中出了拟合模型的决定系数，可见矫正后的决定系数几乎没有下降，说明被剔除的自变量的确不应纳入模型之中，见表13。
Table 14. Anova table
表14. 方差分析表
ANOVAa |
模型 |
平方和 |
自由度 |
均方 |
F |
显著性 |
1 |
回归 |
6727.923 |
4 |
1681.981 |
5.466 |
0.000b |
残差 |
72614.882 |
236 |
307.690 |
|
|
总计 |
79342.805 |
240 |
|
|
|
2 |
回归 |
6203.256 |
3 |
2067.752 |
6.700 |
0.000c |
残差 |
73139.549 |
237 |
308.606 |
|
|
总计 |
79342.805 |
240 |
|
|
|
a因变量：总得分 |
b预测变量：(常量)，11. 对现在所学专业的满意程度，6. 母亲受教育程度，2. 您的年级是( )，9. 平时在校的学习成绩在本专业排名 |
c预测变量：(常量)，11. 对现在所学专业的满意程度，6. 母亲受教育程度，2. 您的年级是( ) |
检验所拟合的两个模型是否在整体上具有统计意义，显然两个模型都是有一定预测价值的，见表14。
Table 15. Regression coefficient estimation table
表15. 回归系数估计表
系数a |
模型 |
未标准化系数 |
标准化系数 |
t |
显著性 |
B |
标准误差 |
Beta |
1 |
(常量) |
64.450 |
5.465 |
|
11.794 |
0.000 |
2. 您的年级是( ) |
2.162 |
1.077 |
0.127 |
2.006 |
0.046 |
续表
|
6. 母亲受教育程度 |
3.136 |
1.258 |
0.157 |
2.493 |
0.013 |
|
9. 平时在校的学习成绩在本专业排名 |
−1.619 |
1.240 |
−0.084 |
−1.306 |
0.193 |
11. 对现在所学专业的满意程度 |
−2.619 |
1.199 |
−0.139 |
−2.185 |
0.030 |
2 |
(常量) |
61.650 |
5.034 |
|
12.247 |
0.000 |
2. 您的年级是( ) |
2.323 |
1.072 |
0.136 |
2.167 |
0.031 |
6. 母亲受教育程度 |
3.077 |
1.259 |
0.154 |
2.444 |
0.015 |
11. 对现在所学专业的满意程度 |
−2.931 |
1.177 |
−0.156 |
−2.491 |
0.013 |
注：a因变量：总得分。
第一个模型中平时在校的学习成绩在本专业排名的检验P为0.193，大于0.05，故剔除此项，剔除后，其他几项系数值基本未发生变化，这也间接支持了把平时在校的学习成绩在本专业的排名这项剔除去，见表15。
最终本次分析得到的是包含3个自变量的回归方程，表达式为：总得分 = 61.65 + 2.323 + 年级 + 3.077母亲受教育程度−2.931专业满意度。
6. 结论与建议
6.1. 结论
我校大学生职业生涯规划水平较高，在五个层面中得分均值由高到低依次为：自我认知得分、修正反馈得分、外部环境得分、行动策略得分、职业目标确立得分。
在生源地、母亲受教育程度、年级、专业排名这几个因素的分别影响下，我校大学生职业生涯规划得分有显著性差异。说明家庭方面与学校方面都对大学生职业规划水平有一定的影响，要想提高大学生职业生涯规划水平，不仅要从大学生自身下手，也要从家庭层面与学校层面考量。
自我认知、外部环境分析、职业目标确定、行动策略、修正反馈这五个指标相互呈现正相关关系，说明几个维度息息相关，提高职业生涯规划要从多方面考量。由相关分析知，年级越高、母亲受教育程度越高，职业生涯规划总得分越高；专业排名越靠后、对专业满意度越低，职业生涯规划总得分越低。
6.2. 建议
6.2.1. 对大学生的建议
对大学生来说，一个合理的职业规划一定要切合实际，要建立在对自己自身特质、兴趣爱好的清晰客观认知之上，不能过度关心用人单位的薪资水平。大学生自己要树立科学的就业观、择业观，在择业时，应尽量选择与自己兴趣和能力相匹配的职业和工作岗位，做到既不盲从也不好高骛远，并在择业时不可对职业抱有过高期望。
目前，大学生对岗位的选择过于理想化，应提高对职业的深层次认识和价值观，放低姿态，树立切合实际的职业目标。
6.2.2. 对家庭的建议
父母在子女面前应传递积极的就业心态，多与孩子进行专业沟通，帮助孩子发掘职业理想，尽早开启人生规划。此外，家长也要充分尊重孩子的意愿，不能一味把自己的意向强加给孩子，提高孩子的专业信心，为之后找工作定方向打下基础。
6.2.3. 对高校的建议
完善学校职业规划课程体系，普及职业生涯规划指导课程。学校应该尽早对学生们进行就业指导，这样才能使学生尽早地对企业人才需求的侧重点有初步了解，进而在日常学习中适当地调整努力方向，为未来的就业打下良好的基础。其次，学校应更有针对性地引导学生学习，及时对学生进行专业介绍和入学教育，帮助学生充分了解自己的专业特点和未来就业方向，培养学生的专业兴趣，提高专业信心。最后，学校应该结合大学生发展的各个阶段，帮助大一学生适应环境、大二学生构建发展目标、大三学生提升专业技能、大四学生指导就业，让学生在整个大学四年里有方向感。
高校教育工作者在职业规划教育方面的不足之处也是大学生职业规划意识淡薄的主要原因，因此要着力开展职业规划教育，帮助大学生发挥自身的学业优势和兴趣特长，最终达到自己的发展目标，使大学生的自身价值和社会价值有机地统一起来，实现自我发展的最优化[6]。