近日，伟德国际1946洪绍勇老师以第一作者身份在《Egyptian Informatics Journal》期刊发表了题为 “An improved CNN architecture for exploring the influence of quality-oriented college education to work promotion probability” 的论文。该期刊为 SCI 收录期刊，JCR Q2分区，中科院二区。《Egyptian Informatics Journal》由 Elsevier 出版发行，是计算机与人工智能领域具有广泛影响力的学术期刊，主要刊发信息科学、智能计算、数据分析与应用等方向的高质量研究成果，为全球工程技术与教育信息化领域提供学术交流平台。
本文面向企业员工晋升概率预测这一人力资源难题，提出一种融合Logistic函数与信息熵优化的改进型卷积神经网络（CNN）架构，系统探究了素质教育背景下的大学培养经历对毕业生职场晋升机会的影响。研究以广东省不同类型企业的数千名新入职员工为调查对象，采集了包括公司性质、公司规模、工作领域、大学专业、在校经历（学术讲座、科研项目、学科竞赛、社团活动、社会实践）、个人素质（自我定位、职业规划、抗压能力等）以及岗位能力（团队协作、组织领导、信息处理等）在内的多模态数据，实现了对晋升次数的五分类高精度预测。
本文的主要创新与贡献包括：
1、构建了带有逻辑激活设计的卷积网络架构：将Softmax变换嵌入卷积神经网络，以Logistic函数替代传统的激活函数（如ReLU、tanh），增强模型对多模态、稀疏调查数据的特征提取能力，有效应对问卷数据中的缺失值和不规则分布。
2、提出了双度量可扩展信息熵优化策略：创新性地引入信息熵，将公司属性整合为综合评估指标（IEtotal）。该策略通过双度量计算（公司规模因子和技能匹配度），为CNN模型的自适应训练和优化提供了明确的目标，从而更准确地识别影响晋升的关键因素。
3、建立端到端预测框架：将信息熵计算与CNN参数寻优联合迭代，同步完成特征选择与模型调优，形成面向人才晋升评估的智能建模新框架(见图1)。
图1具有IE增强的逻辑优化CNN架构
4、实现了基于大数据的高精度预测与实证验证：基于中国广东省5030名新员工的实际调查数据，成功验证了该模型的有效性（见表1）。其预测准确率达到92.1%（逻辑CNN模型）和95.3%（IE增强模型），证明了素质导向型大学教育（特别是实践项目、大学经历等）对工作晋升概率具有显著且可量化的积极影响。
表1晋升时长的预测结果
|
ACC |
Prec |
Rec |
Logistic-based CNNmodel |
92.1% |
90.9% |
88.2% |
IE-enhanced CNN model |
95.3% |
94.7% |
93.0% |
该研究将深度学习方法与人力资源管理实证数据深度融合，首次定量揭示了大学素质教育中的实践性经历（如科研项目、学科竞赛、社团活动等）对毕业生职场晋升概率的显著正向影响。研究结果表明，高校在人才培养中加强素质教育导向、丰富第二课堂活动，可有效提升学生未来的职业竞争力，为企业招聘与内部晋升评估提供了可量化的数据支撑。
本论文受广东省教育科学规划项目（2022GXJK378）资助，是该课题的阶段性成果，也是学院在智能计算与教育大数据分析交叉领域取得的又一重要成果。
