职业本科院校社会服务贡献力评价研究

摘 要 职业本科教育作为中国特色现代职业教育体系向上纵向贯通的关键一环，承担着培养高素质创新型、复合型技术技能人才的重要使命。为全面分析和评价我国职业本科院校的资源配置效率和社会服务贡献力，运用数据包络分析法测算我国现有职业本科院校资源配置的综合效率值、纯技术效率值、规模效率和规模报酬情况，并从人才培养、技术服务、社会培训等维度全面分析了职业本科院校的社会服务贡献力特征。为提升职业本科院校的社会服务贡献力，应持续提升各类有限资源的配置效率，加快培养更多高素质技术技能人才，不断促进面向产业高端和前沿的“立地式”技术成果转化，有效供给丰富多样的社会培训项目。

关键词 职业本科；DEA模型；社会服务贡献力；评价

中图分类号 G719.2 文献标识码 A 文章编号 1008-3219（2024）18-0055-07

一、问题提出

习近平总书记在2021年全国职业教育大会上作出重要批示，强调要“稳步发展职业本科教育，加快构建现代职业教育体系”。职业本科教育是中国特色现代职业教育体系内部向上纵向贯通的重要一环，承担着培养高素质创新型复合型技术技能人才的重要使命。稳步发展本科层次职业教育是完善纵向贯通和横向融通的现代职业教育体系的关键环节，也是适应技术迭代和产业升级背景下对高素质复合型技术技能人才迫切需求的不二之选。自2019年《国家职业教育改革实施方案》明确提出“开展本科层次职业教育试点”以来，截至2024年2月，我国已设立有35所职业本科院校，还有20余所职业本科院校也已进入省教育厅公示阶段。5年来，我国职业本科院校的办学实践在取得诸多成果的同时，也面临一些实践困境，如办学经费短缺、人才培养定位不清、社会服务贡献力偏低等。因此，探索有限办学资源条件下如何提升现有资源的配置效率，从而进一步提升职业本科院校的社会服务贡献力就显得十分必要。

教育资源的优化配置和教育系统社会服务贡献力提升问题一直是学者关注的研究主题。我国关于教育资源配置效率问题的研究始于20世纪末，学者们大多采用定性方法分析教育资源配置现状、存在问题并提出对策建议。也有少部分学者运用实证模型，用定量的方式探究教育资源配置效率。例如，宋亚峰等运用探索性空间数据分析模型分析了我国各省高等职业教育资源配置效率的具体空间特征，并基于效率值的地域差异和具体的空间特征提出相应的优化策略[1]。也有学者运用Dagum基尼系数以及扩展的分布动态学模型考察了我国高中阶段教育资源配置的地区差异及时空演进趋势[2]。在探究教育资源配置效率时，最常被采用的计量模型是数据包络模型（DEA），学者们运用DEA方法体系中的CCR与BCC模型测度我国义务教育、高等教育的资源配置效率，并依据结果探讨各种教育资源配置效率的影响因素[3]和资源配置效率的提升策略[4]。

整体来看，职业本科作为近几年打破职业教育止步专科层次“天花板”的更高职业教育层次，探讨其资源配置效率和社会服务贡献力的研究甚少。在坚持职业教育是与普通教育具有同等重要地位和稳步发展职业本科教育的背景下，分析职业本科教育资源的配置效率问题，对促进职业本科院校高质量发展，提升其社会服务贡献力具有十分重要的现实意义。根据教育外部关系规律，院校的社会服务贡献力主要是通过一定时期人力、财力、物力的资源投入来保障，社会服务贡献力的大小主要可以通过观测人才培养、技术服务、社会培训等方面的具体绩效进行分析。在现有的研究方法中，投入—产出分析法是目前比较主流的方法，该方法将教育系统的社会服务贡献力通过资源配置效率来表征。其基本逻辑是，当教育投入达到一定程度时，社会服务贡献的产出越多，代表其社会服务贡献能力越强。因此，本研究将基于DEA模型，对我国职业本科院校的资源配置效率进行测算，据此评估其社会服务贡献能力，并提出优化职业本科教育资源配置效率和提升社会服务贡献力的具体策略。

二、研究设计与数据收集

本研究运用数据包络分析法（Data Envelopment Analysis，简称DEA），建立投入产出的评价指标体系，测算职业本科院校资源投入产出的DEA效率，通过资源配置效率的基本特点评价职业本科院校的社会服务贡献力高低，找出投入产出时存在的不足，为职业本科院校更有效地配置资源和提升社会服务贡献力提供决策依据，具体技术路线图见图1。

（一）研究方法与模型选择

DEA模型是数据包络分析法的简称，也称为相对效率评价模型，是由美国学者Charnes和Cooper于1978年提出的运筹学、管理学和数理经济学交叉学科研究领域的研究方法。该方法主要通过保持决策单元（Decision Making Unit， 简称DMU）的输入（投入）或输出（产出）不变，运用数学规划模型将各个DMU投影到借助于数学规划和统计数据来确定相对有效的DEA的生产前沿面上，然后通过比较各决策单元偏离DEA前沿面的程度来评价它们的相对有效性。该模型本质是一种融合了线性规划、多目标规划和随机规划的数学规划模型。能够有效处理多输入、多输出的各种复杂系统，对多指标投入、多指标产出的同类型部门进行有效的综合评价。

DEA模型进行DMU的效率评价步骤如下：首先，确定在投入和产出一定时的生产可能性集合；其次，根据DMU效率值与生产可能性集合的关系来判断DMU的相对效率大小。当DMU的DEA结果落在生产前沿边界上，其效率值为1，表明该DMU的DEA有效，即在其他条件不发生改变时该DMU的投入与产出达到了最佳状态；当DMU的DEA结果落在生产前沿边界以内时，其效率值处于0～1的范围，表明该DMU的DEA结果无效，且效率值越接近1，投入产出越有效，效率值越接近于0，投入产出越无效。该DMU可能由于投入过多或者产出不足而导致了相对效率的无效，可以通过增加产出或者减少投入来提升决策单元的相对效率。

DEA方法主要分为CCR与BCC两个模型，其中DEA-CCR模型假定决策单元的规模报酬不变，但在现实生产条件中，决策单元很难在最优模式下进行生产活动，因此，基于可变规模报酬假设的DEA-BCC模型被提出。DEA-CCR模型用于计算决策单元在固定报酬下的综合技术效率（Technical Efficiency，TE），DEA-BCC模型考虑了规模效应，将综合技术效率分解为纯技术效率（Pure Technical Efficiency，PTE）以及规模效率（Scale Efficiency，SE），即TE=PTE×SE。DEA-BCC模型除了考虑投入过多和产出不足导致的决策单元无效率之外，加入了规模因素进一步分析决策单元无效率的原因，提升了相对效率模型分析的科学性。

（二）效率测度指标体系与数据收集

本文选取相对科学的DEA-BCC模型开展分析。DEA-BCC模型首先要确定决策单元，本研究中的决策单元是在2023年招生的32所职业本科院校，其中，由于景德镇艺术职业大学2023年没有公布质量年度报告，新疆天山职业技术大学质量年度报告中数据缺失较为严重，因此选取数据较为齐全的其余30所职业本科院校作为最终的决策单元。其次，DEA-BCC模型主要通过分析决策单元的投入产出情况来计算其相对效率值。因此，在评价职业本科教育的资源配置效率时，从投入和产出两个方面构建效率评价指标体系。投入维度中，主要从人、财、物三个主要角度选取指标，产出维度（社会服务贡献力）中，主要根据职业本科院校的人才培养、技术服务和社会培训功能来选取指标。基于此，在投入和产出的各二级指标中选取具体的观测指标作为三级指标。具体观测指标的选取主要通过专家访谈法确定，根据德尔菲法相应流程，经过三轮专家征询之后，形成具体的观测指标体系。各评价指标体系的具体观测指标数据主要来源于30所职业本科院校2023年的质量年度报告附件中的计分卡、教学资源表、服务贡献表和落实政策表，见表1。

三、研究结果

本研究根据投入产出维度构建了职业本科教育资源配置效率和社会服务贡献力评价的观测指标。投入维度中，人力资源投入、资金投入、固定资产投入主要选取职业本科院校专任教师数、年财政专项拨款数、生均教学科研仪器设备值进行量化分析。产出维度（社会服务贡献力）中，人才培养、技术服务、社会培训三个指标主要通过职业本科院校毕业生就业人数、知识产权项目数、非学历培训项目数进行表征。30所职业本科院校的投入产出观测指标基本数据见表2。

（一）职业本科院校资源投入和绩效产出情况分析

1.职业本科院校资源投入基本特点分析

首先，根据30所职业本科院校的资源投入数据可以看出，职业本科院校的教学资源投入存在较大差距，尤其是在资金投入方面，兰州石化职业技术大学的年财政专项拨款高达17766万元，远高于平均值4601.87万元。然而，受办学性质影响，辽宁理工职业大学、山东外事职业大学、河南科技职业大学、广州科技职业技术大学等民办院校无年财政拨款，办学资金较为紧张，职业本科院校间的资金投入分布不均衡。其次，在人力资源投入方面，结合生师比来看，辽宁理工职业大学和运城职业技术大学的专任教师数偏低，且生师比都在20∶1左右，学校的教师资源较为短缺。最后，在固定资产投入方面，南京工业职业技术大学的生均教学科研仪器设备值最高，且接近30所学校平均值的2倍，表明该学校的硬件水平较高，学校教学设施较为完善。生均教学科研仪器设备值最少的是辽宁理工职业大学，其设备值还不到南京工业职业技术大学的1/4，和其他学校比，硬件水平差距较大。整体来看，现有职业本科院校在投入维度方面各项资源投入情况的差异较大。

2.职业本科院校绩效产出（社会服务贡献力）基本特点分析

首先，在人才培养方面，广州科技职业技术大学为社会提供的技术技能人才数量多，达到9132人，大约是平均值的3倍。此外，辽宁理工职业大学在师资、资金和固定资产的投入方面都远在平均水平之下，而产出维度中的毕业生就业人数、知识产权项目数和非学历培训项目数也都低于平均值。其次，在技术服务方面，南京工业职业技术大学的知识产权项目数最多，达499项，其他职业本科院校基本都是两位数或者个位数。值得注意的是，南京工业职业技术大学的生均教学科研仪器设备值也是最高的，表明该学校的科研固定资产投入得到了较好的收益回报，研发出的知识产权项目数总数较为可观。最后，在社会培训方面，山东外国语职业技术大学的非学历培训项目数最高，达到637项，该学校主要以培训服务为着力点助力乡村产业升级，通过设立“乡村文化产业对口服务站”“乡村振兴服务站”，大力开展农村电商培训、农产品包装设计等服务，助力乡村经济发展，提升农民生活品质，实现学校社会服务功能。

（二）职业本科院校资源配置效率DEA结果分析

在全面收集30所职业本科院校各指标体系观测数据的基础上，将相关投入产出数据导入DEAP软件，可以得到30所职业本科院校的资源配置效率情况和社会服务能力情况以及优化方向，见表3。

首先，在规模收益一定时，30个决策单元的综合技术效率均值为0.677，数值距离1的差距较大。综合技术效率是对决策单元的资源配置能力、资源使用效率等多方面能力的综合衡量与评价。总体来看，职业本科院校距离DEA有效状态还有一定的差距，职业本科教育资源还未实现理想配置效果，资源使用效率较低，还有许多需要完善的地方，社会服务贡献力还存在较大的提升空间。综合效率值达到1的学校共有6所，仅占总数的20%，分别是河北工业职业技术大学、河北石油职业技术大学、南京工业职业技术大学、江西软件职业技术大学、山东外国语职业技术大学、广州科技职业技术大学。值得一提的是，南京工业职业技术大学的固定资产回报率较高，可以较好地运用科研设备产出相应知识成果，投入的资源得到了较高的产出。山东外国语职业技术大学积极运用在校资源开展农村电商培训项目，助力乡村振兴。河北石油职业技术大学在技术服务方面，充分利用学校的资金和科研设备，积极研发知识产权项目并落地实施，为多家企业创造较高的经济效益。

其次，在考虑规模收益影响下，纯技术效率为1的职业本科院校有14所，占总数的46%，纯技术效率的均值为0.797，相对效率值较低，处于DEA无效状态。纯技术效率是决策单元由于管理和技术等因素影响产出效率。其中，西安信息职业大学和山西工程科技职业大学的纯技术效率最低，甚至低于0.5，远小于1所代表的DEA有效。可能由于学校成立时间较短，重组合并的院校类型较为多元，在学校管理和科研成果转化上还有很多需要完善的地方。

最后，从规模报酬和规模效率值来看，30个决策单元规模效率的均值为0.858，比起综合技术效率和纯技术效率的均值，最接近1代表DEA有效状态，表明30所职业本科院校的规模比较合理。其中，有6所职业本科院校处于规模报酬递减状态，分别是河北科技工程职业技术大学、山西工程科技职业大学、广西农业职业技术大学、广西城市职业大学、海南科技职业大学、兰州资源环境职业技术大学。根据质量年度报告中的在校生人数可以看出，这6所学校的学生规模较大，尤其是广西城市职业大学的在校生人数高达35994人，远超其他职业本科院校，学校规模过大将导致资源利用效率不足以及资源浪费现象。6所职业本科院校的规模报酬不变，表明其资源利用效率较高。其余的18所职业本科院校规模报酬递增，可以通过扩大学校规模提升资源配置效率，实现资源的优化配置。