中等职业教育人才培养质量评价

摘 要 人才培养质量能否适应经济社会发展需要，是体现和衡量职业学校“产教融合、校企合作”办学水平的重要标准。从资源配置效率研究的视角，评价中等职业教育人才培养质量现状，运用数据包络分析法（DEA模型），测算了166所中职学校的资源配置效率值，得出受调查的中等职业学校资源配置的宏观现状，即中等职业教育资源配置效率偏低主要集中在达标类中专学校和职业高级中学，国家级重点和省级重点技工类学校的资源配置效率相对较高。达标类中职学校的效率相对较低主要是因为技术效率较低和规模收益递增导致。在此基础上，提出中等职业教育人才培养质量评价机制建设需要加强合作发展、实现数据驱动、促进制度完善。

关键词 中等职业教育；人才培养质量；资源配置效率；数据包络分析

中图分类号 G718.3 文献标识码 A 文章编号 1008-3219（2023）24-0061-06

一、研究前提

2019年6月，教育部发布的《关于职业院校专业人才培养方案制订与实施工作的指导意见》明确指出，职业教育要坚持面向市场、服务发展、促进就业，健全德技并修、工学结合育人机制，构建德智体美劳全面发展的人才培养体系。职业教育作为类型教育，要深化产教融合、校企合作，全面推进“三教”改革与“三全育人”机制，把立德树人贯穿人才培养全过程，高质量培养复合型技术技能人才。职业教育人才培养的核心是要提高对接区域经济社会发展的适应性，区域职业教育人才培养的主要功能是有效推动地方经济社会发展，体现在培养能快速适应地方经济产业发展需要的技术技能人才，减少剩余劳动力流动，通过学历教育和职业培训提高就业率。这就要求职业教育对现有资源进行高效配置，而资源的高效配置就是计算投入与产出的比值，产出越高、配置效率越高，说明人才培养质量越好。

二、资源配置效率与DEA模型

（一）资源配置效率意蕴

目前研究较成熟、使用面较广的资源配置效率测度方法是前沿生产函数（Frontier Production Function）。该函数是由经济学家Farrell于1957年研究提出的，与传统的生产函数相比，前沿生产函数可以求得理想配置状况下（在经济学中称为帕累托最优，在数理统计中称为前沿面）的最大产出与投入关系，进而测度效率值。前沿生产函数主要包含两种研究方法，非参数测度与参数测度，参数测度要求有前提假设、具体函数关系式和检验等，其主要采用的是随机前沿分析法（stochastic frontier analysis approach—SFD）；而非参数测度不需列出具体函数式，省略了很多数据限制，比较符合实际状况，其主要采用的是数据包络分析法（data envelopment analysis—DEA）[1]。本文进行的职业教育资源配置效率研究，即是采用的这种数据分析处理方法。这种分析方法已成为运筹学、管理科学和数理经济学等交叉研究领域的一种相对效率评价方法。

（二）DEA模型

在DEA中用于测度效率的组织被称为决策单元（decision making unit-DMU）。本文将数据中每一所中等职业学校作为一个决策单元，设有n个决策单元（j=1，2，3，…，n），且每个决策单元有相同的输入变量m（i=1，2，3，…，m），和有相同的输出变量s（r=1，2，3，…，s），那么第j项决策单元的输入变量为Xij，第j项决策单元的输出变量为Xrj，最终衡量DMUj0是否DEA有效，其C2R模型的原规划为：

（三）资源配置效率测度常模分析

C2R模型是专门用来判断决策单元是否同时为技术有效和规模有效，BC2模型是用来判断决策单元是否为技术有效，技术效率（technical efficiency）与规模效率（scale efficiency）总称为生产效率（productive efficiency）或整体效率，联合使用C2R模型和BC2模型可以判定出整体效率、技术效率和规模效率的关系式，即整体效率=技术效率×规模效率。

三、用于DEA模型测算的指标

职业教育资源配置效率就是分析计算职业教育的产出规模和产出质量。根据DEA方法，首先要确定输入与输出变量（即职业教育的投入与产出）组成的指标框架，投入指标与产出的确定要基于科学、合理、客观的原则，在现有的研究条件下充分反映职业教育办学的实际情况和水平[3]。将原始数据进行提取和归纳如下：投入指标包括，教育经费支出、专任教师数、校舍建筑占地面积、自有实习基地建筑面积、实践教学设备总值、图书总值、双师型教师数、专任教师生师比、兼任教师生师比、专任教师周工作量、兼任教师周工作量、高级职务教师数、实训实习指导教师占比（占全校教职工的比率）、实训实习指导教师平均周课时量；产出指标包括，毕业生数、近三年年均培训人数、毕业生职业资格获证率、毕业生就业率、专业对口就业率、毕业生近三年稳定就业率。

四、经过DEA模型测算的结果

本研究数据来源于对相关省（市）中等职业学校的调查和相关文献。调查的主要方式是问卷调查、现场座谈和一对一访谈，搜集的相关文献主要是相关省（市）统计年鉴（2020年）、《2020年全国教育经费执行情况统计快报》《中国教育统计年鉴》（2020年）、相关省（市）教育事业统计分析资料。

运用DEAP2.1软件，将166所中等职业学校的投入与产出指标数据输入求解，得出测算结果，当Crste=1说明DEA有效，其经济含义是既为技术有效也为规模有效，即该所学校产出效率相对较高，当Crste<1说明DEA无效，即该所学校的产出效率相对较低。如表1所示，效率值较高的有93所学校，效率值较低的有73所学校，其中规模收益递增的有35所，规模收益递减的有37所，规模收益呈稳定发展状态的有94所。

对数据进行深度挖掘，将决策单元即166所中等职业学校作分类比较和评估，第一类为分层学校的效率评估，即国家级重点、省级重点和达标学校；第二类为分类学校的效率评估，即职业高级中学、技工学校和中等专业学校；第三类为分类专业的效率评估，即与重庆市支柱产业相对应的中职办学的几个专业大类。

（一）分层学校的效率评估

在被调查的166所中职学校中，有49所国家级重点中职学校，其中产出效率较高的学校有33所，占67%；产出效率较低的学校有16所，占33%。13所为规模收益递减，3所为规模收益递增，33所为规模收益稳定。

在被调查的166所中职学校中，有32所省级重点中职学校，其中产出效率较高的学校有24所，占75%；产出效率较低的学校有8所，占25%。6所为规模收益递减，2所为规模收益递增，24所为规模收益稳定。

在被调查的166所中职学校中，有85所达标中职学校，其中产出效率较高的学校有52所，占61%；产出效率较低的学校有33所，占39%。18所为规模收益递减，30所为规模收益递增，37所为规模收益稳定。

如图1所示，通过DEA模型测算结果显示，中等职业学校整体发展态势良好，效率值整体较高，国家级重点中职学校效率值已达到67%，省级重点中职学校效率值已达到75%，达标类中职学校稍显不足，DEA无效的效率值接近40%。

如图2所示，国家级重点、省级重点与达标学校的大部分规模收益都呈DEA有效，即规模收益不变，表明规模性发展状况良好，但有小部分学校的规模效率无效。规模效率无效包含规模收益递增和规模收益递减，规模收益递增说明资源配置不到位，需增加投入，规模收益递减说明资源配置过多或者资源浪费严重，需控制投入和交易成本。在规模效率无效的数据中，国家重点和省级重点中职学校的irs（规模收益递减）占比较多，达标中职学校的drs（规模收益递增）占比较多，说明拥有资源较多的学校存在利用效率偏低和交易成本偏高的现象，而层次不高、办学条件较差的达标学校需要得到更多的资源和投入，以提高效率促进发展。

（二）分类学校的效率评估

在被调查的166所中职学校中，有47所中等专业学校，其中产出效率较高的有24所，占51%；产出效率较低的有23所，占49%。14所为规模收益递增，9所为规模收益递减，24所为规模收益不变。

在被调查的166所中职学校中，有71所职业高级中学，其中产出效率较高的有37所，产出效率较低的有34所，分别占比为52%和48%。16所为规模收益递增，18所为规模收益递减，37所为规模收益不变。

在被调查的166所中职学校中，有48所技工学校，其中产出效率较高的有32所，占67%；产出效率较低的有16所，占33%。5所为规模收益递增，10所为规模收益递减，33所为规模收益不变。

如图3所示，通过DEA模型测算结果显示，中等专业学校与职业高级中学的效率比相差不大，效率高与效率低的比值均接近50%，说明中专类与职高类的一半学校存在资源利用效率低下问题，相比之下技工类中职学校有三分之一的学校存在效率低的问题。

由图4可见，中等专业学校、职业高中和技工学校的突出表现仍然呈规模收益不变的状态，即整体效率较高，发展较为稳定。在效率较低的数据中，职业高中学校规模收益递减与规模收益递增的比例相差不大，说明投入过多产出过少和投入不到位的问题需要同步解决；中等专业学校的低效率主要表现是偏向规模收益递增，说明中等专业学校的相对低效是因为资源配置不到位、投入不够导致；技工学校的低效率主要表现是偏向规模收益递减，而很少部分是规模收益递增，加之总效率值最高，所以技工学校首要考虑不是投入问题而是效率问题。

（三）专业大类的效率评估

根据教育部《中等职业学校专业目录（2010年修订）》公布的19个专业大类，本文选取了拟合地方经济支柱产业以及专业开设率、学生规模较大的专业大类，共15个，进行相对效率评价，详细专业名称见表2。

将每一个专业大类作为一个决策单元，与将学校作为决策单元时的效率测算方法相同，而指标选取有所不同。根据DEA模型使用原则，决策单元数应大于输入与输出指标总和的2倍，所以基于专业大类的数量限制，将会精简指标，根据相关性大小，将输入指标（即投入指标）控制为3项，输出指标（即产出指标）控制为4项，如图5所示。

运行DEAP2.1软件，测算结果如表2所示。由于专业类效率测算选取指标与学校效率测算选取指标的不同，而且DEA模型测算的是DMU决策单元间的相对有效性，所以两者间无可比性。

表2中crste=1即为DEA有效的有4个专业大类，crste<1即为DEA无效的有11个专业大类，其中vrste=1为纯技术有效的有12个专业大类，规模有效的有4个专业大类，规模无效的有11个专业大类，且全为规模收益递减状态。DEA有效的4个专业大类中，交通运输类与信息技术类属于投入多产出多的相对高效率，公共管理与服务和能源与新能源类属于投入少产出少的相对高效率。DEA无效的11个专业大类中，纯技术有效的有加工制造类、石油化工类、医药卫生类、农林牧渔类、财经商贸类、旅游服务类、土木水利类、教育类，表示这8个专业大类在产出一定量的情况下，投入已为最小，同时这8个专业大类都为规模收益递减，表示投入增加时，产出值的增幅会下降，说明其发展的关键性问题不仅在于投入规模，而是投入的方式和结构，即配置问题。效率较低的是资源环境类、轻纺食品类和文化艺术类，vrste和scale值均小于1，表示产出的低效率，说明有限的资源没有被有效利用。

五、基于数据分析引发的思考

调研数据统计结果显示，调研中等职业教育资源配置效率偏低主要集中在达标类中专学校和职业高级中学，国家级重点和省级重点技工类学校的资源配置效率相对较高。人才培养质量较高能为地方相应产业提供技术技能人才和稳定就业劳动力。达标类中职学校的效率相对较低主要是因为技术效率较低和规模收益递增导致，技术效率低主要表现在教育资源利用不合理、不到位，学校管理制度不适应发展需求，决策者思想意识落后等，能够输出的技术技能人才偏少，满足市场需求的劳动力偏少。规模收益递增是指相对于投入，产出值呈上升趋势，增幅逐渐变大，说明对这类学校应该追加投入，当增幅逐渐变小呈下降趋势时，可减少投入，以达到规模经济。效率较低的技工学校主要是因为规模收益递减导致，这类学校在资源配置方面较丰富，专业化程度较高，但配置方式和结构不合理，没有根据劳动力市场需求设计相应的人才培养模式。基于此引发出几点思考。