我国省际高等职业教育综合发展水平的测度与比较

［摘要］采用CIPP评价模型，以2020年的截面数据为材料，测度和比较我国不同省份高等职业教育的综合发展水平。研究发现，我国各省份在高等职业教育发展水平上的空间分布呈现出明显的“东部＞中部＞西部”的格局；各省份高等职业教育的综合发展指数存在全局空间正相关特征，高等职业教育综合发展水平相似的省份在空间上相对集中分布；背景维度呈现出“东部高，中西部低”的态势，投入维度呈现出“中部塌陷”的态势，过程维度呈现出“中东部高，西部低”的态势，产出维度呈现出“中部高、东部平、西部低”的态势。因此，要助推我国高等职业教育真正实现全方位“指数式”发展，需要强化区域职业教育均衡发展，推进职业教育公平治理；增强区域协同效应，打破区域间高等职业教育发展的圈层隔阂；从高等职业教育发展全过程出发，促进高等职业教育高质量发展。

［关键词］省际高等职业教育；综合发展水平；CIPP评价模型

［作者简介］姜孟升（2001- ），男，云南昭通人，华东师范大学职业教育与成人教育研究所在读硕士；范栖银（1997- ），男，四川达州人，华东师范大学职业教育与成人教育研究所在读博士；匡瑛（1978- ），女，上海人，华东师范大学职业教育与成人教育研究所，教授，博士，博士生导师。（上海  200062）

［基金项目］本文系国家社会科学基金“十三五”规划2020年度教育学重大招标课题“职业教育类型特征及其与普通教育‘双轨制’‘双通制’体系构建研究”的阶段性研究成果。（项目编号：VJA200003，项目主持人：匡瑛）

［中图分类号］G710    ［文献标识码］A    ［文章编号］1004-3985（2024）10-0030-09

高等职业教育在我国教育体系中的地位逐渐凸显，成为培养高素质技术技能人才的关键领域，也为我国经济社会可持续发展提供了重要支持。然而，在高等职业教育的迅猛发展过程中，我们不得不面对一个事实：我国各省份之间高等职业教育的发展水平明显不均衡［1］。因此，要想实现我国高等职业教育高质量发展必须深入研究我国省际高等职业教育的发展现状，明晰其综合发展水平差异具体体现在哪些方面，以寻求有效的优化路径。为了测度和比较不同省份的高等职业教育综合发展水平，本研究采用CIPP（Context，Input，Process，Product）评价模型，综合考虑数据的完整性、时效性及参考性，选择2020年的截面数据为材料，分析除港澳台外的我国31个省份的高等职业教育发展水平及空间分布情况。需特别指出的是，此处的高等职业教育特指以开展全日制学历教育为主的高等职业专科教育，不含职业本科。而本研究选择2020年的数据，主要是因为其涵盖了我国31个省份的所有数据，具有较高的数据完整性。此外，2020年作为“十三五”规划的收官之年，反映了规划期末阶段各省份高等职业教育发展的实际情况，并可以为之后“十四五”规划目标的实现提供对照参考。

一、高等职业教育综合评价指标体系的设计

（一） CIPP评价模型

我国高等教育指标体系划分方法主要包括结构分类法、投入产出分类法、规模质量分类法以及规模投入产出分类法。而国外教育发展评价指标体系主要分为四大类，分别由世界经济合作与发展组织、联合国教科文组织、世界银行和美国国家教育统计中心设计，其中采用最为广泛的是世界经济合作与发展组织的教育发展指标体系。CIPP评价模型是自1992年世界经济合作与发展组织首次发布教育指标体系以来的所有教育指标体系一以贯之的理论指导［2］，是美国著名教育评价家斯塔弗尔比姆（Stufflebeam）在1966年针对泰勒（Taylor）的行为目标模型的不足，提出的教育评价模型，主张评价的最主要目的不是为了证明，而是为了改进［3］。CIPP评价模型整合背景、输入、过程与产出四个评价阶段，兼顾计划、组织、实施和再循环四类决策类型，使得教育评价具备科学性、全面性和系统性。

我国已有不少研究以CIPP评价模型为基础，建构了教育评价指标体系。邹佳雯基于CIPP评价模型的核心设计，开发出了一套评价我国高等教育发展水平的指标体系［4］。李德显等同样依托背景、输入、过程、结果四个维度创生出了高等教育评价指标体系［5］。潘海生和翁幸借鉴CIPP评价模型，构建了包含教学规模、教学经费、教学质量和教学成果四方面的高等职业教育评价指标体系［6］。梳理文献发现，相关研究在指标体系的完整性与特征性上均存在一定的局限性。在指标的完整性上，受数据来源口径与数据收集难度的限制，部分学者对高等职业教育端的变量选取较为随意且单一，缺乏理论依据，如有研究仅以高等职业教育的规模去匹配高等职业教育发展。在指标的特征性上，职业教育作为一种区别于普通教育的教育类型，在评价其发展情况时应该有反映其类型特征的指标。然而，多数研究未对此进行设计，选取的指标宽泛且不具有职业教育类型特征。

（二） 指标设计

如前文所述，CIPP评价模型被广泛应用于国际教育质量评价，为我们建构高等职业教育综合评价指标体系提供了理论基础，在众多指标评价体系之中，世界经济合作与发展组织教育发展指标体系及指标评价维度尤其具有借鉴意义。其以CIPP评价模型为基础，从背景指标、输入指标、过程指标与产出指标维度呈现了教育系统的变革与发展趋势，通过比较各国教育系统发展情况来评价各国教育质量。其中，背景指标涉及人口、经济、人力资本等方面，输入指标包含财政和人力等，过程指标包含各级教育的参与情况、教师素质和教育机会均等三个方面，产出指标囊括了学生学习成就、毕业成果、教育的劳动力市场成果等。

综合CIPP评价模式的指标结构，遵循背景、投入、过程和产出这一建构逻辑，本研究构建出的高等职业教育综合评价指标体系共包含了4个维度、13个一级指标，25个二级指标；并应用熵值法①对各指标的权重进行了计算。同时，通过梳理文献发现，已有研究十分关注投入和过程的相关指标，认为其是优化教育资源配置、提升教育质量、推动政策改进的重要抓手，在评估高等职业教育发展中具有重要作用，因此，本研究也设计了较多投入和过程维度的指标。一是背景维度。背景评价是基于教学要求考察各方面的条件基础，关注各种要素可能会对教学效果产生的影响。该维度一级指标包括经济发展基础、人口年龄结构与人口学历结构。经济发展基础的代理变量为人均GDP，人口年龄结构的代理变量为15～64周岁人口比例，人口学历结构的代理变量为就业人员平均受教育年限。这些指标的权重分别为0.0594、0.0295、0.0125。二是投入维度。投入评价一般是对主观需要与客观可得的资源、经费、人力、物力等进行的评价。该维度一级指标在考虑财力投入与物力投入的基础上，增加了人力投入这一因素。人力投入的代理变量为生师比，财力投入的代理变量包括了高职教育经费支出占公共财政教育支出比重、占公共财政支出比重及高职生均教育经费支出占人均GDP比重，物力投入的代理变量包括了生均校舍建筑面积、生均图书册数及生均教学仪器设备值。这些指标的权重分别为0.0105、0.0136、0.0140、0.0807、0.0331、0.0427、0.0916。三是过程维度。过程评价服务于决策实施，通过分析教育方案实施情况获取反馈信息，作为改进教育方案的依据。该维度一级指标包括了整体规模、教师素质、产教融合与机会均等。各级教育参与情况可以通过各级教育的规模进行反映，因此，本研究用整体规模因素对应CIPP的各级教育参与情况。整体规模的代理变量为学校数、在校生人数与招生人数；教师素质的代理变量为专任教师中“双师型”教师比例、高级职称教师比例、研究生学历教师比例及全国职业院校教学能力比赛获奖数占比；产教融合的代理变量为现代学徒制试点数、示范性职教集团（联盟）数，以凸显高职教育的职业性特点；机会均等的代理变量为高职入学率、“双高”院校数及每十万人高职学生数。这些指标的权重分别为0.0316、0.0501、0.0551、0.0111、0.0321、0.0339、0.0283、0.0223、0.0492、0.0261、0.0501、0.1162。四是产出维度。产出评价服务于决策循环，是对教育方案实施成效展开的价值判断，通过测量和分析方案的实施结果来确定是否继续使用、修改或终止方案。该维度一级指标包括了毕业成果、劳动力市场成果与学习成就。毕业成果的代理变量为毕业生数，劳动力市场成果的代理变量为高职学历就业人员累计规模，学习成就的代理变量为全国职业院校技能大赛获奖人数占比。这些指标的权重分别为0.0524、0.0225、0.0313。需要指出的是，参考李立国和杜帆对研究生教育累计规模指标的设计［7］，考虑到高等职业教育属于学历教育，高职生人力资本属于高层次的人力资本，区域流动性较强，而高职生招生数、在校生数与学位授予数是在高职生就业之前统计的，没有考虑到高职生就业地流动的因素，故本研究采用高职生就业之后的数据来代表高职生教育的累计规模，即就业人口中具有高职学历的人数。

（三）数据来源

本研究指标的数据来源为《中国劳动统计年鉴》《中国教育统计年鉴》《中国人口与就业统计年鉴》《全国教育事业发展简明统计分析》《中国教育经费统计年鉴》《中国区域创新能力评价报告》和各省份的《劳动统计年鉴》及国家统计局、教育部公开的相关数据或资料。高等职业教育生师比、生均校舍建筑面积、生均图书册数、生均教学仪器设备值、专任教师中“双师型”教师比例、高级职称教师比例、研究生学历教师比例来源于《全国教育事业发展简明统计分析》。教育经费支出占公共财政教育支出比重、教育经费支出占公共财政支出比重、生均教育经费支出占人均GDP比重来源于《中国教育经费统计年鉴》。学校数、在校生人数、招生人数、高职入学率、毕业生数来源于《中国教育统计年鉴》。每十万人高职学生数来源于《中国教育统计年鉴》与2020年国家统计局高等学校普通本、专科学校和学生情况的分省年度数据。就业人员平均受教育年限来源于《中国劳动统计年鉴》。15～64周岁人口比例来源于《中国人口与就业统计年鉴》。高职学历就业人员累计规模来源于各省份的《劳动统计年鉴》。人均GDP来源于2020年国家统计局地区生产总值与总人口的分省年度数据。全国职业院校技能大赛获奖人数占比来源于2020年教育部公示的全国职业院校技能大赛获奖名单。现代学徒制试点数来源于2014年、2017年、2018年教育部公示的三批现代学徒制试点单位名单，示范性职教集团（联盟）数来源于2020年教育部公示的第一批示范性职业教育集团（联盟）培育单位名单，全国职业院校教学能力比赛获奖数来源于2020年教育部公布的全国职业院校技能大赛教学能力比赛获奖名单，“双高”院校数则来源于2019年教育部公布的“双高计划”第一轮建设单位名单。需要说明的是，由于政策实施和评估周期，现代学徒制试点单位自2018年之后没有新增试点，“双高”院校数自2019年之后亦未公布新的建设单位。

此外，由于指标体系中的部分变量无法直接获取，需要通过计算求得，因此，需特别说明一下。人口学历结构为就业人员平均受教育年限，该数值是用《中国劳动统计年鉴》中各类受教育程度人口原始数据乘以年之后，再除以总人口数获取的。由于不同年份的年鉴对于受教育程度的分类有差别，本研究与2020年教育部学历分类保持一致，将受教育程度分为未上过学、小学、初中、高中、大学专科、大学本科、研究生，不同程度对应的受教育年限分别为0、6、9、12、15、16、19。而高职入学率用区域当年的高职招生数除以高中毕业生数获得，高中毕业生数等于中等职业学校毕业生数与普通高中毕业生数之和，数据均来自《中国教育统计年鉴》。每十万人高职学生数用区域高职生数除以总常住人口数（十万）获得。

二、省际高等职业教育综合发展水平的整体测度与比较

（一）省际高等职业教育综合发展水平的整体测度

本研究通过前面用熵值法为每个指标分配的权重，计算出每个省份高等职业教育综合发展指数，以反映各省份高等职业教育综合发展的整体水平。测算结果显示，2020年高等职业教育综合发展水平最高的是山东，而最低的是海南。在总指数排名前十的省份中，东部地区7个（山东为0.5717、广东为0.5237、北京为0.5177、江苏为0.4980、浙江为0.4562、天津为0.3805）、中部地区3个（河南为0.3842、湖南为0.3632、湖北为0.3601）、西部地区0个；在总指数排名11～21的省份中，东部地区4个（上海为0.3226、辽宁为0.3136、福建为0.2818、黑龙江为0.2798）、中部地区2个（安徽为0.3300、江西为0.2957）、西部地区5个（四川为0.3375、陕西为0.3115、重庆为0.3038、广西为0.2780、云南为0.2742）；在总指数排名22～31的省份中，东部地区2个（吉林为0.2296、海南为0.1732）、中部地区1个（山西为0.2593）、西部地区7个（内蒙古为0.2595、青海为0.2318、贵州为0.2158、宁夏为0.2156、甘肃为0.2123、新疆为0.1916、西藏为0.1825），呈现出明显的“东部＞中部＞西部”的格局②。进一步观察比较发现，江苏和浙江在背景、投入、过程、产出四个维度的得分均高于全国平均水平，不存在明显的短板，是我国高等职业教育发展的“高地”；而贵州、海南、山西、吉林、新疆的得分则均低于全国平均水平，整体实力羸弱，属于我国高等职业教育发展的“洼地”。

（二）省际高等职业教育综合发展水平的空间比较

为探索我国31个省份高等职业教育综合发展指数的空间聚集特征，本研究使用STATA16.0软件计算了全局莫兰指数③。2020年全局莫兰指数估计值范围为0.039～0.427，虽有所波动但始终大于0，并基本通过了1%的显著性检验。这表明各省份高等职业教育的综合发展指数存在全局空间正相关特征，高等职业教育综合发展水平相似的省份在空间上相对集中分布，即具有较高发展水平的省份相对邻接，具有较低发展水平的省份也聚集在一起，相邻省份之间存在着显著的影响，在提升高等职业教育综合发展水平的过程中应重视其地理空间分布的相关性。同时，全局莫兰指数总体上偏低，表明区域间高等职业教育综合发展水平的空间自相关水平并不高，即各省份之间的高等职业教育综合发展水平受到的空间影响相对较小。分维度来看，背景维度、过程维度、产出维度的全局莫兰指数较高，指数估计值范围为0.209～0.427，说明其空间自相关程度及整体空间集聚性更强；而投入维度的全局莫兰指数，则未通过显著性检验。

由于全局莫兰指数只能揭示空间事物的依赖性，显示的各省份与周边区域平均差异的直观性不显著，只能刻画整体空间集聚性特征，无法揭示出具体聚集区域的范围，局部空间自相关分析正好弥补了全局空间自相关分析的缺点。因此，本研究采用局部Getis-Ord Gi指数④来识别我国高等职业教育综合发展的高值或低值空间集聚模式，并按其性质分为扩散效应区（“高—高聚集”）、过渡区（“低—高聚集”）、低速增长区（“低—低聚集”）和极化效应区（“高—低聚集”），集聚类型的显著性水平为5%。