随着高校毕业生就业人数的增多,就业数据和课程成绩数据也在成指数倍增加。在特定的情况下,这些数据之间存在着一定的规律,这些规律对在校学生和未来学生的学习、毕业和就业有一定的指导意义,然而,目前针对这方面研究相对比较少。本文的工作主要分为以下的几个部分:首先,在分析了我国本科层次教育的教学目标和教学要求共性特征的基础上,将本科生学习的全部课程分成八个类别,建立了完整的课程分类指标体系模型;其次,在探讨了本科生就业评价系统的灰色性的基础上,从不同层次分别建立了两个本科生就业评价系统灰色模型:一是基于不同水平学校不同专业的DLSP本科生就业评价系统灰色模型,二是基于同等水平学校和专业的SLSP本科生就业评价系统灰色模型;第三,在原有灰色关联度算法的基础上,建立一个基于标准化邓氏关联度算法模型,改进之后的算法克服了邓氏灰色关联度算法的数据顺序和数据数量不同导致关联结果不同的缺点,并通过实验验证了改进后的算法具有可行性;第四,本文构建了一个基于.NET技术和灰色系统理论的研究高校学生就业维度与课程相关性的原型系统,解决了数据处理耗时耗力的问题,提高了数据处理的智能化和准确率;第五,本文以广东技术师范学院计算机科学学院的计算机科学与技术(师范)等五个专业为例,运用就业与成绩灰色关联分析原型系统分析就业数据和课程分类体系之间关联性。运用灰色综合关联度算法分析课程类别与课程类别之间的关联度以及课程与课程之间的关联度。分析结果显示:在就业维度与课程类别的分析中,就业薪酬与专业课程、就业薪酬与专业基础课程以及就业薪酬与公共基础课程存在很强的关联性;而就业城市与专业课程、就业城市与专业基础课程以及就业城市与公共基础课程也存在很强的关联性;在课程类别之间综合关联分析中,专业课程与毕业设计关联性最强,实操类课程与毕业设计以及专业基础课程与专业课程的关联强度次之。以上的分析及时地为学生提出成绩状况预警、毕业预警和就业提示,进而降低学生的挂科率和延迟毕业率。总之,从分析就业维度与课程类别到分析课程类别与课程类别再到分析课程与课程,层层递进,不仅能为在校学生的学习、毕业和就业提供了一定的参考建议,而且对课程的设置有一定的借鉴意义。