很久很久以前——准确地说是在 2021 年 11 月下旬——我写了《 IT 职业培训工具功效的数据分析》, 以帮助解决做出明智的职业教育选择这一艰巨任务。

无论你是否相信,已经有一些重要的更新了。

该文章首先介绍了一些强大的数据工具,用于评估就读美国大学可能产生的经济后果。

这些工具旨在让我们了解完成率和贷款违约率。以及哪些项目最有可能带来财务成功 - 或者至少最终提供足够的就业收入来支付你的学费。剧透警告:并非所有项目都能让你实现这一目标。

该部门没有发生太大的变化,因此关于该话题我没有什么可说的。

但文章的后半部分重点分析了 2018 年 新程序员调查 。这项调查让我们能够探索参加编码训练营、在线学习资源以及 的一些现实成本和收益。

具体来说,我们研究了 30,000 名受访者中许多人报告的收入和未偿还的学生债务。昂贵的训练营是否意味着更高的薪水?营利性在线培训平台呢?大学学位是否能保证更高的收入?

2021 年 新程序员调查

但此后, 2021 年版调查 出炉。新问题并不完全遵循 2018 年的格式。

例如,受访者不是按国家/地区细分,而是按地区细分。因此,我们不会只关注美国学习者,而是会关注整个北美地区。收入以区间(即 40,000 美元至 49,999 美元)而不是实际数字来报告。

为了使事情变得简单,我将括号转换为平均值(意思是“$40,000 到 $49,999”变成了 $45,000),因此它们是近似值。

和以前一样,调查结果只是数字。仅仅因为普通的 学习者在使用特定资源时获得了或多或少的成功并不意味着每个人都会这样。

虽然调查中的平均大学毕业生背负了巨额学生债务(事实上占其年收入的 59%),但这并不意味着你也会面临同样的情况。

当然,相关性并不等同于因果关系。仅仅因为一种资源的消费者比另一种资源的消费者赚得更多,并不意味着是资源造成了差异。可能有一些重要因素我们根本没有考虑到。

但这些数字确实很有用,如果我们在制定计划时忽视它们,那就太愚蠢了。

训练营与在线学习平台

根据我们对 2018 年调查的分析,面对面训练营的表现不佳,Pluralsight 和 Coursera 等在线学习工具被证明更具成本效益,而 自然提供了出色的价值。

情况有改变吗?Pluralsight 2018 年的惊人成绩(Pluralsight 学习者的平均收入为 52,895 美元 - 比 BA 毕业生高出约 10%)只是侥幸吗?

根据 2021 年的调查数据,情况如下:

21_income_debt_resource.png
Income (in blue) VS Debt (in orange)

如您所见,蓝色条表示来自特定资源的收入,而橙色条表示债务。幸运的是,所有包含的资源的平均用户一年的收入高于他们的平均债务。

所有线下训练营的学生都报告了学生债务负担水平(22,476 美元),仅次于大学毕业生(\'All_Degrees\')。但他们的收入与大学毕业生相差甚远(41,972 美元 vs 48,576 美元)。这算不算“表现不佳”?我说不准。

很容易看出,所有学位课程的毕业生学生贷款债务最高。考虑到大学学费和生活费,这正是我们所预料的。同样可以预见的是,我们已经看到大学毕业生的收入也更高。

正如我在上一篇文章中透露的那样,我为 Pluralsight ,因此我对此有一点个人兴趣。因此,当我告诉您我认为他们的课程库有多有效时,我会原谅您的嘲笑。

但那次旧结果显然不是侥幸。Pluralsight 学习者的平均年收入超过 59,000 美元,比 2018 年增长 9%,而且学生债务仅为 22,180 美元。

按教育程度显示收入和债务结果

想要了解 受访者的收入情况并非易事。结果发现,存在一些异常值,也就是说,每个类别中都有一些人比大多数同龄人赚得多(或负债多得多)。

我可以手动删除大部分或所有异常值,并集中精力处理结果主体,但这样做可能会人为地扭曲剩余数据。而且对我来说,这需要做太多工作。

因此,我将使用箱线图来可视化数据。箱线图的优点是离群值仍然可见,但它们用远高于或低于主流“箱线”的点来表示,这意味着它们与其他数据的关系是显而易见的。

21_income_college_box-1

在上图按教育水平显示收入时,中位收入用框中间的线表示,框本身包含数据集的中间 50%,而“须”是不包括异常值的最小值和 最大值

可以看出,拥有专业学位和博士学位的人收入最高,而没有高中文凭或职业证书的人收入最低。这并不奇怪。

让我们使用相同的箱线图方法来查看学生债务负担:

21_debt_college_box-1

再说一遍,这没什么好惊讶的。大学毕业生背负着最多的学生债务。

那个拥有高中文凭和 60 万美元学生债务的异常值很有趣。我怀疑有人在某个时候点击了错误的选项。这证明了箱线图对于这种可视化有多么有用。

总体而言,我们得到的收入/债务结果相当可预测,这一事实证实了调查为我们提供了相当不错的数据。这应该至少使我们之前的见解更加可靠一些。

请随意查看 用于生成这些见解和可视化的 原始 Python 代码

点赞(0) 打赏

评论列表 共有 0 条评论

暂无评论

微信小程序

微信扫一扫体验

立即
投稿

微信公众账号

微信扫一扫加关注

发表
评论
返回
顶部