当今社会,技术、经济、政治等领域的不断革新使得整个社会进入转型的关键时期,因而社会对人才的要求越来越高,尤其是进入信息化时代以后,对人才的要求不只有过硬的技术本领,更需要知识掌握全面、综合素质较高、具有创新意识、良好的自主学习能力、善于实践操作的综合人才。2011年发布的《高技能人才队伍建设中长期规划(2010—2020)年》中指出,高技能人才是指有较高技艺和技能,能够进行创造性劳动,为社会做出贡献的人。
而高校作为高技能人才培养的主要基地必须适应这种现状,与社会的需求相结合。美国、法国、德国等发达国家已经将高校人才的培养提上了政府工作日程,将高校作为一种有别于其他科研机构的存在,关于人才培养已有一套较为成熟的模式,并且用强大的政府支持作为后盾[1]。Lagrosen等对奥地利和瑞典两所大学进行研究,显示高等教育的评价指标包括十一个维度:团体协作、信息与响应、提供的课程、校园设施、教学实践、内部评价、外部评价、计算机设施、协作与比较、岗位培训因子、图书馆资源[2]。Pombo和Loureiro认为学生培养体系的绩效包括在教学的各个环节中,包括课程学习、综合考试、论文写作、实习、毕业等,而综合教育质量取决于这些因素的组合[3]。
通过查阅资料发现,尽管学术界对于高校人才培养绩效有所探讨,但并没有形成共识。关于高校人才培养绩效影响因素的研究,比较有代表性的研究成果有徐和清等采用实证研究方法对高校人才培养模式的绩效进行分析,发现教师教书育人能力、实践教学环节、校园文化、学生主体地位对学生学习积极性及综合素质的影响相对较大, 而专业教学条件与设施、学生培养质量评价考核制度对学生学习积极性及综合素质的影响相对较小[4]。也就是说,提高教师教书育人能力、加强实践教学环节、加强校园文化建设、培育学生主体地位可以极大地提高人才培养质量。在多方参与共同提升高校人才培养绩效方面,刘有升基于三螺旋理论,构建了政产学参与度、师生创业相关能力、创业型人才培养绩效以及政产学协同情境影响的概念模型,证明了政产学参与度对创业型人才培养绩效有显著的正向影响;师生创业相关能力在“政产学参与度-创业型人才培养绩效”的关系中起部分中介作用[5]。该研究对于加强高校、政府、产业之间的多重联动起到了积极推进作用。
以上学者从不同角度分析了高校人才培养过程中的影响因素,而中国目前还没有完整的关于高校人才培养绩效影响因素的研究,在全面建设“双一流”高校的形势下,究竟当前人才培养方式的效果怎样?鉴于对此问题的深入思考,笔者认为需要对高校人才培养绩效评价的影响因素进行评估,建立有效的绩效指标体系,为高校人才的培养提供可校正、导向型的指标,使人才培养的绩效评价更科学合理,具有可操作性。
二、指标设计与验证 (一) 指标的设计高校到底应该培养什么样的人才,目前并没有出现一个可以量化的定论。通常而言,人才培养的目标是“可以适应社会发展的”或者“满足职业各种需求的”,但这只是目标的一种表象,该表象下更需要的是内在是“全面发展”和“个性发展”,是提高学生的知识掌握水平、综合素质、自学能力、实践能力等多方面的共同要求。
不少学者研究过高校人才培养绩效的指标体系。比如,周沛等认为,教学内容及方法、师资结构、员工知识和技术水平、配套管理制度及校园文化等是影响应用型本科院校人才培养的重要因素[6]。李高申认为,学生创新创业实践平台缺乏是影响应用型创新人才培养的最直接因素,高校教师创新创业能力不强是影响应用型创新人才培养的间接因素,高校创新创业评价机制不健全是影响应用型创新人才培养的根本性因素[7]。
从1985年开始,中国对高校办学水平进行官方评价,其中普通高等学校本科教学工作水平评估指标包括办学指导思想、师资队伍、教学条件与利用、专业建设与教学改革、教学管理、学习氛围、教学效果等七个方面。2017年9月,教育部、财政部、国家发展改革委联合发布《关于公布世界一流大学和一流学科建设高校及建设学科名单的通知》,世界一流大学和一流学科建设高校及建设学科名单正式确认公布。
“双一流”高校评价指标包括教学质量、科研质量、教育资源、毕业生质量以及若干二级指标。以教育部发布的综合评价指标为指导思想,结合其他学者的观点,考虑高校人才的培养目标、培养方式、生源构成、人才培养中对师资力量、硬件设施的特殊要求,文章最终确定6个一级评价指标,24个评价指标,如表 1所示。在以上指标的基础上,遵循调查问卷的设计理念,编制中国高校人才培养绩效的影响因素调查表。调查表采用李克特5级量表的表现形式,从非常赞同、赞同、不确定、不赞同、非常不赞同这5个级别对指标进行评定,评定结果依次为5分、4分、3分、2分、1分[8]。
(二) 信度检验与效度检验
通过实际的问卷调查及数据处理分析来检验上文提出的高校人才培养绩效的指标体系。问卷的发放办法采用随机抽样法,在北京地区四所入选“双一流”高校的校园内抽取随机样本。本次共发放问卷250份,回收有效问卷221份,回收率89.1%。
221份有效问卷中,从性别来看,男性102人,女性119人;从学历来看,博士研究生48人;硕士研究生53人,本科120人;从学科来看,文史类学科91人,理工类学科130人;从年龄来看,分布在16~65岁;从职业来看,学生78人,教职工143人。可以看出样本分布较为合理,具有一定代表性。
采用SPSS 18.0 for windows软件对样本数据进行分析。首先采用Cronbach α系数对样本数据进行信度分析,国内外学者一直认为,Cronbach α系数值在0~1区间中,若系数值大于0.9,则代表该量表具有非常好的信任度[9];若系数值在0.8~0.9之间,表示该量表的可信度在可以接受的范围;如果系数值在0.7~0.8这个区间,则表示该量表中的一些指标可以使用,但建议作出调整;若Cronbach α系数值小于0.7,则代表该量表具有很低的可行的,不建议调整,最好不予使用[10]。本次调研量表信度分析结果如表 2所示,可以看出各因素的Cronbach α系数最小为0.750,最大为0.851,表示信度可以接受,文章所拟的调查问卷具有一定的可靠性和稳定性。
为了进一步检验调查问卷是否合理,利用KMO统计量和Bartlett球检验来进行变量间的相关性分析。KMO值越接近1则越适合做因子分析,一般认为,只要KMO值在0.6以上就可以进行因子分析,如果大于0.9则非常适合做因子分析,但如果该值小于0.5则完全不适合做因子分析;Bartlett球检验是为了判断各变量是否独立,以作为后续分析的基础。
检验过程如下:建立零假设,进行数值检验,通过检验结果判断是否接受该零假设,若数据统计检验数值较大,同时该数值所对应的相伴概率值小于给定的显著性水平,就拒绝原假设,可进行下一步的分析;若相反,说明变量可以独立提供信息,那么便不能拒绝原假设,应该修正模型或者重新调整数据[11]。公平性因子分析结果如表 3所示,可以看出KMO值为0.872,远大于0.6,且巴特利检验的统计量是2 945.342,因此拒绝Bartlett球检验的零假设,可以进行因子分析。
综合分析因子分析结果如表 4所示,可见公共因子累积方差贡献率均大于60%,提取的公共因子对变量的解释度较高。
三、人才培养绩效评价指标 (一) 指标数据收集
在编制正式调查问卷时,将高校人才培养绩效与影响因子混编,再对调查对象进行调查,从而保证问卷调查的因变量、自变量在同一个维度,使数据结果具有可信度和一致性。问卷调查采用现场发放、微信、QQ等及时通信工具发放、Email发放等方式,并且在发放时从性别、学科类型、年龄、职业、院校类型等多维度进行充分考虑,使调查结果具有代表性。本次调研共发放问卷2 000份,回收问卷1 803份,对回收的问卷从多个角度进行有效性判断,比如删除问卷中问题答案前后矛盾的;删除所有答案呈明显规律性排列的;删除问卷中有答案明显不完整的。最终保留有效问卷1 628份,有效问卷回收率为81.4%。
1 628份有效问卷中,从性别来看,男性占54.6%,女性占45.4%;从年龄来看,25岁以下的占76.3%,25岁以上的占23.7%;从学历来看,本科及以下占52.3%,硕士研究生及以上占47.7%;从学科来看,文史类占42.6%,理工类学科占57.4%;从地域来看,以北京市为主,同时覆盖天津市、上海市、浙江省、陕西省等省市共18所高校;从职业来看,发放样本时各个院校基本学生占70%左右,教师占30%左右,分布较为均匀;从学校类型来看,一流大学占比26.83%,重点本科院校占比26.87%,普通本科院校占比24.1%,第三批本科院校占比22.20%。可以看出本次调研样本具有较强的代表性。
(二) 相关分析首先对于样本数据进行皮尔森相关性分析[12],从而找出不同角度的影响人才培养质量的因素,并且判断自变量和因变量之间进行回归分析的可行性与合理性。分析中自变量为高校人才培养绩效的影响因素,包括办学理念、师资力量、生源质量、教学内容、环境氛围和硬件条件;因变量为高校人才培养绩效,包括知识掌握,综合素质,学习能力,实践能力。对自变量和因变量进行组合并进行相关系数分析,分析结果如表 5所示。
从表 5可知,高校人才培养绩效和高校人才培养绩效的影响因素之间在0.05的显著性水平上呈现明显的正向相关关系,并且相关系数都在0.549以上,说明建立因变量与自变量之间的线性回归模型式合理可行的。对自变量与应变量之间的相关系系数进行分析可以看出:(1)办学理念与实践能力的相关系数最低,为0.753,与综合素质的相关系数最高,为0.937;(2)师资力量与各个培养绩效的相关系数都在0.8以上,与知识掌握的相关系数最高,达到0.882;(3)生源质量与实践能力的相关系数最低,为0.704,与知识掌握的相关系数最高,为0.972;(4)教学内容与综合素质的相关系数相对较低,为0.628,与实践能力最相关,为0.836;(5)环境氛围与综合素质最不相关,相关系数为0.740,而与知识掌握最相关,相关系数为0.873;(6)硬件设施与所有培养绩效的相关系数均较低,其中与综合素质最不相关,系数为0.549。
(三) 回归分析因高校人才培养绩效和高校人才培养绩效的影响因素均存在相关关系,为了明确其是否存在确实的因果关系,利用Stepwise进行线性回归分析[13]。同样定义办学理念、师资力量、生源质量、教学内容、环境氛围和硬件条件分别为自变量;知识掌握、综合素质、自学能力、实践能力分别作为因变量,建立模型如下:
(1) |
其中:Y为因变量;b0为常数项;b1为Y对应于X1的偏回归系数;X1为解释变量所组成的向量。
数据分析采用多元回归法,分析结果如表 6所示。从表 6可知,回归模型调整后的判定系数R2最小为0.797,对应以实践能力为因变量的模型,其余判定系数R2都大于0.850,以知识掌握为因变量的模型调整后的判定系数R2最高,达到了0.917,说明回归结果具有较高的解释性。通过F检验,最大值为775.342,最小值为243.506,结果表明设定的模型有意义。
对以上结果进行进一步分析可知,高校人才知识掌握的影响因素中,师资力量、生源质量、环境氛围均通过了显著性检验,说明高校师资力量越强、对环境氛围越重视、入校生源质量越高,则人才的知识掌握绩效越高。从结果分析可以看出,对知识培养绩效的影响强度最高的因素是生源质量,说明高校人才培养中,影响知识掌握的最重要因素是生源质量,因而学生的基础知识掌握情况、思维活跃程度、创新意识、学习态度等都是高校人才知识掌握中最值得注意的因素,高校可以采用因材施教的方式,对不同学生进行不同方面的重点培养[14]。同时,学校应该提高师资力量,重视营造积极向上的环境氛围,从而提高人才知识掌握的绩效。
在高校人才培养绩效的综合素质的影响因素中,办学理念、师资力量、生源质量通过了显著性检验,即对高校人才综合素质的培养绩效有明显的影响。而办学理念的回归系数最高,为0.780,说明其对综合素质的影响最强烈,也就是说学校办学的目的和定位、以人为本的贯彻情况、对教书育人的重视程度是提高综合素质培养绩效的最关键环节。对于学校来讲,提升办学理念可以提升学校对人才综合素质的培养,从而提升学校整体水平;对于学生而言,办学理念是其择校的一个重要参考因素,学校的办学理念很大程度上影响了其未来的人生发展。
环境氛围、办学理念、师资力量、教学内容等对高校人才自学能力方面的培养绩效产生明显的影响,可以看出环境氛围对其影响最强烈,环境氛围每提升1,会引起自学能力绩效提升0.408。所以高校应当注意学生整体对学习的重视程度、软件设施对学生的引导作用、全面发展的整体气氛以及注重学生体育锻炼。值得注意的是,硬件设施对自学能力有轻微的负面影响,这可能是因为在过于优越的环境下,会产生轻微的懈怠及依赖心理[15]。
教学内容、师资力量、办学理念、环境氛围、硬件设施对学生实践能力产生明显的正向影响,可以看出教学内容对实践能力的影响最为强烈,这也符合实际,理论讲解和实验的搭配情况、教师讲解与学生讨论的结合程度、课程对学生的吸引力、课程对未来发展的教育、社会实践内容与设计确实是影响学生时间能力最主要的因素。而生源质量的高低对高校学生实践能力的培养几乎没有影响,这说明不论是谁,都可以通过高校课程的学习培养良好的实践能力。
四、结果分析与讨论 (一) 结果分析从办学理念、师资力量、生源质量、教学内容、环境氛围、硬件设施这六个影响因素对高校人才培养绩效的不同影响程度来看,可以得出以下几点结论:(1)办学理念除对知识掌握方面以外的其他方面都有极其明显的正向影响,对知识掌握仅有轻微相关性影响,对综合素质方面达到了0.780;(2)师资力量对高校人才培养绩效影响程度最深,范围也最广,其对每个方面都有较为明显的相关性影响,其中知识掌握的影响程度达到了0.298;(3)环境氛围对除了综合素质以外的其他方面都有较为明显的相关性影响,对自学能力方面达到了0.408;(4)教学内容对能力、实践能力有极其明显的相关性影响,其中对实践能力的影响最大,达到0.386;(5)生源质量对除了实践能力以外的其他方面都有较为明显的影响,尤其是对知识掌握方面的影响达到了0.518;(6)硬件设施仅对实践能力这个方面产生较为明显的正向影响,对知识掌握方面产生轻微正向影响,其余方面均为负面影响。
上文得出的结论与实际中遇到的情况基本相符。在现实中,学生的综合素质对实践能力几乎没有影响,比如有些学生在高考时成绩不够理想,没有能够考上一流的大学,但在大学的学习成绩却较为突出,尤其是生产实践社会实践活动环节,成绩可以评为优秀,毕业走上社会后,其在工作中的实际表现也是相当优秀的[16]。硬件设施对综合素质和自学能力有轻微负面的影响,对知识掌握方面的影响也是极轻微的,这也与实际相符。比如有些硬件设施很好的学校,其学生在各个方面的表现不一定会其他院校,甚至会略差于其他院校。这也从另一个方面说明了单纯提高硬件设施并不会对高校人才培养产生明显的益处[17],要综合提升环境氛围、教学内容、办学理念等诸多“软性条件”,才能共同发挥作用。
高校人才培养绩效各方面的显著性影响因素及最重要影响因素和影响强度如表 7所示。
从表 7中可以看出,知识掌握程度受生源质量的影响最强烈,这说明了学生以往知识的掌握情况对目前所学知识掌握情况有重要的影响,同时也说明了学生的学习能力和态度对所学知识掌握的重要性;学生的综合素质受办学理念影响程度最为强烈,说明学校教书育人的观念在潜移默化地影响着学生的学习态度,长久来看,学校的态度会影响学生综合素质的培养;自学能力受环境氛围影响最为强烈,说明高校对学生的引导,以及学校的整体学习氛围都在影响着学生自己排疑解惑,发现困难、克服困难的能力;学生实践能力受教学内容的影响最为强烈,说明教学内容如何设计,理论和实践如何搭配,教学进程如何把握,是否注重学生课堂讨论,是否设置了合理的社会实践内容,共同决定了学生的职业素养、动手能力、未来发展蓝图[18]。因此高校应充分考虑学生未来发展的需求、职业规划的需求,培养可持续发展的人才。
(二) 对高等教育的启示高校、教师、学生是影响高校人才培养绩效的三个主体,三者若能有机结合,相互促进,则有助于高校人才培养绩效的不断提升。
对于高校,应明确办学理念,坚持“以人为本”的育人理念,因材施教,培养面向社会,面向雇主的人才。首先要重视学校整体氛围的引导,使学生处在积极向上,全面发展的校园环境中,注重学生体育锻炼和特长发挥。其次,加强学生实践能力的培养,重视校企合作,充分了解雇主对学生的期望值,以结果为导向制定合理的人才培养方案,使学生在学习实践中找准职业定位,为未来的发展做好准备。
对于教师,应适应信息化的时代要求,从知识储备、备课内容、授课方式、课堂管理等多方面不断革新,以提高人才培养绩效。首先要转变观念与角色,认识到学生才是学习过程中的主导者,并且随着多方面学习渠道的拓展,教师不再是权威的知识传授者,而是学生求知道路上的指引着,更多作用是示范、激励、答疑解惑。其次要重视多元化教学内容,根据不同学生制定不同的授课方式,注重课堂讨论、案例启发、实践调研,让学生发挥其主导作用,带着问题去自己探索,培养学生的自学能力、创新意识、团队意识与实践能力。在与学生互动的过程中,建立开放式的师生关系,自己也不断学习和提高,以适应未来的发展要求。
对于学生,应明确自己才是学习的主导者,要明白自己的定位以及未来职业规划,从而制定自身的学习计划,端正学习目标和学习态度。首先要了解社会需求,结合自身特长兴趣,树立远大目标,制定科学合理的学习计划并严格执行,培养自己成为社会需要的人才。其次要善于思考,善于提出问题,并从多种渠道努力解决问题,完善自身知识结构,培养自学能力。
总之,高校一切工作的目的就是培养学生成为社会中健康向上、积极发展的人才,为了达到这个目的,应该充分注重学校、教师、学生三者主观能动性的发挥,使三者相互促进,共同发展;同时从教学内容、硬件设施、环境氛围三方面共同引导,保障教育的顺利实施,提高中国高校人才培养绩效。
五、结论先进的办学理念是高校发展的灯塔,是指引高校人才培养绩效的关键与核心因素;生源质量是高校人才培养绩效的基础;师资力量是高校人才培养绩效的保障;教学内容、教学方式、硬件设施是高校人才培养的关键,是培养什么人、如何培养人的重点。
鉴于此,高校应该在提升教学水平的同时,重视对人才培养效果的评价,以学生作为一切工作的出发点和落脚点,把培养学生成为高水平高素质的人才为核心目标,引导学校和教师形成以学生为中心的教学思想,促进学生全面发展,有效提升中国高校人才培养绩效水平。
[1] |
田向红.高校本科人才培养模式及其影响因素的比较研究——基于中美英法德的比较[D].武汉: 湖北大学, 2013. http://cdmd.cnki.com.cn/article/cdmd-10512-1014157811.htm
|
[2] |
YI J M, KIM G S. Factors influencing musculoskeletal symptoms in military personnel during basic combat training[J]. Journal of Korean Academy of Nursing, 2016, 46(4): 523-533. DOI:10.4040/jkan.2016.46.4.523 |
[3] |
FANG X, HU X, QIAN Z. Influencing factors for the learning transfer in high-level technical personnel training and counter measures[J]. Journal of Sinopec Management Institute, 2015, l17(2): 40-45. |
[4] |
徐和清, 柳和生, 赖明谷. 地方本科高校应用型人才培养质量影响因素的实证研究——基于"同级类差"与"同类级差"的视角[J]. 高等工程教育研究, 2017(4): 94-98. |
[5] |
刘有升, 陈笃彬. 政产学三螺旋对创业型人才培养绩效的影响[J]. 科学学研究, 2017(8): 1198-1211. DOI:10.3969/j.issn.1003-2053.2017.08.009 |
[6] |
周沛, 王文红, 鲁承昊. 应用型本科院校人才培养影响因素的实证分析[J]. 黑龙江高教研究, 2015(10): 144-149. DOI:10.3969/j.issn.1003-2614.2015.10.041 |
[7] |
李高申. 应用型创新人才培养影响因素分析及对策[J]. 中国成人教育, 2017(5): 69-71. |
[8] |
宗序平. 数理统计学及其应用[M]. 北京: 机械工业出版社, 2016: 42-43.
|
[9] |
马胜梅, 赵军富. 基于概率论与数理统计的试卷质量分析评价研究[J]. 中国冶金教育, 2014(3): 25-27. DOI:10.3969/j.issn.1007-0958.2014.03.011 |
[10] |
LADHARI R, TCHETGNA N M. The influence of personal values on fair trade consumption[J]. Journal of Cleaner Production, 2015, 87(6): 469-477. |
[11] |
傅莺莺, 田振坤, 曹显兵. 基于线性回归的协方差分析模型与检验[J]. 数学的实践与认识, 2015, 45(4): 115-123. |
[12] |
何晓群, 刘文卿. 实用回归分析[M]. 北京: 中国人民大学出版社, 2015: 64-68.
|
[13] |
廖鲁頔, 刘瑶, 李建英. 应用"AHP"法探索影响排球后备人才培养因素的研究[J]. 北京体育大学学报, 2016, 39(12): 139-144. |
[14] |
吴爱华, 刘晓宇. 深入推进理工科人才培养机制创新[J]. 高等工程教育研究, 2014(2): 1-6. |
[15] |
刘志民, 吴冰. 企业参与高职校企合作人才培养影响因素的研究[J]. 高等工程教育研究, 2016(2): 143-147. |
[16] |
陆一, 史静寰. 拔尖创新人才培养中影响学术志趣的教育因素探析——以清华大学生命科学专业本科生为例[J]. 教育研究, 2015(5): 38-47. |
[17] |
李昱靓. 高校适用性人才培养中社会性因素挖掘研究[J]. 黑龙江高教研究, 2016(2): 69-71. DOI:10.3969/j.issn.1003-2614.2016.02.019 |
[18] |
KING E, BOYATT R. Exploring factors that influence adoption of e-learning within higher education[J]. British Journal of Educational Technology, 2014, 46(6): 1272-1280. |